CN107490599A - 一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法 - Google Patents
一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法 Download PDFInfo
- Publication number
- CN107490599A CN107490599A CN201710904393.2A CN201710904393A CN107490599A CN 107490599 A CN107490599 A CN 107490599A CN 201710904393 A CN201710904393 A CN 201710904393A CN 107490599 A CN107490599 A CN 107490599A
- Authority
- CN
- China
- Prior art keywords
- mrow
- defect
- thermal
- sequence
- thermal image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000007547 defect Effects 0.000 title claims abstract description 80
- 239000000463 material Substances 0.000 title claims abstract description 31
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 28
- 239000010959 steel Substances 0.000 title claims abstract description 28
- 238000001931 thermography Methods 0.000 title claims abstract description 24
- 238000012360 testing method Methods 0.000 title abstract description 11
- 230000000306 recurrent effect Effects 0.000 title abstract 4
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 230000000737 periodic effect Effects 0.000 claims description 53
- 230000005284 excitation Effects 0.000 claims description 13
- 230000002950 deficient Effects 0.000 claims description 9
- 230000035945 sensitivity Effects 0.000 claims description 9
- 238000009792 diffusion process Methods 0.000 claims description 8
- 238000005070 sampling Methods 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 abstract description 8
- 238000000034 method Methods 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 6
- 238000001228 spectrum Methods 0.000 description 6
- 230000001052 transient effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000009659 non-destructive testing Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000009795 derivation Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 229910000978 Pb alloy Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N25/00—Investigating or analyzing materials by the use of thermal means
- G01N25/72—Investigating presence of flaws
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法，通过周期脉冲对被测试件进行激励，获取被测试件含有缺陷信息的表面温度随时间变化的热图像序列，再对热图像序列进行傅里叶展开，变成多个正弦信号的叠加，根据热波原理可以得到每个相应正弦信号的热响应，从而获得周期脉冲的热响应，这样便能够达到增加能量的同时控制最高温升，提高了检测深度，增加了信号分辨率，提高了深层缺陷与浅层微缺陷的可检测率。
Description
技术领域
本发明属于无损检测技术领域，更为具体地讲，涉及一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法。
背景技术
无损检测技术是保障重大工程装备制造质量和运行安全的关键技术。铅钢多层粘接材料由于其特殊的结构和性能在核工业领域得到了广泛的引用。由于受生产工艺和环境因素的影响，铅钢多层材料容易出现粘接不良、气孔、局部脱粘等缺陷，破坏了结构完整性的同时，也潜伏了巨大的安全隐患。多层材料由于其复杂的结构、通常具有的厚度、材料属性的多样性以及实际检测环境的限制，对大多数无损检测技术提出了挑战。通过对多种无损检测技术的比较与分析，发现热成像无损检测方法在多层材料脱粘缺陷的检测上有应用潜力，具有无接触、快速、大面积检测等优点。但是，传统的单脉冲热成像检测技术在铅钢多层材料上检测深度小且横向热扩散的影响较大，难以采集到二层及以下的脱粘缺陷信息。为了增加深层缺陷的可检测性，增大脉冲激发的能量，会因为瞬时高温造成铅钢多层材料损伤。
因此，需要改进脉冲激励模式，对脉冲进行调制，从而是试件获得更多的能量的同时不会因为瞬时高温而损坏。现有的调制模式有锁相调制，但是锁相调制系统复杂，硬件成本高，为了达到稳态条件，检测时间较长。并且同一部位需要深度不同的重复测试。
发明内容
本发明的目的在于克服现有技术的不足，提供一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法，通过周期脉冲对多种材料实现深层脱粘缺陷和浅层微型脱粘缺陷的检测。
为实现上述发明目的，本发明一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法，其特征在于，包括以下步骤：
(1)、获取周期脉冲
(1.1)、计算周期脉冲的最大调制频率ω：
其中，α是被测试件的热扩散系数，μ是需要检测的缺陷的最大深度；
(1.2)、计算周期脉冲的最小周期T：
(1.3)、利用激励源产生出周期不小于T的周期脉冲；
(2)、利用周期脉冲对被测试件进行激励，获取被测试件含有缺陷信息的表面温度随时间变化的热图像序列；
(2.1)、利用周期脉冲对被测试件进行激励，使被测试件表面产生出周期性变化的温度序列；
(2.2)、利用FLIR红外热像仪采集被测试件表面产生的温度序列，得到热图像序列，再将热图像序列导入计算机；
(3)、利用计算机对热图像序列进行处理，得到被测试件缺陷的识别结果；
(3.1)、将热图像序列的第一帧图像去掉，得到去噪后的热图像序列；
(3.2)、对去噪后的热图像序列中每一帧热图像的离散温度序列进行离散傅里叶变换，得到频谱图F(f)；
其中，Δt是采样间隔时间，n是去噪后的热图像序列的第n帧热图像，N表示去噪后的热图像序列总帧数，f表示采样频率，T表示周期脉冲的最小周期，T[nΔt]表示第n帧热图像的离散温度序列，R(f)和I(f)分别表示F(f)的实部和虚部；
(3.3)、根据频谱图F(f)计算相位谱图和幅值谱图A(f)；
(3.4)、根据缺陷处和非缺陷处的相位信息和幅值信息不同的特点，选出相位信息和幅值信息异常突出的一帧图像，并标记为最优帧；
(3.5)、分析缺陷检测灵敏度，判断缺陷信息的识别结果；
以最优帧图像中的幅值或相位作为信号，计算最优帧图像的信噪比SNR：
其中，SmD和SmN分别表示缺陷区域的信号大小和非缺陷区域的信号大小，σ(SmN)表示非缺陷区域的信号大小的标准差；
将信噪比SNR作为分析缺陷检测的灵敏度，判断缺陷信息的识别结果；
若SNR>0,则缺陷区域的信号和非缺陷区域的信号能够区分出来，即缺陷能被识别，且SNR越大，缺陷识别能力越强，识别准确率越高；否则缺陷不能被识别。
本发明的发明目的是这样实现的：
本发明一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法，通过周期脉冲对被测试件进行激励，获取被测试件含有缺陷信息的表面温度随时间变化的热图像序列，再对热图像序列进行傅里叶展开，变成多个正弦信号的叠加，根据热波原理可以得到每个相应正弦信号的热响应，从而获得周期脉冲的热响应，这样便能够达到增加能量的同时控制最高温升，提高了检测深度，增加了信号分辨率，提高了深层缺陷与浅层微缺陷的可检测率。
同时本发明一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法还具有以下有益效果：
1、减小最高温升。周期脉冲热成像由于采取了多个脉冲，在增加了注入能量的同时保证了最高温升不会过高，并且由于不是瞬时脉冲，降低了破坏试件的风险。根据计算，在闪光灯热成像系统中，使用3个周期脉冲，可以使最高温升降低11％左右，在涡流热成像系统中，使用3个周期脉冲，则可以使最高温升降低17％左右。
2、提高了信号分辨率。由于周期脉冲对相位谱图和幅值谱图进行了调制，使得信号分辨率增高，同时减小了噪音的干扰。并且，周期脉冲热成像的相位谱图会有多个响应，增加了信息特征量。
3、检测深度深，注入能量足。由于采用了多个脉冲，因此可以给试件注入足够的能量，并且通过调节周期，可以调节检测最大深度。
4、减小了表面温度不均和热扩散的干扰。由于采用了相位图，具有抑制表面发射率不均和横向热扩散的影响的作用。
5、设备简单，硬件成本较低。
附图说明
图1是周期脉冲热成像系统框图；
图2是本发明一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法流程图；
图3是不同周期的幅值谱图和相位谱图；
图4是表面温度随时间变化的实验曲线和拟合曲线；
图5是理论验证的相关性分析和误差分析；
图6是微型缺陷实验结果图；
图7是深层缺陷实验结果图。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述，以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是，在以下的描述中，当已知功能和设计的详细描述也许会淡化本发明的主要内容时，这些描述在这里将被忽略。
实施例
图1是周期脉冲热成像系统框图。
在本实施例中，如图1所示，使用周期脉冲对试件进行激励，根据热波传导原理，表面会产生周期性变化的温度序列。表面温度随时间的变化可以表示为两部分的叠加：稳态部分和瞬态部分。根据热波传导原理分别求解表面温度瞬态分布T(0,t)T和稳态分布T(0,t)S，如下：
T(0,t)T＝Tam+ΔT(1-e-t/τ)
由于满足线性叠加原理，因此表面温度随时间变化曲线如下所示：
T(0,t)＝T(0,t)T+T(0,t)S (5)
其中，T(0,t)则是表面温度随时间的变化。A是瞬态分量的幅值，q0是注入时间的总能量，ω是频率，T是周期脉冲激励的周期，Tam是环境温度，τ是时间常量。
本说明的理论推导是基于表面加热的前提，若是用于涡流热成像中，需保证涡流的趋肤深度较浅，使热量聚集于表面，并且缺陷对涡流的影响微乎其微。本实施例中，采用光激励红外热成像的原理。
下面我们对本发明一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法进行详细说明，如图2所示，具体包括以下步骤：
S1、获取周期脉冲
周期脉冲激励可以进行傅里叶展开如式1：
其中，
根据热波传导原理，周期脉冲对试件进行激励后表面会产生周期性变化的温度序列，而表面温度随时间的变化可以表示为上述描述的稳态部分和瞬态部分的叠加，因此在实验前，先确定缺陷深度和材料系数，只有在热波扩散深度范围内的缺陷才能被周期脉冲热成像方法检测到。
在本实施例中，我们选用的被测试件为铅钢多层材料，其存在的缺陷是脱粘缺陷；此外本发明还能用于多类材料，如铅合金，45#钢等。
这样我们就可以计算周期脉冲的最大调制频率ω和最小周期T：
其中，α是铅钢多层材料的热扩散系数，μ是需要检测的缺陷的最大深度；
最后，我们利用激励源产生出周期不小于T的周期脉冲。
S2、利用周期脉冲对铅钢多层材料进行激励，获取铅钢多层材料含有缺陷信息的表面温度随时间变化的热图像序列；
利用周期脉冲对铅钢多层材料进行激励，使铅钢多层材料表面产生出周期性变化的温度序列；再利用FLIR红外热像仪采集铅钢多层材料表面产生的温度序列，得到热图像序列，再将热图像序列导入计算机；
S3、利用计算机对热图像序列进行预处理：将热图像序列的第一帧图像去掉，得到去噪后的热图像序列。
S4、离散傅里叶变换获取相位谱图和幅值谱图；
对去噪后的热图像序列中每一帧热图像的离散温度序列进行离散傅里叶变换，得到频谱图F(f)；
其中，Δt是采样间隔时间，n是去噪后的热图像序列的第n帧热图像，N表示去噪后的热图像序列总帧数，f表示采样频率，T表示周期脉冲的最小周期，T[nΔt]表示第n帧热图像的离散温度序列，R(f)和I(f)分别表示F(f)的实部和虚部；
根据频谱图F(f)计算相位谱图和幅值谱图A(f)；
如图3所示，调制效果与周期脉冲周期有关。图3(a)和(b)分别是单个脉冲6秒激励后得到的幅值谱图和相位谱图，可以看到每一帧都有信号，除去第一帧幅值较大外，其余信号都很微弱，很难分别出来。图3(c)和(d)分别是周期为3秒的周期脉冲激励的幅值谱图和相位谱图，可以看到幅值和周期均被调制，响应的信号仅为单脉冲激励的一半。同理，图3(e)和(f)分别是周期为2秒的周期脉冲激励的幅值谱图和相位谱图，其响应信号为单脉冲激励的三分之一。由此可以看到，使用周期脉冲，相应的幅值图和相位图均被调制，有了更高的信号分辨率，且幅值图和相位图仅在相应的频率ω,3ω,5ω……才有频率响应，更改ω，也即减小周期T，调制力度越大。
S5、缺陷识别
根据缺陷处和非缺陷处的相位信息和幅值信息不同的特点，选出相位信息和幅值信息异常突出的一帧图像，并标记为最优帧；
以最优帧图像中的幅值或相位作为信号，计算最优帧图像的信噪比SNR：
其中，SmD和SmN分别表示缺陷区域的信号大小和非缺陷区域的信号大小，σ(SmN)表示非缺陷区域的信号大小的标准差；
将信噪比SNR作为分析缺陷检测的灵敏度，判断缺陷信息的识别结果；
若SNR>0,则缺陷区域的信号和非缺陷区域的信号能够区分出来，即缺陷能被识别，且SNR越大，缺陷识别能力越强，识别准确率越高；否则缺陷不能被识别。
实例仿真
为了验证周期脉冲方法推导结果的正确性，比较分析了实验结果与计算结果。图4中实线部分是通过计算拟合得到的温度时间图，虚线是通过实验得到的温度时间图。基于模特卡罗方法，选取足够多的样本，进行多次实验，进行相关性和误差分析，得到了相关性分布图和误差分布图分别如图5(a)和(b)所示。可以看到相关性超过0.95，误差低于0.2，说明拟合曲线和实际曲线之间吻合度较高，说明了该理论推导的正确性。
我们在对不同尺寸深度的缺陷进行检测：
浅层微型缺陷的检测：
缺陷位于铅钢多层材料的第二层(第一层为铅)，钢层上表面，深度为1.2mm，尺寸为7mm,6mm,5mm,4mm。单脉冲不能检测到7mm,6mm缺陷，故使用了本说明的周期脉冲激励方法，检测结果如图6所示。计算检测灵敏度SNR，得到四个缺陷的灵敏度均为15左右，即四个缺陷均被识别。由此说明，周期脉冲不容易受到横向热扩散的影响，能检测到浅层微型缺陷。
深层缺陷的检测：
缺陷位于铅钢多层材料的第二层，钢层下表面，深度为5.2mm，尺寸为15mm。检测结果如图7所示，计算检测灵敏度SNR，为30，即缺陷被识别出来。说明周期脉冲热成像能检测到该深层缺陷且灵敏度很高。
需要注意的是，以上实验均对试件表面进行了喷漆处理，调整表面发射率为1，减小了表面发射率对实验结果的影响。
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员理解本发明，但应该清楚，本发明不限于具体实施方式的范围，对本技术领域的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内，这些变化是显而易见的，一切利用本发明构思的发明创造均在保护之列。
Claims (1)
1.一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法，其特征在于，包括以下步骤：
(1)、获取周期脉冲
(1.1)、计算周期脉冲的最大调制频率ω：
<mrow>
<mi>&omega;</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&alpha;</mi>
</mrow>
<msup>
<mi>&mu;</mi>
<mn>2</mn>
</msup>
</mfrac>
</mrow>
其中，α是被测试件的热扩散系数，μ是需要检测的缺陷的最大深度；
(1.2)、计算周期脉冲的最小周期T：
<mrow>
<mi>T</mi>
<mo>></mo>
<mfrac>
<mrow>
<mn>2</mn>
<mi>&pi;</mi>
</mrow>
<mi>&omega;</mi>
</mfrac>
</mrow>
(1.3)、利用激励源产生出周期不小于T的周期脉冲；
(2)、利用周期脉冲对被测试件进行激励，获取被测试件含有缺陷信息的表面温度随时间变化的热图像序列；
(2.1)、利用周期脉冲对被测试件进行激励，使被测试件表面产生出周期性变化的温度序列；
(2.2)、利用FLIR红外热像仪采集被测试件表面产生的温度序列，得到热图像序列，再将热图像序列导入计算机；
(3)、利用计算机对热图像序列进行处理，得到被测试件缺陷的识别结果；
(3.1)、将热图像序列的第一帧图像去掉，得到去噪后的热图像序列；
(3.2)、对去噪后的热图像序列中每一帧热图像的离散温度序列进行离散傅里叶变换，得到频谱图F(f)；
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>&Delta;</mi>
<mi>t</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>n</mi>
<mo>=</mo>
<mn>0</mn>
</mrow>
<mrow>
<mi>N</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
</munderover>
<mi>T</mi>
<mo>&lsqb;</mo>
<mi>n</mi>
<mi>&Delta;</mi>
<mi>t</mi>
<mo>&rsqb;</mo>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<mi>i</mi>
<mn>2</mn>
<mi>&pi;</mi>
<mi>f</mi>
<mi>n</mi>
<mi>&Delta;</mi>
<mi>t</mi>
</mrow>
</msup>
<mo>=</mo>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mi>i</mi>
<mi>I</mi>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
</mrow>
其中，Δt是采样时间，n是去噪后的热图像序列的第n帧热图像，N表示去噪后的热图像序列总帧数，f表示采样频率，T表示周期脉冲的最小周期，T[nΔt]表示第第n帧热图像的离散温度序列，R(f)和I(f)分别表示F(f)的实部和虚部；
(3.3)、根据频谱图F(f)计算相位谱图和幅值谱图A(f)；
<mrow>
<mi>A</mi>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<msqrt>
<mrow>
<mi>R</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
<mo>+</mo>
<mi>I</mi>
<msup>
<mrow>
<mo>(</mo>
<mi>f</mi>
<mo>)</mo>
</mrow>
<mn>2</mn>
</msup>
</mrow>
</msqrt>
</mrow>
(3.4)、根据缺陷处和非缺陷处的相位信息和幅值信息不同的特点，选出相位信息和幅值信息异常突出的一帧图像，并标记为最优帧；
(3.5)、分析缺陷检测灵敏度，判断缺陷信息的识别结果；
以最优帧图像中的幅值或相位作为信号，计算最优帧图像的信噪比SNR：
<mrow>
<mi>S</mi>
<mi>N</mi>
<mi>R</mi>
<mo>=</mo>
<mn>20</mn>
<msub>
<mi>log</mi>
<mn>10</mn>
</msub>
<mrow>
<mo>(</mo>
<mfrac>
<mrow>
<msub>
<mi>S</mi>
<mrow>
<mi>m</mi>
<mi>D</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>m</mi>
<mi>N</mi>
</mrow>
</msub>
</mrow>
<mrow>
<mi>&sigma;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>S</mi>
<mrow>
<mi>m</mi>
<mi>N</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mfrac>
<mo>)</mo>
</mrow>
<mo>&lsqb;</mo>
<mi>d</mi>
<mi>B</mi>
<mo>&rsqb;</mo>
</mrow>
其中，SmD和SmN分别表示缺陷区域的信号大小和非缺陷区域的信号大小，σ(SmN)表示非缺陷区域的信号大小的标准差；
将信噪比SNR作为分析缺陷检测的灵敏度，判断缺陷信息的识别结果；
若SNR>0,则缺陷区域的信号和非缺陷区域的信号能够区分出来，即缺陷能被识别，且SNR越大，缺陷识别能力越强，识别准确率越高；否则缺陷不能被识别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710904393.2A CN107490599B (zh) | 2017-09-29 | 2017-09-29 | 一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710904393.2A CN107490599B (zh) | 2017-09-29 | 2017-09-29 | 一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107490599A true CN107490599A (zh) | 2017-12-19 |
| CN107490599B CN107490599B (zh) | 2019-08-20 |
Family
ID=60653757
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710904393.2A Expired - Fee Related CN107490599B (zh) | 2017-09-29 | 2017-09-29 | 一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107490599B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107957434A (zh) * | 2017-12-27 | 2018-04-24 | 电子科技大学 | 一种复合碳纤维板内部缺陷的无损检测增强方法 |
| CN108627539A (zh) * | 2018-03-19 | 2018-10-09 | 安泰天龙钨钼科技有限公司 | 热障抗烧蚀涂层缺陷的红外热像检测方法 |
| CN109060822A (zh) * | 2018-07-17 | 2018-12-21 | 上海大学 | 长脉冲红外无损检测序列图像处理方法与系统 |
| CN113406146A (zh) * | 2021-07-23 | 2021-09-17 | 中国航空综合技术研究所 | 用于蜂窝夹层结构的红外锁相热成像缺陷识别方法 |
| CN113820360A (zh) * | 2021-08-19 | 2021-12-21 | 东南大学 | 一种基于正交相位编码线性调频的高分辨率光热脉冲压缩热成像检测方法 |
| CN114166850A (zh) * | 2021-11-30 | 2022-03-11 | 电子科技大学 | 一种基于差分张量分解的光激励红外热成像缺陷检测方法 |
| CN114609189A (zh) * | 2022-02-24 | 2022-06-10 | 电子科技大学 | 一种基于微波致热的缺陷深度信息提取方法 |
| CN115047022A (zh) * | 2022-08-11 | 2022-09-13 | 合肥锁相光学科技有限公司 | 一种热扩散过程的时域重构方法及系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020027941A1 (en) * | 2000-08-25 | 2002-03-07 | Jerry Schlagheck | Method and apparatus for detection of defects using localized heat injection of narrow laser pulses |
| CN103558249A (zh) * | 2013-11-05 | 2014-02-05 | 福州大学 | 基于脉冲电流电磁热效应的金属构件缺陷红外检测方法 |
| CN103592333A (zh) * | 2013-11-13 | 2014-02-19 | 电子科技大学 | 一种脉冲涡流热成像缺陷自动检测与识别方法 |
| CN104764770A (zh) * | 2015-03-30 | 2015-07-08 | 南京航空航天大学 | 一种钢轨裂纹的脉冲涡流红外热成像检测系统及其方法 |
| US20150355118A1 (en) * | 2014-06-04 | 2015-12-10 | DCG Systems GmbH | Method for examination of a sample by means of the lock-in thermography |
| CN106886797A (zh) * | 2017-02-24 | 2017-06-23 | 电子科技大学 | 一种对复合材料脱粘缺陷的高分辨率检测与识别方法 |
| CN106959319A (zh) * | 2017-03-31 | 2017-07-18 | 哈尔滨工业大学 | 一种基于脉冲激励的动态热层析成像检测系统及方法 |
| CN106996944A (zh) * | 2017-05-25 | 2017-08-01 | 电子科技大学 | 一种热成像检测中的亚表面缺陷形状重构方法 |
| CN107064217A (zh) * | 2016-12-05 | 2017-08-18 | 南京航空航天大学 | 一体化脉冲涡流感应热成像检测装置及其检测方法 |
-
2017
- 2017-09-29 CN CN201710904393.2A patent/CN107490599B/zh not_active Expired - Fee Related
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020027941A1 (en) * | 2000-08-25 | 2002-03-07 | Jerry Schlagheck | Method and apparatus for detection of defects using localized heat injection of narrow laser pulses |
| CN103558249A (zh) * | 2013-11-05 | 2014-02-05 | 福州大学 | 基于脉冲电流电磁热效应的金属构件缺陷红外检测方法 |
| CN103592333A (zh) * | 2013-11-13 | 2014-02-19 | 电子科技大学 | 一种脉冲涡流热成像缺陷自动检测与识别方法 |
| US20150355118A1 (en) * | 2014-06-04 | 2015-12-10 | DCG Systems GmbH | Method for examination of a sample by means of the lock-in thermography |
| CN104764770A (zh) * | 2015-03-30 | 2015-07-08 | 南京航空航天大学 | 一种钢轨裂纹的脉冲涡流红外热成像检测系统及其方法 |
| CN107064217A (zh) * | 2016-12-05 | 2017-08-18 | 南京航空航天大学 | 一体化脉冲涡流感应热成像检测装置及其检测方法 |
| CN106886797A (zh) * | 2017-02-24 | 2017-06-23 | 电子科技大学 | 一种对复合材料脱粘缺陷的高分辨率检测与识别方法 |
| CN106959319A (zh) * | 2017-03-31 | 2017-07-18 | 哈尔滨工业大学 | 一种基于脉冲激励的动态热层析成像检测系统及方法 |
| CN106996944A (zh) * | 2017-05-25 | 2017-08-01 | 电子科技大学 | 一种热成像检测中的亚表面缺陷形状重构方法 |
Non-Patent Citations (2)
| Title |
|---|
| XIAOXI LI等: "Periodic Pulsed Thermography for Inner Defects Detection of Lead-Steel Bonded Structure", 《IEEE SENSORS JOURNAL》 * |
| 李晓希: "多层异种金属粘接结构内部缺陷热成像无损检测研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107957434A (zh) * | 2017-12-27 | 2018-04-24 | 电子科技大学 | 一种复合碳纤维板内部缺陷的无损检测增强方法 |
| CN107957434B (zh) * | 2017-12-27 | 2020-02-18 | 电子科技大学 | 一种复合碳纤维板内部缺陷的无损检测增强方法 |
| CN108627539A (zh) * | 2018-03-19 | 2018-10-09 | 安泰天龙钨钼科技有限公司 | 热障抗烧蚀涂层缺陷的红外热像检测方法 |
| CN108627539B (zh) * | 2018-03-19 | 2020-07-10 | 安泰天龙钨钼科技有限公司 | 热障抗烧蚀涂层缺陷的红外热像检测方法 |
| CN109060822A (zh) * | 2018-07-17 | 2018-12-21 | 上海大学 | 长脉冲红外无损检测序列图像处理方法与系统 |
| CN109060822B (zh) * | 2018-07-17 | 2021-06-29 | 上海大学 | 长脉冲红外无损检测序列图像处理方法与系统 |
| CN113406146A (zh) * | 2021-07-23 | 2021-09-17 | 中国航空综合技术研究所 | 用于蜂窝夹层结构的红外锁相热成像缺陷识别方法 |
| CN113406146B (zh) * | 2021-07-23 | 2022-02-22 | 中国航空综合技术研究所 | 用于蜂窝夹层结构的红外锁相热成像缺陷识别方法 |
| CN113820360A (zh) * | 2021-08-19 | 2021-12-21 | 东南大学 | 一种基于正交相位编码线性调频的高分辨率光热脉冲压缩热成像检测方法 |
| CN113820360B (zh) * | 2021-08-19 | 2022-12-27 | 东南大学 | 一种基于正交相位编码线性调频的高分辨率光热脉冲压缩热成像检测方法 |
| CN114166850A (zh) * | 2021-11-30 | 2022-03-11 | 电子科技大学 | 一种基于差分张量分解的光激励红外热成像缺陷检测方法 |
| CN114166850B (zh) * | 2021-11-30 | 2023-06-09 | 电子科技大学 | 一种基于差分张量分解的光激励红外热成像缺陷检测方法 |
| CN114609189A (zh) * | 2022-02-24 | 2022-06-10 | 电子科技大学 | 一种基于微波致热的缺陷深度信息提取方法 |
| CN115047022A (zh) * | 2022-08-11 | 2022-09-13 | 合肥锁相光学科技有限公司 | 一种热扩散过程的时域重构方法及系统 |
| CN115047022B (zh) * | 2022-08-11 | 2022-11-08 | 合肥锁相光学科技有限公司 | 一种热扩散过程的时域重构方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107490599B (zh) | 2019-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107490599B (zh) | 一种铅钢多层材料脱粘缺陷周期脉冲热成像检测方法 | |
| CN103336049B (zh) | 一种消除提离效应的脉冲涡流检测方法及装置 | |
| Ghali et al. | Frequency-modulated thermal wave imaging for non-destructive testing of carbon fiber-reinforced plastic materials | |
| US8449176B2 (en) | Automated binary processing of thermographic sequence data | |
| CA2539086C (en) | Method and apparatus for eddy current detection of material discontinuities | |
| Fu et al. | Lift-off effect reduction based on the dynamic trajectories of the received-signal fast Fourier transform in pulsed eddy current testing | |
| CN103630543A (zh) | 一种利用脉冲红外热波检测吸波涂层缺陷的判定方法 | |
| CN103163216A (zh) | 一种基于巨磁电阻传感器的金属导体缺陷识别及估计方法 | |
| Pasadas et al. | Defect classification with SVM and wideband excitation in multilayer aluminum plates | |
| US9638648B2 (en) | Flaw detection using transient thermography | |
| CN103308521A (zh) | 一种增强红外热波检测图像缺陷对比度的方法 | |
| Liu et al. | Investigation of thermal imaging sampling frequency for eddy current pulsed thermography | |
| Jarvis et al. | Performance evaluation of a magnetic field measurement NDE technique using a model assisted Probability of Detection framework | |
| Xu et al. | Improving defect visibility in square pulse thermography of metallic components using correlation analysis | |
| Baskaran et al. | Probability of detection modelling in eddy current NDE of flaws integrating multiple correlated variables | |
| US10690581B2 (en) | Infrared thermographic porosity quantification in composite structures | |
| Yan et al. | Pulse-modulation eddy current imaging for 3D profile reconstruction of subsurface corrosion in metallic structures of aviation | |
| Xie et al. | Quantitative evaluation of deep-shallow compound defects using frequency-band-selecting pulsed eddy current testing | |
| Gong et al. | Multi-characteristic combination based reliability enhancement of optical bidirectional thermal wave radar imaging for GFRP laminates with subsurface defects | |
| Kasai et al. | Crack detection in low carbon steel using Rotating Uniform Eddy Current probe and noise signal filtering based on Multivariate Singular Spectrum Analysis | |
| CN204945069U (zh) | 一种浮空器囊体材料热合检测装置 | |
| CN106525764A (zh) | 基于太赫兹时域光谱的材料表面光洁度检测方法 | |
| Ibarra-Castanedo et al. | Automatic algorithm for quantitative pulsed phase thermography calculations | |
| CN113916937A (zh) | 裂纹检测方法、装置、电子设备及存储介质 | |
| Xu et al. | Simultaneous measurement of thickness and lift-off using the tangential component of magnetic flux density in pulsed eddy current testing |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20190820 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |