航空發動機孔探技術探索與研究

中國航發沈陽發動機研究所 □鄧沛洲

北京空間機電研究所 □武曉東

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

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

近二十年， 國外立體視覺技術和工業內窺技術的發展十分迅速， 其中美國GE 公司的韋林、日本的奧林巴斯Olympus 處于領先地位， 但兩者各有千秋。 日本Olympus 研制的IPLEX NX和GX 系列工業內窺鏡， 在航空航天、 石油化工等行業應用極為廣泛。 而GE 韋林在航空領域深入耕耘， 在原雙物鏡測量基礎上開發的3D 立體測量技術， 測量能力提升極大， 尤其針對零件表面深度測量， 操作簡單， 數據準確。

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，用人工智能的方法掃描錄像。 檢測過程中， 計算機系統發現零件缺陷時， 顯示屏會實時提醒， 用顏色直觀的告知檢查人員此時零件狀態及超差程度。 孔探錄像掃描完成后， 系統自動將缺陷對應的一幀圖片提取出來， 匯總形成報告。 該系統的識別率和報錯率是95%， 同時隨著檢查發動機數量的增長， 它的識別能力也將不斷增強， “越用越聰明”。

國內在工業內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。 近年來， 隨著工業內窺鏡民用市場的不斷拓展以及內窺鏡技術的成熟， 部分民企進入市場， 國產內窺鏡在石化、 電力、 機械制造方面也得到廣泛應用， 并逐步形成相應的體系。 國內目前工業內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較為成熟， 但在內窺測量、 動態成像效果等方面， 與國外內窺鏡仍有差距。

高清晰度、 微型化以及智能化， 是工業內窺鏡發展的必然趨勢， 下文從這幾個方向逐項論述。

(1) 高清晰度

目前航空發動機內窺鏡檢查過程中， 最常用的內窺鏡為6mm 規格， 通過專門設計的孔探孔， 能滿足大多數流道檢查要求。 實際在發動機中， 部分區域由于尺寸限制， 6mm 的內窺鏡無法到達， 如某型號外罩檢查， 由于尺寸限制， 只能使用4mm 規格的內窺鏡進行檢查。 行業內目前較為高端的工業內窺鏡， 6mm 規格的設備能夠達到200W 像素清晰度。 單純從像素方面看，工業內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瓶頸。 工業內窺鏡在探頭線中集成了圖像傳感器、 導向線束、 鏡頭、光源等多個機構， 受內窺鏡探頭線直徑限制， 目前6mm 規格的內窺鏡目前只能容納1/6 英寸左右的圖像傳感器， 從這一點上來看， 探頭線直徑對工業內窺鏡的成像質量有重要的影響。

工業內窺鏡想要實現更高的清晰度， 需要圖像傳感器集成工藝進一步發展， 將高清晰度圖像傳感器集成至更小尺寸。 此外較細的工業內窺鏡可進一步拓展發動機流道可達區域， 實現非常規部位檢查， 提升發現故障的能力。

(2) 微型化

按照GE 韋林和Olympus 的內窺鏡劃分方法， 工業內窺鏡發展分為四個階段， 其設備體積逐步小型化， 由臺式向手持式轉變。 但距離小型化的電子設備仍存在不小的差距， 更遑論微型化。 從硬件上看， GE 韋林第三代產品為箱式結構， 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， 整體相當于一個20 寸行李箱大小。 近幾年出現的第四代產品， 整機為手持式結構， 全尺寸縮小至第三代產品的手持機大小。

隨著電子制造技術發展， 工業內窺鏡后端處理設備的大小進一步縮小， 影響設備小型化的主要因素集中在導向機構及電源模塊。 目前市面上出現一批簡易的工業內窺鏡， 其結構極簡單， 除前段探頭線外， 后段采用手機或平板作為視頻顯示裝置， 該類設備多采用預折彎結構， 在檢查之前調整好導向角度， 以此代替使用過程中的導向動作， 但該方法在檢查中存在諸多不便， 特別是在狹小空間， 預調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內窺鏡實現微型化道路上需要解決的最大問題。 當然， 在不需要調整成像角度的應用場景下， 內窺設備的微型化比較容易實現。

未來的流道檢查可能脫離孔探儀現有的形式， 以微型化機器人作為載體， 實現流道內檢查。 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窺鏡檢查方式。 蛇形機器人作為可彎曲管路， 內部攜帶一定數量的機械微型爬蟲。 深入發動機內部后， 蛇形機器人釋放微型爬蟲， 使其到達更狹窄的內部空間。 爬蟲攜帶攝像頭， 捕獲內部視頻圖像信息， 完成損傷檢測后， 爬蟲自主返回蛇形機器人， 被其帶離出發動機內部環境。 蛇形機器人、 微型爬蟲和快速損傷判別是其三大核心技術。

(3) 智能化

內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， 包含發動機零件缺陷孔探影像機器智能診斷和缺陷智能預測兩個方面。 發動機零件缺陷孔探影像機器智能診斷基于發動機的孔探圖像特征和樣本圖像數據， 采用圖像識別、人工智能診斷、 專家系統等關鍵技術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， 有效避免人員經驗差異、 視覺疲勞、 標準理解不同等人為因素影響， 使孔探檢查工作趨于標準化和智能化。 缺陷和使用情況智能預測系統在實現計算機識別孔探影像缺陷功能后， 將識別的結果整合， 通過與特征分類識別的結構化數據庫對比， 實現提醒預警。 同時通過數據對比分析，實現按時序預測缺陷擴展變化過程。

通過內窺鏡檢查的智能化可預測發動機流道件出現故障的時機， 提前預警， 減少發動機故障發生率， 降低發動機故障造成的經濟損失， 提升產品經濟價值， 同時提升內窺鏡檢查效率， 減少用戶運維成本， 實現零件缺陷擴展趨勢監控， 提高航空發動機的可靠性。

(1) 成像技術

目前工業內窺鏡成像主要通過CCD 或CMOS 傳感器。 CCD 圖像傳感器工藝比較成熟， 因像素竄擾產生的固定圖樣噪聲及瞬時噪聲較小， 在成像質量上有一定優勢， 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， 多用于數字攝像機中。CMOS 傳感器則以其高度集成化和基于片上系統的低成本應用優勢， 目前廣泛地用于手機攝像頭、 數碼相機等產品上。 隨著CMOS 制造工藝的不斷成熟和性能的不斷提高， 兩者的成像質量差距在逐漸縮小。

(2) 圖像處理

在實際拍攝內部圖像時， 受環境、 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， 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。 內窺鏡檢查的“暗盒” 環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、 不同使用狀況的零件上呈現的色溫、 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， 國內工業內窺鏡廠商基本上直接應用現有研究成果或圖像算法。

(3) 測量技術

目前內窺鏡測量方法可以分為主動式測量和被動式測量技術。 被動測量技術通過攝像系統采集待測物體的二維圖像來計算物體的三維數據。雙目測量是較為常見的三維測量技術， 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， 然后根據三角測量的原理計算出圖像中各像素點的位置信息， 對數據處理后實現對物體的三維重構。 主動式三維測量技術主要采用結構光投影的方法， 通過相位掃描， 建立被測物體的3D 模型， 進而得到測量結果。

相比國外， 國內在三維結構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在內窺鏡上使用遲遲未實現。 清華大學韋爭亮等人曾開發出一種結構光三維測量系統， 該系統對于靜態物體的測量具有很高的實驗精度。 深圳大學、 山東大學在三維成像方面也有一定的研究。

(4) 圖像識別技術

圖像識別技術是目前高校研究的熱點， 國內部分高校在基于深度學習的圖像識別技術上進行了大量的研究， 具備內窺圖像識別處理的能力。曠可嘉采用深度學習算法實現了孔探檢查缺陷識別。 王德廉使用深度學習技術建立圖像識別的系統， 獲得較高的識別準確率。 馬雪東使用深度學習框架開發了電商產品圖像識別系統， 并搭建用于展示的網絡平臺。 此外， 百度、 谷歌等互聯網企業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用。

國內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、 深度學習與內窺圖像處理等技術結合方面， 已經取得一定的突破。 但目前國內的研究成果缺少有效轉化， 特別是在內窺鏡檢查方面， 尚未形成工業應用實例。

(1) 智能識別技術研究

基于智能識別的技術首先要從規范內窺檢查數據采集要求入手， 建立內窺圖像采集標準， 將外場發動機、 主機廠交付及例行長試發動機的檢查數據進行整合， 為數據處理、 在線監控建立基礎。 此外， 基于大批量數據的管理需求， 建議建立特征分類識別的結構化數據庫， 將航空發動機研制、 生產、 使用、 維護全生命周期的缺陷圖像作為基礎數據上傳至數據庫中， 并通過專家系統建立基礎的維護保障策略(如圖1 所示)。 在應用過程中， 通過對提交的孔探圖像及數據， 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。 通過離線數據對比， 將算法封裝在孔探檢查設備中， 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， 實現離線數據處理。 后續待技術成熟， 可參照GE 外場維護模式， 建立數據中心， 實現缺陷數據的在線監控及處理。

圖1 內窺檢查圖像數據庫架構

(2) 硬件系統研究

工業內窺鏡硬件系統， 目前國內行業已經有一定的技術基礎， 硬件系統成熟度較高。 從技術發展路徑及展望來看， 未來內窺檢查的形態將發生大的變化， 脫離現有內窺鏡， 由微型機器人實現檢查。 但從目前行業內外的研究信息來看， 微型化技術實現難度極大。 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域， 將微型機器人吸附于轉子葉片上， 通過轉子葉片轉動， 拓展檢查的可達性， 實現靜子部分檢查， 提高發動機內部流道檢查范圍。