Intelligent detection of delamination defect in curved structural quartz fiber reinforced polymer composites using terahertz technology
-
摘要: 为探索先进预警机雷达罩石英纤维增强树脂复合材料中典型分层缺陷的智能化检测手段，将协作机器人与反射式太赫兹时域光谱系统相结合，搭建了一种基于光纤耦合的反射式太赫兹时域光谱扫查系统，测试所得信噪比的动态范围约60 dB。利用搭建系统对预埋模拟分层缺陷的曲面结构石英纤维增强树脂复合材料样件进行太赫兹无损检测，不同扫描区域获得的反射式太赫兹成像图中均能通过目视辨认出内部预埋缺陷。利用改进的YOLOv4算法在缺陷自动识别中获得90.18%的准确率和91.26%召回率，分别较原YOLOv4算法提高3.37%和4.01%，对小目标缺陷的检测效果良好。实验丰富了预警机雷达罩样件的设计和检测研究内容，探索了曲面结构石英纤维增强树脂复合材料缺陷太赫兹成像，为预警机雷达罩的无损检测提供了新的智能检测工艺，具备工程应用价值。
-
关键词:
- 石英纤维增强树脂复合材料 /
- 曲面结构 /
- 太赫兹时域光谱 /
- 损伤缺陷 /
- 无损检测
Abstract: In order to explore an intelligent means of detecting delamination defects in airborne warning and control system radomes made of quartz fiber reinforced polymers (QFRP), a reflective terahertz time-domain spectroscopy system based on fiber coupling was built by combining a cooperative robot. The signal noise ratio dynamic range is about 60 dB after testing. Terahertz nondestructive testing of curved structural QFRP sample with pre-buried simulated delamination defects was performed using the build system. The internal pre-buried defects were visually identified in the reflected terahertz images obtained from different scanning areas. An improved YOLOv4 algorithm was used to obtain 90.18% accuracy and 91.26% recall in automatic defect identification, which were 3.37% and 4.01% higher than the original YOLOv4 algorithm, respectively. The small target defects can also be recognized well. This experiment enriches the design and detection of airborne warning and control system radome sample, explores the detection of curved structural QFRP sample using terahertz imaging method and provides a new intelligent nondestructive testing method of airborne warning and control system radomes detection, which has the value of engineering application. -
随着未来战争向着智能化发展，预警机作为战争的空军指挥枢纽，各国不断加强对先进预警机的探索和研制以期提高国防力量和作战力量。预警机雷达罩作为保证机载雷达有效工作的重要构件，其在外形形态、材料性能等方面的标准更加严格。对于外形形态，由于受到雷达系统的技术影响，预警机雷达罩多采用椭球型雷达罩[1]以实现全方位探测；对于材料性能，由于石英纤维增强树脂增强类复合材料(Quartz fiber reinforced polymer，QFRP)具有高强度、高模量比等优异的力学性能、较低的热膨胀系数和损耗角正切值的介电性能和较好的耐环境性能[2-4]，QFRP逐渐在高性能的电磁、透波雷达罩中体现出良好的应用潜力[5]。
雷达罩的生产制备、服役等阶段通常伴有缺陷和损伤发生，为缩短其维修保障周期，探索有效高效的无损检测形式，已经有研究人员开展了相关研究。2017年，Shin等[6]提出了一种应用于机库中的全场脉冲回波超声传播成像系统，对飞机复合材料天线罩实现无损检测。同年，严罡[7]利用有限元模拟和数值分析的方法，提出了使用电容传感器对曲面雷达罩蜂窝积水缺陷进行检测。2018年，Fabian等[8]构建了三维调频连续波(Frequency modulation continuous wave，FMCW)系统，对雷达罩玻璃纤维复合材料内部缺陷进行检测研究，对比了传统聚焦成像方法与合成孔径方法的检测结果。
太赫兹波频段位置特殊，对大部分非极性材料具有很强的穿透性[9]，例如非金属材料[10]，还表现出指纹谱性[11]等具有检测优势的性质，太赫兹时域光谱技术作为新兴的远红外光谱技术逐步应用于各类复合材料的无损检测领域[12-13]。2017年，Kim等[14]通过分析太赫兹波与玻璃纤增强复合材料(Glass fiber reinforced polymer，GFRP)的作用原理，利用反射式和透射式太赫兹时域光谱(Terahertz time-domain spectroscopy，THz-TDS)系统对分层缺陷、纤维断裂和水浸缺陷进行检测分析，拟应用于复合材料结构的健康评价。2019年，Wang等[15]对A夹层和C夹层结构的玻璃纤维蜂窝结构材料的脱粘、分层和多分层缺陷进行检测研究，通过太赫兹频域振幅和时域振幅成像算法进行可视化分析，并采用小波融合等算法对缺陷定量表征。同年，张丹丹等[16]针对脱粘缺陷，对太赫兹时域波形进行基于双高斯脉冲反卷积滤波，实现了对GFRP的缺陷的反射式层析成像，并用B-scan成像方法进行了对比。2020年，周桐宇等[17]基于时域有限差分方法，通过数值仿真解释了太赫兹波对含有胶接缺陷的玻璃纤维增强复合材料的作用机制，并对脱粘和分层缺陷的厚度进行计算。2021年，王赫楠等[18]提出基于连续小波变换的太赫兹特征增强方法，实现了对玻璃纤维复合材料脱粘缺陷的较好识别。
目前，太赫兹无损检测技术在复合材料缺陷检测的实际应用方面出现了瓶颈，一方面，太赫兹检测实验研究依托于传统的太赫兹时域光谱系统，存在体积大、灵活性不高的问题，限制了太赫兹无损检测技术的应用范围；另一方面，现有大部分研究均以平板结构的复合材料实验样件为对象，而实际应用过程中的大部分检测对象都具有曲面乃至更加复杂的结构，针对包含这类复杂结构样件的检测研究较少。此外，太赫兹检测结果通常以图片的形式呈现，在实际应用过程中需要依靠经验丰富的检测人员进行判定和识别，缺少智能化的缺陷识别技术。
针对上述问题，本文搭建了一种结构紧凑的基于协作机器人的反射式太赫兹时域光谱系统，设计制作了包含预埋分层缺陷的曲面结构QFRP实验样件，主要通过机器人的离线编程技术实现对曲面结构QFRP实验样件的扫查检测，同时采用改进的YOLOv4目标检测网络，针对小样本和小目标进行自动标注，实现对层析成像图像中缺陷的智能识别。面对特殊装备，无损检测设备朝着专用化发展，因此探索检测新工艺，对提高维修检测效率具有重要意义。
1. 样件设计
为有效模拟真实预警机雷达罩，本文设计制作了缩比的曲面结构QFRP实验样件。样件整体长度为500 mm，宽度为144.3 mm，高度为50 mm。蒙皮的材料选择石英纤维增强树脂斜纹织物预浸料，其基体树脂的质量分数为(39
± 4)wt%，单层厚度约为0.22 mm。样件的上蒙皮和下蒙皮有4个铺层，厚度均为0.88 mm。蒙皮和芯层之间采用厚度为0.35 mm的胶膜进行粘连，芯层采用Nomex蜂窝材料，横切面为边长为2 mm的正六边形，芯层厚度为20 mm。样件实物与3D效果图如图1所示。在设计上述曲面样件时，为模拟由外物低能冲击或其他原因造成的材料内部的分层缺陷，在样件的上蒙皮中选取部分区域内埋聚四氟乙烯薄片，厚度均为0.02 mm。四列薄片由左至右分别位于上蒙皮第一层与第二层之间，第二层与第三层之间，第三层与第四层之间和第四层与胶膜之间，五行薄片的直径由上至下分别为3 mm、5 mm、7 mm、9 mm和12 mm，列与列的间隔为25 mm，行与行的间隔为20 mm。
缺陷预埋分布情况和其在曲面样件上的位置信息如图2所示。另设计5块相同材料体系的平板样件用于目标将检测任务数据集的采集。
![]()
图 1 石英纤维增强树脂复合材料(QFRP)样件实物三视图及3D效果图Figure 1. Three views and 3D renderings of quartz fiber reinforced polymer (QFRP) sample![]()
图 2 曲面结构QFPR缺陷分布及信息示意图Figure 2. Schematic diagram of defect distribution and information of curved structural QFRPΦ—Diameter2. 基于协作机器人的光纤耦合式太赫兹时域光谱系统
对传统反射式太赫兹时域光谱系统进行改进，提高系统性能的同时兼顾便携性：选取波长为1550 nm的T-Light光纤飞秒激光器代替实验室常用的800 nm波段的钛蓝宝石飞秒激光器；对太赫兹波自由空间光路重新搭建，减少光路空间占比；引入动圈式音圈电机，搭建基于音圈电机平台的快速延迟线；设计制作太赫兹波收发一体模块，集成太赫兹波发射器和太赫兹波接收器，通过光纤耦合的方式与太赫兹自由空间光路连接。基于以上系统改进实现一种光纤耦合式太赫兹时域光谱系统。引入AUBO i5协作机器人(6自由度)，并通过工装连接件搭载太赫兹波收发一体模块，与光纤耦合式太赫兹时域光谱系统集成，搭建基于协作机器人的光纤耦合式太赫兹时域光谱系统。
系统共由4个模块组成：太赫兹系统控制模块、光纤耦合式太赫兹时域光谱光路、协作机器人模块和太赫兹波收发一体模块，各模块组成及系统内聚耦合情况如图3所示。
![]()
图 3 基于协作机器人的光纤耦合式太赫兹时域光谱系统各模块内聚耦合关系示意图Figure 3. Schematic diagram of the cohesive coupling relationship between the modules of a collaborative robot-based fiber-coupled terahertz time-domain spectroscopy systemI/O—Input/output; TTL—Transistor-transistor logic; USB—Universal serial bus; TCP—Transmission control protocol; ACS—ACS Motion Control对搭建完成的系统进行测试，采用信噪比(Signal-to-noise ratio，SNR)作为评价指标评估系统的信号质量[19]，图4为经过快速傅里叶变换的太赫兹频域谱，太赫兹频谱宽度约为2 THz，图中的光谱吸收峰是由空气中的水蒸汽吸收造成。经多次实验测量取均值，获得系统信噪比的动态范围约60 dB。
3. 曲面结构QFRP的太赫兹成像检测
3.1 离线编程与扫查预实验
对于曲面样件的检测需求，需要对机械臂的扫描轨迹和姿态进行规划，保证在检测过程中太赫兹探头的法向方向与被测样件表面保持垂直。本文通过AUBO i5协作机器人的离线编程功能实现太赫兹扫描成像，轨迹规划流程如下：首先使用光学扫描仪(Pardus P400 S)对待检样件选定的表面进行扫描，获得初始点云信息，随后对点云信息进行预处理，并通过CATIA软件对点云信息进行逆向重构以获取待检样件选定表面的CAD模型。其次对AUBO i5协作机器人的进行初始位姿标定、工具标定(包括工具运动学标定和工具动力学标定，其中工具运动学标定还包括位置标定和姿态标定)和坐标系标定，如图5所示，并通过标定的参数建立AUBO i5机器人的模型，选取笛卡尔空间的轨迹规划法获得AUBO i5的工具端的轨迹。根据逆运动学求解求算机器人的关节角度值，同时建立方程和插值，满足机器人关节在运动中的连续性和平稳性的约束条件[20]，计算AUBO i5期望的扫查轨迹。最后，形成AUBO i5机器人控制脚本，将本文系统集成后实施检测。
![]()
图 5 曲面结构QFRP工件坐标系标定示意图Figure 5. Schematic diagram of workpiece coordinates calibration of curved structural QFRP为验证通过离线编程规划路径的实际效果，选取预埋缺陷部分区域进行扫查预实验，如图6所示，分析所搭建系统和轨迹规划方案可行性。
![]()
图 6 曲面结构QFRP预实验扫查区域示意图Figure 6. Schematic diagram of pre-experimental scan area of curved structural QFRP实验时，将样品水平放置于样品架上，将探头对准扫描起始位置，开启扫描系统。机械臂沿着X轴和Y轴的平均扫描步长分别为0.62 mm和0.5 mm，太赫兹探头获取光谱信号的速度约为4 Hz，机器人控制器在检测过程中能够实时反馈并记录机械臂末端的路点信息，由于工装连接的存在，通过机械臂末端与太赫兹探头之间的平移关系可以得到太赫兹探头的三维空间坐标信息，计算机记录扫描信息用于后续处理成像操作。
对待检区域的表面轮廓进行绘制成像，通过测量得到29845个坐标点信息，通过MATLAB进行可视化，结果如图7所示。通过点位坐标图对比曲面结构QFRP的实物图(图7(a))和轨迹规划示意图(图7(b))来看，扫描轨迹轮廓与工件表面的外形相近，验证了基于协作机器人的光纤耦合式THz-TDS系统的功能完整性和曲面检测轨迹规划方案的可行性，为曲面结构QFRP太赫兹成像提供有力技术支撑。
3.2 反射式太赫兹层析成像
1997年，Mittleman等[21]首次提出太赫兹时间延迟三维成像原理，初探反射式太赫兹层析成像相关研究。反射式太赫兹层析成像的基本原理为根据探测太赫兹波在被检样品中不同深度的层结构反射回波，记录反射的太赫兹波的时间延迟和脉冲强度进行信息重构，完成成像，成像示意图如图8所示。
采集的数据结构是由太赫兹时域光谱图像中M×N个像素点和每个像素点时间响应脉冲的采样点数T构成的三维数组M×N×T。THz-TDS成像中的每一个像素点均对应一个时域波形，在时域信号或者傅里叶变换得到的频谱中确定某一成像参数，构成一个二维矩阵进行成像。固定任意时间点，将样品的所有像素对应到每个像素所处的空间位置，即能得到该样件切面的层析成像图。
![]()
图 7 曲面结构QFRP样件表面轮廓与扫查坐标对比Figure 7. Comparison of curved structural QFRP sample surface contour and scanning coordinates![]()
图 8 反射太赫兹层析成像原理图Figure 8. Reflection terahertz tomography schematicn1, n2—Refraction indices of 2 different media考虑现实环境中雷达罩需要检测的损伤缺陷所在区域和范围的不同，选取两种不同区域(小区域和重点区域)进行缺陷成像。小区域为3.1节中扫查实验选定的范围，重点区域将扫查范围扩大至样件中缺陷分布的区域和其对称区域(274 mm×120 mm)，重点区域范围如图9所示。
![]()
图 9 曲面结构QFRP重点扫描区域示意图Figure 9. Schematic diagram of key scanning area of curved structural QFRP对小区域和重点区域进行反射式太赫兹层析成像，通过协作机器人末端记录的路点信息获取相应的三维空间坐标信息，将各点信号数据的幅值赋予在三维空间坐标信息中，实现三维成像。选取缺陷区域与非缺陷区域中部分点的太赫兹时域信号，如图10所示，可以看出在25~30 ps之间缺陷区域时域信号存在较为明显的波谷，经过多次成像实验，选择太赫兹时域波形26.967 ps下的幅值作为成像参数的实验结果较为良好，其成像结果如图11所示。另向XY平面投影，检测效果如图12所示。
同样地，对于重点区域采用相同的方法，确定以太赫兹时域波形27.433 ps下的幅值作为成像参数，成像结果如图13所示。另向XY平面投影，检测效果如图14所示。
![]()
图 10 曲面结构QFRP不同区域中选定点的太赫兹时域信号幅值Figure 10. Amplitude of terahertz time-domain signals of selected points at different areas of curved structural QFRP![]()
图 11 曲面结构QFRP小区域成像结果Figure 11. Imaging results of the small area of curved structural QFRP![]()
图 12 曲面结构QFRP小区域二维成像伪彩图Figure 12. Two-dimensional imaging pseudo-color image of small area of curved structural QFRP通过不同时间延迟成像图对照曲面样件的缺陷设计情况，在小区域中，预埋的3列共15个缺陷信息均能正确反映在所获得的太赫兹三维图像上；在重点区域中，预埋的4列共20个缺陷信息均能正确反映在成像图上，均能够被目视辨认出。
由此可见，太赫兹探头在扫描过程中能较好实现曲面工件的自适应检测，但是在成像图边缘存在明显的噪声，调节太赫兹波收发一体模块的初始位置，进行多次信号采集并进行成像实验，经比照，噪声所在区域大致相同，分析原因可能为样件制作质量问题，由于制作过程中蒙皮不同纤维铺层和缺陷位置均由手工进行铺叠，胶膜厚度无法做到完全均匀，这导致在信号采集过程中，太赫兹波经过这部分区域会导致一定程度的反射偏离和散射，影响成像质量。
![]()
图 13 曲面结构QFRP重点区域成像结果Figure 13. Imaging results of key area of curved structural QFRP4. 曲面结构QFRP的太赫兹缺陷目标智能识别
文献[22]提出了一种改进的YOLOv4算法，实现了对GFRP平面样件太赫兹传统成像结果的智能识别，算法基本改进思想如下：针对像素均小于32×32像素的损伤缺陷，删除主干网络中32倍下采样所对应的YOLO Head(检测尺度为13×13)；引入主干网络中4倍下采样所对应的YOLO Head，并在PANet[23]中将有效特征层进行融合，加强对位置信息的利用，以期提高对小目标缺陷的定位能力，结果表明模型效果良好，选择该模型用于本文对曲面结构QFRP的缺陷的目标检测任务。
![]()
图 14 曲面结构QFRP重点区域二维成像伪彩图Figure 14. Two-dimensional imaging pseudo-color image of key area of curved structural QFRP4.1 数据准备
数据准备具体包括通过缺陷检测成像实验采集初始数据集和数据预处理两部分。其中缺陷检测成像实验分为两部分，分别为对1块曲面样件检测成像和对5块平板样件检测成像。初始数据集的组成也由两部分检测实验对应的成像结果组成。数据预处理过程主要包括数据筛选、数据增强和数据标注。
对曲面结构QFRP的成像过程见4.2节。利用搭建的系统对曲面结构QFRP进行10次太赫兹快速扫查实验。在每次实验中选取6个不同时间延迟下的成像图，以改进的YOLOv4模型输入大小416×416为标准进行图片裁剪。实验成像图的部分裁剪结果如图15所示，从左到右、从上到下的图片分别是时间延迟为27.867 ps、28.167 ps、28.833 ps、28.933 ps、29.000 ps和30.067 ps的成像图裁剪结果。以相同的方法对其他实验获得的成像结果进行裁剪，共获取初始数据集图片60张。
![]()
图 15 曲面结构QFRP实验成像图裁剪结果Figure 15. Intercept results of experimental imaging diagram of curved structural QFRP对平板样件实施检测的实况如图16所示。实验时，AUBO i5的机械臂沿着X-Y轴的二维方向进行逐点扫描，沿着X轴和Y轴的扫描步长均为1 mm，计算机记录相关扫描信息用于处理成像。分别对5块平板样件进行检测实验，获得5组样件的时域波谱，通过快速傅里叶变换[24]获取对应的频域波谱，利用不同的特征信息进行时域模式成像和频域模式成像[25]，具体包括切片法频域数据成像、切片法时域数据成像等，将5组样件对应不同成像方法分别进行成像，共获取初始数据集图片150张。
4.2 数据预处理
(1) 数据筛选。对初始数据集210(60+150)张图片进行的数据筛选，观察成像效果，剔除用肉眼难以观察到缺陷的样本图片，共获有效数据集图片172张。
(2) 数据增强。对有效数据集分别进行图像随机裁剪、图像随机旋转和添加高斯噪声操作，再对有效数据集和以上3种增强后的数据运用CutMix[26]方法进行数据增强。增强后共获取数据集图片1720张，将其以8∶2划分为训练集和测试集。数据增强效果如图17所示。
![]()
图 17 曲面结构QFRP数据增强效果示意图Figure 17. Schematic of the data enhancement effect of curved structural QFRP(3) 数据标注。选用“Labelimg”标注软件对数据集进行人工标注，缺陷标签名称设置为“defect”。
4.3 结果与分析
操作系统选用Ubuntu18.04，CPU为Intel Core i7-9500，GPU为NVIDIA GeForce RTX 2060 ti，所测试的模型均在Darknet框架中训练。模型输入大小为416×416，初始学习率设定为0.0005，动量为0.9，权重衰减正则系数为0.0005，模型训练迭代次数到12000次和13500次时，学习率分别衰减10倍。
采用文献[22]中的K-means聚类算法对anchor box进行初始化，使用Evaluation(E)值作为聚类效果的评价指标，如下式：
E=1nn∑i=1max(IoU(Bi,C1),IoU(Bi,C2),⋯⋯,IoU(Bi,Cj)) (1) 其中：
Bi 代表第i 个标注框的面积；Cj 代表第j 个聚类中心点的面积；IoU(Bi,Cj) 为第i 个标注框与第j 个聚类中心的交并比；n 为待检测目标的数量。经多次计算，每次的实验结果anchor值维度有部分相似，并且E值徘徊在79%~80%之间，因此聚类算法稳定性较好，初始点的随机选择对anchor值维度影响在可接受的范围内。计算得到最优的anchor值维度为：12×14、18×20、22×38、24×24、30×30、38×38、50×49、50×30和74×69，其在实验数据集上E 值为79.73%。本文选取准确率P和召回率R作为评价指标。定义如下：
P=NTPNTP+NFP (2) R=NTPNTP+NFN (3) 式中：
NTP 为将缺陷正确识别的样本数量；NFN 为将背景噪声识别为缺陷的样本数量；NFP 为将缺陷识别为背景噪声的样本数量。为测试改进YOLOv4模型的检测效果，设置3个模型进行对比分析：模型一为原YOLOv4模型；模型二为在原YOLOv4模型基础上利用K-means聚类算法重新计算anchor box；模型三为利用聚类算法且改进网络结构的YOLOv4模型。从模型一与模型二的对比可以分析初始anchor box对模型检测效果的影响，模型二与模型三对比可以判断改进网络结构对模型检测效果的影响。为方便描述，将以上3个模型分别记为YOLOv4、YOLOv4-B和YOLOv4-C。
测试集包含344张图片，共含标注缺陷1571个。在本文检测任务中，将预测框与实际标注框重合的IoU[27]大于0.5时视为缺陷被正确检出。实验结果如表1所示，改进后的模型YOLOv4-C在3个测试模型中获得了最高的准确率和召回率，准确率在YOLOv4-B提高了0.76%的基础上又有2.61%的进步，召回率在YOLOv4-B提高1.26%的基础上又有2.75%的进步。
表 1 曲面结构QFRP实验结果Table 1. Experiment results of curved structural QFRPTest model P/% R/% YOLOv4 86.81 87.25 YOLOv4-B 87.57 88.51 YOLOv4-C 90.18 91.26 Notes: P—Percision; R—Recall. 选取部分曲面结构QFRP成像结果进行测试，分别分析两张检测结果，图18(b)~18(d)和图19(b)~19(d)分别代表依次为3种模型的结果。由于本文为对单类目标检测，因此在检测结果中并不必显示类别名称，将结果图标注的“defect[置信度]”显示为“[置信度]”即可，图中红色框为模型检测结果，黄色框为人工标注出漏检的缺陷目标。
![]()
图 18 曲面结构QFRP测试图一的目标检测效果Figure 18. Target detection effect of test figure one of curved structural QFRP![]()
图 19 曲面结构QFRP测试图二的目标检测效果Figure 19. Target detection effect of test figure two of curved structural QFRP从图18可以看出，原YOLOv4模型检测目标的置信度整体偏低，并且存在两处明显漏检现象，对小目标的检测能力较差。YOLOv4-B模型对同一位置上的缺陷的检测置信度在原YOLOv4模型基础上有小幅增加，并且对原YOLOv4模型漏检的左上角缺陷进行有效识别，但同时新增左下角的一处漏检现象，如图18(c)左下角所示，这说明初始化anchor box在提高精度上有所帮助，但是并不能提高对小目标的检测能力。改进后的YOLOv4-C模型横向对比来看，对缺陷目标的检测消除了漏检现象，对原YOLOv4模型中没有检测出的3处小尺寸缺陷，小目标缺陷的识别效果提升明显，并且在3个模型中缺陷检测的置信度最高，识别的效果较好。
再如图19所示，原YOLOv4模型检测目标的置信度仍是三者中最低，并且对于小尺寸目标检测能力仍然有待提高，如左上角存在两处明显漏检现象。YOLOv4-B模型对原YOLOv4模型所漏检位置处的两个缺陷其中一个进行有效识别，在整体检测置信度上也有较为明显的上调。对于YOLOv4-C模型的检测结果，有效识别前两个实验结果中漏检的缺陷，对小目标缺陷的识别效果提升明显，虽然在个别缺陷置信度上不如前者，但是整体检测精度与校测效果为3个模型中表现最好。
结果表明，改进后的YOLOv4模型能够在较大背景噪声的图像中实现对太赫兹层析成像结果的智能识别，特别是对小目标的检测效果表现良好，模型具有较好鲁棒性，基本消除漏检现象。
5. 结 论
论文针对预警机雷达罩现实检测需求，设计了缩比的曲面QFRP样件，搭建了基于协作机器人的光纤耦合式太赫兹时域光谱系统，开展了对成像方法、缺陷成像和目标检测等研究。主要工作如下：
(1) 设计并搭建了基于协作机器人的光纤耦合式太赫兹时域光谱系统，实现太赫兹时域光谱技术对曲面构件的自适应扫查。
(2) 基于AUBO i5协作机器人的离线编程技术，对系统控制软件编程，实现对待检样件太赫兹扫查的路径规划，选取两种区域实现了反射式太赫兹层析成像，通过检测预实验验证搭建系统和成像方法的可行性。
(3) 针对小目标缺陷检测精度不高和检测易产生的错检和漏检现象，采用改进的YOLOv4模型，自主构建损伤缺陷数据集，对太赫兹图像中的缺陷开展目标检测研究，证明了改进的YOLOv4模型的可应用的检测能力。
研究成果实现了对模拟真实预警机雷达罩的曲面结构QFRP的太赫兹快速检测，对提高装备完好性和维修检测效率具有重要意义。
-
![]()
图 1 石英纤维增强树脂复合材料(QFRP)样件实物三视图及3D效果图
Figure 1. Three views and 3D renderings of quartz fiber reinforced polymer (QFRP) sample
![]()
图 2 曲面结构QFPR缺陷分布及信息示意图
Figure 2. Schematic diagram of defect distribution and information of curved structural QFRP
Φ—Diameter
![]()
图 3 基于协作机器人的光纤耦合式太赫兹时域光谱系统各模块内聚耦合关系示意图
Figure 3. Schematic diagram of the cohesive coupling relationship between the modules of a collaborative robot-based fiber-coupled terahertz time-domain spectroscopy system
I/O—Input/output; TTL—Transistor-transistor logic; USB—Universal serial bus; TCP—Transmission control protocol; ACS—ACS Motion Control
![]()
图 5 曲面结构QFRP工件坐标系标定示意图
Figure 5. Schematic diagram of workpiece coordinates calibration of curved structural QFRP
![]()
图 6 曲面结构QFRP预实验扫查区域示意图
Figure 6. Schematic diagram of pre-experimental scan area of curved structural QFRP
![]()
图 7 曲面结构QFRP样件表面轮廓与扫查坐标对比
Figure 7. Comparison of curved structural QFRP sample surface contour and scanning coordinates
![]()
图 8 反射太赫兹层析成像原理图
Figure 8. Reflection terahertz tomography schematic
n1, n2—Refraction indices of 2 different media
![]()
图 9 曲面结构QFRP重点扫描区域示意图
Figure 9. Schematic diagram of key scanning area of curved structural QFRP
![]()
图 10 曲面结构QFRP不同区域中选定点的太赫兹时域信号幅值
Figure 10. Amplitude of terahertz time-domain signals of selected points at different areas of curved structural QFRP
![]()
图 11 曲面结构QFRP小区域成像结果
Figure 11. Imaging results of the small area of curved structural QFRP
![]()
图 12 曲面结构QFRP小区域二维成像伪彩图
Figure 12. Two-dimensional imaging pseudo-color image of small area of curved structural QFRP
![]()
图 13 曲面结构QFRP重点区域成像结果
Figure 13. Imaging results of key area of curved structural QFRP
![]()
图 14 曲面结构QFRP重点区域二维成像伪彩图
Figure 14. Two-dimensional imaging pseudo-color image of key area of curved structural QFRP
![]()
图 15 曲面结构QFRP实验成像图裁剪结果
Figure 15. Intercept results of experimental imaging diagram of curved structural QFRP
![]()
图 17 曲面结构QFRP数据增强效果示意图
Figure 17. Schematic of the data enhancement effect of curved structural QFRP
![]()
图 18 曲面结构QFRP测试图一的目标检测效果
Figure 18. Target detection effect of test figure one of curved structural QFRP
![]()
图 19 曲面结构QFRP测试图二的目标检测效果
Figure 19. Target detection effect of test figure two of curved structural QFRP
表 1 曲面结构QFRP实验结果
Table 1 Experiment results of curved structural QFRP
Test model P/% R/% YOLOv4 86.81 87.25 YOLOv4-B 87.57 88.51 YOLOv4-C 90.18 91.26 Notes: P—Percision; R—Recall. 
下载: 导出CSV
-
[1] 曹晨. 预警机发展七十年[J]. 中国电子科学研究院学报, 2015, 10(2):113-118, 137. DOI: 10.3969/j.issn.1673-5692.2015.02.001 CAO Chen. Developments of AEW system for 70 years[J]. Journal of CAEIT,2015,10(2):113-118, 137(in Chinese). DOI: 10.3969/j.issn.1673-5692.2015.02.001
[2] 王飞, 石佩洛. 树脂基复合材料在雷达天线罩领域的应用及发展[J]. 宇航材料工艺, 2017, 47(2):10-13. WANG F, SHI P L. Application and development of resin matric composites for radomes[J]. Aerospace Materials and Technology,2017,47(2):10-13(in Chinese).
[3] 赵云峰. 先进纤维增强树脂基复合材料在航空航天工业中的应用[J]. 军民两用技术与产品, 2010(1):4-6. DOI: 10.3969/j.issn.1009-8119.2010.01.002 ZHAO Y F. Application of advanced fiber reinforced resin matrix composites in aerospace industry[J]. Dual Use Technologies & Products,2010(1):4-6(in Chinese). DOI: 10.3969/j.issn.1009-8119.2010.01.002
[4] 方芳. 先进复合材料在雷达上的应用[J]. 电子机械工程, 2013, 29(1):27-31, 54. DOI: 10.3969/j.issn.1008-5300.2013.01.007 FANG F. Application of advanced composite to radar[J]. Electro-Mechanical Engineering,2013,29(1):27-31, 54(in Chinese). DOI: 10.3969/j.issn.1008-5300.2013.01.007
[5] 肖卫东, 黄一清, 蔡正燕. 潜用雷达天线罩材料及成型工艺研究[J]. 造船技术, 2013(5):24-25, 29. DOI: 10.3969/j.issn.1000-3878.2013.05.006 XIAO W D, HUANG Y Q, CAI Z Y. Research on materials and forming process of submarine ra-dome[J]. Marine Technology,2013(5):24-25, 29(in Chinese). DOI: 10.3969/j.issn.1000-3878.2013.05.006
[6] SHIN H J, PARK J Y, HONG S C, et al. In situ non-destructive evaluation of an aircraft UHF antenna ra-dome based on pulse-echo ultrasonic propagation imaging[J]. Composite Structures,2017,160:16-22. DOI: 10.1016/j.compstruct.2016.10.058
[7] 严罡. 基于介电常数调制的雷达罩蜂窝积水缺陷的检测技术研究[D]. 南京: 南京航空航天大学, 2017. YAN G. The Research on detection technology for measuring water in curved surface radome honey-comb based on the dielectric constant modulation[D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2017(in Chinese).
[8] FABIAN F, KARL M, BESSEM B, et al. Terahertz radome inspection[J]. Photonics, 2018, 5(1): 1-10.
[9] WANG Y, CHEN Z, ZHAO Z, et al. Restoration of te-rahertz signals distorted by atmospheric water vapor absorption[J]. Journal of Applied Physics,2009,105(10):3667.
[10] 许景周, 张希成. 太赫兹科学技术和应用[M]. 北京: 北京大学出版社, 2007. XU J Z, ZHANG X C. Terahertz science and technology and applications[M]. Beijing: Peking University Press, 2007(in Chinese).
[11] WANG Q, LI X, CHANG T, et al. Terahertz spectroscopic study of aeronautical composite matrix resins with different dielectric properties[J]. Optik,2018,168:101-111.
[12] 张瑾. 纤维增强复合材料的太赫兹无损检测研究[D]. 长春: 吉林大学, 2016. ZHANG J. Nondestructive evaluation of fiber-reinforced polymer composite using terahertz technology[D]. Changchun: Jilin University, 2016(in Chinese).
[13] 邢砾云. 航空泡沫芯材及夹层结构的太赫兹无损检测研究[D]. 长春: 吉林大学, 2016. XING L Y, Nondestructive testing of aviation foam core materials and sandwich structure using terahertz time domain spectroscopic imaging technology[D]. Changchun: Jilin University, 2016(in Chinese).
[14] KIM D H, RYU C H, PARK S H, et al. Nondestructive evaluation of hidden damages in glass fiber rein-forced plastic by using the terahertz spectroscopy[J]. International Journal of Precision Engineering and Manufacturing-Green Technology,2017,4(2):211-219. DOI: 10.1007/s40684-017-0026-x
[15] WANG Q, LI X Y, CHANG T, et al. Nondestructive imaging of hidden defects in aircraft sandwich composites using terahertz time-domain spectroscopy[J]. Infrared Physics & Technology, 2019, 97: 326-340.
[16] 张丹丹, 任姣姣, 李丽娟, 等. 玻璃纤维蜂窝复合材料的太赫兹无损检测技术[J]. 光子学报, 2019, 48(2):0212002. DOI: 10.3788/gzxb20194802.0212002 ZHANG D D, REN J J, LI L J, et al. Terahertz non-destructive testing technology for glass fiber honeycomb compo-sites[J]. Acta Photonica Sinica,2019,48(2):0212002(in Chinese). DOI: 10.3788/gzxb20194802.0212002
[17] 周桐宇, 李丽娟, 任姣姣, 等. 基于FDTD的玻璃纤维增强复合材料脉冲太赫兹无损检测[J]. 光学学报, 2020, 40(12):196-204. ZHOU T Y, LI L J, REN J J, et al. Pulsed terahertz nondestructive testing of glass fiber reinforced plastics based on FDTD[J]. Acta Optica Sinica,2020,40(12):196-204(in Chinese).
[18] 王赫楠, 任姣姣, 张丹丹, 等. 基于连续小波变换的玻璃纤维增强树脂复合材料太赫兹特征增强及缺陷成像[J]. 复合材料学报, 2021, 38(12):4190-4197. WANG H N, REN J J, ZHANG D D, GU J, ZHANG J Y, LI L J. Glass fiber reinforced polymer terahertz feature enhancement and defect imaging based on continuous wavelet transform[J]. Acta Materiae Compositae Sinica,2021,38(12):4190-4197(in Chinese).
[19] 李萌, 何明霞, 田震. 太赫兹时域频谱信噪比分析与规范性研究[J]. 光谱学与光谱分析, 2012, 32(3):606-609. DOI: 10.3964/j.issn.1000-0593(2012)03-0606-04 LI M, HE M X, TIAN Z. Studies on signal-to-noise ratio standardization for THz time-domain spectroscopy[J]. Spectroscopy and Spectral Analysis,2012,32(3):606-609(in Chinese). DOI: 10.3964/j.issn.1000-0593(2012)03-0606-04
[20] 雷韶. 6 R工业机器人的运动轨迹规划及仿真研究[D]. 太原: 中北大学, 2017. LEI S. The motion trajectory planning and simulation of 6 R industrial robot[D]. Taiyuan: North University of China, 2017(in Chinese).
[21] MITTLEMAN D M, HUNSCHE S, BOIVIN L, et al. T-ray tomography[J]. Optics Letters,1997,22(12):904. DOI: 10.1364/OL.22.000904
[22] 赵博研, 王强, 王毅, 等. 改进YOLOv4算法的GFRP内部缺陷检测与识别[J]. 空军工程大学学报(自然科学版), 2021, 22(4):55-62. ZHAO B Y, WANG Q, WANG Y, et al. Research on detection and recognition of GFRP internal defect based on modified YOLOv4 algorithm[J]. Journal of Air Force Engineering University (Natural Science Edition),2021,22(4):55-62(in Chinese).
[23] LIU S, QI L, QIN H, et al. Path aggregation network for instance segmentation[C]//2018 IEEE/CVF Con-ference on Computer Vision and Pattern Recognition (CVPR). Salt Lake City, 2018: 8759-8768.
[24] 杨丽娟, 张白桦, 叶旭桢. 快速傅里叶变换FFT及其应用[J]. 光电工程, 2004(S1):1-3, 7. YANG L J, ZHANG B H, TIAN X Z. Fast Fourier transform and its applications[J]. Opto-Electronic Engineering,2004(S1):1-3, 7(in Chinese).
[25] 张存林, 牧凯军. 太赫兹波谱与成像[J]. 激光与光电子学进展, 2010, 47(2):1-14. ZHANG C L, MU K J. Terahertz spectroscopy and imaging[J]. Laser & Optoelectronics Progress,2010,47(2):1-14(in Chinese).
[26] YUN S, HAN D, CHUN S, et al. CutMix: Regularization strategy to train strong classifiers with localizable features[C]//2019 IEEE/CVF International Conference on Computer Vision (ICCV). Seoul, 2019: 6023-6032.
[27] DOLLAR P, WOJEK C, SCHIELE B, et al. Pedestrian detec-tion: A benchmark[C]//IEEE Conference on Computer Vision and Patten Recognition (CVPR). Miami, 2009: 304-311.
-
期刊类型引用(6)
1. 黄领才. 纤维增强聚合物复合材料无损检测方法进展. 航空学报. 2024(05): 98-124 . 
百度学术
2. 蒋玉英，温茜茜，葛宏义，陈浩，江梦蝶，赵洋，王佳慧. 太赫兹技术在复合材料缺陷检测中的研究进展. 光谱学与光谱分析. 2024(10): 2717-2726 . 百度学术
3. 张天成，张春艳. 基于灰度值的异形构件激光切割缺陷检测. 新余学院学报. 2024(05): 56-64 . 百度学术
4. 刘菲菲，王波，刘松平，郝章程，杨玉森，张连旺. 面向不同复合材料修理场景的多模超声集成可视化检测技术. 航空制造技术. 2024(20): 14-22 . 百度学术
5. 蒋浩森，金祖权，张小影，周肇亮. 钢筋锈蚀状态的超声导波监测试验. 无损检测. 2023(08): 19-23+54 . 百度学术
6. 吕名扬，任姣姣，张丹丹，顾健，李丽娟，张霁旸. PMI异形曲面构件太赫兹时域光谱检测. 太赫兹科学与电子信息学报. 2023(08): 977-984 . 百度学术
其他类型引用(2)
-
计量
- 文章访问数: 1284
- HTML全文浏览量: 598
- PDF下载量: 76
- 被引次数: 8
