【本站讯】近日，新能源学院齐建涛副教授团队在航空涂层腐蚀检测领域取得重要进展，相关成果以“Machine learning-enhanced Raman spectroscopy for rapid identification of aviation coating damage”为题在《Corrosion Science》发表。论文第一作者和通讯作者为齐建涛副教授，中国石油大学（华东）为第一署名单位和唯一通讯单位。该项研究获得国家自然科学基金资助。

机器学习增强拉曼光谱技术为航空涂层腐蚀的快速识别提供了一种高效、无损的新方法。然而，在复杂海洋环境作用下，传统检测手段存在主观性强、难以识别早期化学变化以及无法探测亚表面腐蚀等问题，严重制约了航空装备维护效率。

为解决上述问题，齐建涛团队基于拉曼光谱与机器学习方法，结合材料腐蚀机理与多层涂层结构特性，建立了航空涂层损伤识别与分类模型。通过加速腐蚀实验构建三层涂层退化路径，并利用光谱预处理与数据增强方法建立包含2160组拉曼光谱数据的训练集，分别采用CNN、PCA-SVM和随机森林算法对涂层成分、腐蚀状态及涂层类型进行分类。研究结果表明：1D-CNN模型表现最优，在腐蚀识别任务中准确率达到99.91%。此外，通过特征重要性分析揭示模型判别依据主要来源于具有物理意义的拉曼特征峰，如Fe₃O₄、α-Fe₂O₃、Cu₂O及Cr₂O₃等腐蚀产物信号，从而实现对黑箱模型的可解释性分析。基于此，文章提出了一种集“加速实验-光谱采集-模型训练-现场检测”于一体的综合检测框架，并结合微损伤取样方法，实现对航空涂层腐蚀位置、类型及程度的快速判定。该方法可大幅提升航空装备维护的智能化与实时性，为预测性维护提供重要技术支撑。

《Corrosion Science》是腐蚀领域国际顶尖TOP期刊，影响因子10.3，主要刊发金属腐蚀与防护、腐蚀机理、界面电化学、腐蚀材料表征、环境腐蚀等方向的原创性高水平研究成果，期刊学术影响力深远，行业认可度与学术关注度极高。

当前，海洋强军是我国国防安全的国家战略，加快海上飞机外场快速检测与评价已成为新质战斗力的必然选择。近两年来，齐建涛团队聚焦光谱理论、便携技术、智能系统和工程示范应用等关键技术难题，已在《Chinese Journal of Aeronautics》《Chemical Engineering Journal》《Renewable and Sustainable Energy Reviews》等国际权威期刊发表多篇高水平论文。“基于光谱数据驱动的腐蚀检测与评价关键技术及应用”科技成果经中国表面工程协会评价为国际先进水平。研究成果持续为我国特种装备数智化防护提供关键技术支撑。

文章链接：https://www.sciencedirect.com/science/article/abs/pii/S0010938X2500914X