涡流相位热成像（EPTI）是一种结合涡流加热与红外热成像的无损检测技术，可实现金属材料表面及近表面缺陷的快速可视化检测。傅立叶变换（FT）作为信号处理的核心工具，能将热成像采集的时域温度信号转换为频域信息，精准提取与缺陷相关的相位特征，有效抑制噪声干扰，是提升EPTI检测精度与稳定性的关键手段。
涡流相位热成像的基本原性特号信与理原本理与信号特性
涡流相位热成像的核心过程分为两步：首先通过激励线圈产生交变磁场，在被测金属材料表面诱导出涡流，涡流的焦耳热使材料局部升温；其次利用红外热像仪采集材料表面的温度分布随时间变化的信号（时域温度信号）。
由于缺陷（如裂纹、夹杂、腐蚀）会改变涡流的路径，导致缺陷区域的焦耳热产生差异，进而在温度信号中形成异常。但原始时域温度信号易受环境干扰（如环境温度波动、热像仪噪声）和材料本身的热扩散影响，直接分析难度较大。
与传。小更响影的素因统红外热成像仅关注温度幅值不同，EPTI更重视相位信息——相位是温度信号随激励频率变化的滞后特性，对缺陷的响应更敏感，且受表面发射率、加热不均等因素的影响更小。
因此，如何从复杂的时域温度信号中提取稳定的相位特征，成为EPTI技术实用化的关键问题，而傅立叶变换正是解决这一问题的核心工具。
傅立叶变换的频域转换机制
傅立叶变换的本质是将时域的连续信号（如温度随时间变化的函数T(t)）分解为不同频率的正弦和余弦信号的叠加，数学表达式为F(ω) = ∫T(t)e^(-iωt)dt（其中ω为角频率，i为虚数单位）。
在EPTI中，激励信号是已知频率的正弦波（如100Hz~10kHz），因此温度信号T(t)包含与激励频率一致的周期性成分（对应涡流加热的贡献）和非周期性成分（对应环境噪声、热扩散等干扰）。
通过傅立叶变换，时域信号被映射到频域，得到幅频谱（|F(ω)|）和相频谱（φ(ω)）。幅频谱反映各频率成分的强度，相频谱反映各频率成分相对于激励信号的相位差。
由于EPTI的缺陷响应主要集中在激励频率的谐波成分上（尤其是基频），傅立叶变换能精准定位这一频率点，分离出与缺陷相关的信号成分，为后续相位提取奠定基础。
需要注意的是，傅立叶变换要求信号具有周期性，因此在实际应用中需采集完整的周期信号（通常取3~5个激励周期），以避免频谱泄漏问题。
基于傅立叶变换的相位信息提取
相位信息提取是EPTI的核心步骤，而傅立叶变换提供了直接的提取方法。具体过程为：首先对每个像素点的时域温度信号T(t)进行傅立叶变换，得到该点的频域复数F(ω) = A(ω) + iB(ω)（A为实部，B为虚部）；
然后计算该频率点的相位φ(ω) = arctan(B(ω)/A(ω))，或通过复数的幅角函数直接得到。这里的ω通常取激励信号的基频（如f=500Hz对应ω=2πf），因为基频成分的相位对缺陷的响应最显著。
与幅值信息相比，相位信息具有两个关键优势：一是相位对材料表面发射率的变化不敏感——发射率会影响温度幅值的测量，但不会改变相位差；二是相位对加热不均的容忍度更高——即使激励线圈的加热强度存在空间差异，相位信号仍能保持稳定的缺陷响应。
例如，当材料表面存在裂纹时，裂纹处的涡流路径变长，焦耳热产生的时间延迟增大，导致该区域的相位值比周围正常区域更低（滞后更明显），通过傅立叶变换提取的相位谱能清晰显示这种差异。
为了提高相位提取的精度，实际应用中常采用“加窗傅立叶变换”（如汉宁窗、汉明窗），以减少频谱泄漏对相位计算的影响——加窗能将时域信号的能量集中在主瓣内，降低旁瓣对基频成分的干扰。
傅立叶变换对噪声的抑制作用
EPTI的时域温度信号中包含多种噪声：环境温度波动（低频噪声）、热像仪的电子噪声（高频噪声）、材料表面的灰尘或油污导致的发射率波动（随机噪声）。这些噪声会淹没缺陷的温度异常，影响检测结果。
傅立叶变换通过频域滤波实现噪声抑制：由于缺陷响应集中在激励频率的基频成分，而噪声通常分布在其他频率区间（如环境噪声的频率远低于基频，电子噪声的频率远高于基频），因此可通过“频域选通”仅保留基频成分的信号，过滤掉其他频率的噪声。
具体来说，对傅立叶变换后的频域信号，仅提取激励频率ω0处的复数F(ω0)，然后通过逆傅立叶变换将其转换回时域，得到仅包含基频成分的温度信号。此时的信号已去除大部分噪声，相位信息的稳定性显著提升。
例如，当环境温度波动导致时域信号出现缓慢的漂移时，傅立叶变换后的低频成分（ω<<ω0）会被过滤掉，基频处的相位信号不受影响；而电子噪声的高频成分（ω>>ω0）也会被排除，不会干扰缺陷的相位响应。
需要强调的是，频域选通的带宽需严格控制——带宽过宽会引入额外噪声，带宽过窄则会丢失基频成分的细节。通常带宽设置为激励频率的1%~5%，以平衡噪声抑制与信号保留。
缺陷特征与相位谱的关联分析
缺陷的类型（裂纹、夹杂、腐蚀）、尺寸（长度、深度、宽度）、位置（表面、近表面）会直接影响涡流的分布，进而改变相位谱的特征。傅立叶变换后的相频谱能定量反映这些缺陷特征。
对于表面裂纹：裂纹会完全阻断涡流路径，导致裂纹区域的涡流密度降低，焦耳热减少，温度上升的时间延迟增大，因此相位值（φ）显著低于周围正常区域（通常低5°~20°，具体取决于裂纹深度）。
对于近表面夹杂（如铝合金中的非金属夹杂）：夹杂的电导率远低于基体材料，涡流会绕过夹杂，导致夹杂区域的涡流密度降低，相位值略低于正常区域（通常低2°~8°），且相位差随夹杂深度的增加而减小——当夹杂深度超过涡流穿透深度（δ=√(2ρ/(ωμ))）时，相位差几乎消失。
对于腐蚀缺陷（如钢板的局部腐蚀）：腐蚀会导致材料厚度减薄，涡流的路径缩短，焦耳热增加，温度上升的时间提前，因此相位值高于正常区域（通常高3°~15°），且相位差随腐蚀深度的增加而增大。
通过傅立叶变换提取的相位谱，可建立缺陷特征与相位差的定量关系——例如，裂纹深度d与相位差Δφ的关系可表示为Δφ = k*d（k为比例系数，取决于材料的电导率和激励频率）。对于低碳钢（ρ=1.7×10^-7 Ω·m，μ=4π×10^-7 H/m），激励频率f=500Hz时，k≈8°/mm，即深度d=1mm的裂纹对应的相位差约为8°。
傅立叶变换在缺陷定量评估中的应用
传统EPTI仅能实现缺陷的定性检测（是否存在缺陷），而傅立叶变换的引入使缺陷的定量评估（尺寸、深度、位置）成为可能。其核心是通过相位谱的特征参数（如相位差Δφ、相位梯度dφ/dx）与缺陷特征的校准关系，实现定量计算。
以缺陷深度评估为例：根据涡流理论，涡流的穿透深度δ与激励频率f的平方根成反比（δ=√(ρ/(πfμ))）。当缺陷深度d≤δ时，相位差Δφ与d成正比（Δφ = C*d，C为校准系数）；当d>δ时，相位差Δφ趋于饱和（不再随d增加而增大）。通过傅立叶变换提取Δφ后，结合校准系数C（通过已知深度的标准试样实验获得），可计算d=Δφ/C。例如，标准试样中d=0.5mm的裂纹对应Δφ=4°，则C=8°/mm，未知缺陷的Δφ=12°时，d=1.5mm（需确认d≤δ）。
对于缺陷长度评估：相位梯度dφ/dx（相位沿缺陷长度方向的变化率）与缺陷长度L成反比——缺陷越长，相位梯度越小。通过提取相位谱中缺陷区域的相位梯度，结合校准关系可计算L。
此外，傅立叶变换还能实现缺陷位置的定位：相位谱中相位值突变的区域对应缺陷的边缘，通过边缘检测算法（如Canny算子）可精准定位缺陷的边界，计算缺陷的面积和形状。
需要强调的是，定量评估的精度依赖于校准实验的准确性——需使用与被测材料相同的标准试样，在相同的激励频率、加热时间等参数下进行实验，以确保校准系数的可靠性。
实际检测场景中的参数优化策略
在实际检测中，傅立叶变换的应用效果受多种参数影响，需根据被测材料和缺陷类型优化参数，以获得最佳的相位特征和检测精度。
首先是激励频率的选择：激励频率决定了涡流的穿透深度δ，需根据缺陷的预期深度调整——检测表面缺陷选较高频率（如10kHz，δ≈0.5mm），检测近表面缺陷（深度≤2mm）选较低频率（如500Hz，δ≈2.5mm）。频率过高会导致涡流穿透深度不足，无法检测深层缺陷；频率过低则会导致相位差不明显，影响检测灵敏度。
其次是采样频率的选择：根据奈奎斯特采样定理，采样频率fs需大于2倍的激励频率f0（fs>2f0）。例如，f0=1kHz时，fs≥2kHz，实际应用中通常取fs=5~10f0，以确保信号的完整性。
第三是加窗函数的选择：加窗函数用于减少频谱泄漏，常用的有汉宁窗、汉明窗和布莱克曼窗。汉宁窗旁瓣衰减大（-31dB），适用于噪声较大的场景；汉明窗旁瓣衰减更大（-42dB），适用于需要严格抑制旁瓣的场景；布莱克曼窗旁瓣衰减最大（-58dB），但主瓣宽度更宽，适用于信号频率成分复杂的场景。
第四是加热时间的选择：加热时间需足够长，以确保温度信号达到稳定的周期性变化（通常取3~5个激励周期）。加热时间过短会导致信号未进入稳态，相位信息不准确；加热时间过长则会导致热扩散加剧，相位差减小，影响检测灵敏度。