涡轮叶片冷却风道的原始红外图像增强及处理

涡轮叶片冷却风道的原始红外图像增强及处理

论文摘要

航空发动机涡轮叶片,包括导向叶片和工作叶片,是将燃气的热能转换为旋转的机械动能的重要的热端部件。涡轮叶片在高压腐蚀性燃气的冲击下高速旋转,工作条件非常恶劣。涡轮叶片材料构成特殊,制造工艺复杂,造价昂贵,因而在生产和维修过程中,一般采用无损探伤技术对其进行缺陷检测。传统的无损探伤方法都因存在某些不足,从而不能在涡轮叶片缺陷检测中得到很好的应用。为了满足涡轮叶片缺陷检测中安全性的要求,提高检测效率,本文采用红外热波无损检测技术对航空涡轮叶片内部冷却风道的缺陷进行检测,提出了气烘法、冷热水交替喷流法、涡流激励法和蒸汽激励法多达4种检测方案,据我们所知,在对叶片冷却风道的检测中,后两种方法在国内尚未见报道。红外热波无损检测技术不同于传统的红外检测方法,它通过主动控制激励热源和测量样件表面的温度场变化分析,来获得样件表面及内部的结构信息,从而达到检测的目的。本论文主要围绕涡轮叶片缺陷红外热波无损检测各种方案优化和实验中的几个关键问题进行阐述,主要研究内容如下:1.设计了航空发动机涡轮叶片缺陷红外热波无损检测软硬件系统;并完成了系统的安装及调试工作;完成了系统单片机控制电路的设计以及水温自动控制电路的设计和调试工作。2.在深入分析涡轮叶片冷却风道堵塞缺陷特点的基础上,结合红外热波无损检测技术,设计并详细阐述了气烘法、冷热水交替喷流法、涡流激励法以及蒸汽激励法的实验方案,并通过实验结果分析各种方案的优缺点。3.对所得涡轮叶片的红外辐射图像进行灰度变换、图像平滑以及图像锐化等处理。4.对影响实验结果的几个因素(热像仪性能、图像采集时刻、噪声干扰以及表面辐射率)作了深入分析并提出了相应的解决方法。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 研究背景及意义
  • 1.2 简介红外热波无损检测技术
  • 1.2.1 红外热波无损检测技术的原理
  • 1.2.2 红外热波无损检测技术的优势
  • 1.2.3 红外热波无损检测技术的发展
  • 1.3 本文的主要工作及内容安排
  • 第二章 基本理论
  • 2.1 红外辐射的基本理论
  • 2.1.1 标准黑体
  • 2.1.2 实际辐射源
  • 2.1.3 影响红外辐射因素
  • 2.2 导热基础理论
  • 2.3 热波基本理论
  • 第三章 红外热波探测系统
  • 3.1 涡轮叶片
  • 3.2 硬件系统设计
  • 3.2.1 总体硬件电路设计方案
  • 3.2.2 系统控制电路设计
  • 3.2.3 红外热像仪
  • 3.2.4 水温自动控制电路
  • 3.3 软件系统设计
  • 3.3.1 单片机软件开发
  • 3.3.2 计算机软件开发
  • 第四章 系统方案优化
  • 4.1 气烘法
  • 4.1.1 实验原理和装置介绍
  • 4.1.2 具体检测程序介绍
  • 4.2 冷热水交替喷流法
  • 4.2.1 实验原理和装置介绍
  • 4.2.2 具体检测程序介绍
  • 4.3 涡流激励法
  • 4.3.1 实验原理及装置介绍
  • 4.3.2 具体检测程序介绍
  • 4.4 蒸汽法
  • 4.4.1 实验原理及装置介绍
  • 4.4.2 具体检测程序介绍
  • 第五章 实验结果及数据分析
  • 5.1 实验结果
  • 5.1.1 气烘法的图像
  • 5.1.2 冷热水交替喷流法的图像
  • 5.1.3 涡流激励法的图像
  • 5.1.4 蒸汽法的图像
  • 5.2 影响实验结果的因素
  • 5.2.1 热像仪性能
  • 5.2.2 图像采集方式
  • 5.2.3 噪声干扰
  • 5.2.4 表面辐射率
  • 第六章 图像处理
  • 6.1 数据的采集
  • 6.2 像灰度级变换
  • 6.2.1 算法介绍
  • 6.2.2 算法实现
  • 6.3 图像平滑
  • 6.3.1 平滑算法
  • 6.3.2 算法的实现
  • 6.4 图像的锐化处理
  • 6.4.1 拉普拉斯算法
  • 6.4.2 算法的实现
  • 第七章 结论
  • 致谢
  • 参考文献
  • 攻硕期间所取得的成果
  • 相关论文文献

    • [1].基于区域生长的自适应红外图像火焰识别[J]. 南方农机 2020(05)
    • [2].基于红外图像识别的智能远程控制消防装置[J]. 今日消防 2020(01)
    • [3].基于雾线暗原色先验的红外图像去雾算法[J]. 红外技术 2020(06)
    • [4].基于生成对抗网络的红外图像数据增强[J]. 计算机应用 2020(07)
    • [5].基于迁移学习的红外图像分类[J]. 天津职业技术师范大学学报 2020(03)
    • [6].一种多分辨多尺度的红外图像增强算法[J]. 激光杂志 2019(08)
    • [7].一种基于区域显著性识别的红外图像增强方法[J]. 江苏大学学报(自然科学版) 2019(06)
    • [8].基于密度相似因子的电力红外图像分割方法[J]. 红外技术 2017(12)
    • [9].基于融合技术的单幅红外图像增强方法[J]. 电子器件 2018(04)
    • [10].对受灾区域红外图像优化识别仿真[J]. 计算机仿真 2017(03)
    • [11].海上远距离目标探测中的红外图像增强算法[J]. 大连海事大学学报 2015(04)
    • [12].红外图像采集及特征提取技术的研究[J]. 激光杂志 2016(08)
    • [13].远程微小红外图像小差异特征分类算法仿真[J]. 计算机仿真 2015(07)
    • [14].红外图像影响因素及增强方法[J]. 农村科学实验 2017(03)
    • [15].复杂海面的舰船弱目标红外图像提取方法[J]. 舰船科学技术 2020(18)
    • [16].基于大数据的舰船红外图像目标实时跟踪方法[J]. 舰船科学技术 2020(02)
    • [17].基于红外图像处理技术的钢构件损伤识别[J]. 红外技术 2020(03)
    • [18].一种红外图像增强算法在无人机巡检输电线路上的应用[J]. 电子设计工程 2020(16)
    • [19].红外图像特征的三维提取技术[J]. 激光杂志 2019(02)
    • [20].红外图像中快速运动目标的检测与跟踪方法[J]. 红外技术 2019(03)
    • [21].基于多感知的红外图像增强算法设计[J]. 信息与电脑(理论版) 2019(13)
    • [22].基于透射图融合的红外图像传感器信号增强方法[J]. 传感技术学报 2019(07)
    • [23].基于红外图像的船舶特征识别方法[J]. 舰船科学技术 2018(12)
    • [24].基于最小平均距离免疫算法的模糊红外图像分割(英文)[J]. 光谱学与光谱分析 2018(11)
    • [25].基于人眼视觉的红外图像增强算法研究[J]. 激光与红外 2017(01)
    • [26].针对边缘检测和数学形态学的红外图像增强算法[J]. 佳木斯职业学院学报 2017(01)
    • [27].一种可见光和红外图像加权融合最佳权值因子的确定方法[J]. 电子世界 2017(13)
    • [28].红外图像识别在舰船火灾中的应用分析[J]. 舰船科学技术 2017(20)
    • [29].一种基于实测数据温差扰动的红外图像实时生成方法[J]. 红外技术 2017(10)
    • [30].外场提高红外图像质量研究[J]. 电子测试 2016(14)

    标签:;  ;  ;  ;  

    涡轮叶片冷却风道的原始红外图像增强及处理
    下载Doc文档

    猜你喜欢