航空發(fā)動機孔探技術(shù)探索與研究

中國航發(fā)沈陽發(fā)動機研究所 □鄧沛洲

北京空間機電研究所 □武曉東

航空發(fā)動機孔探檢查是在不分解發(fā)動機的情況下， 由使用維護人員將工業(yè)內(nèi)窺鏡(又稱孔探儀) 伸入發(fā)動機內(nèi)部， 對流道內(nèi)腔結(jié)構(gòu)進行觀察。 孔探檢查能夠最大程度減少分解的工作量和停機時間， 在發(fā)動機維護中占有重要地位。 工業(yè)內(nèi)窺鏡將人的視距進行了延長， 并且能夠通過調(diào)整探頭線改變物鏡位置， 保證觀察者能夠?qū)崿F(xiàn)物體表面真實、 客觀狀態(tài)的檢查。

工業(yè)內(nèi)窺鏡用于航空發(fā)動機檢測起源于20世紀(jì)70 年代， 期間伴隨著醫(yī)用內(nèi)窺鏡的發(fā)展，可簡單劃分為經(jīng)3 個階段， 分別是剛性內(nèi)窺鏡、光纖內(nèi)窺鏡和視頻內(nèi)窺鏡 (又稱電子內(nèi)窺鏡)。隨著內(nèi)窺鏡的技術(shù)發(fā)展， 前兩者已逐漸淡出發(fā)動機孔探檢查應(yīng)用領(lǐng)域。 視頻內(nèi)窺鏡由光源、 鏡頭、 探頭線、 導(dǎo)向機構(gòu)、 主機等幾大部分組成，是信息時代成像技術(shù)在工業(yè)領(lǐng)域的典型應(yīng)用， 其與相機的成像原理類似， 通過鏡頭 (一般為CCD 或者CMOS) 實時攝錄流道內(nèi)情況， 通過視頻終端進行顯示， 圖像信息以數(shù)字信號在設(shè)備中進行處理傳遞。

近二十年， 國外立體視覺技術(shù)和工業(yè)內(nèi)窺技術(shù)的發(fā)展十分迅速， 其中美國GE 公司的韋林、日本的奧林巴斯Olympus 處于領(lǐng)先地位， 但兩者各有千秋。 日本Olympus 研制的IPLEX NX和GX 系列工業(yè)內(nèi)窺鏡， 在航空航天、 石油化工等行業(yè)應(yīng)用極為廣泛。 而GE 韋林在航空領(lǐng)域深入耕耘， 在原雙物鏡測量基礎(chǔ)上開發(fā)的3D 立體測量技術(shù)， 測量能力提升極大， 尤其針對零件表面深度測量， 操作簡單， 數(shù)據(jù)準(zhǔn)確。

此外， 在智能化檢測方面， 各大公司均有不同程度的探索。 GE 公司研制的智能檢測系統(tǒng)，用人工智能的方法掃描錄像。 檢測過程中， 計算機系統(tǒng)發(fā)現(xiàn)零件缺陷時， 顯示屏?xí)崟r提醒， 用顏色直觀的告知檢查人員此時零件狀態(tài)及超差程度。 孔探錄像掃描完成后， 系統(tǒng)自動將缺陷對應(yīng)的一幀圖片提取出來， 匯總形成報告。 該系統(tǒng)的識別率和報錯率是95%， 同時隨著檢查發(fā)動機數(shù)量的增長， 它的識別能力也將不斷增強， “越用越聰明”。

國內(nèi)在工業(yè)內(nèi)窺鏡方面的研究起步較晚， 在70 年代僅有304 所、 空一所等幾個研究所在進行研發(fā)。 近年來， 隨著工業(yè)內(nèi)窺鏡民用市場的不斷拓展以及內(nèi)窺鏡技術(shù)的成熟， 部分民企進入市場， 國產(chǎn)內(nèi)窺鏡在石化、 電力、 機械制造方面也得到廣泛應(yīng)用， 并逐步形成相應(yīng)的體系。 國內(nèi)目前工業(yè)內(nèi)窺鏡廠商主要有德朗、 亞泰、 古安泰等， 目前德朗在視頻顯微方面技術(shù)較為成熟， 但在內(nèi)窺測量、 動態(tài)成像效果等方面， 與國外內(nèi)窺鏡仍有差距。

高清晰度、 微型化以及智能化， 是工業(yè)內(nèi)窺鏡發(fā)展的必然趨勢， 下文從這幾個方向逐項論述。

(1) 高清晰度

目前航空發(fā)動機內(nèi)窺鏡檢查過程中， 最常用的內(nèi)窺鏡為6mm 規(guī)格， 通過專門設(shè)計的孔探孔， 能滿足大多數(shù)流道檢查要求。 實際在發(fā)動機中， 部分區(qū)域由于尺寸限制， 6mm 的內(nèi)窺鏡無法到達， 如某型號外罩檢查， 由于尺寸限制， 只能使用4mm 規(guī)格的內(nèi)窺鏡進行檢查。 行業(yè)內(nèi)目前較為高端的工業(yè)內(nèi)窺鏡， 6mm 規(guī)格的設(shè)備能夠達到200W 像素清晰度。 單純從像素方面看，工業(yè)內(nèi)窺鏡成像效果要遜色于目前家用級別的相機， 相較于手機、 平板動輒千萬級別的像素亦是遠遠不如。 其根本主要取決于CCD/CMOS 的尺寸， 這也是目前主要的技術(shù)瓶頸。 工業(yè)內(nèi)窺鏡在探頭線中集成了圖像傳感器、 導(dǎo)向線束、 鏡頭、光源等多個機構(gòu)， 受內(nèi)窺鏡探頭線直徑限制， 目前6mm 規(guī)格的內(nèi)窺鏡目前只能容納1/6 英寸左右的圖像傳感器， 從這一點上來看， 探頭線直徑對工業(yè)內(nèi)窺鏡的成像質(zhì)量有重要的影響。

工業(yè)內(nèi)窺鏡想要實現(xiàn)更高的清晰度， 需要圖像傳感器集成工藝進一步發(fā)展， 將高清晰度圖像傳感器集成至更小尺寸。 此外較細的工業(yè)內(nèi)窺鏡可進一步拓展發(fā)動機流道可達區(qū)域， 實現(xiàn)非常規(guī)部位檢查， 提升發(fā)現(xiàn)故障的能力。

(2) 微型化

按照GE 韋林和Olympus 的內(nèi)窺鏡劃分方法， 工業(yè)內(nèi)窺鏡發(fā)展分為四個階段， 其設(shè)備體積逐步小型化， 由臺式向手持式轉(zhuǎn)變。 但距離小型化的電子設(shè)備仍存在不小的差距， 更遑論微型化。 從硬件上看， GE 韋林第三代產(chǎn)品為箱式結(jié)構(gòu)， 其主機體積約為450mm×250mm×350mm，類似于電腦主機箱大小， 除此之外， 還有390mm×180mm×130mm 的手持機， 整體相當(dāng)于一個20 寸行李箱大小。 近幾年出現(xiàn)的第四代產(chǎn)品， 整機為手持式結(jié)構(gòu)， 全尺寸縮小至第三代產(chǎn)品的手持機大小。

隨著電子制造技術(shù)發(fā)展， 工業(yè)內(nèi)窺鏡后端處理設(shè)備的大小進一步縮小， 影響設(shè)備小型化的主要因素集中在導(dǎo)向機構(gòu)及電源模塊。 目前市面上出現(xiàn)一批簡易的工業(yè)內(nèi)窺鏡， 其結(jié)構(gòu)極簡單， 除前段探頭線外， 后段采用手機或平板作為視頻顯示裝置， 該類設(shè)備多采用預(yù)折彎結(jié)構(gòu)， 在檢查之前調(diào)整好導(dǎo)向角度， 以此代替使用過程中的導(dǎo)向動作， 但該方法在檢查中存在諸多不便， 特別是在狹小空間， 預(yù)調(diào)整的角度往往無法滿足檢查視角要求。 作動電機的微型化是工業(yè)內(nèi)窺鏡實現(xiàn)微型化道路上需要解決的最大問題。 當(dāng)然， 在不需要調(diào)整成像角度的應(yīng)用場景下， 內(nèi)窺設(shè)備的微型化比較容易實現(xiàn)。

未來的流道檢查可能脫離孔探儀現(xiàn)有的形式， 以微型化機器人作為載體， 實現(xiàn)流道內(nèi)檢查。 在2018 年范堡羅航展上， 羅羅公司展示了一個愿景， 使用蛇形機器人、 爬蟲機器人替代目前的內(nèi)窺鏡檢查方式。 蛇形機器人作為可彎曲管路， 內(nèi)部攜帶一定數(shù)量的機械微型爬蟲。 深入發(fā)動機內(nèi)部后， 蛇形機器人釋放微型爬蟲， 使其到達更狹窄的內(nèi)部空間。 爬蟲攜帶攝像頭， 捕獲內(nèi)部視頻圖像信息， 完成損傷檢測后， 爬蟲自主返回蛇形機器人， 被其帶離出發(fā)動機內(nèi)部環(huán)境。 蛇形機器人、 微型爬蟲和快速損傷判別是其三大核心技術(shù)。

(3) 智能化

內(nèi)窺鏡檢查的智能化主要著眼于基于影像識別的智能診斷系統(tǒng)， 包含發(fā)動機零件缺陷孔探影像機器智能診斷和缺陷智能預(yù)測兩個方面。 發(fā)動機零件缺陷孔探影像機器智能診斷基于發(fā)動機的孔探圖像特征和樣本圖像數(shù)據(jù)， 采用圖像識別、人工智能診斷、 專家系統(tǒng)等關(guān)鍵技術(shù)解決缺陷識別和缺陷測量等問題， 建立孔探影像智能診斷系統(tǒng)， 有效避免人員經(jīng)驗差異、 視覺疲勞、 標(biāo)準(zhǔn)理解不同等人為因素影響， 使孔探檢查工作趨于標(biāo)準(zhǔn)化和智能化。 缺陷和使用情況智能預(yù)測系統(tǒng)在實現(xiàn)計算機識別孔探影像缺陷功能后， 將識別的結(jié)果整合， 通過與特征分類識別的結(jié)構(gòu)化數(shù)據(jù)庫對比， 實現(xiàn)提醒預(yù)警。 同時通過數(shù)據(jù)對比分析，實現(xiàn)按時序預(yù)測缺陷擴展變化過程。

通過內(nèi)窺鏡檢查的智能化可預(yù)測發(fā)動機流道件出現(xiàn)故障的時機， 提前預(yù)警， 減少發(fā)動機故障發(fā)生率， 降低發(fā)動機故障造成的經(jīng)濟損失， 提升產(chǎn)品經(jīng)濟價值， 同時提升內(nèi)窺鏡檢查效率， 減少用戶運維成本， 實現(xiàn)零件缺陷擴展趨勢監(jiān)控， 提高航空發(fā)動機的可靠性。

(1) 成像技術(shù)

目前工業(yè)內(nèi)窺鏡成像主要通過CCD 或CMOS 傳感器。 CCD 圖像傳感器工藝比較成熟， 因像素竄擾產(chǎn)生的固定圖樣噪聲及瞬時噪聲較小， 在成像質(zhì)量上有一定優(yōu)勢， 但其成像速度慢、 耗電量大 (同尺寸下CCD 是CMOS 的4倍左右)， 成本較高， 多用于數(shù)字?jǐn)z像機中。CMOS 傳感器則以其高度集成化和基于片上系統(tǒng)的低成本應(yīng)用優(yōu)勢， 目前廣泛地用于手機攝像頭、 數(shù)碼相機等產(chǎn)品上。 隨著CMOS 制造工藝的不斷成熟和性能的不斷提高， 兩者的成像質(zhì)量差距在逐漸縮小。

(2) 圖像處理

在實際拍攝內(nèi)部圖像時， 受環(huán)境、 光源色溫等多種因素綜合影響， 會造成實際影像偏離真實狀態(tài)， 孔探檢查過程中會通過實際影像的色彩判斷金屬表面是否存在變色， 這往往會造成致命的問題。 內(nèi)窺鏡檢查的“暗盒” 環(huán)境需要使用光源進行照明， 常見的光源有鹵素、 氙燈以及LED等， 不同光源在不同材質(zhì)、 不同使用狀況的零件上呈現(xiàn)的色溫、 明亮不同， 需要對圖像進行處理。 在圖像處理算法上， 目前的算法成熟度很高， 國內(nèi)工業(yè)內(nèi)窺鏡廠商基本上直接應(yīng)用現(xiàn)有研究成果或圖像算法。

(3) 測量技術(shù)

目前內(nèi)窺鏡測量方法可以分為主動式測量和被動式測量技術(shù)。 被動測量技術(shù)通過攝像系統(tǒng)采集待測物體的二維圖像來計算物體的三維數(shù)據(jù)。雙目測量是較為常見的三維測量技術(shù)， 它模仿人眼視覺成像的原理， 采用雙鏡頭對待測物體同時進行拍攝， 然后根據(jù)三角測量的原理計算出圖像中各像素點的位置信息， 對數(shù)據(jù)處理后實現(xiàn)對物體的三維重構(gòu)。 主動式三維測量技術(shù)主要采用結(jié)構(gòu)光投影的方法， 通過相位掃描， 建立被測物體的3D 模型， 進而得到測量結(jié)果。

相比國外， 國內(nèi)在三維結(jié)構(gòu)光測量方面的研究也取得了不錯的進展， 但三維立體測量技術(shù)在內(nèi)窺鏡上使用遲遲未實現(xiàn)。 清華大學(xué)韋爭亮等人曾開發(fā)出一種結(jié)構(gòu)光三維測量系統(tǒng)， 該系統(tǒng)對于靜態(tài)物體的測量具有很高的實驗精度。 深圳大學(xué)、 山東大學(xué)在三維成像方面也有一定的研究。

(4) 圖像識別技術(shù)

圖像識別技術(shù)是目前高校研究的熱點， 國內(nèi)部分高校在基于深度學(xué)習(xí)的圖像識別技術(shù)上進行了大量的研究， 具備內(nèi)窺圖像識別處理的能力。曠可嘉采用深度學(xué)習(xí)算法實現(xiàn)了孔探檢查缺陷識別。 王德廉使用深度學(xué)習(xí)技術(shù)建立圖像識別的系統(tǒng)， 獲得較高的識別準(zhǔn)確率。 馬雪東使用深度學(xué)習(xí)框架開發(fā)了電商產(chǎn)品圖像識別系統(tǒng)， 并搭建用于展示的網(wǎng)絡(luò)平臺。 此外， 百度、 谷歌等互聯(lián)網(wǎng)企業(yè)對圖像識別也有較深的研究， 其研究成果已在人臉識別、 智能駕駛等方向有了初步應(yīng)用。

國內(nèi)部分高校在孔探影像識別和診斷方面進行了研究， 特別是在機器視覺、 深度學(xué)習(xí)與內(nèi)窺圖像處理等技術(shù)結(jié)合方面， 已經(jīng)取得一定的突破。 但目前國內(nèi)的研究成果缺少有效轉(zhuǎn)化， 特別是在內(nèi)窺鏡檢查方面， 尚未形成工業(yè)應(yīng)用實例。

(1) 智能識別技術(shù)研究

基于智能識別的技術(shù)首先要從規(guī)范內(nèi)窺檢查數(shù)據(jù)采集要求入手， 建立內(nèi)窺圖像采集標(biāo)準(zhǔn)， 將外場發(fā)動機、 主機廠交付及例行長試發(fā)動機的檢查數(shù)據(jù)進行整合， 為數(shù)據(jù)處理、 在線監(jiān)控建立基礎(chǔ)。 此外， 基于大批量數(shù)據(jù)的管理需求， 建議建立特征分類識別的結(jié)構(gòu)化數(shù)據(jù)庫， 將航空發(fā)動機研制、 生產(chǎn)、 使用、 維護全生命周期的缺陷圖像作為基礎(chǔ)數(shù)據(jù)上傳至數(shù)據(jù)庫中， 并通過專家系統(tǒng)建立基礎(chǔ)的維護保障策略(如圖1 所示)。 在應(yīng)用過程中， 通過對提交的孔探圖像及數(shù)據(jù)， 使用識別算法進行分析， 通過橫向時間維度對比和縱向同類對比方案， 識別缺陷變化趨勢， 作為損傷評估、 視情維修的輔助決策依據(jù)。 通過離線數(shù)據(jù)對比， 將算法封裝在孔探檢查設(shè)備中， 對孔探檢查影像進行掃描， 抓取問題圖片， 自動生成檢測報告， 實現(xiàn)離線數(shù)據(jù)處理。 后續(xù)待技術(shù)成熟， 可參照GE 外場維護模式， 建立數(shù)據(jù)中心， 實現(xiàn)缺陷數(shù)據(jù)的在線監(jiān)控及處理。

圖1 內(nèi)窺檢查圖像數(shù)據(jù)庫架構(gòu)

(2) 硬件系統(tǒng)研究

工業(yè)內(nèi)窺鏡硬件系統(tǒng)， 目前國內(nèi)行業(yè)已經(jīng)有一定的技術(shù)基礎(chǔ)， 硬件系統(tǒng)成熟度較高。 從技術(shù)發(fā)展路徑及展望來看， 未來內(nèi)窺檢查的形態(tài)將發(fā)生大的變化， 脫離現(xiàn)有內(nèi)窺鏡， 由微型機器人實現(xiàn)檢查。 但從目前行業(yè)內(nèi)外的研究信息來看， 微型化技術(shù)實現(xiàn)難度極大。 建議可以從微型蛇形臂機器人與可吸附的微型機器人著手， 通過蛇形臂機器人進入指定的檢查區(qū)域， 將微型機器人吸附于轉(zhuǎn)子葉片上， 通過轉(zhuǎn)子葉片轉(zhuǎn)動， 拓展檢查的可達性， 實現(xiàn)靜子部分檢查， 提高發(fā)動機內(nèi)部流道檢查范圍。