资源描述：
《航空发动机内部裂纹自动测量方法研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。
1、ComputerEngineeringandApplications计算机工程与应用2016，52（11）233航空发动机内部裂纹自动测量方法研究1122李华，陈果，陈新波，王洪民1122LIHua,CHENGuo,CHENXinbo,WANGHongmin1.南京航空航天大学民航学院，南京2100162.海军航空工程学院青岛校区，山东青岛2660001.CollegeofCivilAviation,NanjingUniversityofAeronauticsandAstronautics,Nanjing210016,China2.QingdaoCampus,
2、NavalAeronauticalEngineeringInstitute,Qingdao,Shandong266000,ChinaLIHua,CHENGuo,CHENXinbo,etal.Studyonautomaticmeasurementmethodforaero-engineinnerdamagecrack.ComputerEngineeringandApplications,2016,52（11）：233-237.Abstract：Thevisualinspectionbasedonanendoscopehasplayedanimportantrol
3、einmodernfaultdiagnosisofaero-engines.Anautomaticmeasurementapproachtocracksoftheaero-engineinnerpartsisstudiedinthispaper.Inthismethod,theareaofthecrackneedstobeselected,itissubjectedtoimagere-processing,andthepseudocracksareremoved,thecrackismeasuredandcalculated.Automaticmeasurem
4、entsystemhasdevelopedbasedonthismethod.Theautomaticmeasure-mentsystemincludescracksegmentation,crackidentification,andmeasurement,anditcansolvethedisadvantagesoftra-ditionalinspectionmethod,suchas,excessiverelianceontheinspector’sexperience,lowinspectionefficiency,andpooraccuracyofm
5、easurement.Severalexperimentsareusedtoverifytheeffectivenessandpracticalityofthedevelopedsystem.Keywords：aero-engine;imageprocessing;crackmeasurement摘要：基于内窥镜的视觉检测技术在现代航空发动机故障诊断中发挥着重要的作用。针对航空发动机内部部件损伤产生的裂纹，提出了一种裂纹自动测量方法。该方法需要选取裂纹所在区域，对其进行图像预处理，去除图像中的伪裂纹，进行裂纹测量计算。基于该方法，开发了集裂纹分割、裂纹识别、裂
6、纹测量为一体的航空发动机内部损伤裂纹的自动测量系统，解决了孔探裂纹检查中严重依赖工作人员经验、测量结果准确性较差、效率较低等问题。通过多组发动机孔探图像的裂纹测量实验证明了所开发系统的正确有效性和普遍实用性。关键词：航空发动机；图像处理；裂纹测量文献标志码：A中图分类号：TP182doi：10.3778/j.issn.1002-8331.1407-0423[3]1引言空发动机的维修。由于航空发动机燃烧室一直处于高温、高压、高转基于内窥镜的孔探技术已经成为监测发动机运行速的状态下工作，因此极易出现损伤。发动机常见的损状态和诊断其内部表面损伤的有效手段之一。原始的
7、伤主要有：裂纹、刻痕、压坑、撕裂、凹痕、烧伤、腐蚀、叶人工检测由于依赖检查员操作正确性和经验，其正确度[1]容易受主观因素影响。随着数字图像处理技术和计算尖卷边。这些裂纹若不能及早发现会在交变载荷等作[2]机视觉技术的推广应用，智能型发动机视觉检测技术已用下不断扩展，引发灾难性断裂事故。一些不易拆卸[4]且检验可达性较差的零部件都使用孔探技术来完成。成为发动机原位无损检测研究的热点。孙慧贤等人在孔探技术是无损检测技术的重要手段，已普遍应用于航对航空发动机篦齿盘均压孔裂纹形成原因和裂纹形态基金项目：国家自然科学基金（No.61179057）。作者简介：李华，女，
8、硕士，主要研究方向：专家系统、智能诊断
