何建,吳玉簫,于海州
(中國民用航空飛行學院航空工程學院,四川廣漢,618307)
碳纖維增強復合材料是以碳纖維為增強體、樹脂為基體形成的復合材料。與傳統的材料相比,CFRP具有多種優良性能:低密度、耐腐蝕、抗疲勞、導電導熱性、低熱膨脹系數等。CFRP作為一種新興的材料,被廣泛應用于軍事以及民用工業的各個領域之中。
CFRP制造工藝復雜,工作環境惡劣,在制造和使用過程中不可避免地會產生結構缺陷或損傷。典型的缺陷包括了在制造過程中產生的分層、孔隙、脫粘和表面損傷,在使用過程中產生的沖擊、裂紋、腐蝕坑、孔洞等[1]。結構健康監測對保證復合材料的完整性,提高使用安全性和可靠性,降低維護成本有著重要的作用。當前現有的無損檢測方法都能達到對CFRP內部缺陷進行檢測的目的,但各個方法都存在著一定的局限性。紅外熱波檢測所需時間過長;超聲檢測法效率低,使用的耦合劑會對試件造成污染;滲透檢測只能檢測表面的開口缺陷;渦流和磁粉檢測都只適用于近表面的損傷;X射線檢測成本高且有放射性污染[2]。
而如今對檢測的要求已經不僅僅是簡單地確定缺陷是否存在,還要進一步確定缺陷的輪廓和位置信息,這對于評價材料的健康狀況至關重要。相對傳統的幾種檢測方法,電阻層析成像技術的優點是不侵入材料內部、成本低(通常只需要電流源、數據采集裝置和適當的計算能力)、適用的場合廣、方便現場部署、能夠實時生成重建的電導率圖像[3],并且電阻層析成像技術可以對厚部件的橫截面進行成像。因此,電阻層析成像技術是一種具有很大潛力和研究價值的結構健康監測技術。
電阻層析成像技術根據測得的邊界電壓來估計材料內部的空間變化的電導率分布。當材料出現缺陷導致電導率發生變化,使用ERT技術就能夠得到材料內部缺陷的大致輪廓和位置,為定性評估材料結構健康狀況提供了可視化手段。
一個完整的ERT系統應該包括電極陣列、激勵信號控制單元、數據采集與處理單元、圖像重建單元以及主控計算機[4]。典型的ERT系統結構如圖1所示。

圖1 典型ERT系統結構
在系統工作時,由激勵信號控制單元發出指令,給某個或多個電極施加激勵電流,在材料內部建立電流敏感場。當材料出現缺陷,場內的電導率分布發生變化,數據采集處理單元采集到的場域邊界電壓也會隨之變化。利用邊界電壓,再通過合適的成像算法就可以重建出場內的電導率分布,實現圖像重建功能[5]。
CFRP的導電性受兩個因素的影響:碳纖維固有的導電性和纖維與纖維之間的連接。因此,纖維損傷、斷裂或是分層缺陷都可以通過電阻層析成像技術檢測出來[6]。內部碳纖維的走向決定了CFRP的電導率的各向異性:順著纖維方向的電導率最高,厚度方向的電導率最低[7,8]。CFRP層合板的纖維體積分數對電導率也有影響,電導率可以表示為纖維體積分數的函數[9],橫向和厚度方向的電導率隨著纖維的體積分數的增大而增加,且橫向和厚度方向的電導率的比率約為10:1[10]。這種過強的各向異性會對靈敏度矩陣造成影響,對ERT最終的圖像重建效果造成影響。因此,將電阻層析成像技術應用于CFRP的缺陷檢測中時,主要需要考慮盡量減小CFRP電導率各向異性對成像結果造成的影響。
Schueler等人[11]于2001年首次將ERT技術應用到單向CFRP的缺陷檢測中,簡單對矩形孔損傷進行檢測,但使用的重建算法沒有考慮電阻率各向異性的影響,因此成像結果不佳。他們成功探索了將電阻層析成像技術應用到CFRP缺陷檢測中的這一新的領域,但仍有較多問題需要解決。
Hou和Loh[12,13]使用具有不均勻電導率的碳納米管薄膜作為傳感皮膚,展現了電阻層析成像技術對不均勻區域的定位以及對多個損傷區域進行區分的能力。
Baltopoulous等人[14]使用了三層碳纖維織物和環氧樹脂制成的層壓板,對鉆孔和沖擊損傷進行了ERT檢測。但為了降低過高的各向異性電導率,假設層壓板電導率為各向同性,導致最終的成像結果較差。最終需要后處理來使缺陷部位定位更加準確,處理之后的定位誤差為10%,且對不到監測區域0.1%的小尺寸缺陷較為敏感。
Loyola等人[15]于2013年對具有正交各向異性的玻璃纖維增強復合材料GFRP進行檢測,比較了不同位置孔洞損傷的電導率圖像,研究了損傷的敏感性和分辨性,并利用ERT方法檢測低速撞擊導致的損傷位置和嚴重程度,檢驗了該方法在檢測和定位損傷缺陷方面的準確性,也對各向異性電導率帶來的測量方式以及圖像重建質量上的問題進行了解答。此時ERT檢測受限于圖像重建的速度,還無法做到實時監測。
2016年,Gschossmann[16]開發了適用于ERT技術的產生直流激勵電流和獲取電壓數據的硬件裝置,能在9秒內對16電極空間區域進行實時監測。硬件的發展使得ERT監測的實時性越來越高,目前先進的高速ERT系統圖像重建速率可以達到3906幀/秒[17]。也有針對CFRP缺陷檢測研制的便攜式的ERT裝置,可以設定激勵電流大小,最大的穿透深度可以達到10mm[18]。ERT硬件的發展趨向于具有更高的精度、準確度和速度,以及更低的功耗[19-21]。
研究者們還考慮到了更多的細節問題,如激勵模式的設置。ERT最終成像結果的空間分辨率和精度與所使用的激勵模式密切相關。在2015年,Fan等人[22]便對激勵模式進行了研究。在實驗中建立了6×6陣列電極開放式ERT模型,并假設單個CFRP層壓板橫向和厚度方向電導率相等。采用奇異值譜、靈敏度圖均勻性、靈敏度測量值、電壓動態范圍、重建圖像相關系數五種評估指標對間隔不同數目電極的五種激勵方式進行評估,結論為激勵間隔4個電極的模式表現出更好的圖像重建性能。進一步的研究中,Fan[23]采用了三層正交鋪層的CFRP層合板,對沖擊、分層、纖維斷裂以及橫向裂紋缺陷進行了仿真實驗,最終結果表明了ERT具有檢測出多種常見的CFRP缺陷的能力。研究正交各向異性的CFRP在不同激勵模式下的成像效果的還有Gallo[24],他采用了32電極,并且對比了傳統的相鄰、相反、對角三種電流激勵方式。實驗結果表明相鄰激勵模式對邊緣缺陷的檢測靈敏度更高,而位于中心的缺陷使用交叉和對角激勵模式更好。Nonn等人[25]于2018年使用16個鋁鉚釘作為嵌入式電極,評估了三種傳統的電流激勵方式對CFRP層壓板的ERT成像效果,發現對角電流激勵方式的效果最好,但由于使用的圖像重建算法沒有考慮各向異性的影響,最終成像結果也不佳。除了上述三種常見的激勵模式之外,還有研究者采用了新型的激勵測量模式——PP模式[26],PP模式對于單個損傷目標成像效果較差,但對于存在多個損傷目標的情況成像效果佳。還有將多種間隔的激勵結合在一起的優化激勵方式[27,28],能夠得到更加均勻的電流場,獲得更多的獨立測量數。除此之外,還有對多個電極進行激勵的激勵模式[29,30],也能使電流場更加均勻,但多激勵模式的硬件設計尚不成熟,相應的圖像重建算法也較少。
為了克服CFRP各向異性的影響,也有研究者從圖像重建算法方面著手研究。Schmidt等人[31]對CFRP的分層缺陷進行ERT檢測研究,使用三種深度學習算法進行圖像重建,其中k-NN算法性能最優,并且材料越薄,各向異性對結果影響越小。Fan等人[32]利用修正殘差范數最速下降(MRNSD)算法進行圖像重建,得到的圖像偽影少,定位質量高。Cagan等人[33]利用高斯正則化方法來減小CFRP各向異性的影響。
雖然將電阻層析成像技術應用到CFRP缺陷檢測領域之中已經經過了20年,也取得了較大進展,但對這一領域的研究仍然處于早期階段。迄今為止的研究主要都局限于實驗室中的小型平面樣品,并未應用到實際的大型復雜結構之中。近幾年也有研究者在朝著實際應用中的大尺寸和非平面結構方向進行研究。若要真正地發揮ERT技術的結構健康監測能力,還有很多的工作需要做。例如對電極結構和布置方式、激勵模式等方面可以進行進一步的優化,針對CFRP缺陷檢測的圖像重建算法上的研究目前仍處于基礎階段,遠遠落后于醫學領域的發展。將ERT技術應用到CFRP缺陷檢測之中存在著巨大的潛力,對以上幾個方面的問題還可以進行更多的探索研究。