基于摄影测量的锁相热成像技术：一种用于金属-复合材料混合结构中缺陷检测与分类的新方法

《COMPOSITES PART A-APPLIED SCIENCE AND MANUFACTURING》：Photogrammetry-enhanced lock-in thermography: A new method for in-situ defects detection and classification in metal-composite hybrid structures

本研究提出一种基于光ogrammetry的锁相热成像（LIT）方法，用于混合金属-复合材料结构的缺陷分类与尺寸测量。通过像素强度分布分析成功区分脱粘（10^5-10^6）和分层（约10^4）缺陷，并验证了在铝-CFRP混合结构中的有效性，实时捕捉损伤演化。数值模拟显示该方法与实验结果高度吻合，为多功能复合系统提供非破坏性评估技术。

　　这项研究提出了一种基于摄影测量的锁相热成像（Lock-In Thermography, LIT）方法，用于对金属与复合材料混合结构中的缺陷进行分类和尺寸评估。该方法与微结构表征和实验力学的发展趋势相契合，旨在提高缺陷检测的准确性。通过将热成像数据采集与后处理算法相结合，研究开发了一个新的框架，该框架能够执行连续的像素强度提取、图像重建和热异常分析，从而实现对复合材料缺陷的更精确识别。该方法已在含有两种预定义缺陷（分层和脱粘）的碳纤维增强聚合物（CFRP）样本上进行了验证，结果表明像素强度分布分析能够有效区分不同类型的缺陷，其中脱粘区域表现出较高的强度值（10?–10?），而分层区域的强度值则较低（约为10?）。为了评估该方法的稳健性，研究进一步将其扩展到铝-碳纤维复合材料飞机面板，成功识别了铝层中的压痕缺陷以及CFRP层中的分层和脱粘缺陷，其中压痕缺陷的强度值较低。该方法还被应用于铝/CFRP混合接头在拉伸载荷下的测试，实时热成像捕捉到了损伤的演化过程。后处理框架能够有效分类损伤阶段，并提供关于损伤传播机制的深入见解。通过数值模拟的验证，研究结果与实验数据高度一致，进一步确认了该方法的可靠性。研究发现为多功能复合材料系统提供了一种新颖的无损检测（Non-Destructive Evaluation, NDE）技术，该技术结合了实验力学、微结构表征和实时损伤追踪，以提升缺陷分析的精度和效率。

复合材料因其卓越的性能，如高强度-重量比、耐腐蚀性和设计灵活性，被广泛应用于多个工业领域。近年来，航空航天和汽车工业尤为积极地采用复合材料，以满足对提升性能、燃油效率和环境可持续性的需求。随着无人机（Unmanned Aerial Vehicles, UAVs）的发展趋势不断演变，未来十年对复合材料的需求预计将显著增长。尽管复合材料提供了诸多优势，但在长期承受复杂载荷条件下，它们仍然存在一定的脆弱性，容易产生不同类型的缺陷。这些缺陷可以大致分为制造缺陷、服务缺陷和环境缺陷，每种缺陷在检测和缓解方面都提出了独特的挑战。制造缺陷，如气泡、孔隙、分层和纤维错位，通常在制造过程中由于固化不当、树脂流动问题或加工参数偏差而产生。这些缺陷在复杂几何结构中尤为常见，可能降低复合材料的结构完整性。服务缺陷，包括基体开裂、纤维断裂和分层，通常由于外部冲击如鸟击、冰雹或维护工具掉落而发生。虽然这些缺陷最初可能是局部的，但在循环载荷作用下，它们可能会进一步扩展，最终导致灾难性失效，如果未被及时检测。环境因素在缺陷形成中也起着重要作用。长期暴露在紫外线辐射、水分侵入和热循环条件下，可能导致材料降解、界面脱粘和膨胀。这些影响在航空航天应用中的复合结构尤为显著，因为它们需要在恶劣的操作环境中运行，包括飞行过程中的宽温度变化和高湿度。这一事实凸显了有效缺陷检测和表征方法的重要性。

在文献中，许多无损检测（Non-Destructive Testing, NDT）技术被应用于复合材料的缺陷检测，例如超声波检测、声发射、热成像和射线检测等。这些技术在检测不同复合材料缺陷方面都展现出潜力，但它们的优缺点会因几何结构、环境条件和可接触性而有所不同。其中，热成像技术因其无接触性、大面积检测能力、能够检测亚表面缺陷以及适用于复杂形状的特性，被视为一种有前景的检测方法。热成像技术涉及通过热成像系统捕捉缺陷样本的热特征，可能在外部热激发的情况下进行，然后应用后处理方案来区分缺陷区域和非缺陷区域。因此，研究人员已经广泛利用热成像技术进行复合材料缺陷检测。常见的热成像方法，如脉冲热成像和锁相热成像，被用于检测复合材料中的分层、基体开裂和孔隙等缺陷。脉冲热成像使用短能量脉冲加热材料，随后分析表面温度衰减以识别亚表面缺陷，其原理基于热导率和热扩散率的变化。这种方法在检测浅层缺陷方面特别有效，但在检测深层缺陷时受到信号衰减的限制。相比之下，锁相热成像利用调制热源，并关注稳态热波传播，能够实现更深的穿透和相位分析，从而更精确地定位缺陷。进一步的发展包括频率调制技术和混合方法的集成。例如，振动热成像结合了机械激励和热成像，能够有效检测因摩擦生热而产生的裂纹和分层。此外，先进的信号处理技术，如小波变换和主成分分析，也被用于提高信噪比，从而增强对低对比度缺陷的检测能力。人工智能（Artificial Intelligence, AI）的出现，结合后处理协议的改进，使得无损检测技术在复合材料中的应用更加深入。例如，Marani等人通过结合长脉冲热成像和盲线性解混技术，提出了一种新颖的分类方法，用于识别复合材料中的缺陷深度。这种方法提高了深度分辨率，适用于检测厚复合材料中的亚表面缺陷。同样，研究人员在参考文献中使用了2D-FFT对CFRP样本的热模式进行分析，展示了热成像技术在检测纤维错位方面的潜力，而纤维错位是影响复合材料结构完整性的关键因素。相比之下，Zhang等人则专注于利用机器学习对纤维增强聚合物（Fiber-Reinforced Polymers, FRP）中的内部缺陷进行可视化。该研究采用深度自编码器处理热数据，显著提高了缺陷的可见性和表征能力。这些研究共同表明，热成像技术与先进计算方法的结合在复合材料缺陷分析方面具有协同效应，能够实现准确且高效的检测。

尽管热成像技术在复合材料缺陷检测方面表现出色，但仍存在一些研究空白。特别是对于微尺度缺陷以及嵌入在不同深度的缺陷，其准确检测和分类仍然面临挑战，这主要归因于热扩散和信号衰减的影响。此外，热成像技术在实时和瞬态缺陷检测中的应用尚未得到充分探索，特别是在动态载荷和温度变化等操作条件下，实时缺陷监测至关重要。此外，对于复合材料与金属混合结构中同时检测缺陷的研究仍然有限，因为不同材料的热性能差异使得信号解释变得复杂，需要更先进的算法或混合方法才能实现准确的缺陷表征。

本研究旨在解决热成像技术在复合材料与金属混合结构中应用时的关键问题。具体而言，研究开发了一种新颖的后处理算法，该算法基于摄影测量技术，用于增强锁相热成像图像分析，重点在于对两种不同缺陷类型（脱粘和分层）进行精确的尺寸和分类。通过利用基于像素强度的分割技术，该方法提供了一个先进的缺陷表征框架，克服了传统热成像技术在不同深度和材料界面处精度和分辨率不足的局限性。该方案在金属-复合材料混合飞机面板上进行了验证，使得在金属和复合材料层中都能实现缺陷分类。与现有方法主要关注单一材料不同，本研究开发的技术能够区分混合结构中的缺陷，从而提供全面的表征。随后，该方法被应用于在轴向拉伸载荷下的铝/CFRP混合结构，显示出其在同时检测铝和CFRP中缺陷的有效性。本研究的创新之处在于解决了当前文献中普遍存在的问题，如对瞬态缺陷检测能力不足以及无法分离混合结构中重叠的失效模式。

本研究中使用的材料包括CFRP（UT-3?K-P200）平纹织物，其重量为200?g/m2。为了加速固化过程，使用了Araldite GY-6010环氧树脂与HY-932固化剂的组合。为了模拟分层缺陷，将Teflon片嵌入在CFRP层之间，因为Teflon的热导率与空气相近。在金属-复合材料样本中，将铝2024片与复合材料层粘接，以形成混合结构。实验过程中采用的热成像系统包括一个1?kW的激发源和一个红外相机，其热灵敏度在30?°C时低于30 mK，帧率为7.49帧/秒，分辨率为320?×?256像素。实验设置图（图1）展示了实验设备的空间布局。实验过程采用红外锁相热成像技术，其频率为0.1?Hz，该频率被选择以增强热对比度，从而提高缺陷检测的准确性。通过该技术，研究人员能够捕捉到复合材料和金属-复合材料结构中的缺陷特征，并对其进行分析。研究结果表明，基于摄影测量的后处理算法能够有效提高锁相热成像技术在缺陷分类和尺寸评估中的精度，特别是在混合结构中识别不同类型的缺陷。该方法不仅克服了传统热成像技术在不同深度和材料界面处的局限性，还能够提供对缺陷传播机制的深入理解。此外，通过数值模拟的验证，研究结果与实验数据高度一致，进一步确认了该方法的可靠性。

在实验过程中，研究人员采用了基于锁相热成像的图像处理方法，对复合材料和金属-复合材料结构中的缺陷进行了系统分析。该方法的核心在于通过热成像系统采集数据，并结合后处理算法对图像进行分析。实验结果表明，该方法能够有效识别和分类不同类型的缺陷，包括脱粘、分层和压痕等。同时，该方法在实时监测方面表现出色，能够捕捉到在拉伸载荷下的损伤演化过程。通过对比分析，研究人员发现该方法在缺陷检测的准确性和分辨率方面优于传统方法，特别是在处理混合结构中的复杂缺陷时。此外，该方法还能够提供关于损伤传播机制的深入见解，从而帮助研究人员更好地理解缺陷的形成和发展过程。在实际应用中，该方法被用于检测铝/CFRP混合结构中的缺陷，并成功实现了对两种材料中缺陷的同时识别。这表明该方法不仅适用于单一材料，还能在混合结构中提供有效的检测和分类。

在实验过程中，研究人员采用了多种技术手段，包括热成像、图像处理和数值模拟，以确保检测结果的准确性和可靠性。首先，通过热成像系统采集数据，研究人员能够获得复合材料和金属-复合材料结构的热特征。随后，采用基于摄影测量的后处理算法对图像进行分析，以提高缺陷检测的精度。该算法能够提取像素强度信息，进行图像重建，并分析热异常，从而实现对缺陷的精确分类和尺寸评估。在实验过程中，研究人员还采用了数值模拟技术，以验证实验结果的准确性。数值模拟的结果与实验数据高度一致，进一步确认了该方法的可靠性。此外，通过对比分析，研究人员发现该方法在处理混合结构中的复杂缺陷时具有优势，能够提供更全面的表征信息。

在实验过程中，研究人员还采用了多种方法进行数据采集和处理。例如，在检测铝/CFRP混合结构时，采用了锁相热成像技术，以捕捉在拉伸载荷下的损伤演化过程。通过该技术，研究人员能够实时监测损伤的发展，并分析其传播机制。此外，该方法还能够提供关于缺陷深度和分布的详细信息，从而帮助研究人员更好地理解缺陷的形成过程。在实验过程中，研究人员还采用了图像处理技术，以提高数据的准确性和清晰度。通过这些技术的结合，研究人员能够实现对复合材料和金属-复合材料结构中缺陷的全面检测和分类。

研究结果表明，基于摄影测量的锁相热成像方法在缺陷检测和分类方面具有显著优势。该方法能够有效识别不同类型的缺陷，包括脱粘、分层和压痕，并提供关于缺陷传播机制的深入理解。通过实验和数值模拟的结合，研究人员验证了该方法的可靠性，并确认了其在实际应用中的有效性。此外，该方法在实时监测方面表现出色，能够捕捉到在动态载荷和温度变化下的损伤演化过程。这些结果为复合材料和金属-复合材料混合结构的无损检测提供了新的思路和方法，能够提高检测的精度和效率。

在实际应用中，该方法可以用于检测各种类型的缺陷，包括制造缺陷、服务缺陷和环境缺陷。通过该方法，研究人员能够实现对缺陷的精确分类和尺寸评估，从而提高检测的准确性。此外，该方法还能够提供关于缺陷传播机制的深入理解，帮助研究人员更好地设计和优化复合材料和金属-复合材料混合结构。在航空航天和汽车工业中，该方法可以用于检测飞机部件和汽车车身中的缺陷，从而提高结构的安全性和可靠性。通过该方法，研究人员能够实现对复合材料和金属-复合材料混合结构的全面检测和分类，为未来的结构健康监测提供技术支持。

在研究过程中，研究人员还采用了多种技术手段，包括热成像、图像处理和数值模拟，以确保检测结果的准确性和可靠性。通过这些技术的结合，研究人员能够实现对复合材料和金属-复合材料混合结构中缺陷的全面检测和分类。此外，该方法还能够提供关于缺陷传播机制的深入理解，帮助研究人员更好地设计和优化复合材料和金属-复合材料混合结构。在航空航天和汽车工业中，该方法可以用于检测飞机部件和汽车车身中的缺陷，从而提高结构的安全性和可靠性。通过该方法，研究人员能够实现对复合材料和金属-复合材料混合结构的全面检测和分类，为未来的结构健康监测提供技术支持。

综上所述，这项研究为复合材料和金属-复合材料混合结构的无损检测提供了一种新的方法。通过结合锁相热成像技术和基于摄影测量的后处理算法，研究人员能够实现对不同缺陷类型的精确分类和尺寸评估。该方法不仅克服了传统热成像技术的局限性，还能够提供关于缺陷传播机制的深入理解。通过实验和数值模拟的结合，研究人员验证了该方法的可靠性，并确认了其在实际应用中的有效性。这些研究结果为未来的结构健康监测和缺陷分析提供了重要的参考和支持。