机械工程学报

作者：孙凤山, 范孟豹, 曹丙花, 刘林

单位：1. 中国矿业大学机电工程学院 徐州 221116;2. 中国矿业大学信息与控制工程学院 徐州 221116;3. 北京航天计量测试技术研究所 北京 100076

关键词：太赫兹无损检测,热障涂层测厚,时频融合,解析模型,卷积神经网络；

基金：国家自然科学基金(62071471)，徐州市科技计划基础研究计划面上(KC21045)、江苏高校优势学科建设工程、中国矿业大学未来杰出人才助力计划(2022WLKXJ014)和江苏省研究生科研与实践创新计划(KYCX22_2510)资助项目。

当前太赫兹(Terahertz, THz)厚度测量主要基于飞行时间理论，然而热障涂层微观结构不均匀，精确测厚需要引入频域信息在线提取折射率。为此，基于THz波传输特性，提出了关键时频信息融合方法，结合深度学习减小了反射峰变形对折射率测量精度影响，提高了微观结构不均匀条件下热障涂层测厚准确性。首先构建了考虑热障涂层表界面粗糙度THz信号解析模型，发现了测厚所需飞行时间与折射率可利用时域和频域数据求解。然后利用小波变换实现了THz信号时频融合，依据朗伯比尔定理揭示了完整时频图含有冗余信息物理机理。最后基于厚度特征获取了关键时频图，以此为输入，构建了卷积神经网络测厚方法。试验与仿真结果表明，所提出方法与反射峰提取、时域特征机器学习、时域信号、插值下采样时频图、完整时频图卷积神经网络测厚方法相比，平均绝对误差分别减小4.65 μm、3.08 μm、2.51 μm、0.58 μm、0.25 μm，较输入完整时频图网络训练耗时降低1 446 s。关键时频融合方法可提高热障涂层微观结构不均匀与反射峰变形条件下THz测厚精度。

来源：2023年第14期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2023年第14期