首页/文章/ 详情

两机叶片丨空工大:基于数据增强与多尺度融合的航空发动机叶片服役损伤研究

9月前浏览853

为解决航空发动机叶片服役损伤检测中小尺寸损伤漏检率高、检测条件差异较大等问题,以YOLOv5框架为基础,提出了一种航空发动机叶片服役损伤检测方法。首先,提出了一种数据增强方法,通过随机仿射变换、HSV空间增强、随机横向纵向翻转3种方式,解决了叶片损伤类别样本不平衡,检测条件差异大的问题。其次,针对模型小尺度损伤检测能力弱的问题,提出了多核自适应卷积模块和多尺度特征聚合模块,提升了网络提取不同尺度损伤信息和损伤特征判别的能力,解决了叶片损伤样本尺寸较小,损伤外观特征不明显、检测精度低的问题。实验结果表明:改进模型相比基准模型,检测精度mAP@0.5提升了16.8%。对比实验中,改进模型检测精度高于Faster-RCNN、SSD、Deformable DETR、YOLOv8、YOLOv11和YOLOv12等主流的目标检测框架。另外与基于YOLO模型现有航空发动机缺陷模型SW-YOLO,YOLOv8-EMA对比,检测精度mAP@0.5分别提升了13.9%和15.3%。

键词:航空发动机叶片服役损伤;损伤检测;数据增强;多尺度融合;YOLOv5网络模型

航空发动机是一种高度复杂和精密的热力机械,被誉为航空飞行器的“心脏”。在航空领域,发动机叶片的健康状况对于保障飞行安全至关重要。随着工作时间的增长,发动机叶片会出现各种形式的服役损伤。服役损伤是航空发动机叶片在服役使用过程中产生的损伤(下文简称损伤)。本文关注的叶片缺陷检测即对服役损伤叶片的检测。叶片常见的损伤形式有腐蚀和机械损伤两种。腐蚀包括点蚀、氧化和硫化,机械损伤包括凹坑、撕裂、缺口和裂纹等不同类型的损伤。这些叶片损伤若未能在地面准确、快速地发现和修复,一旦被带到空中,就很可能会引起发动机工作异常,影响航空器的正常运行。因此,探索一种准确、高效率的叶片损伤检测方法对于及时发现潜在缺陷,消除隐患和事故具有重要的意义。


故障识别和状态检测在提高航空发动机可靠性、确保飞行安全、缩短维修时间、预估使用寿命、研究故障发展规律、提高耐久性和降低使用成本等方面是重要技术措施之一。现有的缺陷检测方法包括传统物理检测方式和基于深度学习的缺陷检测方式。其中传统检测方法包括了超声波检测、射线检测、涡流检测、渗透检测、磁粉检测和孔探检测等检测技术,可以实现叶片表面及内部缺陷检测,但这些方法存在检测效率低,检测成本高,检测精度高度依赖于人工经验和技术水平等缺点。近年来基于深度学习的缺陷检测技术和方法,不断更新和发展,具有仅依赖于图像信息输入、不依赖于设备技术状况与人工技术水平,检测精度高,检测速度快,可实现自动化检测等优点。然而,现有智能缺陷检测方法在航空发动机叶片检测领域应用程度有限,该方法比较依赖于损伤类型的大小,对于叶片裂纹等小尺寸损伤检测精度还有待提升。本文中的小尺寸损伤指的是在孔探图像上长度较短或面积较小(损伤尺寸像素占整个图像像素比例较小)的损伤情形。由于目视方法很难发现小尺寸损伤,并且人工成本较高,因此对发动机结构损伤进行精细鲁棒检测,是必要的,这有助于提早规避飞机飞行风险,保障人员和财产安全。分析目前应用于基于孔探图像的航空发动机叶片损伤检测的方法面临着以下几点挑战:(1)叶片损伤普遍尺寸较小,外观差异不明显,容易导致识别不准确。(2)算法效果的优劣容易受到孔探图像光照强度的影响。(3)获取到有损伤的叶片数据十分困难,且各损伤类别图片由于出现频次不同导致分布不均,容易导致训练不充分。基于上述问题,本文提出了基于YOLOv5的航空发动机叶片损伤检测方法,该方法从数据增强,多尺度特征提取以及特征融合三个层面出发,提出多尺度特征融合策略,基于现实航空发动机叶片工作场景数据优化了模型性能。


本文的贡献如下:


1)针对航空发动机叶片损伤类别样本不平衡,外观差异大的问题。本文提出了一套数据增强方法,使用随机仿射变换、hue,saturation,value(HSV)空间增强、随机横向纵向翻转等方式进行数据增强,实现更好的模型训练。


2) 针对损伤样本尺寸较小,外观特征不明显的挑战,本文提出了多核自适应卷积模块 multi-kernel adaptive convolution module(MFK-C3),通过不同卷积核提取不同尺度信息并提出了一种基于注意力机制的自适应融合方式,增强对不同尺寸损伤的感知能力。


3) 为了实现多尺度信息的充分融合,本文进一步提出了多尺度特征聚合模块multi- scalefeature aggregation module(MSPF),直接利用主干网络中的多尺度特征进行融合,提升了特征判别能力,实现检测精度的提升。

本文在进行模型训练前,为了满足实验的要求,总结分类了一个基于孔探图像的航空发动机叶片损伤评估数据集,其中包括了 4种最常见的损伤类型,分别是裂纹、烧蚀、缺块和变形,共3296张损伤样本,5093个标注框,涉及涡轮喷气和涡轮风扇发动机两种类别多种型号航空发动机。


本文的组织结构如下:首先引言部分介绍航空发动机叶片损伤检测的研究背景,并对本文的主要贡献进行了综述;第1章介绍缺陷检测和航空发动机叶片损伤检测的国内外研究现状;第2章介绍YOLOv5算法基本理论和本文针对航空发动机叶片损伤检测的研究改进方法;第3章介绍本文的数据集收集方式和信息统计情况;第4章介绍本文算法实验设计和实验结果;最后,第5章给出本文的结论。

1

国内外研究现状

1.1 缺陷检测

缺陷检测是工业生产中的一个关键环节,其目的是对生产过程中可能出现的缺陷进行识别、定位和分类,涉及电子制造、汽车制造、航空航天及机械加工等多个领域。


Lee等采用模型辅助检出概率过程定量评价无损检测的疲劳裂纹检测能力。通过物理实验获得超声信号与裂纹尺寸之间关系的线性模型,并通过传递函数进行校准。程宇等将CIVA软件应用于航空发动机小径管焊接质量数字射线检测,为实际制订检测工艺提供有效参考。杨戈等针对薄壁涡轮叶片开展了前后缘的涡流检测技术研究,研究表明针对叶片前后缘部位的开口闭合紧密类小尺寸缺陷采用涡流检测方法是最有效的方案。宋强等深入研究低压电流互感器表面裂纹形成机理和裂纹特性,提出一种渗透算法与改进型OPTA相结合的方法,通过改进的OPTA算法保证骨架图像的完全单像素化,降低了运算时间。杨志军等针对焊缝裂纹缺陷开展了焊缝裂纹磁粉检测缺陷识别研究,采用类似形态学梯度的方法和ostu自适应阈值分割提取出焊缝上的裂纹缺陷。


候小建基于深度学习对印刷电路板Printed Circuit Board(PCB)的表面缺陷进行了检测,研究了缺陷覆盖面积小检测难度高的问题。周华锋重点对于工业元器件的缺陷检测的精度与可靠度的提升进行了深入研究。


目前的工业缺陷检测已经从传统的图像处理方法向机器学习方法和深度学习方法方面发展。黄克腾等分析了工业零件表面缺陷智能检测算法在工业零件检测领域的研究路线,并总结了当前工业零件表面缺陷检测算法存在的关键问题及相应的解决策略。

1.2 航空发动机叶片损伤检测

航空发动机叶片损伤检测是保障航空发动机安全运行的关键工作。目前,孔探检测是航空发动机叶片损伤检测的主要技术。马作江等概述了孔探检测技术,分析了航空发动机叶片的常见故障类型并对现有孔探检测技术在发动机维修中的应用进行了分析。


虽然传统的孔探设备依靠其直观性和灵活性被广泛应用于发动机叶片的检测任务中,但也存在检测精准度和效率依赖于检查人员的经验、知识技能及工作状态的局限性。随着计算机视觉技术的快速发展,基于孔探技术的航空发动机叶片智能检测逐渐成为现实。


目前,基于YOLOv5模型的航空发动机叶片缺陷检测依旧是主流的解决方案。刘宜轩等针对航空发动机叶片缺陷检测过程中表面噪声较大以及检测精度较低的问题,提出了一种基于改进YOLOv5的叶片表面缺陷检测方法。采用 Kmeans++算法代替K-means算法对标记框进行聚类,获得最适合的锚框,在主干网络中使用CBAM注意力机制模块,并采用EIoU损失函数替换原CIoU损失函数,提高对叶片表面缺陷特征的提取能力。何宇豪等提出了基于孔探视频检测的SW-YOLO模型,模型在主干网络加入了空间通道注意力模块SC-CBAM,有效避免位置信息丢失,提高目标边界回归能力和定位的准确度。冯雄博提出了一种CBAM-YOLOv5s算法,通过在主干网络中嵌入CBAM注意力机制模块,使得主干网络能够提取更加有用且充足的特征。此外,利用enhance-CLAHE增强算法处理了航空发动机叶片DR缺陷图像数据集。魏永超等针对目前航空发动机叶片损伤检测精度低的问题,采用了坐标注意力机制和轻量级上采样算子,提出了一种基于改进YOLOv7的发动机叶片损伤检测模型YOLOv7CC。


总结分析航空发动机叶片损伤检测研究现状,可以得出,现有航空发动机叶片损伤智能孔探检测方法研究重点集中在为提升检测精度对检测模型各模块的改进提升上;同时针对损伤外观不明显引入不同注意力机制,提升了目标空间位置关注度;通过图像增强重点解决了照片表面的噪声问题。事实上,叶片损伤检测还因航空发动机叶片各类损伤类型出现的频率不同,导致采集到的数据集也存在类别严重不均衡问题,发现使用分布不均的数据进行训练非常影响模型性能,目前方法大多忽略了数据类别不均衡的问题。因此本文针对数据集中各类损伤类别和外形差异很多,提出了一套数据增强方法。另外,针对航空发动机叶片的损伤尺寸都较小,外观差异不明显问题,本文引入多尺度信息来提升模型判别能力,使模型能够更加关注细微损伤,本文创新性地提出了多核自适应卷积模块。针对多数研究中对于损伤深层次信息利用较少,多尺度特征融合不足的情况,本文创新性地提出了多尺度特征聚合模块。

2

基于YOLOv5的航空发动机叶片损伤检测方法

2.1 YOLOv5算法

 YOLOv5算法模型平衡了测试性能和模型大小两个方面,具有易于训练、占用内存小、便于在移动端部署和应用性强等特点,使其成为目前主流的目标检测算法之一。YOLOv5有多个版本,主要结构相同,但在一些小模块上有一些差异。本文选择使用YOLOv5-6.0为实验算法。YOLOv5-6.0的主要结构如图1所示。

图片  

图1 yolov5-6.0的结构

该模型包括了主干网络(Backbone)、颈部网络(Neck)和检测头(Head)三个关键部分,对于小尺寸损伤检测,有着更快的检测速度和较高的检测精度。


主干网络包括多个Conv模块、4个CSPDarkNet53(C3)模块和1个SPPF模块。其中Conv模块是卷积模块用于提取图像特征,C3模块用于增强网络特征提取能力,SPPF模块丰富了特征图表达能力,提高了检测准确性。颈部网络采用了特征金字塔网络feature pyramid network(FPN)和路径聚合网络path aggregation network(PAN)的结构。图2展示了YOLOv5中的FPN和PAN的结构。FPN结构通过3条路径得到包含丰富信息的特征金字塔,实现了多尺度上的语义表示。PAN结构基于FPN结构增加了自下而上的路径,补充了FPN自顶向下传递语义信息的不足,从而增强多尺度上的信息定位能力。


检测头部分是根据提取的特征图利用基于网格的锚点在不同尺度的特征图上进行目标检测,并生成目标检测的边界框和类别预测的过程。工作内容包括划分网格,生成候选边界框,输出置信度最高的边界框。

图片  

图2YOLOv5中的FPN和PAN结构

2.2 本文方法

2.2.1 总述

针对基于孔探成像的航空发动机叶片损伤检测问题,本文对YOLOv5检测算法的模型进行了改进,其中包括数据增强方法、基于多核融合卷积的损伤特征提取方法和多尺度特征聚合模块。算法总体框图如图3所示。


第一,本文提出了一种数据增强方法,包括随机仿射变换,HSV空间增强,随机横向纵向翻转等方式,有效解决了航空发动机叶片损伤样本不平衡,外观差异大的问题,并提升了模型对不同光照和背景条件的适应性。


第二,本文提出了多核融合卷积模块,通过不同卷积核提取不同尺度信息并提出了一种基于注意力机制的自适应融合方式,增强对小尺寸损伤的感知能力,解决了损伤样本尺寸较小,外观特征不明显的问题。


第三,本文提出了多尺度特征聚合模块,直接利用主干网络中的多尺度特征进行融合,提升了特征判别能力,实现了多尺度信息的充分融合,提升了模型利用多层信息的能力,提高了检测精度。

2.2.2 数据增强

由于发动机叶片损伤发生频率不一致,因此很难获取到相似数目的损伤数据样本,因此造成数据集类别不平均的问题。例如本实验数据集中,类别样本中裂纹和烧蚀的损伤框数量是缺块和变形损伤框数量的9.45倍。使用上述数据集容易对模型训练造成偏差。另外光照差异同样会影响模型训练。数据增强方法包括以下3种方式:


1)随机仿射变换


随机仿射变换是一种将随机性引入仿射变换参数中的方法,以增强数据的多样性,从而提高模型的鲁棒性和泛化能力。随机仿射变化针对小尺寸损伤,能通过改变图像的位置、大小和方向等使模型能够适应不同角度和尺寸变化。仿射变换是一种线性变换,包括平移、旋转、缩放和剪切等操作,它保持了点之间的直线关系,改变了距离和角度。其变换过程如式(1)所示。

图片  

式中X是原始点,X'是变换后的点,A是一个线性变换矩阵,b是一个平移向量。其中线性变换矩A由3部分组成,分别是旋转矩阵,缩放矩阵和剪切矩阵。例如,下面式(2)表示的是先进行旋转变换,再进行缩放变换,最后进行剪切变换的线性变换矩阵。

图片  

式中θ表示旋转角度,sx和sy表示缩放因子,kx和ky表示剪切参数。


2)HSV空间增强


HSV空间增强是一种图像处理技术,它基于颜色模型来增强图像。HSV空间增强可以消除图像整体亮度低,图像亮度不均匀,图内物体的轮廓、颜色不好分辨,物体细节不突出的问题,重点解决孔探检测受光照影响较大的情况,保证光照变化时的检测效果。本文基于发动机叶片材质反光特性,限制HSV扰动范围:H±10%,S±20%,V±15%。式(3)、式(4)、式(5) 即为图片像素RGB通道向HSV通道转换过程。

图片  

图3 本文网络结构图

图片  

式中X表示图片像素RGB三个通道数值中的最小值。


3)随机横向纵向翻转


随机横向纵向翻转是通过随机对图像进行水平(横向)或垂直(纵向)翻转可以生成镜像图像,增强模型的鲁棒性,并提高训练数据集的多样性。重点是对缺陷类别中数据量少的孔探缺陷照片进行扩充,解决训练中缺陷各类型数据量不均衡的问题。

2.2.3 多核自适应卷积模块

本文涉及到的四种损伤类型存在较大的尺寸和外观差异。其中裂纹和缺块损伤尺寸较小不易准确检测,特征提取的难度较大,而烧蚀和变形的损伤特征明显。针对上述问题,提出了多核自适应卷积模块MKF-C3,其结构如图4所示。具体来说,本文利用不同大小卷积核感受野不同的特性,使用3×3,5×5,7×7三种卷积核分别提取目标图像上不同尺寸的损伤特征。X1,X2,X3实现损伤特征的互补增强。其中,特征提取步骤如式(6)所示

图片  

其中ϕk×k表示卷积核为k的卷积层。


接下来,为了实现特征的自适应融合,本文提出了一种通道级别的自适应融合注意力机制。特征融合模块包括特征聚合和通道注意力生成两个步骤。


第一,使用多层卷积和池化层对提取到的特征集 合进行聚合,

图片  

其中M(·)表示的是Maxpool全局最大池化,V(·)表示的是Avgpool全局平均池化。


第二,将聚合后的特征,通过全连接层,生成通道级别注意力,并将注意力应用到聚合后的特征中,得到融合后的特征Xf,具体步骤如下,

图片  

其中φ(i)表示全连接层,S(·)表示Sigmoid激活函数。N(·)表示对权重尺寸进行扩展,使其和特征尺寸一致。⊗表示逐元素相乘。这种改进通过结合不同大小的卷积核和多种注意力机制,旨在提取更丰富的特征,并增强模型对不同尺度特征的学习能力,有助于提高模型的准确性和鲁棒性。

图片  

图4 多核自适应卷积模块结构图

2.2.4 多尺度特征金字塔融合模块

图片  

其中L表示Maxpool,是最大池化操作,其中L的下标表示的是池化核的大小。I(·)表示identity,是将输入的图形特征不做改变进行输出。


接下来,将输出的4种特征使用卷积进行级联操作聚合,实现特征的聚合,最终生成特征图图像并输出。

图片  

式中C表示的是concat级联操作。如图5所示,这种改进通过使用不同大小的池化核进行各分支的池化操作,提升了对图像浅层信息的提取,利用深浅层特征的互补特性,提升了特征的判别能力。

图片  

图5 多尺度特征金字塔融合模块结构图

3

航空发动机叶片实验数据集

3.1 数据集的采集方式

本文采集和获取的实验数据集全部来源于工业内窥镜拍摄的航空发动机叶片照片。其中拍照场景为航空发动机内涵道叶片的孔探图像,光照条件属于孔探探头正常光照,发动机包括了涡轮风扇发动机、涡轮喷气发动机等多种型号,叶片包括航空发动机的高低压压气机叶片和高低压涡轮叶片。


文献[2]、文献[27]和文献[28]将叶片损伤划分成腐蚀、凹坑、撕裂、缺口、卷曲变形、裂纹、划痕、烧蚀等类型,由于在航空发动机叶片损伤实际数据获取中,腐蚀和撕裂类的损伤出现频次较少甚至不出现,无法满足模型训练。因此,对上述类别进行了归类和重新划分,其中包括裂纹(crack)、烧蚀(ablation)、缺块(chunk missing)和变形(deformation)等4类,其中将主要情形包括叶片卷曲变形,叶片划痕,叶片凹坑等发动机叶片外形损伤但未发生材料缺失统一归类成叶片变形。

3.2 数据集的处理和统计

将叶片损伤图像按照编号顺序进行命名,使用专业标记软件labelimg中矩形框依次将损伤位置进行标注,其中标识符是选取的4种损伤类别。标注中确保准确分类并生成txt和xml格式的标注文件,并按照PASCAL VOC标准构建好可训练的数据集。各损伤类别样本如图6所示,损伤目标在矩形框内。

图片  

图6 数据集叶片损伤类别图片

统计数据集有损伤照片总计3296张,损伤标注框5093个。实验中随机选取3216张损伤照片作为训练集,选取80张损伤照片作为验证集,所有图像的分辨率统一为640像素×640像素。数据集各损伤框分类统计信息见表1。

图片  

表1 数据集分类统计信息

4

航空发动机叶片损伤检测实验与分析

4.1 实验环境、参数配置和流程

模型算法的实现首先需要设置实验环境,本实验的硬件环境配置见表2。本研究中的所有实验都基于以下相同的实验环境和采集到的数据集,其中训练的参数设置如下:输入图片的像素为640×640,训练总轮数为200,预热周期设为3,初始学习率为0.01,学习率衰减因子0.01,学习率动量0.937,权重衰减系数0.0005,批次大小为32,使用随机梯度下降法stochastic gradient descent(SGD)作为优化函数,交并比(IOU)阈值设置为0.5进行实验。

图片  

表2 实验环境配置

4.2 实验评价指标

本实验从模型结构参数和模型检测参数进行实验效果对比。


模型的结构参数主要包括训练前的可训练参数量、训练期间的运算速度及运算后生成的权重体积大小。可训练参数量是指模型训练过程中需要用到的参数数量,如神经网络的层数、每层的神经元数量等。参数数量的多少直接影响到模型的复杂度和性能。运算速度采用每秒帧数(FPS)和浮点运算数(FLOPs)进行评价,FPS是衡量模型推理速度的关键指标,表示模型每秒可以处理的图片数量;FLOPs反映了模型在进行一次推理时所需的计算量;权重体积指的是模型训练后保存的权重文件大小。


模型的检测参数主要包括准确率(Precision)、召回率(Recall)和平均精度(AP)。准确率指的是模型识别出的正确样本数占所有被识别为正样本的样本数量的比例;召回率指的是模型识别出的正样本数量占真实样本数量的比例;平均精度是一种综合考量准确率和召回率的综合评价指标,并用于计算不同类别的平均精度,其中mAP@0.5表示在交并比(IoU)阈值为0.5时各个类别的平均AP值。本文使用mAP@0.5和mAP@0.5:0.95作为评估指标,各检测评估参数计算公式如下:

图片  

4.3 对比实验

4.3.1 与现有缺陷检测领域模型对比

本文在对比实验中首先考虑到本文的研究内容是基于YOLO算法的航空发动机叶片损伤图像检测,在对比实验中应当优先选用基于YOLO系列的叶片缺陷检测领域的模型进行评估。因此,选取了2种改进的用于航空发动机叶片缺陷检测的模型进行对比,分别是SW-YOLO,YOLOv8-EMA。3种缺陷检测算法精度对比结果如表3所示,分析算法精度的对比结果,本文改进模型检测精度在mAP@0.5和mAP@0.5:0.95均高于两种缺陷检测模型,其中检测精度mAP@0.5分别比SW-YOLO和YOLOv8-EMA两种模型高13.9%和15.3%,mAP@0.5:0.95分别比SW-YOLO和YOLOv8-EMA两种模型高6.6%和5.5%,通过检测结果对比表明本文模型有较高的检测精度。

图片  

表3 与现有缺陷检测算法精度对比

4.3.2 与通用检测领域模型对比

图片  

表4可看出,本文的改进算法对于航空发动机叶片损伤目标的检测准确率在基于全区域的mAP@0.5和mAP@0.5:0.95都最高且与其他算法相比精度提升明显。所有对比算法中,FCOS方法的效果最好,相比于FCOS,本文方法在mAP@0.5和mAP@0.5:0.95上分别取得了4.7%和4.4%的提升。


此外,考虑本文使用的是YOLOv5模型,为了更好的检验检测效果,又补充了同框架的不同YOLO模型作为对比对象,包括模型YOLOv3以及比YOLOv5模型更新版本的模型YOLOv8、YOLOv11以及YOLOv12。对比实验结果见表4。从表4可看出,本文改进的算法对于航空发动机叶片损伤目标检测准确率是最高的。在同框架的YOLO各对比模型中YOLOv8的检测效果最好,但本文方法检测精度相比于YOLOv8模型,在mAP@0.5和mAP@0.5:0.95上分别高11.3%和2.9%。

4.3.3 与缺陷和通用检测模型可视化结果对比

为了更直观对比各模型对于航空发动机叶片的检测效果,本文选择缺陷检测领域对比模型SW-YOLO和YOLOv8-EMA,通用检测领域模型中检测精度最高的两种模型YOLOv8和YOLOvll和本文改进模型对重新收集的叶片服役损伤孔探图片进行智能检测,并进行可视化结果对比,具体见图7所示。通过图7可以得到,对于四种损伤形式,本文的改进模型都能够完整检测出结果,且效果最好。对比图中,对于叶片烧蚀,SW-YOLO和YOLOv8存在着漏检的情况,对于叶片缺块,SW-YOLO、YOLOv8-EMA和YOLOv11均产生了错检,对于叶片裂纹,YOLOv5s存在错检的情况。


此外,所有可视化对比模型所得检测结果的置信度除了YOLOv11的叶片烧蚀置信度比本文模型高0.07外,其余检测结果均是本文模型的置信度最高。综上可以得出本文模型对于航空发动机叶片损伤有较好的检测效果。

图片  

表4 与通用目标检测算法的精度对比

图片  

图7 不同检测模型可视化结果对比

4.4 消融实验

本文共提出4种改进的YOLOv5模型如下:


1)模型编号1:YOLOv5s;


2)模型编号2:在模型编号1的基础上使用数据增强方法进行训练的YOLOv5s;


3)模型编号3:在改进的模型编号2的基础上,将YOLOv5算法中的C3模块替换为MKF-C3;


4)模型编号4:在改进的模型编号3的基础上改进YOLOv5网络的特征金字塔为MSPF;


最终改进的模型:将数据增强、MKF-C3模块、多尺度特征金字塔融合模块MSPF同时部署在YOLOv5s网络中。


使用相同的超参数设置进行实验。实验的评价指标结果如表5所示。分析表5网络模型消融实验结果,对基础YOLOv5s网络模型进行数据增强后,检测精度mAP@0.5和mAP@0.5:0.95分别提升了15.5%和7.1%,此时整体网络的训练参数量及检测速度和浮点运算次数基本不变。在此基础上,在网络中使用MKF-C3替换C3模块后,检测进一步提升,mAP@0.5和mAP@0.5:0.95分别提升了0.5%和0.8%,使用了多尺度特征金字塔融合模块MSPF后,模型检测精度mAP@0.5又提升了0.8%。从检测速度、参数量和计算量比较,本文方法可以实现在适量增加参数并保持了较高的检测速度的条件下,提升了模型性能。改进的YOLOv5网络模型结构,在检测精度和浮点运算数上有了较大的提升,优化了基础网络结构的检测性能,为航空发动机叶片损伤检测的算法改进提供了思路。


表5中只是将数据增强部分作为整体,分析了这种改进对于模型检测的贡献。为了评估三种数据增强方法对于改进模型的作用,本文进行了数据增强方式的单因素消融实验,在消融实验中按照控制变量法细化为三个独立的实验,分别评估了无HSV、无随机仿射变换和无随机横向纵向翻转的模型检测效果,并与基础模型和本文模型进行了对比。表6是本文数据增强方法的消融实验结果,从结果分析,三种方法对于模型检测精度都有着不同程度的有效提升,本文实验中,作用效果排序依次为HSV、随机仿射变换、随机横向纵向翻转。通过数据分析,前两种手段贡献更大,第3种贡献小一些,但对于检测精度mAP@50也有着8.4%提升,对于mAP@50-95也有着2.6%的提升。实践中,航空发动机叶片损伤检测中,因为损伤类型出现频率的不一致,容易导致类别不平均,会对模型训练造成很大的困难,此外,孔探图像识别效果和传统检测相比受光照强度影响,目前方法对此问题关注的比较少,本文发现数据增强能够显著提升模型性能,从表6可以看出,简单使用YOLOv5的mAP@50效果为36.0%,加入数据增强后,效果提升了15.5%。本文旨在揭示数据增强在航空发动机叶片损伤检测中的重要作用,并且对现有损伤检测方法进行测试和选择。为后续研究提供基础。

图片  

表5 改进的YOLOv5s网络模型消融实验

图片  

表6 数据增强方法消融实验

4.5 实验结果分析

本文实验中设置了200轮训练轮次,进行算法模型的学习与训练,最后实现模型各参数指标的收敛。改进后YOLOv5算法的各评价指标参数均已收敛,检测精度指标中mAP@0.5从初始的36.0%提升至52.8%,mAP@0.5-0.95从初始的15.5%提升至23.3%。结果证明,改进后的YOLOv5算法对航空发动机叶片损伤检测精度提升效果明显。


图8表示了本文模型分别对数据集中4种损伤类别的检测精度与召回率之间的PR曲线。图9是4种损伤类别在本文模型训练收敛后得到的混淆矩阵,显示了模型预测的类别与实际类别之间的关系。这些指标可以更好地理解模型的性能。图10是本文模型在本文数据集验证集上的可视化结果图,从结果可以看出,本文方法能够对航空发动机叶片损伤进行有效的检测。


为了全面验证本文改进模型的泛化能力,也为了更好的直观展示模型的训练效果,新增了基于航线孔探仪采集数据的盲测实验,实验中重新收集了发动机叶片服役损伤孔探图片,利用训练好的模型进行盲测并与人工目视结果进行对比,对比结果如图11所示。图11中上面四张图是由航线孔探仪采集到的数据,请四位专业的检测员进行目视,发现由于损伤尺寸较小,检测员无法在第一时间发现损伤,但是本文方法能够成功检测到细微损伤,通过对比图,从检测框的位置和置信度的数值可以直观展示了本文改进模型对航空发动机叶片损伤有较好的检测效果。

图片  

图8 本文检测算法的PR曲线

图片  

图9 本文检测算法的混淆矩阵

图片  

图10 本文算法在测试集上的可视化结果图

图片  

图11 本文检测算法对新的损伤叶片图像识别结果

与航线孔探仪目视结果可视化对比图

5

结论

针对航空发动机叶片小尺寸损伤漏检率高、检测条件差异性较大等问题,本文提出了一种基于YOLOv5的航空发动机叶片损伤检测方法,本文方法主要包括3种改进:第一,针对采集数据中损伤类型分布不均,样本数量不平衡的问题,提出了一种数据增强方法,第二,针对损伤尺寸较小,特征不明显的问题,提出了多核融合卷积模块,通过不同卷积核提取不同尺度信息并提出了一种基于注意力机的自适应融合方式,提升了对小尺寸损伤的感知能力。第三,为了实现对图像多尺度信息的充分融合,提出了多尺度特征聚合模块,直接利用主干网络中的多尺度特征进行充分融合,提升了特征判别能力。


本文方法在采集的数据集上检测精度mAP@0.5从36.0%提升至52.8%,提升16.8%,mAP@0.5:0.95从15.5%提升至23.3%,提升7.8%。模型检测精度超越了现有缺陷检测领域模型SW-YOLO和YOLOv8-EMA。相比于通用检测模型中检测精度最高的FCOS和YOLOv8,mAP@0.5分别高4.7%和11.3%,mAP@0.5:0.95高4.4%和2.9%。

声明: 本文来源于网络, 仅供交流分享, 若涉及版权等问题请留言, 我们会及时处理


来源:两机动力先行
Deform疲劳电路通用航空航天汽车电子裂纹理论材料多尺度控制FASTDAP
著作权归作者所有,欢迎分享,未经许可,不得转载
首次发布时间:2025-11-09
最近编辑:9月前
两机动力先行
其它 聚焦航空发动机/燃气轮机关键技术...
获赞 101粉丝 137文章 473课程 0
点赞
收藏
作者推荐

涡轮丨621所:激光增材制造技术在航空发动机涡轮叶片材料中的研究进展

航空发动机涡轮叶片是飞机动力系统的核心部件,涡轮叶片的材料选择关系到航空发动机的推力、燃油效率和可靠性,直接影响飞机的性能和安全性。与传统制造技术相比,激光增材制造技术在设计自由度、制造成本、重量及机械性能等方面拥有显著优势,广泛应用于涡轮叶片材料的制造和生产。回顾了航空发动机涡轮叶片材料的发展历史,总结了涡轮叶片的服役条件及环境,分析了镍基高温合金、TiAl合金以及陶瓷基复合材料在发动机涡轮叶片上的应用现状,探讨了激光增材制造技术在涡轮叶片材料中的最新研究进展,并对未来涡轮叶片材料的研究方向进行了展望,包括材料性能的持续提升、激光增材制造技术的深入应用、新型材料的开发、成本效益的优化、全生命周期管理。关键词:涡轮叶片;激光增材制造技术;镍基高温合金;TiAl合金;陶瓷基复合材料1前言航空发动机是整个飞机的核心,其性能的优劣直接关系到飞机整体表现,因此被誉为“工业皇冠上的明珠”。在航空燃气涡轮发动机的众多部件中,涡轮叶片所处的工况最为严酷、承受的应力也最为复杂,它们在追求轻质小型化的同时,也是实现发动机高性能的关键要素。因此,如果将航空发动机视作飞机的心脏,那么涡轮叶片就是这颗心脏中最为关键的部分。如何发展优异性能的叶片材料及制造技术是提升发动机性能、提高推重比的关键。与传统制造技术(铸造、锻造等)相比,激光增材制造技术(laser additive manufacturing,LAM)在复杂形状、设计自由度、制造成本、交货周期、重量及机械性能等方面拥有显著优势,广泛的应用于叶片材料的生产和研发,为发展高性能涡轮叶片提供了技术支持。本文回顾了航空发动机涡轮叶片材料的发展历史,分析了涡轮叶片的服役条件及环境,总结了涡轮叶片材料(包括镍基高温合金、TiAl合金以及陶瓷基复合材料(ceramic matrix composites,CMC)的应用现状,探讨了LAM在涡轮叶片材料中的最新研究进展,并对未来涡轮叶片材料的研究方向进行了展望。2涡轮叶片材料的发展历史航空发动机涡轮叶片材料的发展经历了多个重要阶段,从最初的变形高温合金、铸造高温合金到定向凝固合金,最终到单晶高温合金及CMC,不断进步以满足更高的性能需求。高温合金材料作为涡轮叶片经历了四个阶段,主要包括变形(锻造)高温合金、普通铸造等轴晶高温合金、定向凝固高温合金和单晶高温合金(图1和表1),其中单晶高温合金材料在涡轮叶片中应用最为广泛。到目前为止,单晶高温合金材料经过多年发展,已经从第一代如PWA1480、CMSX-2、SRR99、RenéN4、AM3、DD3等发展到第六代如TMS-238等。进入20世纪80年代以后,陶瓷叶片材料开始被研究,旨在进一步提高叶片的耐温等级。同时,微叠层复合材料作为叶片的“热障涂层”也受到了重视,这种材料结合了金属间化合物的高温强度和韧性金属的抗蠕变性能,有效克服了金属材料的脆性问题。热障涂层作为一种覆盖在涡轮叶片表面的防护性陶瓷材料,具备低热传导性、高熔点、能在高温下保持稳定相态和化学稳定性等优势,已成为航空发动机制造中的关键技术。有研究表明当第1级涡轮叶片表面应用热障涂层后,能够实现冷却空气流量降低50%,并且显著提升叶片的使用寿命。随着航空发动机性能的不断提升,对涡轮叶片材料的要求也越来越高。CMC具有低密度、高强度、高刚度和优异的热稳定性,能够在高温环境下保持良好的性能。与高温合金相比,CMC拥有更高的承温能力、更低的密度、更优异的高温下持久强度和更高的灵活性,符合先进航空发动机性能提升对材料承温能力大幅提高的迫切需求,成为国内外先进航空发动机研究的热点。全球CMC市场规模预计将从2018年的81亿美元增长到2026年的207亿美元,年增长率超过19%。 图1 高温合金涡轮叶片的发展历程 表1 涡轮叶片材料的发展历史3涡轮叶片的服役条件以波音787飞机GE CF6涡轮发动机为例(图2),涡轮叶片根据其在发动机中的工作环境可以分为以下两类:①高压涡轮叶片,②低压涡轮叶片,两类叶片的对比见表2。从图2中可以看出各类材料在发动机中的使用比例,其中镍基高温合金使用的比例最高,目前涡轮叶片材料主要以镍基高温合金为主。随着航空发动机性能的不断提升,高压涡轮叶片的材料技术也在不断进步,例如采用定向结晶和单晶材料来增强叶片的抗热疲劳和抗热冲击性能。涡轮叶片的设计、制造和材料选择对于整个发动机的性能和可靠性至关重要。 表2 涡轮叶片的分类 图2 波音787飞机GE CF6涡轮发动机的材料分布涡轮叶片作为航空发动机中的关键部件,对服役条件、部件结构与性能极为苛刻,主要体现在以下几个方面。(1) 高温工作环境:涡轮叶片必须在极端高温条件下运行,随着涡轮技术的进步,涡轮进气口的温度持续攀升,现代军用发动机的这一温度已高达1850~2000K。叶片上的温度分布不均,榫头和叶根区域相对较低,而叶片中段至叶尖则处于高温状态;在叶片的横截面上,进气边和排气边都是高温区域。(2) 高应力工作环境:在大约12000r/min的转速下,涡轮叶片因自身重量而产生显著的离心力。叶片中部可能要承受高达140MPa的拉伸应力,而叶根区域的平均拉伸应力更是介于280~560MPa。此外,叶片上的应力分布并不均匀,特别是在进气边、排气边和叶片背部,这些区域承受的应力更为集中。(3) 腐蚀性工作环境:涡轮叶片面临着由高温燃气引起的氧化和热腐蚀问题。即便使用高规格的航空燃油,其中仍含有少量硫,这在飞机飞越沿海或海洋时尤为明显,因为发动机会吸入含NaCl的空气,形成Na2SO4并在叶片表面沉积,引发热腐蚀,这种腐蚀比单纯的氧化作用更为严重,可能导致叶片提前失效。(4) 复杂结构带来的风险:当前的涡轮叶片普遍采用空心设计,内部众多细小管道中流通高压冷空气,以实现强制冷却效果。为了提升冷却效率,叶片的内部结构设计愈发复杂,壁厚也逐渐减少。与实心叶片相比,这种空心且结构复杂的叶片以及较薄的壁厚,导致温度和应力分布更加不均,有效承载区域减少,增加了叶片故障风险。(5) 严格的材料性能需求:鉴于上述严苛的服务条件,涡轮叶片的材料需满足以下条件:优异的机械性能,包括高温下的蠕变性能、抗机械疲劳、抗热疲劳和抗冲击能力以及良好的高温塑性;出色的抗热腐蚀和抗氧化能力,且表面适合施加多种保护涂层,例如渗铝、渗铝铬、渗铂铝、五元涂层、六元涂层、热障涂层等;良好的加工性能,包括铸造性、焊接性、高导热率、低热膨胀率和较小的密度等物理特性;高熔点,能够承受短时超温状况;良好的组织稳定性,长期使用中能维持稳定的组织结构,避免有害相的形成。这些条件共同决定了涡轮叶片材料必须具备卓越的耐高温、高强度、耐腐蚀和抗疲劳特性,以确保发动机的安全和可靠运行。同时,叶片的设计和制造也必须充分考虑其工作条件,以满足这些严苛的要求。4激光增材制造技术在涡轮叶片材料的研究进展4.1 镍基高温合金材料飞机发动机必须面对外部高温高压环境以及由高速旋转产生的离心力。因此,飞机发动机的涡轮叶片不仅要耐高温,还要在高温条件下保持优异的机械性能。由于高温合金材料的优异性能,使其成为涡轮叶片中应用最广泛的材料。高温合金根据成分可分为铁基、钴基和镍基高温合金,铁、钴、铁镍和铁镍铬基是早期的合金,与其他合金相比,镍基高温合金可以在更高的温度下运行,是目前应用最多的一种涡轮叶片材料。镍基高温合金微观结构、温度性能演变及其材料强化的主要机制如图3所示。镍基高温合金的发展主要受到两个重要因素的影响:高温力学性能和抗氧化性,这两个因素与合金的成分、内部析出相结构密切相关。从强化机制的演变过程中可以发现镍基高温合金从最初的固溶强化到析出相强化(包括碳化物析出相和有序L1₂结构析出相),再到立方有序γ'相(镍基单晶高温合金),使合金的服役温度得到了明显提升,更适合在航空发动机的恶劣环境(如高温、复杂应力和氧化)中工作。在服役过程中,镍基单晶高温合金材料受到蠕变载荷时主要考察蠕变应变和断裂强度。单晶高温合金材料性能衰减一般采用γ'相筏化来表示,即在温度和应力的影响下,析出相的伸长或定向粗化行为(图4),γ'相筏化主要与γ/γ'界面处的拉/压应力场分布密切相关。 图3 高温合金微观结构和温度性能的演变推重比是飞机发动机的关键性能指标,减重是提高推重比的最有效方法之一。增材制造技术可以通过设计和优化复杂结构部件,为减轻重量提供了一种可靠可行的方法。在众多增材制造技术中,LAM具有设计自由度高、复杂结构制造能力、高精度和高致密度、力学性能优异及生产效率高等优势广泛应用于镍基高温合金的生产和制造。 图4 温度和压力对单晶合金力学性能的影响室温拉伸性能是表征镍基高温合金性能最广泛使用的指标之一。图5a总结了LAM制造的镍基高温合金室温拉伸性能。从图5a中可以发现LAM制造的镍基高温合金室温拉伸性能主要集中在IN718、IN625和Hastelloy X合金上,这很有可能是由于他们更容易制造出致密无缺陷的微观结构。对于其他类型的镍基高温合金,如y'相强化合金,容易开裂,或者它们的单晶合金也更容易产生杂晶。因此,很难实现无缺陷的沉积或所需的微观结构。有研究表明通过选择性激光熔化技术制造的Inconel 718合金,经过热等静压处理以及不同的热处理后,其应力水平与传统加工的Inconel 718合金相当,但疲劳寿命明显低于后者,这与δ相和亚微米结构密切相关,这说明在合金设计和制造过程中需要考虑的微观结构演变对性能的影响。在另一个相似的研究中发现,选择性激光熔化参数对Inconel 718合金的微观结构和机械性能有一定影响,并指出了热处理在改善材料性能中的重要作用,研究结果为选择性激光熔化制造Inconel 718合金的工艺优化提供了理论依据。不同预热温度(25,800,900和1050℃)对激光立体成形。制造的镍基合金IN-738LC的微观结构和机械性能的有显著影响。预热促进了从柱状晶向等轴晶转变,并且随着预热温度的升高,Ti和Al的偏析加剧,促进块状碳化物和γ-γ'共晶的尺寸增加。γ'相尺寸随着预热温度的升高而增加,并且在预热温度为1050℃时,γ'相呈现出双峰分布。与铸造合金相比,1050℃预热后合金具有更好的室温拉伸性能,其屈服强度和抗拉强度均提高了14%,延伸率提高了44%。Hu等使用激光定向能量沉积技术制造了GH4099镍基合金,并探讨了高温固溶处理和时效处理对微观结构演变和机械性能的影响。研究发现GH4099合金成形过程中形成的微观结构主要由沿着沉积方向生长的柱状晶粒组成。固溶处理后,柱状晶被细小的等轴晶粒和孪晶界取代。时效处理后,在基体中形成了立方形态的γ'相沉淀。固溶处理和时效处理显著提高了合金的室温机械性能。固溶处理具有最低的强度和最高的塑性,而固溶-时效处理具有最佳的综合性能,即高强度和良好的塑性。通过设计一种新的镍基超合金WSU 150并结合LAM技术,可以使沉积态WSU 150合金表现出优异的室温机械性能,屈服强度为867MPa,抗拉强度为1188MPa,延伸率为27.9%。热处理后,屈服强度提高到1114MPa,抗拉强度提高到1396MPa,延伸率降低到16.1%。不同类型的镍基高温合金具有不同的高温拉伸性能,如图5b所示。固溶强化高温合金的强度最低,而γ''强化高温合金具有最高的强度。通过不同的热处理工艺可以调整选择性激光熔化技术制造的Inconel 718合金的微观结构和机械性能,经过热等静压和热等静压+热处理的合金在室温和高温下的拉伸性能优于铸造态和锻造态合金。在此基础上,Gao等研究了不同热处理条件对选择性激光熔化工艺制造的Inconel 718合金微观结构和高温力学性能的影响,揭示了适当的热处理可以调控δ相的析出,适量的δ相沿晶界析出可以提高Inconel 718合金的高温力学性能,而过量的δ相则会降低其高温性能。LAM制造的镍基高温合金后处理条件对其高温性能有明显影响。Zhao等通过激光粉末床熔融工艺制造了Inconel 718合金,并探究不同热处理(双时效处理、固溶处理+双时效处理、均匀化处理+固溶处理+双时效处理。)对合金在高温(650℃)拉伸性能的影响。与室温相比,所有样品在650℃的拉伸强度都有所降低。这表明随着温度的升高,Inconel718合金的强度会下降,这与一般金属在高温下的行为一致。经过热处理的合金在650℃的延展性显著降低,表现出高温脆化现象,研究结果对于航空航天等领域中Inconel 718合金的应用具有重要的参考价值。通过激光粉末床熔融技术制造的无裂纹Hastelloy X镍基合金在750℃的高温拉伸测试中,抗拉强度和屈服强度与锻造态合金相当或更高。然而,由于碳化物析出和晶界偏析,延伸率低于锻造态合金。经过热等静压处理和传统热处理,高温下的延伸率是原始状态的3倍,研究结果对于理解激光粉末床熔融制造的镍基高温合金的性能具有重要意义,并为后续的材料设计和后处理提供了科学依据。在另一个相似的研究中,研究者首次系统地分析了选择性激光熔化制造的无微裂纹Hastelloy X镍基合金经过不同热处理(1177和800℃)的微观结构演变和力学行为。研究发现在750℃的高温拉伸时,所有合金的拉伸应变都显著下降,这是因为在该温度下碳化物和富Mo金属间相的沉淀所导致。经过1177℃热处理后的合金在高温拉伸测试中表现出更高的延展性,这可能是因为初始微观结构中位错密度较低和更均匀的微观结构,导致不利的碳化物形核位点较少。研究结果对于理解选择性激光熔化制造过程中的材料特性具有重要意义。涡轮叶片作为航空发动机的关键热端部件,在运行过程中会面临极其复杂的温度环境,导致叶片各区域的服役温度存在显著差异。在这样的条件下,温度变化、应力水平以及循环频率均对高温合金的疲劳强度产生重要影响,它直接关系到涡轮叶片的使用寿命和可靠性。越来越多的学者对镍基高温合金的疲劳性能进行了研究,与锻造件相比,LAM技术制备的镍基高温合金的疲劳性能较差,这主要是由于一方面LAM技术制备过程中容易产生一些冶金缺陷,如气孔、未熔合和夹杂等;另一方面,LAM技术制备的镍基高温合金具有明显的各向异性,可能导致材料或零部件在不同方向上的疲劳性能存在巨大差异,以及制造过程中产生的不利残余应力等因素都会降低疲劳性能。因此,为了提高LAM技术制备的镍基高温合金的疲劳性能,需要进一步优化工艺参数,减少缺陷,进行后处理消除残余应力,控制微观结构,改善表面处理技术,并深入研究疲劳机理以提升材料性能。 图5 镍基高温合金室温拉伸性能(a)和高温拉伸性能(b)在单晶高温合金研究方面,Yang等研究了加工参数对激光定向能量沉积的单晶高温合金杂晶和裂纹的影响,在单道打印中,层间停留时间、激光扫描策略和激光功率对杂晶和裂纹形成影响显著;延长层间停留时间有助于抑制高角度晶界的形成,减少杂晶,但过长会降低打印效率。在激光扫描策略方面,单向扫描易诱发杂晶形成,而双向扫描可减少杂晶并抑制裂纹。通过优化参数能够有效抑制杂晶和裂纹的形成,从而提高单晶高温合金的完整性和性能。任晨宇等研究了激光增材制造镍基单晶高温合金SRR99在服役温度下的组织稳定性,研究发现增材制造的SRR99合金样品在服役温度(650℃)下进行100h的退火处理后,其γ'强化相的形貌和尺寸(约70nm)依然保持稳定。相较于传统铸造样品,增材制造样品在退火处理前后的硬度均提升了超过20%,达到6.6GPa,研究结果为LAM在镍基单晶高温合金涡轮叶片榫头修复及性能提升方面的应用提供了有力的实验依据。单晶高温合金叶片长期在高温、高压及高应力的环境下服役,容易出现热机械疲劳、磨损、裂纹等损伤,导致叶片性能下降。由于其制造工序复杂、周期较长、成本较高等原因,可以采用激光增材修复技术对受损叶片进行修复,从而延长其服役时间和寿命。目前的研究主要集中在缺陷控制、修复后续热处理工艺、力学性能等方面。Lu等对第三代镍基单晶高温合金CMSX-10在定向能量沉积过程中的热裂纹行为和形成机制进行了分析,研究发现CMSX-10表现出较强的热裂纹敏感性,热裂纹主要在高角度晶界和低角度晶界处形成,最小晶界角为6.9°,其形成原因是由于稳定的液膜、应力集中以及富Re析出相,富Re析出相在液膜中析出,阻碍液态金属的补充,从而促进了热裂纹的形成。通过采用动态沉积策略,有效减少了应力集中并抑制了杂晶形成,成功制备出无裂纹样品,为实现高质量增材制造和修复非可焊镍基单晶高温合金提供技术支持。Zhou等对激光定向能量沉积技术制备的CSU-B1单晶进行了一次时效退火,发现这种方式可以消除枝晶偏析和应力集中,并且没有出现过多的碳化物,有助于改善材料的微观结构均匀性。在标准热处理后,增材制造和铸态DD32单晶样品在1000℃/280MPa条件下的应力断裂性能研究表明,增材制造样品的平均应力断裂寿命(66.4h)长于铸态样品(59.1h)。这主要是由于增材制造样品具有更细小的枝晶结构、更低的枝晶间偏析以及更均匀的碳化物分布,避免了TCP相的形成,并且细小均匀分布的碳化物不会导致裂纹形成,从而提高了应力断裂性能。4.2 TiAl合金材料随着航空发动机性能的不断提升,对涡轮叶片材料提出了更高要求。钛合金因其轻质、高强度、耐高温、耐腐蚀等特性,在涡轮叶片的应用中展现出显著的优势。自20世纪80年代以来,欧美国家相继开发出600℃高温钛合金,如英国IMI钛公司和Rolls-Royce公司联合开发的IMI834,美国开发的Ti1100,以及俄罗斯开发的BT36等,这些高温钛合金在超过600℃及以上的环境中,在比强度、比疲劳强度等方面有明显优势,以钛代替镍可减重40%以上,显著提高了发动机的推重比和使用性能。与普通钛合金和镍基高温合金等材料相比,TiAl合金具有更高的比强度(图6)、比刚度、高蠕变抗力、优异的抗氧化和阻燃性能,广泛地应用于航空发动机涡轮叶片,如波音787的GEnx发动机以及空客A-320NEO和波音737MAX的CFMLEAP发动机最后两级低压涡轮工作叶片均采用Ti-48Al-2Nb-2Cr合金,使用这种合金使发动机每级叶片减重约90kg。中科院沈阳金属研究所采用离心精密铸造技术自主研制了国产γ−TiAl合金的低压涡轮叶片,这些叶片已在Rolls-Royce公司的Trent XWB大推力大涵道比发动机上完成了1750次模拟飞行循环考核试验。然而,由于复杂构件在高温环境下使用的需求不断增加,采用传统工艺制造复杂形状和高性能合金构件受到限制。增材制造技术的出现为应对这些挑战提供了新的解决方案。在众多增材制造技术中,LAM技术在生产成本和操作方便性方面具有显著优势,生产的构件具有高的尺寸精度和低的表面粗糙度,可以获得较好的拉伸性能。材料的疲劳性能是航空发动机行业最关心的问题之一。TiAl 合金的疲劳行为与增材制造过程中形成的残余应力和内部缺陷直接相关,如夹杂的孔隙、未熔合或未熔化的粉末和表面粗糙度,这些缺陷可能成为疲劳裂纹的起始点,导致疲劳性能下降。为了提高疲劳强度,控制微观结构、消除缺陷及降低残余应力被证明是有效的方法之一。 图6 钛合金比强度曲线在拉伸性能方面,Zhang等采用直接激光沉积技术制备了Ti-47Al-2Cr-2Nb合金,对比了不同拉伸方向上力学性能的变化规律,发现合金的强度和延伸率与加载方向(θ)密切相关。当加载方向与基体平行(θ=0°)时,合金具有最佳的综合拉伸性能,最大抗拉强度和延伸率分别为706MPa和0.51%;当θ=45°时,抗拉强度降至358MPa,延伸率保持在相对较高的0.49%;当θ=90°时,抗拉强度和延伸率降到最低,分别为273MPa和0.16%。不同加载方向的力学性能变化与微观结构密切相关,当θ=0°时,变形孪晶为横向形态,并且完全被限制在单个γ片层内;当θ=45°时,变形孪晶和滑移线与片层界面平行,横向变形孪晶较少;当θ=90°时,大多数变形孪晶与片层界面相互作用,并跨越多个片层组织。研究结果揭示了TiAl合金各向异性的力学行为,并探讨了不同加载方向下的力学性能变化,这些发现对于理解LAM技术制备TiAl合金的力学行为和优化制造工艺具有重要意义。在另一个相关的研究中,研究者采用激光定向能量沉积技术制备的Ti-48Al-2Cr-2Nb合金具有较好的室温拉伸(抗拉强度545±9MPa,延伸率1.50%±0.47%)和高温拉伸性能(抗拉强度471±37MPa,延伸率1.50%±0.45%),这主要与成形过程中形成的独特微观结构形态密切相关(包括交替排列的层状柱状晶和等轴晶以及γₘ相)。研究结果为深入理解LAM技术制造的TiAl合金微观结构-性能关系提供了重要信息,并为进一步优化制备工艺提供了理论依据。在此基础上,通过设计高频热循环来控制增材制造过程中固态相变的方法,可以实现细晶全片层Ti-48Al-2Cr-2Nb合金的制备,在不同的高温拉伸测试过程中表现出优异的力学性能,如在700,750及800℃下抗拉强度分别为(572.0±36.4),(613.0±44.0),(535.3±7.6)MPa,延伸率分别为(1.4±0.4)%,(1.9±0.5)%,(6.6±4.4)%,这与细晶全片层状微观结构密切相关,细晶全片层状结构限制了晶粒内部的扩散和位错运动,同时引入了锯齿状的晶界,这些特征有助于提高合金的高温蠕变抗力,这些发现为进一步开发和应用这种高性能合金提供了重要的科学依据。在另一个相似的研究中,在激光定向能量沉积过程中采用不同的功率(500和1000W)制备了Ti-48Al-8Nb合金,研究发现随着激光功率的增加,合金的微观结构从等轴晶结构转变为柱状结构,合金的拉伸性能呈现出下降趋势,这是由于高功率下晶粒尺寸较大和层片间距较大,导致拉伸性能较差。500W制备的合金,在800和900℃下抗拉强度为分别为737和594MPa,比铸造态分别高了1.54倍、1.39倍,这些性能数据表明TiAl合金是一种有潜力的高温结构材料,适用于航空航天等领域的高性能应用,为后续用于涡轮叶片的制备和应用提供了有利的参考价值。与TiAl合金相比,TiAl单晶通过完全消除晶界(尤其是横向晶界),从根本上解决了传统多晶TiAl合金因晶界弱化导致的室温脆性低(塑性<2%)、高温强度不足(900℃屈服强度≤400MPa)和抗蠕变性能差3大瓶颈,其最小蠕变速率和持久寿命优于传统多晶TiAl合金(如美国4822合金)1~2个数量级,显著提升高温稳定性。通过多合成孪晶结构设计可实现室温塑性、高温强度及蠕变性能的协同提升,使其成为航空发动机高压涡轮叶片的理想材料。TiAl单晶将材料的适用温度上限从多晶TiAl的750提升至900~950℃,直接覆盖航空发动机高压涡轮后级叶片的严苛工况,具有明显的应用优势如抗氧化性显著增强、热疲劳抗力成倍提升及组织稳定性更优。Chen等采用定向凝固技术,通过调节提拉速率来控制β→α相变过程中的片层取向,成功制备了具有0°和45°片层取向的Ti-45Al-8Nb单晶。研究发现0°取向的单晶在室温下平均拉伸塑性达到6.9%,屈服强度为708MPa,断裂强度为978MPa;在900℃时,0°取向的单晶仍保持较高的屈服强度(637MPa)和8.1%的塑性,并展现出优异的抗蠕变性能。与传统多晶TiAl合金相比,其服务温度可潜在提高至900℃;在900℃和不同应力下,Ti-45Al-8Nb单晶的蠕变寿命显著优于商业Ti-48Al-2Cr-2Nb多晶合金,最低蠕变率低一个数量级以上,这主要归因于材料内部的纳米级孪晶结构和细化的片层结构。该研究为TiAl单晶合金在航空、航天等高温领域的应用提供了重要的理论基础和技术支持,有望显著提升TiAl合金的使用温度和服务寿命。Kong等采用定向凝固技术制备了多合成孪晶TiAl单晶,研究发现TiAl单晶的相比例可以通过高真空退火工艺进行精确调控,实现任意相比例的制备。元素扩散率是调控相比例的关键因素,在不同温度下,Ti和Al的扩散率差异导致了表面再结晶层的形成和内部相比例的变化,相比例的变化直接影响了TiAl单晶的片层厚度和断裂模式。通过调控相比例,可以在一定程度上优化TiAl单晶的力学性能,使其在复杂条件下具有更好的工程应用潜力。这项研究为TiAl合金的微观结构设计和性能优化提供了重要的实验数据和理论支持,对于开发新型高温结构材料具有重要的科学意义和应用价值。4.3 陶瓷基复合材料航空发动机涡轮叶片必须能够承受高温,并在高温下表现出良好的力学性能。与金属材料相比,CMC特别是SiC/SiC复合材料具有更好的耐高温性和高温稳定性以及更小的相对密度,使其更适合在大推重比航空发动机中使用。因此,世界各地的发动机制造商,如GE公司、Rolls-Royce公司、Pratt&Whitney-UTC公司和Safran集团等都投入了大量资金开发高稳定性SiC-CMC结构和高效叶片成形技术。GE公司在航空发动机领域采用了SiCf/SiC复合材料制造了第三级低压涡轮导向叶片,并在F136等型号发动机中进行了测试。这些叶片能够在高达1204℃的环境中稳定工作,实现了减重70%,同时冷却空气减少了50%。GE公司成功在F414发动机上的低压涡轮进行了CMCs转子叶片的验证测试。结果显示,在经过500次循环应力后,CMCs转子叶片保持完好,这证实了它们能够承受高温和高速旋转产生的应力。最近,德国航空航天中心在3D CeraTurb项目中,成功测试了一种新型的SiC/SiC CMC涡轮叶片,这种叶片在极端高温条件下表现出色,能在高达1315℃的环境中稳定运行。这种叶片的应用不仅提升了航空发动机的性能,还实现了重量的减轻和冷却需求的降低,为航空领域带来了突破性的进展。SiC梯度陶瓷因其高孔隙率、优异的机械强度以及在特定区域承受不同机械应力的能力,使其成为制造涡轮叶片的理想材料之一,被认为在航空航天领域具有较好的应用前景。传统制造方法通常需要模具成型和后烧结加工,存在生产过程复杂、成本高、周期长等问题。与传统制造技术相比,增材制造在制备陶瓷或CMC构件方面具有诸多优势:①能制造出几何形状复杂、定制化生产的部件,提高设计灵活性;②能快速原型制作,降低小批量生产成本;③能生产具有梯度功能的材料部件。特别是激光粉末床熔融技术因其精确度高、便利性好而适合制造复杂的SiC陶瓷构件。Wu等采用激光粉末床熔融技术和液态硅浸渗工艺制造了SiC陶瓷晶格结构,并对其静态压缩性能和疲劳性能进行了分析,研究发现Si/SiC陶瓷晶格结构的力学性能随着体积分数的增加而增加,当体积分数从25%增加到55%时,弹性模量从121.9增加到932.0MPa,压缩强度从2.3增加到16.3MPa。随着体积分数的增加,材料的致密度和承载能力增强。在疲劳强度方面,梯度SiC陶瓷晶格结构(0.74)优于均匀SiC陶瓷晶格结构(0.7)。研究表明,通过合理设计Si/SiC梯度陶瓷晶格结构可以显著提高其力学性能,尤其是在疲劳性能方面。在后续的优化试验过程中,该团队通过相同的技术制造了SiC梯度陶瓷晶格结构,发现SiC陶瓷晶格结构在尺寸和制造精度方面表现出良好的重复性和稳定性。研究发现均匀SiC陶瓷晶格结构的弹性模量和压缩强度分别为(1573.0±439.0)MPa和(21.7±3.0)MPa,而梯度SiC陶瓷晶格结构的弹性模量和压缩强度分别为(2161.0±677.1)MPa和(23.0±6.3)MPa,梯度SiC陶瓷晶格结构展现出比均匀SiC陶瓷晶格结构更高的疲劳性能,这与梯度结构在疲劳裂纹扩展过程中的应力重分布以及具有更大的裂纹扩展阈值有关。SiC梯度陶瓷晶格结构在静态压缩和疲劳载荷下均展现出优异的性能,特别是梯度设计显著提高了结构的疲劳抗力和变形抗力。这些发现对于SiC陶瓷晶格结构在高性能应用中的设计与制造具有重要意义。在此基础上,Sun等采用相同的技术制备了具有梯度多孔结构的Si/SiC陶瓷构件,发现具有恒定梯度过渡率和30%梯度的多孔Si/SiC陶瓷构件展现出了良好的强度和韧性,其压缩强度可达到11.71MPa,等效弹性模量可达到2.28GPa。与其他多孔SiC陶瓷构件相比,在相同孔隙率下,梯度多孔Si/SiC陶瓷的比强度和比刚度比均匀结构高出22.07%和203.02%,文中提供了一种有效的方法来制造梯度多孔陶瓷构件,并通过实验分析了梯度结构对机械性能的影响,为设计和预测梯度多孔陶瓷构件的机械性能提供了可行的手段,也为SiC梯度陶瓷在涡轮叶片上的高性能应用中的设计与制造提供了重要的理论和实验依据。在工程化应用研究方面,吴宇等采用单晶高温合金、钛铝金属间化合物等各种材料,深入开展粉末成分设计、激光选区熔化工艺、后处理及组织性能等研究,成功开发了多材料复合增材制造方法,通过集成激光熔覆与熔融沉积技术,可实现复杂内腔叶片的材料与结构一体化制造,为航空发动机涡轮叶片的应用奠定了基础。5结语本文回顾了涡轮叶片材料从最初的高温合金到单晶合金和复合材料的演变过程,强调了材料性能的逐步提升对于满足航空发动机更高推力、燃油效率和可靠性需求的重要性;分析了涡轮叶片在高温、高应力、腐蚀性环境下的工作条件,指出了这些条件对材料性能的严苛要求;总结了镍基高温合金、TiAl合金和陶瓷基复合材料在涡轮叶片上的应用现状,讨论了这些材料的优势和局限性;探讨了激光增材制造技术的显著优势及其在涡轮叶片材料制造中的研究进展。随着发动机性能的不断提升,对叶片材料及相关制造技术的要求也越来越高,研究正朝着提升材料性能、优化激光增材制造工艺、开发新型材料、增强环境适应性、降低成本和全生命周期管理等方向发展,未来的研究将更加注重叶片材料的耐高温、高强度、耐腐蚀和抗疲劳特性,同时结合计算模拟和实验研究,以实现材料科学、制造技术和工程实践的深度融合,在未来研究方向包括以下几个方面。(1) 材料性能的持续提升:通过添加难熔金属元素进一步提升镍基高温合金的承温能力,同时保持或提高其力学性能;通过合金化和热处理工艺的优化,提高TiAl合金的室温塑性和高温稳定性,以适应更广泛的应用场景;通过纤维和基体材料的创新,提高陶瓷基复合材料的损伤容限和耐久性,使其能够在更极端的环境下工作。(2) 激光增材制造技术的深入应用:通过深入研究激光增材制造过程中的热力学行为,优化工艺参数,减少冶金缺陷,提高构件的一致性和可靠性;通过精确控制激光增材制造技术过程中的微观结构演变,如晶粒大小、相分布等,以获得更优异的力学性能;开发高效的后处理技术,如热等静压和表面处理技术,以消除残余应力,改善表面质量。(3) 新型材料的开发:开发能够在更高温度下稳定工作的超高温材料;研究能够在极端腐蚀环境下保持优异性能的材料,如新型涂层技术;针对不同的工作环境,如海洋、沙漠等,开发具有优异抗热腐蚀性能的材料;探索具有自修复、自适应能力的智能材料,以提高涡轮叶片的维护性和使用寿命。(4) 成本效益的优化:通过优化设计和制造工艺,减少材料浪费,降低 制造成本;开发易于维护和修复的材料,减少维护成本和停机时间;进行全面的生命周期成本分析,以实现材料和制造工艺的最优选择。(5) 全生命周期管理:在设计阶段就考虑材料的全生命周期性能,包括制造、使用和回收;开发先进的健康监测技术,实时监测涡轮叶片的状态,预测潜在的故障;基于健康监测数据,制定科学的维护策略,以延长涡轮叶片的使用寿命。声明: 本文来源于网络, 仅供交流分享, 若涉及版权等问题请留言, 我们会及时处理 来源:两机动力先行

未登录
还没有评论
课程
培训
服务
行家
VIP会员 学习计划 福利任务
下载APP
联系我们
帮助与反馈