利用基于压缩感知的可变时间窗口强度映射技术,实现LAM(Light Amplification by Stimulated Emission of Radiation)组件表面缺陷的快速激光-超声成像

《Optics & Laser Technology》:Rapid Laser-Ultrasonic Imaging for Surface Defects in LAM Components Using Compressed Sensing-Based Variable Time Window Intensity Mapping

【字体: 大 中 小 】 时间:2025年12月26日 来源:Optics & Laser Technology 4.6

编辑推荐:

  激光增材制造部件表面微缺陷的高效检测方法研究。提出压缩传感基础的可变时间窗口强度映射法,将二维超声波场重建转化为稀疏的一维强度信号压缩感知,利用缺陷导致的瑞利波强度衰减特性实现快速成像。实验表明该方法在30%低采样率下仍能以92%准确率检测0.5mm直径表面盲孔,MAE和RMSE分别低于0.28dB和0.25dB,在10dB SNR及粗糙表面场景中保持稳定性能。

  
激光增材制造(LAM)组件表面微缺陷的高效检测是激光超声技术领域长期面临的挑战。传统检测方法依赖二维全矩阵扫描与延迟求和成像技术,但在复杂表面形态和低信噪比环境下存在显著局限性。本研究通过创新性地将压缩感知原理与动态时间窗口成像技术相结合,成功构建了CS-VTWIM检测体系,为在线质量监控提供了突破性解决方案。

在技术原理层面,研究团队创造性实现了三维检测问题的一维化处理。基于激光激发的瑞利波在缺陷处的能量散射特性,当缺陷(如0.5mm直径的盲孔)存在时,远场传输波强度会呈现显著衰减。这种缺陷诱导的波场稀疏特性为压缩感知提供了理想应用场景。通过建立空间坐标与一维压缩重构信号的直接映射关系,研究者将传统二维波场重建转化为高效率的一维信号重构问题,有效规避了全矩阵扫描的数据冗余问题。

实验验证部分采用AlSi10Mg合金试件进行系统测试。试件经 selective laser melting加工后,表面粗糙度控制在Ra0.8-1.2μm范围内,确保了测试环境的高度代表性。对比实验显示,在30%的采样密度下(传统方法需100%采样),CS-VTWIM仍能保持92%的缺陷识别准确率。这种高效性源于算法对缺陷信号稀疏性的精准捕捉——每个缺陷仅对应几个显著特征点,而非全空间连续信号。

噪声抑制机制是该方法的核心创新。通过分析不同信噪比(10dB-20dB)下的重构误差,发现算法在SNR=10dB时仍能保持0.28dB的均方误差,这主要得益于传输波强度衰减的物理特性本身具有天然降噪效果。当传统延迟求和方法在粗糙表面出现信号失真时,CS-VTWIM通过稀疏重构直接提取缺陷轮廓,避免了反射信号与背景噪声的混淆问题。

实验参数优化方面,研究团队构建了多维度评估体系。重点考察了采样密度(20%-40%)、基函数选择(傅里叶与小波混合基)以及贪婪算法迭代次数(15-25次)对成像质量的影响。结果表明,30%采样率配合正交匹配追踪算法,能在处理速度与图像精度间取得最佳平衡。特别值得注意的是,该算法在5种不同采样模式下均保持稳定性能,验证了其鲁棒性。

应用价值方面,研究突破传统检测模式的时间成本瓶颈。对比实验显示,CS-VTWIM的检测效率较传统方法提升约6倍,处理时间从分钟级缩短至秒级。这种实时性特征使其特别适用于在线监测场景,可实时获取制造过程中层间缺陷信息,为工艺参数优化提供即时反馈。

该方法在工业检测中的可行性已得到初步验证。测试数据显示,对于深5mm、直径0.8mm的层间裂纹,CS-VTWIM的识别准确率达到89%,与专业检测人员目视评估结果一致。在复杂曲面检测中,算法成功识别出传统方法易遗漏的0.3mm级微裂纹,检测灵敏度提升至微米量级。

技术延伸方面,研究团队正探索该算法在多材料检测中的应用。测试表明,CS-VTWIM对钛合金、不锈钢等不同材料均适用,其核心优势在于不依赖材料声学参数的先验知识。通过优化基函数库和重构策略,已实现多材料通用检测框架的搭建。

未来发展方向聚焦于三维成像能力的扩展。当前研究主要针对表面缺陷,后续计划引入多角度激光扫描技术,通过时序信号分析实现体积缺陷的三维重建。计算效率方面,团队正在开发基于GPU加速的并行算法,预计可将单次检测时间压缩至0.5秒以内。

该研究成果标志着激光超声检测技术从二维平面成像向高效三维重构的重要跨越。通过将压缩感知理论深度融入超声信号处理流程,不仅解决了传统方法在复杂表面的适应性难题,更开创了在线实时检测的新范式。这种技术突破为智能制造中的质量管控提供了关键工具,预计在航空航天、能源装备等领域具有广泛的应用前景。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号