图 1 某双组织盘件超声C扫描图像
编辑：刘骁 时间：2024-11-27 19:55:51
随着航空发动机性能的不断提高,业内对于航空发动机盘件不同部位的材料性能也提出了不同要求。因此新一代发动机开始采用双组织盘件替代传统均一组织盘件。使用诸如双微观结构热处理（DMHT）[1]等特殊工艺,可使盘件不同部位具有不同微观组织,进而获得不同力学性能,实现航空发动机推重比提升。双组织盘件性能和可靠性由轮毂和轮缘区域晶粒尺寸以及过渡区的位置和完整性决定。由于锻造和热处理等工艺的波动,过渡区在盘件上的位置以及形状可能偏离预期设计,直接影响到盘件服役性能。因此,对过渡区边界的尺寸进行评价对于双组织盘件的质量评价是至关重要的。超声无损评价方法可以对材料晶粒尺寸分布进行全局、无损地评价,从而被应用于双组织盘件的组织分布检测和尺寸特征识别[2]。但目前在工程应用中尚存在两个问题：其一,由于过渡区的形状不规则,对过渡区的尺寸和位置计算具有一定困难,传统的人工测量计算存在误差大、效率低的问题；其二,采用信号处理等方式进行材料组织的分布和定位[3-5],虽然识别准确性更高,但必须采用可以提取原始声波信号的设备才能实现,难以在常规超声C扫描设备中推广使用。
360证书挂靠网针对检测得到的超声C扫描图像,文章采用基于梯度的图像分割方法[6-7],对过渡区边界进行提取；然后对过渡区尺寸和位置进行拟合计算,输出过渡区尺寸和位置。试验结果表明,该方法计算时间短,检测效率高。
超声C扫描成像原理为：将采样点超声回波特征值（即回波幅值的波高）转化为相应颜色,用不同的颜色填充扫描点周围区域,从而描述该采样点的信号特征。检测得到的超声C扫描图像是一种伪彩色图像。某双组织盘件超声C扫描图像如图1所示。在超声C扫描图像中,将超声信号的波高定义为幅值,超声信号幅值较高的区域为绿色,幅值较低的为蓝色,从工件的C扫描图像中可以看到模糊的过渡区域。
以ϕ0.4 mm+15 dB灵敏度进行检测后,对工件进行金相解剖观察。超声C扫描和解剖观察对比如图2所示。在超声C扫描图像中,从下至上超声回波特征值逐渐由10%以下提高到35%以上,与之对应的金相结果中显示的材料晶粒尺寸也随之逐渐增大。该对比结果表明超声回波特征值与工件材料晶粒尺寸存在一定的对应性,即可以利用超声回波特征值对材料组织变化进行初步地定位识别。
基于超声C扫描图像的过渡区识别与定位计算方法的流程如图3所示。首先,采用文章所提出的识别算法,在均值化处理后的超声C扫描图像中提取过渡区轮廓边界；然后,对轮廓边界进行拟合得到C扫描图像中过渡区的尺寸和位置；最后,利用像素比例尺计算盘件过渡区实际尺寸和位置。根据盘件过渡区检测标准,判断该盘件是否合格,给出检测报告。
为了对过渡区进行定量分析,需要先将粗晶区和细晶区区分开,然后在此基础上进行计算。为此,需要设定像素尺寸为t×t的均值滤波器,对超声C扫描检测图像进行均值滤波,借此减少过渡区幅值的剧烈起伏对过渡区形貌拟合的不利影响。均值滤波尺寸的大小t与被检测盘件的材料、探头选择、检测仪器的参数设定等因素密切相关。双组织盘件的超声C扫描图像如图4所示,其由351×351个像素点组成,经过均值滤波处理后的图像如图5所示。
对C扫描图像进行均值滤波处理后,只是区分开了粗晶区和细晶区,实际还需要将过渡区边界提取出来。对提出的过渡区边界识别算法过程,结合示例图进行如下说明。
（1） 超声C扫描图像的二维数组数据如图6所示,以中心位置为起点（黑色）,边缘位置（灰色）为终点,提取得到一组一维数组P=[p1,p2,p3,…,p48]。
（2） 搜索区间数组提取示意如图7所示,根据半径尺寸区间从数组P中提取一组轮廓识别数组Q=[q1,q2,q3,…,qi]（i =1,2,…,16）,其中q1=[r1,…,R1],…,q16=[r16,…,R16],每条轮廓识别数组qi中的起始元素为内孔半径ri,终止元素为外圈半径尺寸Ri,图中每条粗虚线轨迹所对应的位置为每条轮廓识别数组qi的数组元素。
（3） 计算轮廓识别数组Q=[q1,q2,q3,…,q16]中每条数组qi=[qi1,qi2,qi3,…,qij]（i=1,2,…,16）中的元素个数为j,其中的第s个元素qis为数组qi的梯度最大点si,梯度计算公式为
得到过渡区轮廓数组S=[s1,s2,…,s16]（i=1,2,…,n）。
为验证文章提出的过渡区识别算法的可行性,采用某型双组织盘件进行超声检测与过渡区识别试验。采用ϕ0.4 mm+15 dB灵敏度对双组织盘件进行超声C扫描检测,设定均值滤波尺寸t为3,超声C扫描结果的像素尺寸为351×351,C扫描结果中盘件几何圆心的像素点坐标为（175,175）。超声C扫描图像过渡区识别处理后的图像如图8所示。
对均值处理后的双组织盘件C扫描结果,采用文章提出的边界识别算法提取得到的过渡区边界如图8（a）中的黄色轮廓点部分所示。图8（b）为过渡区边界通过最小二乘法进行椭圆拟合的结果,得到轮廓圆心的像素点坐标为（176,170）,长轴像素长度311.305 pixel,短轴像素长度304.433 pixel,长轴偏转角度25°。图8（c）所示为盘件圆心和过渡区拟合边界圆心距离。试验中的像素比例尺为1.587 mm/pixel。通过像素比例尺计算得到过渡区的偏心距为8.092 mm,过渡区长轴直径为494.041 mm,过渡区短轴直径为483.135 mm。
通过文章提出的算法对双组织盘件的过渡区进行识别处理,可以较为快速精确地评价过渡区的尺寸和位置,相比于人工测量方法,有效提高了双组织盘件过渡区评价的准确率和效率。
（1）提出的过渡区识别方法能够有效地识别双组织盘件超声C扫描图像中的过渡区边界,并提取其位置。
（2）在盘件完成超声检测后,文章方法能自动对检测结果进行过渡区边界识别,通过设置的像素比例尺,快速输出盘件经过过渡区识别处理后的图像并给出过渡区边界的实际尺寸和偏心距,大大提高了过渡区边界评价的效率与准确率。
