CNG氣瓶纏繞層缺陷的紅外定位和定量識(shí)別及實(shí)驗(yàn)研究

孔松濤，張 潤(rùn)，蘭 鷹，丁克勤，王 堃

（1.重慶科技學(xué)院，重慶 401331；2.中國(guó)特種設(shè)備檢測(cè)研究院，北京 100029）

0 引言

車用CNG復(fù)合材料氣瓶具有重量輕、剛性好、強(qiáng)度高、韌性高、防腐和受到?jīng)_擊破壞時(shí)不會(huì)產(chǎn)生危險(xiǎn)性碎片等優(yōu)點(diǎn)，應(yīng)用廣泛[1-2]。在車用CNG復(fù)合材料氣瓶中，CNG-2型復(fù)合材料氣瓶占據(jù)的比例最高。CNG-2型氣瓶以鋼或鋁為內(nèi)膽，采用樹脂浸漬、纖維材料環(huán)向纏繞。但由于表面硬度低、耐磨性差，在制造和使用過程中，充、放氣過程中熱的沖擊、外力沖擊后易在復(fù)合材料層內(nèi)形成缺陷，導(dǎo)致強(qiáng)度降低、失效事故[3]。

作為典型的復(fù)合材料壓力容器，CNG-2型復(fù)合材料氣瓶需要進(jìn)行定期檢測(cè)，以保障其安全性。為此，我國(guó)制定了相應(yīng)的國(guó)家標(biāo)準(zhǔn)GB 24162-2009《汽車用壓縮天然氣金屬內(nèi)膽纖維環(huán)纏繞氣瓶定期檢驗(yàn)與評(píng)定》[4]，要求對(duì)CNG-2型氣瓶強(qiáng)制檢測(cè)。具體的項(xiàng)目包括外觀檢查、瓶口螺紋檢查、水壓試驗(yàn)、瓶閥檢驗(yàn)和氣密性試驗(yàn)等。目前的這些檢測(cè)項(xiàng)目?jī)H能檢測(cè)出顯著的表面損傷缺陷。內(nèi)部缺陷的定量檢測(cè)手段和指標(biāo)，國(guó)家標(biāo)準(zhǔn)沒有提及。檢測(cè)機(jī)構(gòu)在實(shí)際檢測(cè)過程中亦無(wú)內(nèi)部缺陷檢測(cè)項(xiàng)目。然而，復(fù)合材料內(nèi)部缺陷的存在夠成了非常大的安全隱患。因此，非常有必要在現(xiàn)有的氣瓶檢測(cè)基礎(chǔ)上增加內(nèi)部缺陷的定量檢測(cè)，并制定完善的檢測(cè)標(biāo)準(zhǔn)，以提高CNG氣瓶使用的安全性。

溫度是設(shè)備健康監(jiān)測(cè)最常用的指標(biāo)之一，缺陷的存在可能導(dǎo)致設(shè)備溫度分布異常[5-12]。含缺陷CNG氣瓶受熱后，氣瓶外表面溫度呈現(xiàn)出不均勻分布的特點(diǎn)。內(nèi)部缺陷的尺寸、深度等均會(huì)影響氣瓶表面溫度分布，反過來，根據(jù)氣瓶表面溫度分布可進(jìn)行內(nèi)部缺陷的檢測(cè)。

國(guó)家標(biāo)準(zhǔn)GB24162-2009《汽車用壓縮天然氣金屬內(nèi)膽纖維環(huán)纏繞氣瓶定期檢測(cè)與評(píng)定》關(guān)于檢驗(yàn)準(zhǔn)備規(guī)定：用不損傷瓶體金屬以及纏繞層樹脂和纖維的適當(dāng)方法，將氣瓶?jī)?nèi)外表面的污垢、腐蝕產(chǎn)物、沾染物等有礙外觀檢查的雜物以及外表面的疏松涂敷物清除干凈。由于氣瓶?jī)?nèi)部殘留物中含有油污，單純用水很難清洗干凈，并造成了水資源的浪費(fèi)和污染。采用高溫高壓蒸汽進(jìn)行清洗，有利于油污從氣瓶?jī)?nèi)壁剝離，且節(jié)約了水資源，因此，檢測(cè)機(jī)構(gòu)常采用蒸汽對(duì)氣瓶?jī)?nèi)部清洗。蒸汽沖洗氣瓶的過程，同時(shí)也是加熱氣瓶的過程，氣瓶?jī)?nèi)部缺陷的存在會(huì)導(dǎo)致氣瓶外表面溫度分布異常。通過氣瓶外表面溫度測(cè)量信息，可進(jìn)行缺陷的檢測(cè)。

結(jié)合現(xiàn)有氣瓶檢測(cè)標(biāo)準(zhǔn)和工藝，本文提出了一種基于氣瓶?jī)?nèi)部蒸汽沖洗過程表面熱像的缺陷檢測(cè)方案。該方案以氣瓶沖洗過程的蒸汽為氣瓶的內(nèi)部熱激勵(lì)，基于紅外熱像儀采集的氣瓶表面瞬態(tài)溫度分布，利用人工神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)氣瓶纏繞層缺陷的定位和定量識(shí)別。并通過實(shí)驗(yàn)驗(yàn)證了該方案的有效性。

1 求解紅外特征的氣瓶傳熱模型

本文以內(nèi)膽材料為30CrMo合金，纏繞層材料為E玻璃纖維-環(huán)氧樹脂的復(fù)合材料氣瓶為研究對(duì)象。復(fù)合氣瓶幾何尺寸參數(shù)及氣瓶材料的熱物性分別見表1和表2。預(yù)埋缺陷為圓柱體缺陷，分別布置于內(nèi)膽處和1/2纏繞層處（缺陷距離檢測(cè)表面深度zd分別為7 mm、3.5 mm），缺陷厚度z0為1 mm，缺陷面積ad分別為78.5 mm2，314 mm2。

表1 復(fù)合氣瓶幾何尺寸參數(shù) Table 1 Geometrical parameters of composite gas cylinder

作為研究對(duì)象的三維非穩(wěn)態(tài)導(dǎo)熱過程如圖1。由于氣瓶?jī)?nèi)膽合金的導(dǎo)熱系數(shù)遠(yuǎn)大于玻璃纖維的導(dǎo)熱系數(shù)，可以認(rèn)為熱量通過內(nèi)膽傳遞損失小，溫度損失為2℃，故圖1中沒有畫出內(nèi)膽部分。左、前、后表面絕熱，右表面為對(duì)稱面。下表面（復(fù)合材料內(nèi)層）受到蒸汽吹掃加熱，上表面（氣瓶外表面）與環(huán)境存在對(duì)流換熱。缺陷內(nèi)部為純導(dǎo)熱，缺陷和氣瓶復(fù)合層交界面上溫度相同。

通過內(nèi)膽和纏繞層交界面的熱流連續(xù)，在非穩(wěn)態(tài)條件下，氣瓶溫度場(chǎng)T(x,y,z,τ)的控制方程和邊界條件分別為：

表2 復(fù)合氣瓶材料的熱物性參數(shù)Table 2 Thermophysical properties of cylinder materials

圖1 缺陷氣瓶三維非穩(wěn)態(tài)導(dǎo)熱過程示意圖 Fig.1 Diagram of three-dimensional unsteady heat conduction process of defective gas cylinder

式中：T表示在時(shí)刻τ時(shí)，坐標(biāo)點(diǎn)(x,y,z)的瞬時(shí)溫度；ρ為密度；cp為比熱容；λ1、λ2、λ3分別為x,y,z方向的導(dǎo)熱系數(shù)；上表面對(duì)流換熱系數(shù)h0＝8 W/m2·K；環(huán)境溫度Th＝20℃；初始溫度T0＝148℃。

氣瓶纏繞層是由纖維按照螺旋和環(huán)向纏繞方式逐層纏繞而成，且纖維材料的各向異性，導(dǎo)致氣瓶纏繞層在x,y,z各方向的導(dǎo)熱系數(shù)不同，熱量在x,y,z各方向的傳遞路徑不同。因此，不同形狀、深度的氣瓶?jī)?nèi)部缺陷，經(jīng)加熱后，氣瓶外表面呈現(xiàn)形狀不同的缺陷色斑，如圖2(a)與圖2(b)所示，由此得到的缺陷色斑深度、面積與真實(shí)缺陷的深度、面積存在較大的誤差，通過人工神經(jīng)網(wǎng)絡(luò)可以得到精確的識(shí)別面積aid和識(shí)別深度zid。

2 氣瓶缺陷紅外定位及定量識(shí)別算法

2.1 網(wǎng)絡(luò)模型構(gòu)建

BP神經(jīng)網(wǎng)絡(luò)是一種多層前饋神經(jīng)網(wǎng)絡(luò)，是目前應(yīng)用最為廣泛的神經(jīng)網(wǎng)絡(luò)模型之一[13-18]，其算法結(jié)構(gòu)簡(jiǎn)單，能夠擬合輸入輸出量之間的關(guān)系。BP神經(jīng)網(wǎng)絡(luò)通常包含輸入層、隱含層、輸出層。其算法的基本思想是，學(xué)習(xí)過程由信號(hào)的正向傳播與誤差的反向傳播兩個(gè)過程組成。正向傳播時(shí)，輸入樣本從輸入層傳入，經(jīng)隱含層處理后，傳向輸出層。若輸出層的實(shí)際輸出與期望輸出不符，則轉(zhuǎn)入誤差的反向傳播階段，采用誤差反向傳播算法不斷調(diào)整各層權(quán)值，直到網(wǎng)絡(luò)輸出的誤差減小到可接受的程度[19]。

氣瓶?jī)?nèi)部缺陷的快速檢測(cè)方案如下：以通過紅外熱像儀獲得的氣瓶外表面熱像為基礎(chǔ)，在表面熱像上均勻離散出N個(gè)溫度測(cè)點(diǎn)。以溫度測(cè)點(diǎn)的最大溫差δTmax、缺陷色斑面積asp、最佳時(shí)刻τop為輸入；以缺陷的識(shí)別深度zid和面積aid為輸出。構(gòu)建的BP人工神經(jīng)網(wǎng)絡(luò)模型，如圖3所示，模型的具體輸入為X＝[δTmax,τop,asp]，輸出為缺陷參數(shù)ac＝[zid,aid]之間變化關(guān)系的。

2.2 神經(jīng)網(wǎng)絡(luò)的輸入

1）最大溫差δTmax

在復(fù)合材料氣瓶蒸汽吹掃加熱過程中，通過紅外熱像儀采集分析軟件控制紅外熱像儀，全程監(jiān)視氣瓶溫度場(chǎng)變化，直到紅外熱圖缺陷色斑顯示最為明顯，軟件自動(dòng)獲取最大溫度梯度，即缺陷中心溫度與同一高度正常區(qū)域溫度值相差最大，此時(shí)的溫度差值為最大溫差。

圖2 模擬缺陷變化Fig.2 Simulated defect changes

2）最佳時(shí)刻τop

獲取到最大溫差δTmax的時(shí)刻即為最佳時(shí)刻。

3）缺陷色斑面積asp

缺陷色斑面積asp可以通過軟件將獲取的紅外熱圖經(jīng)圖像后處理獲得。如圖4所示。圖像后處理過程為對(duì)含缺陷氣瓶紅外熱圖進(jìn)行灰度化、二值化處理，OpenCV提取缺陷的輪廓，計(jì)算輪廓面積。

3 氣瓶缺陷檢測(cè)實(shí)驗(yàn)系統(tǒng)

CNG氣瓶的紅外熱像可以反映出其內(nèi)部缺陷。利用VC＋＋語(yǔ)言編制紅外熱像儀采集分析軟件。在氣瓶中預(yù)制了不同尺寸、深度的缺陷，通過采集分析軟件以一定的采集頻率捕獲非穩(wěn)態(tài)傳熱過程中對(duì)應(yīng)的氣瓶的表面熱像，以此為基礎(chǔ)，進(jìn)行神經(jīng)網(wǎng)絡(luò)的訓(xùn)練學(xué)習(xí)，訓(xùn)練后的人工神經(jīng)網(wǎng)絡(luò)以氣瓶表面熱像為依據(jù)反推缺陷的面積和深度。

將含預(yù)埋缺陷的復(fù)合材料氣瓶倒置于檢測(cè)實(shí)驗(yàn)臺(tái)，如圖5所示，實(shí)驗(yàn)平臺(tái)主要包括：紅外熱像儀、蒸汽發(fā)生器、轉(zhuǎn)臺(tái)、計(jì)算機(jī)、被測(cè)氣瓶等部分。通入150℃蒸汽對(duì)待測(cè)氣瓶進(jìn)行加熱，記錄在0～300s時(shí)間內(nèi)溫度數(shù)據(jù)。實(shí)驗(yàn)現(xiàn)場(chǎng)如圖6所示。

4 氣瓶缺陷紅外定位及定量的影響因素分析

在傳熱過程中，由于缺陷空腔內(nèi)的導(dǎo)熱系數(shù)很小，增加了熱量傳遞過程的熱阻，造成了大部分熱量繞過缺陷，由氣瓶?jī)?nèi)部向外表面?zhèn)鬟f過程中，缺陷所對(duì)應(yīng)的檢測(cè)表面區(qū)域溫度低于周圍溫度。不同深度、面積的缺陷及檢測(cè)時(shí)間對(duì)氣瓶外表面上的最大溫度差影響較大。經(jīng)實(shí)驗(yàn)數(shù)據(jù)整理，從缺陷深度、缺陷面積和缺陷厚度等因素著手進(jìn)行傳熱過程分析。

1）缺陷深度zd

從圖7～圖8可以看出，缺陷檢測(cè)表面的最大溫差δTmax隨缺陷距檢測(cè)表面的深度zd的增加而減少，原因是當(dāng)缺陷距離檢測(cè)表面非常小時(shí)，熱量繞過缺陷到達(dá)檢測(cè)表面，缺陷的影響大，檢測(cè)表面的最大溫差也較大；隨著深度的增加，缺陷的影響不再只是檢測(cè)表面對(duì)應(yīng)的微小區(qū)域，而是擴(kuò)展到整個(gè)復(fù)合材料的溫度場(chǎng)，檢測(cè)表面的溫度總體下降，造成檢測(cè)表面最大溫差減小，可檢測(cè)性下降。檢測(cè)時(shí)間的安排：從圖7時(shí)間軸來看，檢測(cè)表面上最大溫差隨加熱的進(jìn)行持續(xù)增大，在加熱停止后，最大溫差逐漸下降。

圖3 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.3 Structure of neural networ k

圖4 氣瓶缺陷紅外檢測(cè)Fig.4 Infrare d detection of gas cylinder defects

2）缺陷面積ad的影響

由圖9可以看出，最大溫差δTmax隨缺陷面積增加而不斷增大，原因在于缺陷面積的增加導(dǎo)致缺陷所影響的區(qū)域變大，繞過缺陷之后重新聚集到檢測(cè)表面的熱量變少，缺陷對(duì)應(yīng)的檢測(cè)表面最低溫度降低，溫差變大。

3）缺陷厚度z0的影響

從圖10中可以看出，檢測(cè)表面的最大溫差δTmax隨缺陷厚度z0的增加而增加。原因在于缺陷厚度越大，對(duì)熱量傳輸?shù)淖枇υ酱螅瑱z測(cè)表面溫度差越大。但總體來講，缺陷厚度的變化，氣瓶表面最大溫差變化較小，這點(diǎn)會(huì)給檢測(cè)工作帶來一定的困難。

5 樣本訓(xùn)練

為了更精確地對(duì)氣瓶缺陷進(jìn)行定量識(shí)別和定位，神經(jīng)網(wǎng)絡(luò)的樣本訓(xùn)練尤其重要。通過訓(xùn)練，不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使得網(wǎng)絡(luò)輸出誤差減小到可接受的程度。

樣本集是人工神經(jīng)網(wǎng)絡(luò)的根本，樣本的訓(xùn)練來源于兩個(gè)部分：

圖5 氣瓶缺陷紅外檢測(cè)平臺(tái)示意圖 Fig.5 Diagram of infrared testing platform for gas cylinder defects

圖6 氣瓶缺陷檢測(cè)現(xiàn)場(chǎng)實(shí)驗(yàn) Fig.6 Field test of gas cylinder defect detection

圖7 不同缺陷深度時(shí)最大溫差隨加熱時(shí)間的變化關(guān)系 Fig.7 The relationship between the maximum temperature difference δTmax and heating time at different defect depth zd(ad=314 mm2)

圖8 不同缺陷面積時(shí)最大溫差隨缺陷深度的變化關(guān)系 Fig.8 The relationship between the maximum temperature difference δTmax and the defect depth zd at different defect areas ad

圖9 不同缺陷深度時(shí)最大溫差隨缺陷面積的變化關(guān)系 Fig.9 The relationship between the maximum temperature difference δTmax and the defect areas ad at different defect depth zd

圖10 最大溫差隨缺陷厚度的變化關(guān)系 Fig.10 The relationship between maximum temperature difference δTmax and defect thickness z0

1）現(xiàn)場(chǎng)實(shí)驗(yàn)測(cè)試：已知缺陷和表面溫度梯度場(chǎng)的樣本集，如圖11（取上述試驗(yàn)氣瓶在150 s時(shí)的紅外熱像）所示；

2）仿真實(shí)驗(yàn)測(cè)試：現(xiàn)場(chǎng)實(shí)驗(yàn)樣本數(shù)量受到實(shí)驗(yàn)氣瓶數(shù)量的制約，為了營(yíng)造更多的樣本，采用有限元仿真的方法，建立與現(xiàn)場(chǎng)實(shí)驗(yàn)相同的氣瓶模型進(jìn)行仿真實(shí)驗(yàn)，如圖12所示。

從圖11和圖12中可看出，仿真結(jié)果和現(xiàn)場(chǎng)實(shí)驗(yàn)氣瓶溫度場(chǎng)相同，結(jié)果基本吻合。

為滿足高精度要求和縮短計(jì)算時(shí)間，將BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)成3層，隱含層傳遞函數(shù)為tansig，輸出層傳遞函數(shù)為purelin，訓(xùn)練函數(shù)為trainrp，隱含層神經(jīng)元個(gè)數(shù)為10，網(wǎng)絡(luò)訓(xùn)練最高次數(shù)為3000，訓(xùn)練目標(biāo)誤差為10－6。誤差收斂曲線如圖13所示。

6 實(shí)測(cè)結(jié)果

將預(yù)埋有兩個(gè)缺陷，缺陷1的深度zd為3.5 mm、面積ad為78.5 mm2，缺陷2深度zd為7 mm，面積ad為314 mm2的復(fù)合材料氣瓶放入CNG檢測(cè)線進(jìn)行100組試驗(yàn)，用吹掃蒸汽加熱，獲取紅外熱像如圖11。將上述熱像放入采集分析軟件，讀取相應(yīng)缺陷色斑與附近正常區(qū)域熱像的溫度差，利用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)，識(shí)別出纏繞層中相應(yīng)的缺陷情況，實(shí)現(xiàn)對(duì)缺陷深度定位和面積的定量識(shí)別，識(shí)別結(jié)果分別如圖14、15所示。

圖11 現(xiàn)場(chǎng)實(shí)驗(yàn)氣瓶溫度場(chǎng)圖 Fig.11 Temperature field diagram of field test of gas cylinder

圖12 氣瓶溫度場(chǎng)模擬云圖 Fig.12 Simulated cloud diagram of gas cylinder temperature field

圖13 訓(xùn)練誤差收斂曲線 Fig.13 Training error convergence curve

如圖14、15所示，使用BP神經(jīng)網(wǎng)絡(luò)算法識(shí)別的氣瓶缺陷深度和面積值接近真實(shí)的深度和面積值，能夠?qū)崿F(xiàn)對(duì)氣瓶纏繞層缺陷面積的定量識(shí)別和深度的定位。但也存在一定的誤差，造成此誤差的可能原因有：

1）定位，實(shí)測(cè)的溫度點(diǎn)在氣瓶上的位置，軟件溫度分析部分標(biāo)定溫度使用的溫度點(diǎn)存在偏差，造成了誤差；

2）定量誤差，氣瓶制造過程中，經(jīng)預(yù)緊導(dǎo)致制造的氣瓶預(yù)埋缺陷形狀發(fā)生變化，導(dǎo)致面積定量存在一定的誤差；

3）氣瓶自身復(fù)合材料層厚度不均勻，造成實(shí)測(cè)和仿真結(jié)果偏差；

4）由于復(fù)合材料導(dǎo)熱系數(shù)的各向異性，對(duì)缺陷尺寸識(shí)別結(jié)果有影響。

7 結(jié)論

本文對(duì)含缺陷的CNG氣瓶的傳熱過程進(jìn)行了分析，缺陷面積和深度等因素對(duì)氣瓶表面溫差影響較大；并利用BP神經(jīng)網(wǎng)絡(luò)算法，實(shí)現(xiàn)了由測(cè)量面溫度反演氣瓶?jī)?nèi)部缺陷的深度和面積，結(jié)果精確。證明了采用BP神經(jīng)網(wǎng)絡(luò)法進(jìn)行氣瓶缺陷檢測(cè)的可行性。通過模擬和現(xiàn)場(chǎng)測(cè)試，主要結(jié)論包括：

1）CNG復(fù)合層內(nèi)缺陷厚度很小，空腔中的自然對(duì)流和輻射換熱可以近似忽略。但實(shí)際可能會(huì)產(chǎn)生接觸，依然存在導(dǎo)熱，這點(diǎn)會(huì)影響精度，需要進(jìn)一步研究。

圖14 缺陷深度識(shí)別結(jié)果Fig.14 Results of defect depth recognition

圖15 缺陷面積識(shí)別結(jié)果Fig.15 Results of defect area recognition

2）實(shí)驗(yàn)測(cè)試顯示，溫度分析軟件存在的溫度標(biāo)定誤差在對(duì)復(fù)合材料氣瓶缺陷進(jìn)行定量識(shí)別和定位時(shí)，最重要的影響因素是最大溫差，可以通過編寫程序自動(dòng)獲取最大溫差。另外由于復(fù)合材料導(dǎo)熱系數(shù)的各項(xiàng)異性，對(duì)缺陷尺寸的定量識(shí)別結(jié)果有一定的影響。

3）本方法對(duì)CNG復(fù)合層缺陷具有很高的檢測(cè)效率，可以檢測(cè)氣瓶纏繞層中有限尺寸缺陷的面積以及缺陷深度，適用于氣瓶檢測(cè)生產(chǎn)線上的在線檢測(cè)。