固体火箭发动机体积巨大,结构复杂,如何对其进行有效的检测,一直以来都是一个难点。传统的检测手段主要有两种,一种是超声脉冲回波技术,主要用于检测固体火箭发动机的脱粘,采用手检由人工对回波波形判读,确定是否脱粘。该方法存在误检率高、无法定量分析、检测周期长等缺点;另一种是X射线投影技术(又称数字影像技术),主要用于检测发动机第二、三界面的脱粘及药柱内的裂纹、夹渣等缺陷。该方法获得的是间接的一维重叠信息,通常需要专业技术人员根据经验进行人工判读,通过综合分析对缺陷的大概方位和大小进行粗略判别,存在效率低,主观性、随意性大等缺点。 基于ICT的无损检测是目前公认的最佳的无损检测手段,但是,其在固体火箭发动机检测领域却尚未大范围使用,主要原因就是固体火箭发动机体积巨大,采用高能ICT机检测消耗时间长,检测效率很低,从而导致检测成本高,企业无法承受。针对这一问题,本文提出了一个可行的基于ICT的固体火箭发动机实时检测和成像方案,并针对方案中的两个关键技术——发动机ICT切片少量投影重建和局部重建,进行了深入的研究。主要的研究内容和取得的成果如下: 1.提出了一个可行的固体火箭发动机实时检测和成像方案。在该方案中,我们将传统的X射线投影技术和ICT技术相结合,先使用X射线投影技术进行初检,发现存在缺陷可疑区域,然后利用ICT作精检。精检分两步进行:第一步作稀疏扫描并实施少量投影下重建,快速获取切片的低分辨率图像;第二步,根据低分辨率图像所确定的缺陷区域实施局部重建,获取高分辨局部图像,从而对缺陷做出准确判定。 2.提出了固体火箭发动机少量投影下的多准则神经网络重建算法和遗传重建算法。从投影重建切片图像,可以看作是解一个线性方程组的问题,由于投影数目少,该方程组无唯一解。本文的思路是首先加入三个先验约束条件:极大熵、峰值最小和重建图像再投影与实测投影差值最小,将图像重建问题转换为有约束的多目标优化问题,然后,分别利用HNN神经网络和遗传算法进行求解,所得解即对应待重建切片图像。 3.将小波运用到固体火箭发动机切片的局部图像重建。由于傅立叶变换的非局部性,使得FBP等传统变换算法无法求解局部图像重建问题。而与此相反,小波则具有良好的局部性质,再结合多分辨率分析理论和快速小波分解及重构算法,使得小波能够快速的实现发动机的切片图像局部重建,并且所需投影数据范围只稍大于待重建局部区域。