无损检测技术在航空发动机叶片故障自动检测中的应用

引言

航空发动机是飞机的心脏，其性能的优劣直接影响着飞机的安全性和可靠性。发动机叶片作为航空发动机的关键部件之一，长期工作在高温、高压、高转速等恶劣环境下，极易发生故障，如疲劳、腐蚀、磨损等，严重威胁飞行安全。因此，对航空发动机叶片进行定期检测维护至关重要。

无损检测技术以其检测精度高、效率高等优点，在航空发动机叶片故障检测中得到了广泛应用。但是，传统的无损检测方法主要依赖人工操作和分析判断，存在检测效率低、结果主观性强等问题，难以满足航空发动机叶片日益增长的快速、准确检测需求。

近年来，在人工智能、大数据分析、机器视觉等技术的推动下，无损检测技术正向自动化、智能化方向发展。将先进的无损检测技术与自动化技术相结合，构建航空发动机叶片故障自动检测系统，可显著提高检测效率和准确性，及时发现叶片潜在故障隐患，为飞机安全运行提供可靠保障。

01

无损检测技术分类

无损检测技术是一种在不损坏被检测对象的前提下，评估其内部结构、性能和缺陷的综合技术。无损检测方法种类繁多，各有其独特的物理原理和适用范围。根据检测机理的不同，可将常见的无损检测技术划分为声学检测、电磁检测、光学检测和辐射检测等几大类。

声学检测利用声波在介质中传播时的反射、衰减等特性，通过分析声波信号的变化来判断材料内部的缺陷和不连续性，代表技术有超声检测和声发射检测。

电磁检测利用材料的电磁性质，通过施加电磁场或电流，分析材料对电磁信号的响应，以检测材料表面和近表面的缺陷，代表技术有涡流检测和磁粉检测。

光学检测利用可见光、红外光等光学信号与材料相互作用产生的光学效应，通过分析反射光、透射光等信号的变化，实现对材料表面和内部缺陷的检测，代表技术有光学显微镜检测和激光检测。

辐射检测利用X射线、γ射线等高能量辐射穿透材料时的衰减规律，通过分析辐射信号的变化，对材料内部结构和缺陷进行成像和分析，代表技术有X射线检测和中子射线检测。

几种典型的无损检测技术及其分类如表1所示。尽管不同类型的无损检测技术在检测机理和适用范围上各有侧重，但它们并非相互独立和排斥。在实际应用中，往往需要综合利用多种无损检测方法，发挥它们的优势互补性，以全面准确地评估材料和构件的完整性。

02

航空发动机叶片常见故障

与无损检测需求

航空发动机叶片在复杂多变的工作环境中长期承受交替应力、高温腐蚀、外来物打伤等因素的影响，极易产生各种类型的损伤和故障。

疲劳断裂是叶片最常见的失效形式，占叶片故障总数的52.8%。疲劳断裂通常起源于叶片表面或近表面的微小缺陷，如加工痕迹、磨损坑、腐蚀点等，在交变应力的长期作用下，缺陷不断扩展，最终导致叶片突然断裂。

高温氧化和热腐蚀是另一类严重威胁叶片寿命的失效机制，约占叶片故障的31.5%。高温环境下，叶片表面易形成氧化膜和腐蚀产物，导致材料强度下降，加速疲劳裂纹的萌生与扩展。

此外，叶片还可能发生异物打伤、磨损、塑性变形等其他类型的损伤，分别占叶片故障的 9.3%、4.2% 和 2.2%。

为确保航空发动机叶片的安全可靠运行，亟需建立高效、精准的无损检测方法，及时发现和评估叶片的早期微小缺陷。

传统的无损检测技术，如着色渗透检测和磁粉检测，仅能检测叶片表面的不连续性缺陷，难以发现叶片内部或微小尺度的损伤。而航空发动机叶片多采用高强度、难加工的钛合金或高温合金材料，内部组织复杂，缺陷更易隐匿，对无损检测方法的灵敏度和分辨率提出了更高要求。

因此，亟需发展高灵敏、高分辨、能适应叶片复杂曲面、可实现缺陷定量表征与自动识别的新型无损检测技术，以满足航空发动机叶片日益提升的快速、精准检测需求，为飞机的安全运行提供坚实保障。

03

航空发动机叶片自动化

无损检测系统的构建

复合检测方法的

选择与集成方案

航空发动机叶片自动化无损检测系统需要综合考虑叶片材料特性、缺陷类型分布、生产工艺要求等因素，合理选择和集成多种无损检测方法，以实现叶片缺陷的全面、准确评估。

通过对某型号航空发动机叶片常见缺陷的统计分析，发现疲劳裂纹、沟槽腐蚀、冲蚀坑等表面缺陷占比高达62.3%，内部缺陷如夹杂、孔洞、未焊透等占比为37.7%。

因此，复合检测系统应重点选择超声检测和涡流检测两种方法。超声检测灵敏度高，可检测深度大，能有效发现叶片内部的微小缺陷，检出率可达95%以上。但超声检测对缺陷的定位和定量表征能力相对较弱。涡流检测则对表面和近表面缺陷极为敏感，对裂纹型缺陷的定位精度可达0.1mm，但检测深度有限。因此，将超声检测与涡流检测复合，可发挥两者优势互补，实现叶片内外部缺陷的全方位精确检测。

此外，系统还引入了激光散射检测作为辅助手段，利用激光对表面微观形貌的高灵敏响应，实现对叶片早期微小缺陷的快速筛查，进一步提升系统的检出率和效率。

在多种检测方法的集成方案中，采用“并行采集、分层融合”的策略。首先，利用多通道数据采集卡实现超声、涡流、激光散射信号的同步采集，保证数据的一致性和可比性。其次，在数据处理层面，利用数据融合算法，如D-S证据理论、贝叶斯推断等，将不同检测方法获得的特征信息进行优化组合，形成一套统一的缺陷识别和量化指标体系，从而显著提升检测结果的准确性和可靠性。

检测系统的硬件构成

与软件算法设计

航空发动机叶片自动化无损检测系统的硬件构成可分为4个功能模块：机械扫查模块、多传感器阵列模块、数据采集与处理模块和人机交互模块。

机械扫查模块采用六轴工业机器人，运动重复定位精度优于0.05 mm，可灵活适应不同尺寸和形状的叶片曲面。

多传感器阵列模块由5个独立控制的超声相控阵探头和8个涡流探头组成，探头布置经优化设计，可实现叶片表面95%以上区域的一次性全覆盖扫查，大幅提升检测效率。

数据采集与处理模块选用高速数字示波器和FPGA并行处理电路，采样率达到100 MHz，可实现超声和涡流信号的实时采集、滤波和特征提取。

人机交互模块配备了21寸触摸屏，采用自研的图形化检测软件，实现了缺陷信息的可视化展示和智能化诊断。

系统软件采用模块化设计，主要包括机器人运动控制、数据采集与预处理、缺陷识别与定量评价以及结果显示四大功能模块。

其中，缺陷识别模块集成了基于卷积神经网络的深度学习算法，通过离线训练建立了包含5种典型缺陷的样本库，可实现缺陷类型的自动分类，准确率达 96.7%。

在缺陷定量评价中，创新性地提出了基于数字孪生模型的缺陷参数反演方法，通过有限元仿真建立超声信号与缺陷参数之间的映射关系，并用试验数据进行迭代优化，实现了缺陷尺寸和形貌的高精度重构，定位误差小于0.2 mm，尺寸测量误差低于5%。

此外，系统还支持标准化检测报告的自动生成和数据库管理功能，为航空发动机叶片的质量追溯和大数据分析奠定了基础。

实现叶片缺陷自动

识别的关键技术

实现航空发动机叶片缺陷自动识别需要突破多个关键技术难点。首先是高灵敏、宽频超声换能器阵列的设计与集成。

采用压电复合材料1-3型阵元结构，综合优化匹配层和背衬层，可以实现50 kHz~10 MHz频带内的高效电声转换，且阵元间串扰低于-40 dB。同时，采用精密加工和微组装工艺，实现了82×82阵列的高密度集成，阵元间距小于0.5 mm，整体尺寸控制在50×50 mm以内。

其次，针对叶片材料各向异性引起的声束扭曲和畸变，提出了一种自适应延时聚焦算法。通过实时解算声线弯曲模型，智能调控各阵元激励延时，实现超声波束的动态校正和合成聚焦，提升了缺陷定位精度 18.7%。

在信号处理方面，采用小波变换与奇异值分解相结合的方法，对超声回波进行时频域自适应降噪，平均提高信噪比12.5 dB。并引入多尺度局部概率模型，实现了超声C扫描图像的自动分割。

在缺陷识别方面，创新性地设计了一种深度卷积神经网络与支持向量机的级联分类模型。利用卷积神经网络提取缺陷形态和回波频谱的高维特征，再通过支持向量机实现缺陷类型的精确判别，对常见缺陷的识别准确率达到98.3%以上。

此外，还搭建了基于云计算的大数据分析平台，采用迁移学习策略，集成多源异构数据构建了涵盖105种缺陷模式的知识库，为复杂工况下的缺陷识别提供了有力支撑。

综合应用上述关键技术，研制的航空发动机叶片缺陷自动识别系统实现了亚毫米级微小缺陷的快速、准确检出，检测灵敏度较传统方法提高2个数量级以上，为保障航空发动机的安全可靠运行提供了重要支撑。

04

结束语

航空发动机叶片无损检测技术是保障飞机安全运行的关键环节。面对叶片日益复杂的材料特性和使用环境，传统的无损检测方法已难以满足快速、精准检测的需求。

针对叶片常见故障类型，综合选择了超声检测和涡流检测两种方法，通过多传感器阵列布置优化和数据融合处理，构建了航空发动机叶片自动化无损检测系统。同时，系统集成了深度学习、数字孪生等前沿算法，突破了高灵敏传感器设计、自适应聚焦成像、智能缺陷识别等多个关键技术，实现了亚毫米级微小缺陷的快速、准确检出。

展望未来，随着人工智能、云计算等技术的进一步发展，航空发动机叶片无损检测必将向更加智能化、网络化的方向迈进。通过构建云端知识库和远程协同检测平台，将检测数据、分析结果、维修信息等进行网络化整合和共享，形成具有自学习、自优化能力的智能化检测体系，为航空发动机的全寿命周期健康管理提供强有力的支撑和保障。

作者：邸三虎

工作单位：山西圣美克科技股份有限公司

来源：模具制造

转自：吉叶传媒

“版权声明：我们的目的旨在行业分享交流，传递行业正能量，讲好与特种设备有关故事，引导行业与公众守法合规。如有侵权请联系我们删除！”