[發明專利]一種航空發動機扇形段葉片缺陷檢測識別方法

在審

• 申請號: 202210983494.4
• 申請日: 2022-08-16
• 公開（公告）號: CN115330731A
• 公開（公告）日: 2022-11-11
• 發明（設計）人: 劉璐;段發階;李天宇;劉昌文;張亞隆
• 申請（專利權）人: 天津大學;中國航發四川燃氣渦輪研究院
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/11;G06T7/13;G06T7/60;G06T7/62;G06V10/764
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 劉子文

1.一種航空發動機扇形段葉片缺陷檢測識別方法，其特征在于，包括以下步驟：

S1.通過激光三維傳感器對被測扇形段葉片的前緣、后緣、根部、葉身分別進行逐列掃描獲得相應的三維點云數據，通過拼接后，獲取所述被測扇形段葉片的三維坐標點云數據；

S2.對所得三維坐標點云數據進行點云缺陷分割，基于歐氏距離法對三維坐標點云進行分割得到點云缺陷的幾何特征；

S3.對點云缺陷的幾何特征進行擬合，分別計算點云缺陷區域的邊界周長P、缺陷面積S、圓形度Rc、矩形度Rt、缺陷緊湊性C、區域占空比Rq、缺陷矩特征和橢圓偏心率Re，依據以上參數，基于DAG SVM缺陷分類決策樹，對點云缺陷進行分類；

S4.經過S3分類后，任意選取點云缺陷數據，對選取點云缺陷數據進行幾何基元實現對扇形段葉片的缺陷檢測。

2.根據權利要求1所述一種航空發動機扇形段葉片缺陷檢測識別方法，其特征在于，步驟S2具體如下：

S201.基于聚類算法，進行點云缺陷邊緣檢測，對于點云缺陷的幾何特征，其邊緣表現為深度方向的坐標突變，采用空間歐式距離作為判別標準進行分類，將點云缺陷數據進行分割；

S202.基于梯度方向判斷算法，對S201提取出的邊緣進行連接，通過分析三維坐標點云數據中的每個邊緣點(x,y,z)鄰域附近的每個點，劃定準則，將識別出相似的點進行連接，組成完整邊緣信息；

S203.依據S202得到完整的的邊緣信息，基于目標紋理，外輪廓長度信息進行外輪廓搜索，剔除錯誤識別的邊緣，保留唯一的點云缺陷邊緣特征。

3.根據權利要求1所述一種航空發動機扇形段葉片缺陷檢測識別方法，其特征在于，步驟S4中，幾何基元擬合的過程包括：基于最小二乘法的直線擬合，基于RANSAC的平面擬合和基于最小二乘法的圓擬合；扇形段葉片表面經試驗后，產生裂紋、劃傷類缺陷，針對此類缺陷，采用最小二乘法對點云缺陷數據進行直線擬合，測量出點云缺陷長度信息；對于凹坑、擦傷類缺陷，對缺陷點云數據進行RANSAC的平面擬合，測量平面間的距離，獲得該類點云缺陷的深度信息；對于扇形段葉片葉根部分的點云缺陷，對點云缺陷數據進行最小二乘法圓擬合，測量出扇形段葉片葉根部分倒圓半徑。

4.根據權利要求1所述一種航空發動機扇形段葉片缺陷檢測識別方法，其特征在于，步驟S3中：

(301)邊界周長P；即為點云缺陷的外輪廓所占的像素點總數，(x,y)為點云坐標，R為點云數據集合；

(302)點云缺陷面積S，即為缺陷目標區域內的像素點總數；

(303)圓形度Rc，下式可計算出區域的重心坐標，用以表征點云缺陷的位置；(x_c，y_c)為點云缺陷區域的重心坐標位置；

下式用來計算目標圓形度，Ur和σ_r分別為區域重心到邊界點的平均距離和均方差；當目標邊界為圓時Rc＝1，否則Rc1；

(304)矩形度Rt，設點云缺陷區域的最小外接矩形的長邊長度用L_l，短邊長度用L_s表示，則矩形度為：

(305)缺陷緊湊性C，

(306)區域占空比Rq，定義為缺陷目標面積S與缺陷區域最小外接矩形的面積之比，即

(307)橢圓偏心率Re，與缺陷區域有著相同二階矩的橢圓的偏心率；偏心率是橢圓的焦距與主軸長度間距離的比率，其值在0和1之間；偏心率等于0和1是退化的情況：偏心率為0的橢圓是圓，偏心率為1的橢圓是線段。