航空发动机孔探技术探索与研究

中国航发沈阳发动机研究所 □邓沛洲

北京空间机电研究所 □武晓东

航空发动机孔探检查是在不分解发动机的情况下， 由使用维护人员将工业内窥镜(又称孔探仪) 伸入发动机内部， 对流道内腔结构进行观察。 孔探检查能够最大程度减少分解的工作量和停机时间， 在发动机维护中占有重要地位。 工业内窥镜将人的视距进行了延长， 并且能够通过调整探头线改变物镜位置， 保证观察者能够实现物体表面真实、 客观状态的检查。

工业内窥镜用于航空发动机检测起源于20世纪70 年代， 期间伴随着医用内窥镜的发展，可简单划分为经3 个阶段， 分别是刚性内窥镜、光纤内窥镜和视频内窥镜 (又称电子内窥镜)。随着内窥镜的技术发展， 前两者已逐渐淡出发动机孔探检查应用领域。 视频内窥镜由光源、 镜头、 探头线、 导向机构、 主机等几大部分组成，是信息时代成像技术在工业领域的典型应用， 其与相机的成像原理类似， 通过镜头 (一般为CCD 或者CMOS) 实时摄录流道内情况， 通过视频终端进行显示， 图像信息以数字信号在设备中进行处理传递。

近二十年， 国外立体视觉技术和工业内窥技术的发展十分迅速， 其中美国GE 公司的韦林、日本的奥林巴斯Olympus 处于领先地位， 但两者各有千秋。 日本Olympus 研制的IPLEX NX和GX 系列工业内窥镜， 在航空航天、 石油化工等行业应用极为广泛。 而GE 韦林在航空领域深入耕耘， 在原双物镜测量基础上开发的3D 立体测量技术， 测量能力提升极大， 尤其针对零件表面深度测量， 操作简单， 数据准确。

此外， 在智能化检测方面， 各大公司均有不同程度的探索。 GE 公司研制的智能检测系统，用人工智能的方法扫描录像。 检测过程中， 计算机系统发现零件缺陷时， 显示屏会实时提醒， 用颜色直观的告知检查人员此时零件状态及超差程度。 孔探录像扫描完成后， 系统自动将缺陷对应的一帧图片提取出来， 汇总形成报告。 该系统的识别率和报错率是95%， 同时随着检查发动机数量的增长， 它的识别能力也将不断增强， “越用越聪明”。

国内在工业内窥镜方面的研究起步较晚， 在70 年代仅有304 所、 空一所等几个研究所在进行研发。 近年来， 随着工业内窥镜民用市场的不断拓展以及内窥镜技术的成熟， 部分民企进入市场， 国产内窥镜在石化、 电力、 机械制造方面也得到广泛应用， 并逐步形成相应的体系。 国内目前工业内窥镜厂商主要有德朗、 亚泰、 古安泰等， 目前德朗在视频显微方面技术较为成熟， 但在内窥测量、 动态成像效果等方面， 与国外内窥镜仍有差距。

高清晰度、 微型化以及智能化， 是工业内窥镜发展的必然趋势， 下文从这几个方向逐项论述。

(1) 高清晰度

目前航空发动机内窥镜检查过程中， 最常用的内窥镜为6mm 规格， 通过专门设计的孔探孔， 能满足大多数流道检查要求。 实际在发动机中， 部分区域由于尺寸限制， 6mm 的内窥镜无法到达， 如某型号外罩检查， 由于尺寸限制， 只能使用4mm 规格的内窥镜进行检查。 行业内目前较为高端的工业内窥镜， 6mm 规格的设备能够达到200W 像素清晰度。 单纯从像素方面看，工业内窥镜成像效果要逊色于目前家用级别的相机， 相较于手机、 平板动辄千万级别的像素亦是远远不如。 其根本主要取决于CCD/CMOS 的尺寸， 这也是目前主要的技术瓶颈。 工业内窥镜在探头线中集成了图像传感器、 导向线束、 镜头、光源等多个机构， 受内窥镜探头线直径限制， 目前6mm 规格的内窥镜目前只能容纳1/6 英寸左右的图像传感器， 从这一点上来看， 探头线直径对工业内窥镜的成像质量有重要的影响。

工业内窥镜想要实现更高的清晰度， 需要图像传感器集成工艺进一步发展， 将高清晰度图像传感器集成至更小尺寸。 此外较细的工业内窥镜可进一步拓展发动机流道可达区域， 实现非常规部位检查， 提升发现故障的能力。

(2) 微型化

按照GE 韦林和Olympus 的内窥镜划分方法， 工业内窥镜发展分为四个阶段， 其设备体积逐步小型化， 由台式向手持式转变。 但距离小型化的电子设备仍存在不小的差距， 更遑论微型化。 从硬件上看， GE 韦林第三代产品为箱式结构， 其主机体积约为450mm×250mm×350mm，类似于电脑主机箱大小， 除此之外， 还有390mm×180mm×130mm 的手持机， 整体相当于一个20 寸行李箱大小。 近几年出现的第四代产品， 整机为手持式结构， 全尺寸缩小至第三代产品的手持机大小。

随着电子制造技术发展， 工业内窥镜后端处理设备的大小进一步缩小， 影响设备小型化的主要因素集中在导向机构及电源模块。 目前市面上出现一批简易的工业内窥镜， 其结构极简单， 除前段探头线外， 后段采用手机或平板作为视频显示装置， 该类设备多采用预折弯结构， 在检查之前调整好导向角度， 以此代替使用过程中的导向动作， 但该方法在检查中存在诸多不便， 特别是在狭小空间， 预调整的角度往往无法满足检查视角要求。 作动电机的微型化是工业内窥镜实现微型化道路上需要解决的最大问题。 当然， 在不需要调整成像角度的应用场景下， 内窥设备的微型化比较容易实现。

未来的流道检查可能脱离孔探仪现有的形式， 以微型化机器人作为载体， 实现流道内检查。 在2018 年范堡罗航展上， 罗罗公司展示了一个愿景， 使用蛇形机器人、 爬虫机器人替代目前的内窥镜检查方式。 蛇形机器人作为可弯曲管路， 内部携带一定数量的机械微型爬虫。 深入发动机内部后， 蛇形机器人释放微型爬虫， 使其到达更狭窄的内部空间。 爬虫携带摄像头， 捕获内部视频图像信息， 完成损伤检测后， 爬虫自主返回蛇形机器人， 被其带离出发动机内部环境。 蛇形机器人、 微型爬虫和快速损伤判别是其三大核心技术。

(3) 智能化

内窥镜检查的智能化主要着眼于基于影像识别的智能诊断系统， 包含发动机零件缺陷孔探影像机器智能诊断和缺陷智能预测两个方面。 发动机零件缺陷孔探影像机器智能诊断基于发动机的孔探图像特征和样本图像数据， 采用图像识别、人工智能诊断、 专家系统等关键技术解决缺陷识别和缺陷测量等问题， 建立孔探影像智能诊断系统， 有效避免人员经验差异、 视觉疲劳、 标准理解不同等人为因素影响， 使孔探检查工作趋于标准化和智能化。 缺陷和使用情况智能预测系统在实现计算机识别孔探影像缺陷功能后， 将识别的结果整合， 通过与特征分类识别的结构化数据库对比， 实现提醒预警。 同时通过数据对比分析，实现按时序预测缺陷扩展变化过程。

通过内窥镜检查的智能化可预测发动机流道件出现故障的时机， 提前预警， 减少发动机故障发生率， 降低发动机故障造成的经济损失， 提升产品经济价值， 同时提升内窥镜检查效率， 减少用户运维成本， 实现零件缺陷扩展趋势监控， 提高航空发动机的可靠性。

(1) 成像技术

目前工业内窥镜成像主要通过CCD 或CMOS 传感器。 CCD 图像传感器工艺比较成熟， 因像素窜扰产生的固定图样噪声及瞬时噪声较小， 在成像质量上有一定优势， 但其成像速度慢、 耗电量大 (同尺寸下CCD 是CMOS 的4倍左右)， 成本较高， 多用于数字摄像机中。CMOS 传感器则以其高度集成化和基于片上系统的低成本应用优势， 目前广泛地用于手机摄像头、 数码相机等产品上。 随着CMOS 制造工艺的不断成熟和性能的不断提高， 两者的成像质量差距在逐渐缩小。

(2) 图像处理

在实际拍摄内部图像时， 受环境、 光源色温等多种因素综合影响， 会造成实际影像偏离真实状态， 孔探检查过程中会通过实际影像的色彩判断金属表面是否存在变色， 这往往会造成致命的问题。 内窥镜检查的“暗盒” 环境需要使用光源进行照明， 常见的光源有卤素、 氙灯以及LED等， 不同光源在不同材质、 不同使用状况的零件上呈现的色温、 明亮不同， 需要对图像进行处理。 在图像处理算法上， 目前的算法成熟度很高， 国内工业内窥镜厂商基本上直接应用现有研究成果或图像算法。

(3) 测量技术

目前内窥镜测量方法可以分为主动式测量和被动式测量技术。 被动测量技术通过摄像系统采集待测物体的二维图像来计算物体的三维数据。双目测量是较为常见的三维测量技术， 它模仿人眼视觉成像的原理， 采用双镜头对待测物体同时进行拍摄， 然后根据三角测量的原理计算出图像中各像素点的位置信息， 对数据处理后实现对物体的三维重构。 主动式三维测量技术主要采用结构光投影的方法， 通过相位扫描， 建立被测物体的3D 模型， 进而得到测量结果。

相比国外， 国内在三维结构光测量方面的研究也取得了不错的进展， 但三维立体测量技术在内窥镜上使用迟迟未实现。 清华大学韦争亮等人曾开发出一种结构光三维测量系统， 该系统对于静态物体的测量具有很高的实验精度。 深圳大学、 山东大学在三维成像方面也有一定的研究。

(4) 图像识别技术

图像识别技术是目前高校研究的热点， 国内部分高校在基于深度学习的图像识别技术上进行了大量的研究， 具备内窥图像识别处理的能力。旷可嘉采用深度学习算法实现了孔探检查缺陷识别。 王德廉使用深度学习技术建立图像识别的系统， 获得较高的识别准确率。 马雪东使用深度学习框架开发了电商产品图像识别系统， 并搭建用于展示的网络平台。 此外， 百度、 谷歌等互联网企业对图像识别也有较深的研究， 其研究成果已在人脸识别、 智能驾驶等方向有了初步应用。

国内部分高校在孔探影像识别和诊断方面进行了研究， 特别是在机器视觉、 深度学习与内窥图像处理等技术结合方面， 已经取得一定的突破。 但目前国内的研究成果缺少有效转化， 特别是在内窥镜检查方面， 尚未形成工业应用实例。

(1) 智能识别技术研究

基于智能识别的技术首先要从规范内窥检查数据采集要求入手， 建立内窥图像采集标准， 将外场发动机、 主机厂交付及例行长试发动机的检查数据进行整合， 为数据处理、 在线监控建立基础。 此外， 基于大批量数据的管理需求， 建议建立特征分类识别的结构化数据库， 将航空发动机研制、 生产、 使用、 维护全生命周期的缺陷图像作为基础数据上传至数据库中， 并通过专家系统建立基础的维护保障策略(如图1 所示)。 在应用过程中， 通过对提交的孔探图像及数据， 使用识别算法进行分析， 通过横向时间维度对比和纵向同类对比方案， 识别缺陷变化趋势， 作为损伤评估、 视情维修的辅助决策依据。 通过离线数据对比， 将算法封装在孔探检查设备中， 对孔探检查影像进行扫描， 抓取问题图片， 自动生成检测报告， 实现离线数据处理。 后续待技术成熟， 可参照GE 外场维护模式， 建立数据中心， 实现缺陷数据的在线监控及处理。

图1 内窥检查图像数据库架构

(2) 硬件系统研究

工业内窥镜硬件系统， 目前国内行业已经有一定的技术基础， 硬件系统成熟度较高。 从技术发展路径及展望来看， 未来内窥检查的形态将发生大的变化， 脱离现有内窥镜， 由微型机器人实现检查。 但从目前行业内外的研究信息来看， 微型化技术实现难度极大。 建议可以从微型蛇形臂机器人与可吸附的微型机器人着手， 通过蛇形臂机器人进入指定的检查区域， 将微型机器人吸附于转子叶片上， 通过转子叶片转动， 拓展检查的可达性， 实现静子部分检查， 提高发动机内部流道检查范围。