近日，我院徐长航教授团队在CFRP/钢混合结构脉冲涡流红外热成像无损检测方面取得新进展，相关成果发表于《Automation in Construction》。《Automation in Construction》是工程结构及智能建造领域的顶级期刊，2022年期刊影响因子10.517（一区Top）。论文第一作者为谢静，徐长航为通讯作者。
由于具有强度高且质量轻、免于动火作业等特性，碳纤维增强复合材料(CFRP)越来越多地用于油气管道、海洋平台等钢结构的加固和修复。由于CFRP和钢在电磁热等物理性能上具有较大差异，CFRP/钢混合结构对传统无损检测技术提出了挑战，其中CFRP内部脱层、CFRP-钢界面脱粘和钢基体裂纹等结构内部缺陷尤为难以检测。
研究论文将脉冲涡流红外热成像无损检测技术(ECPT)与深度学习领域的堆栈自编码(SAE)模型相结合，提出适用于CFRP/钢混合结构内部缺陷红外热成像检测的缺陷特征增强方法（SAE-ECPT）。结果表明，该方法能够对红外热图中三类内部缺陷的热对比度实现智能化提升，为此类复杂工程结构内部缺陷的高精度定量检测提供方法支持。
图1 面向红外热图中缺陷特征增强的堆栈自编码模型
图2 CFRP/钢混合结构的脉冲涡流红外热成像（ECPT）检测试验
图3 ECPT原始检测结果 图4 SAE-ECPT分析处理结果
徐长航教授团队致力于智慧安全工程领域的研究工作，通过将人工智能理论方法与红外热成像、声发射、压电传感等无损检测及健康监测技术相结合，实现结构缺陷或异常健康状态的自动化、智能化识别，从而为工程结构的安全健康服役提供技术支持。面向CFRP/钢粘接结构的红外热成像无损检测技术是研究团队近年来的主要研究方向之一，2021-2022期间相关系列研究进展已经发表于《Construction and Building Materials》(一区Top)、《Composite Structures》(一区Top)、《Infrared Physics & Technology》等国际权威期刊。
论文链接：https://www.sciencedirect.com/science/article/pii/S0926580522005131
