技术领域
[0001] 本
发明涉及材料缺陷检测技术领域和
无损检测技术领域，尤其涉及一种材料缺陷检测设备以及材料缺陷检测方法。
背景技术
[0002] 近年来，各种新型
复合材料在飞机结构的建造过程中占据着日益重要的地位，甚至应用于关乎飞行安全的关键部位中。其中尤其以一种具有强吸声特性的层合多孔结构新型复合材料最为常见。该材料是一种由高强度
铝薄板和高强度玻璃
纤维增强
树脂交替层合、扎制而成的纤维增强金属材料，内部孔隙率大于90％。该材料在生产及使用过程中，由于人工操作、环境、外载等因素的影响，材料结构表面和材料内部会不可避免地存在孔隙、裂纹、纤维断裂等缺陷，这些缺陷严重影响了复合材料结构的
质量，危及飞行安全。因此如何预先判断飞机结构所使用的该特殊复合材料是否存在缺陷便至关重要。
[0003] 无损检测方法是一种能够预先发现或在线检测缺陷的方法，对保证复合材料结构的正常使用具有非常重要的意义。目前复合材料无损检测方法主要包括
超声波检测和红外检测等，但是
超声波检测无法识别薄板中的缺陷，红外检测对
隔热材料检测能
力不足。同时，由于飞机表面结构的特殊性，导致无法采取一般的对面检测的方式寻找缺陷。
发明内容
[0004] 本发明
实施例提供一种材料缺陷检测设备以及材料缺陷检测方法，用以解决
现有技术中存在的无法实现对材料内部进行无损检测的问题。
[0005] 本发明实施例提供一种材料缺陷检测设备，包括：用于检测的平面阵列
传感器、控制
电路和结果输出模
块，其中：
[0006] 所述平面阵列传感器，包括：多个检测
电极、端部屏蔽电极、极间屏蔽电极、传感器
基板、
信号线和基板背面屏蔽层，其中：
[0007] 所述控制电路与所述多个检测电极相连，用于控制对所述多个检测电极的
电压激励；
[0008] 所述多个检测电极以阵列方式排列在所述传感器基板的上方，所述多个检测电极之间分布所述极间屏蔽电极，在所述多个检测电极和所述极间屏蔽电极四周分布所述端部屏蔽电极，所述极间屏蔽电极与所述端部屏蔽电极分别接地；
[0009] 所述传感器基板的背面
覆盖有所述基板背面屏蔽层，以及分布有信号线；
[0010] 所述信号线与所述多个检测电极相连，且与所述结果输出模块相连，用于将检测
信号传输给所述结果输出模块；
[0011] 所述结果输出模块用于根据检测信号输出对应的检测结果。
[0012] 进一步的，所述结果输出模块，包括：
数据采集系统和成像系统，其中：
[0013] 所述数据采集系统与所述信号线相连，用于接收所述信号线传输的所述检测信号，并对所述检测信号进行处理，得到检测数据，并将所述检测数据传输给所述成像系统；
[0014] 所述成像系统基于所述检测数据生成检测图像，并将所述检测图像作为检测结果进行显示。
[0015] 进一步的，所述数据采集系统，包括：多通道数据采集单元、电容测量单元和通讯单元，其中：
[0016] 所述多通道数据采集单元，用于接收所述信号线传输的所述检测信号；
[0017] 所述电容测量单元，用于基于所述检测信号进行电容检测，得到电容值，作为检测数据；
[0018] 所述通信单元，将得到的所述电容值传输给所述成像系统。
[0019] 进一步的，所述成像系统，具体用于接收所述电容值；并基于所述多个检测电极的灵敏度矩阵和所述电容值，利用图像重建
算法，确定出被测对象的
介电常数分布矩阵；对所述介电常数分布矩阵进行滤波处理，得到所述介电常数分布矩阵包括的各介电常数在灰度图上各自对应的
像素灰度值；显示得到的各所述像素灰度值表示的灰度图像，所述灰度图像作为检测结果。
[0020] 进一步的，所述多通道数据采集单元在对被测对象的一次检测中接收的所述信号线传输的所述检测信号的数量为N，N个所述检测信号对应N个电容值；
[0021] 采用如下关系式确定被测对象的介电常数分布矩阵：
[0022] G＝STC；
[0023] 其中，G为被测对象的K维的介电常数分布矩阵，C为N维电容列向量，S为所述多个检测电极的N×K阶的灵敏度矩阵。
[0024] 进一步的，N＝n(n-1)/2，其中，n为所述多个检测电极的数量，所述N个电容值为每两个检测电极组成的电极对之间的电容值。
[0025] 进一步的，采用如下公式确定N维电容列向量C中的每个元素值Crij：
[0026] Crij＝(Cij-Cij(low))(Cij(high)-Cij(low))；
[0027] 其中，Cij为电极i和电极j组成的电极对之间的实际电容值，Cij(low)为电极i和电极j组成的电极对之间的低介电常数仿真电容值，Cij(high)为电极i和电极j组成的电极对之间的高介电常数仿真电容值。
[0028] 本发明实施例还提供一种基于上述材料缺陷检测设备的材料缺陷检测方法，包括：
[0029] 通过所述控制电路依次对所述多个检测电极的每个待检测电极对进行电压激励；
[0030] 根据每个待检测电极对被电压激励后产生的检测信号，输出对应的检测结果。
[0031] 进一步的，根据每个待检测电极对被电压激励后产生的检测信号，输出对应的检测结果，具体包括：
[0032] 对每个待检测电极对被电压激励后产生的检测信号进行处理，得到检测数据；
[0033] 基于所述检测数据生成检测图像，并将所述检测图像作为检测结果进行显示。
[0034] 进一步的，对每个待检测电极对被电压激励后产生的检测信号进行处理，得到检测数据，具体包括：
[0035] 基于每个待检测电极对被电压激励后产生的检测信号进行电容检测，得到电容值，作为检测数据。
[0036] 进一步的，基于所述检测数据生成检测图像，并将所述检测图像作为检测结果进行显示，具体包括：
[0037] 基于所述多个检测电极的灵敏度矩阵和所述电容值，利用图像重建算法，确定出被测对象的介电常数分布矩阵；
[0038] 对所述介电常数分布矩阵进行滤波处理，得到所述介电常数分布矩阵包括的各介电常数在灰度图上各自对应的像素灰度值；
[0039] 显示得到的各所述像素灰度值表示的灰度图像，所述灰度图像作为检测结果。
[0040] 进一步的，在对被测对象的一次检测中进行检测的所述多个检测电极的待检测电极对的数量为N，产生所述检测信号的数量为N，N个所述检测信号对应N个电容值；
[0041] 基于所述多个检测电极的灵敏度矩阵和所述电容值，利用图像重建算法，确定出被测对象的介电常数分布矩阵，具体为：
[0042] 采用如下关系式确定被测对象的介电常数分布矩阵：
[0043] G＝STC；
[0044] 其中，G为被测对象的K维的介电常数分布矩阵，C为N维电容列向量，S为所述多个检测电极的N×K阶的灵敏度矩阵。
[0045] 进一步的，N＝n(n-1)/2，其中，n为所述多个检测电极的数量；
[0046] 所述多个检测电极的待检测电极对，包括：所述多个检测电极的每两个检测电极组成的待检测电极对；
[0047] 所述N个电容值为每两个检测电极组成的电极对之间的电容值。
[0048] 进一步的，采用如下公式确定N维电容列向量C中的每个元素值Crij：
[0049] Crij＝(Cij-Cij(low))(Cij(high)-Cij(low))；
[0050] 其中，Cij为电极i和电极j组成的电极对之间的实际电容值，Cij(low)为电极i和电极j组成的电极对之间的低介电常数仿真电容值，Cij(high)为电极i和电极j组成的电极对之间的高介电常数仿真电容值。
[0051] 本发明有益效果包括：
[0052] 本发明实施例提供的方案中，材料缺陷检测设备包括平面阵列传感器，检测时将平面阵列传感器靠近被测对象，通过对平面阵列传感器的多个检测电极的电压激励，能够产生检测信号，且检测信号体现了被测对象内部的结构特征，根据检测信号输出对应的检测结果，即能够表明被测对象内部是否存在缺陷，从而实现对材料内部实现无损检测。
[0053] 本
申请的其它特征和优点将在随后的
说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、
权利要求书、以及
附图中所特别指出的结构来实现和获得。
附图说明
[0054] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0055] 图1为本发明实施例1提供材料缺陷检测设备的结构示意图；
[0056] 图2A为本发明实施例1提供的材料缺陷检测设备中的平面阵列传感器的
正面结构示意图；
[0057] 图2B为本发明实施例1提供的材料缺陷检测设备中的平面阵列传感器的背面结构示意图；
[0058] 图3为本发明实施例1提供的材料缺陷检测设备中的结果输出模块的结构示意图；
[0059] 图4为本发明实施例1提供的材料缺陷检测设备中的结果输出模块的数据采集系统的结构示意图；
[0060] 图5为本发明实施例2提供的材料缺陷检测方法的
流程图之一；
[0061] 图6为本发明实施例2提供的材料缺陷检测方法的流程图之二。
具体实施方式
[0062] 为了给出实现对材料内部进行无损检测的实现方案，本发明实施例提供了一种材料缺陷检测设备以及材料缺陷检测方法，以下结合说明书附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。并且在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0063] 实施例1：
[0064] 本发明实施例1提供一种材料缺陷检测设备，如图1所示，包括：
[0065] 用于检测的平面阵列传感器11、控制电路12和结果输出模块13，其中：
[0066] 如图2A和图2B所示，平面阵列传感器，包括：多个检测电极111、端部屏蔽电极112、极间屏蔽电极113、传感器基板114、信号线115和基板背面屏蔽层116，其中：
[0067] 控制电路12与多个检测电极111相连，用于控制对多个检测电极111的电压激励；
[0068] 多个检测电极111以阵列方式排列在传感器基板114的上方，多个检测电极111之间分布极间屏蔽电极113，在多个检测电极111和极间屏蔽电极113四周分布端部屏蔽电极112，极间屏蔽电极113与端部屏蔽电极112分别接地；
[0069] 传感器基板114的背面覆盖有基板背面屏蔽层116，以及分布有信号线115；
[0070] 信号线115与多个检测电极111相连，且与结果输出模块13相连，用于将检测信号传输给结果输出模块13；
[0071] 结果输出模块13用于根据检测信号输出对应的检测结果。
[0072] 进一步的，在上述材料缺陷检测设备中，如图3所示，结果输出模块13，可以包括：数据采集系统131和成像系统132，其中：
[0073] 数据采集系统131与信号线115相连，用于接收信号线115传输的检测信号，并对检测信号进行处理，得到检测数据，并将检测数据传输给成像系统132；
[0074] 成像系统132基于检测数据生成检测图像，并将检测图像作为检测结果进行显示。
[0075] 通过成像系统132将检测结果以图像的形式进行展示，能够更形象、更清楚的展示对被测对象的检测情况，及被测对象内部是否存在缺陷，以及存在缺陷的程度。
[0076] 本发明实施例1中，如图4所示，数据采集系统131，可以包括：多通道数据采集单元1311、电容测量单元1312和通讯单元1313，其中：
[0077] 多通道数据采集单元1311，用于接收信号线115传输的检测信号；
[0078] 电容测量单元1312，用于基于检测信号进行电容检测，得到电容值，作为检测数据；
[0079] 通信单元1313，将得到的电容值传输给成像系统132。
[0080] 相应的，成像系统132，可以具体用于接收通信单元1313传输的电容值；并基于多个检测电极111的灵敏度矩阵和接收的电容值，利用图像重建算法，确定出被测对象的介电常数分布矩阵；对介电常数分布矩阵进行滤波处理，得到介电常数分布矩阵包括的各介电常数在灰度图上各自对应的像素灰度值；显示得到的各像素灰度值表示的灰度图像，灰度图像即可以作为检测结果。
[0081] 其中，多个检测电极111的灵敏度矩阵S可以通过有限元
软件仿真，预先进行测量得到。
[0082] 在上述方案中，可以根据测量的电容值求出物质的分布，这一过程可以称为电容
层析成像(ECT，Electric Capacitance Tomography)，也可以称作图像重建。本发明实施例1中，可以采用如下图像重建方式确定出被测对象的介电常数分布矩阵：
[0083] 在该图像重建方式中，在对被测对象的一次检测中获得的检测信号的数量为N，N个检测信号对应N个电容值，N个电容值构成N维电容列向量C；在检测中，可以将被测对象的检测面划分为K个单元，则多个检测电极的灵敏度矩阵S为N×K阶矩阵；则介电常数分布矩阵G、电容列向量C和灵敏度矩阵S满足如下关系式：
[0084] C＝SG；
[0085] 由关系式可知，灵敏度矩阵S是一个不可逆矩阵，它的逆是不可求的，图像重建算法主要是解决这个问题，这里使用矩阵S的转置近似代替矩阵S的逆，则通过上述关系式可以得出矩阵G是一个K维的矩阵，即介电常数分布矩阵G为K维的介电常数列向量。
[0086] 所以，本发明实施例1中，可以采用如下关系式确定被测对象的介电常数分布矩阵：
[0087] G＝STC；
[0088] 其中，G为被测对象的K维的介电常数分布矩阵，C为N维电容列向量，S为多个检测电极111的N×K阶的灵敏度矩阵。
[0089] 进一步的，N＝n(n-1)/2，其中，n为多个检测电极111的数量，N个电容值为每两个检测电极组成的电极对之间的电容值。
[0090] 并且，为了减少系统误差，N维电容列向量C中的电容值，可以为对实际测量的电容值进行归一化处理后的值，例如，采用如下公式确定N维电容列向量C中的每个元素值Crij：
[0091] Crij＝(Cij-Cij(low))(Cij(high)-Cij(low))；
[0092] 其中，Cij为电极i和电极j组成的电极对之间的实际电容值，Cij(low)为电极i和电极j组成的电极对之间的低介电常数仿真电容值，Cij(high)为电极i和电极j组成的电极对之间的高介电常数仿真电容值。
[0093] 实施例2：
[0094] 根据同一发明构思，基于本发明上述实施例1提供的材料缺陷检测设备，本发明实施例2还提供一种材料缺陷检测方法，如图5所示，包括：
[0095] 步骤501、通过材料缺陷检测设备的上述控制电路，依次对平面阵列传感器的多个检测电极的每个待检测电极对进行电压激励。
[0096] 步骤502、根据每个待检测电极对被电压激励后产生的检测信号，输出对应的检测结果。
[0097] 下面结合附图，用具体实施例对本发明提供的方法进行详细描述。
[0098] 图6为本发明实施例2提供的材料缺陷检测方法的详细流程图，具体包括如下处理步骤：
[0099] 步骤601、通过材料缺陷检测设备的上述控制电路，依次对平面阵列传感器的多个检测电极的每个待检测电极对进行电压激励。
[0100] 其中，多个检测电极的待检测电极对，可以包括该多个检测电极的每两个检测电极组成的待检测电极对，例如，多个检测电极的数量为n，则每两个检测电极组成的待检测电极对的数量N为n(n-1)/2，相应的，得到N个检测信号。
[0101] 本步骤中，在对每个待检测电极对进行电压激励时，可以首先对n个电极中的1号电极施加交流电压激励，其它电极的极板通过C/V转换电路虚地，并通过控制电路中的后级的多路选通电路，选择一块虚地的电极板与激励电极构成待检测电极对。轮流对1-2，1-3，……，1-n电极对进行电压激励，得到对应的检测信号。
[0102] 当针对1号电极与其它所有电极
配对激励完成后，将激励电压施加至2号电极上，再依次对2-3，……，2-n电极对进行电压激励，依次循环。
[0103] 对于n个电极的平面阵列传感器，总共可得n(n-1)/2个测量数据，即获得一组含有被测对象内部信息的数据。
[0104] 步骤602、对每个待检测电极对被电压激励后产生的检测信号进行处理，得到检测数据；
[0105] 本步骤中，具体可以为基于每个待检测电极对被电压激励后产生的检测信号进行电容检测，得到电容值，作为检测数据。
[0106] 并且，为了减少系统误差，可以对得到的N个电容值进行归一化处理，如题采用如下公式进行归一化处理，得到N维电容列向量C中的每个元素值Crij：
[0107] Crij＝(Cij-Cij(low))(Cij(high)-Cij(low))；
[0108] 其中，Cij为电极i和电极j组成的电极对之间的实际电容值，Cij(low)为电极i和电极j组成的电极对之间的低介电常数仿真电容值，Cij(high)为电极i和电极j组成的电极对之间的高介电常数仿真电容值。
[0109] 步骤603、基于该多个检测电极的灵敏度矩阵和上述步骤602中检测得到的电容值，利用图像重建算法，确定出被测对象的介电常数分布矩阵。
[0110] 本步骤中，多个检测电极的灵敏度矩阵S可以通过有限元软件仿真，预先进行测量得到，并且，在检测中，可以将被测对象的检测面划分为K个单元，则多个检测电极的灵敏度矩阵S为N×K阶矩阵。
[0111] 介电常数分布矩阵G、电容列向量C和灵敏度矩阵S满足如下关系式：
[0112] C＝SG；
[0113] 由关系式可知，灵敏度矩阵S是一个不可逆矩阵，它的逆是不可求的，图像重建算法主要是解决这个问题，这里使用矩阵S的转置近似代替矩阵S的逆，则通过上述关系式可以得出矩阵G是一个K维的矩阵，即介电常数分布矩阵G为K维的介电常数列向量。
[0114] 所以，本发明实施例2中，可以采用如下关系式确定被测对象的介电常数分布矩阵：
[0115] G＝STC；
[0116] 其中，G为被测对象的K维的介电常数分布矩阵，C为N维电容列向量，S为多个检测电极的N×K阶的灵敏度矩阵。
[0117] 步骤604、对得到的介电常数分布矩阵进行滤波处理，得到介电常数分布矩阵包括的各介电常数在灰度图上各自对应的像素灰度值。
[0118] 步骤605、显示得到的各像素灰度值表示的灰度图像，灰度图像即作为检测结果。
[0119] 采用本发明实施例提供的上述方案，通过对平面阵列传感器的多个检测电极的电压激励，能够产生检测信号，且检测信号体现了被测对象内部的结构特征，根据检测信号输出对应的检测结果，即能够表明被测对象内部是否存在缺陷，从而实现对材料内部实现无损检测。
[0120] 并且，在根据检测信号输出对应的检测结果的过程中，可以根据检测信号得到电容值，并采用电容层析成像算法，首先基于检测得到的电容值，确定出检测面被划分成K个单元的被测对象的介电常数分布矩阵，并对已知的介质常数分布矩阵进行滤波处理，采取
阈值设置的方法，使不同的介电常数在灰度图上以不同的像素灰度值表现出来，从而得到更加清晰的介质分布的灰度图像。根据得到介电常数灰度图，即可以比较直观的了解被测对象的材料的结构分布情况，从而可以有效的描述材料内部缺陷情况。
[0121] 本发明实施例提供的方案，可以针对飞机结构中特殊复合材料的缺陷分布情况的无损检测方法，结构紧凑，制作成本低，工作可靠，灵敏度高，实现了复合材料离线和在役的实时监测。
[0122] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些
修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
