Вестн. Самар. Гос. Техн. Ун-та. Сер. Технические науки. 2009. №1 (23) Информационные технологии
жүктеу/скачать 372.7 Kb.
|
|
ВЕСТН. САМАР. ГОС. ТЕХН. УН-ТА. СЕР. ТЕХНИЧЕСКИЕ НАУКИ. 2009. № 1 (23) Информационные технологии УДК 621.517,681.142.36
ВЕРОЯТНОСТЬЮ ЕЁ РАСПОЗНАВАНИЯ НА ОСНОВЕ КОМПЬЮТЕРНОЙ ОБРАБОТКИ ВИДЕОИЗОБРАЖЕНИЙ ПОВЕРХНОСТИ А.Д. Абрамов1 Самарский государственный технический университет, 443100, Самара, ул. Молодогвардейская, 244.
В настоящее время информацию о микро- и макронеровностях получают, как правило, с использованием профильных методов. Среди них наибольшее распространение получил щуповой метод, при котором алмазная игла перемещается по поверхности детали. Информация о колебаниях иглы при перемещении по поверхности является основой для определения таких параметров шероховатости, как среднее арифметическое отклонение профиля поверхности от средней линии µ §, высота неровностей профиля по десяти точкам µ § и т.п. [1]. Достоинства и недостатки существующих профильных методов изложены в [2]. Там же описывается оптико-электронный комплекс, включающий оптическую систему, видеокамеру, компьютер и программное обеспечение, с помощью которого определялась шероховатость поверхности лопаток газотурбинных двигателей. При этом оценка шероховатости выполнялась на основе измерения среднего периода колебания автокорреляционных функций, полученных по видеоизображениям исследуемых поверхностей. Основная часть. В предлагаемой работе использовался тот же самый оптико-электронный комплекс, но с новой методикой, позволяющей определять шероховатость поверхности с заданной вероятностью её распознавания на основе вычисления средней амплитуды переменной составляющей автокорреляционной функции. Для исследования были изготовлены методом бесцентрового шлифования на станке СВА АКМ 25/1 абразивными кругами на вулканитовой основе три образца из стали ШХ15 с различной шероховатостью поверхности. Для этих же образцов на профилографе модели SJ-201P были записаны профилограммы и определены стандартные параметры шероховатости: образец №1 имел µ §, образец №2 ЁC µ § и образец №3 ЁC µ §. Найденные значения среднего арифметического отклонения профиля представляют собой средние значения, вычисленные по 10-ти измерениям для каждого образца. С помощью оптико-электронного комплекса [2] были получены видеоизображения этих поверхностей формата 320Ч240 пикселей, приведенные на рис.1. Образец №1 Образец №2 Образец №3 Р и с. 1. Видеоизображения исследуемых поверхностей
Характерные изменения уровня яркости видеосигнала по строке видеокадра поверхностей исследуемых образцов приведены на рис. 2. Анализ приведенных видеосигналов показывает влияние шероховатости поверхности как на амплитуду видеосигнала, так и на его спектр. При этом наблюдается уменьшение амплитуды сигнала с уменьшением шероховатости. Можно было бы воспользоваться этой особенностью для идентификации шероховатости, если бы не существенная зависимость уровня видеосигнала не только от шероховатости, но и от множества других факторов, в частности, от общего уровня освещённости, от мощности падающего светового потока и т.п. Кроме того, в радиотехнике установлено, что амплитудная модуляция из всех известных обладает наименьшей устойчивостью к различным помехам [3]. В связи с вышесказанным для определения признаков, по которым можно достаточно надежно идентифицировать исследуемую поверхность, т.е. отнести ее к тому Образец №1
Образец №2 Образец №3 Р и с. 2. Уровень яркости видеосигналов исследуемых поверхностей образцов
Образец №1Образец №2Образец №3Р и с. 3. Бинарные изображения исследуемых поверхностей Полученные бинарные изображения использовались в дальнейшем для того, чтобы с большой достоверностью различать поверхности с различной шероховатостью. Для этого в бинарном изображении задавался эталон размером µ § пикселя по центру полосы шириной в µ § пикселей. Этот эталон перемещался по всей выделенной полосе с шагом в 1 пиксель. При каждом совмещении эталона с текущим фрагментом изображения подсчитывалась сумма пикселей, совпавших в эталоне и текущем фрагменте. Этой сумме придавалось смысловое значение коэффициента корреляции. Для получения нормированного коэффициента корреляции найденная сумма делилась наµ § пикселя. Таким образом, при полном совпадении эталона и текущего фрагмента изображения коэффициент корреляции принимал значение, равное 1, которому в памяти компьютера ставился в соответствие байт со значением µ §. Нулевому значению коэффициента корреляции при полном несовпадении эталона и текущего фрагмента соответствовал байт со значением µ §. После обработки первой полосы задавалась следующая полоса такой же высоты, но смещённая вниз на один пиксель, и в ней выполнялись те же действия. Таким образом, после обработки всего бинарного кадра для исследуемых образцов получались полутоновые автокорреляционные поверхности, характерный вид которых при размере эталона µ § пикселя приведен на рис. 4. Образец №1Образец №2Образец №3 Р и с. 4. Нормированные автокорреляционные поверхности исследуемых образцов
Из приведенных зависимостей также видно, что с увеличением шероховатости увеличивается частота колебаний автокорреляционной функции и увеличивается доля регулярной составляющей. При этом для поверхности с наилучшей шероховатостью (образец №3) наблюдается резкое падение амплитуды корреляционного сигнала от места взятия эталона, что может служить характерным признаком для идентификации (распознавания) изделий с заданными высокими показателями по качеству поверхности. Образец №1 Образец №2 Образец №3 Р и с. 5. Графики изменения нормированных автокорреляционных сигналов для исследуемых поверхностей Для введения количественной оценки, на основании которой можно с заданной вероятностью надёжно распознать оптико-электронным методом неизвестную шероховатость исследуемой поверхности, в предлагаемой работе был применен следующий алгоритм. В автокорреляционной поверхности вычислялся средний уровень яркости µ §. Затем из каждого байта этой поверхности µ § вычиталось значение µ § и подсчитывалась сумма всех разностей по абсолютной величине. После этого сумма делилась на площадь автокорреляционной поверхности: µ §, (1)
Полученной таким образом оценке µ § можно придать смысловое значение средней амплитуды переменной составляющей двухмерной автокорреляционной функции. Отметим, что величина µ § также является безразмерной величиной, как и µ §. Путем применения рассмотренного алгоритма получения оценки шероховатости к исследуемым поверхностям для различных размеров эталонов были получены результаты, представленные в таблице. Анализ приведенных данных показывает существенное влияние размера эталона как на среднюю амплитуду переменной составляющей автокорреляционной функции (АКФ), так и на её среднеквадратическое отклонение (СКО). При этом наилучшее различие по амплитуде и СКО для образцов с различной шероховатостью наблюдается при использовании эталона размером µ §пикселя. Для этого случая на рис. 6 приведен график зависимости среднего арифметического отклонения профиля исследуемых поверхностей от средней амплитуды переменной составляющей АКФ. Как видно из приведенного графика, с увеличением среднего арифметического отклонения профиля от средней линии возрастает и средняя амплитуда переменной составляющей в автокорреляционной функции. Для получения аналитической зависимости µ § в данной работе был использован интерполяционный метод Лагранжа [4], который позволил получить уравнение для µ § в виде µ § . (2) Зависимость средней амплитуды переменной составляющей автокорреляционной функции от размера эталона µ §, мкмСредняя амплитуда µ §Эталон µ §Эталон µ §Эталон µ §Эталон µ §Эталон µ §Эталон µ §0,084µ § ѓг=3,6µ § ѓг=2,1µ §ѓг=1,4µ § ѓг=1,2µ § ѓг=1,1µ § ѓг=0,80,13µ § ѓг=8,4µ §ѓг=5,6µ § ѓг=4,8µ §ѓг=3,7µ § ѓг=2,8µ § ѓг=2,70,56µ § ѓг=9,8µ §ѓг=6,4µ § ѓг=5,1µ § ѓг=4,6µ § ѓг=3,5µ § ѓг=3,2Для определения доверительных интервалов µ §, в которые попадает случайная величина µ §, зададим вероятность распознавания шероховатости поверхности µ §. Проведенными исследованиями было установлено, что образец №1 имел среднеквадратическое отклонение от µ §, равное µ §, образец №2 ЁC µ §и образец №3 ЁC µ § (см. табл. 1), а сама случайная величина µ § подчиняется нормальному закону распределения. В этом случае число среднеквадратических отклонений µ §, которое нужно отложить вправо и влево от центра рассеивания для того, чтобы вероятность попадания случайной величины µ § в полученный интервал была µ §, имеет значение 2,576 [5]. Для каждого образца было обработано по 30 изображений с различных участков исследуемой поверхности, т.е. n=30. Тогда среднеквадратическое отклонение оценки для µ § определяется по формуле [5] µ § . (3) Следовательно, для образца №1 имеем µ § для образца №2 µ § и для образца №3 µ §.Через величины µ § и µ § доверительный интервал выражается в виде µ §. (4)
Округляя вычисленные значения µ §в сторону увеличения, получим: для образца № 1 ѓ{ µ § для образца № 2 ѓ{ µ § для образца № 3 ѓ{ µ § Как видно из приведенных данных, доверительные интервалы для µ § с увеличением шероховатости возрастают и, что очень важно, не перекрываются. График зависимости µ § приведен на рис. 7.
Р и с. 7. Зависимость доверительного интервала от средней амплитуды переменной составляющей автокорреляционной функции Как видно из графика, зависимость µ § имеет нелинейный характер. Используя и в этом случае интерполяционный метод Лагранжа, получили для доверительного интервала аналитическое выражение в виде µ § µ §.µ § (5) Заключение. Рассмотренная выше методика была применена для оценки шероховатости цилиндрической поверхности бомбинированного ролика подшипника ступицы колеса автомобиля ВАЗ. Отметим, что исследуемые образцы №1,ЎK,№3 были изготовлены на том же оборудовании и по той же технологии, что и ролик. Для ролика режим шлифования был следующим: скорость абразивного круга 50 м/с, скорость ведущего круга 70 м/с, снимаемый припуск 0,01 мм, скорость продольной подачи 300 м/мин, работа с охлаждением и периодической правкой алмазным карандашом. Бинарное изображение участка цилиндрической поверхности ролика, а также результаты преобразования этого изображения по рассмотренной выше методике приведены на рис. 8. а б
в
цилиндрической поверхности ролика: а ЁC бинарное изображение; б ЁC автокорреляционная поверхность; в ЁC график изменения коэффициента автокорреляции В связи с тем, что цилиндрическая поверхность ролика из-за своей кривизны по-разному отображается в фокальной плоскости видеосистемы (рис. 9), для вычисления µ § был взят центральный участок поверхности размером µ § пикселей. Обработка 30 бинарных изображений автокорреляционных поверхностей дали значение µ §. Подставляя это значение в формулу (5), получаем µ §. Следовательно, µ § и µ §. Используя найденные значения в формуле (2), получим: µ §, µ § и µ §. Найденные значения среднего арифметического отклонения профиля цилиндрической поверхности ролика вполне согласуются со значениями, определёнными с помощью профилографа модели SJ-201P. Таким образом, рассмотренный оптико-электронный комплекс и методика определения стандартных параметров шероховатости на основе компьютерной обработки видеоизображений анализируемых участков позволяют оценивать качество поверхности различных изделий, не нанося ей механических повреждений и в тех местах, где применение других методов не представляется возможным. Кроме того, этот комплекс позволяет организовать оперативный 100%-ный контроль качества выпускаемых изделий непосредственно в ходе их производства. Библиографический список Дунин-Барковский И.В., Карташова А.Н. Измерение и анализ шероховатости, волнистости и некруглости поверхности. ЁC М: Машиностроение, 1987. ЁC 232 с. Абрамов А.Д Оценка микрогеометрии поверхности лопаток ГТД на основе анализа их автокорреляционных функций // Вестник Самар. гос. техн. ун-та. ЁC 2007. ЁC №2. Котельников В.А. Теория потенциальной помехоустойчивости. ЁC М.: Радио и связь, 1998. ЁC 151 с.: ил. Мышкис А.Д. Математика для технических вузов. Специальные курсы. 2-е изд. ЁC СПб.: Лань, 2002. ЁC 632 с. Вентцель Е.С. Теория вероятностей: учебник для вузов. 5-е изд. ЁC М.: Высшая школа, 1998. ЁC 576 с.
UDC 621.517,681.142.36 INFORMATION OF SURFACE ROUGHESS WITH DETERMINATED PROBOBILITY ON BASE OF COMPUTER TECHNOLOGIES OF OPTIC-ELECTRONIC MEANS
Samara State Technical University, 244, Molodogvardeyskaya str., Samara, 443100.
О МНОГОКООРДИНАТНЫХ СМЕЩЕНИЯХ ТОРЦОВ ЛОПАСТЕЙ ВИНТОВЕНТИЛЯТОРА С РАЗНОВРЕМЕННЫМ ПРЕОБРАЗОВАНИЕМ СИГНАЛОВ КЛАСТЕРНЫХ ДАТЧИКОВ. ЧАСТЬ 1. ОБОСНОВАНИЕ МЕТОДА И ЕГО ОПИСАНИЕ
О.П. Скобелев, В.В. Тулупова2 Институт проблем управления сложными системами РАН, 443020, Самара, ул. Садовая, 61. Рассматривается метод получения измерительной информации о многокоординатных смещениях торцов лопастей винтовентиляторного газотурбинного двигателя, предусматривающий использование кластерного одновиткового вихретокового датчика с разновременным преобразованием индуктивностей его чувствительных элементов в напряжение на выходе измерительной цепи и соответствующий цифровой код. Ключевые слова: винтовентиляторный авиационный двигатель, смещения торцов лопастей, кластерный одновитковый вихретоковый датчик, разновременный опрос, бесконтактные ключевые элементы, влияние остаточных параметров Одним из направлений современного авиационного двигателестроения является разработка и создание экономичных и надежных винтовентиляторных газотурбинных силовых установок. В процессе их доводочных испытаний особое место занимает задача получения информации о радиальных зазорах (РЗ) между торцами лопаток и статором компрессора и турбины, между лопастями винтовентилятора и его статорной оболочкой, поскольку от величины РЗ зависит как экономичность, так и надежность газотурбинного двигателя (ГТД) [1, 2]. Изменения РЗ в винтовентиляторах (ВВ) в основном связаны с деформациями, из которых наиболее значимы изгиб лопастей под действием тяговых усилий, их вытяжка в радиальном направлении под действием центробежных сил и изменений температуры. Кроме того, лопасти ВВ совершают принудительные угловые перемещения (в несколько десятков градусов), определяющие режим работы ГТД. Иначе говоря, торцы лопастей в процессе вращения винта совершают многокоординатные смещения в системе отсчета, жестко связанной со статорной оболочкой ВВ, а изменения РЗ вызваны изменениями лишь одной из координат ЁC смещениями торца лопасти в радиальном направлении (например, координаты y в прямоугольной системе отсчета 0XYZ). В работе [3] приводится описание метода получения измерительной информации о РЗ в ВВ, предусматривающего применение одновиткового вихретокового датчика (ОВТД) с чувствительным элементом (ЧЭ) в виде отрезка проводника. Индуктивность ЧЭ датчика зависит не только от РЗ (изменений координаты y), но и от всех прочих координат смещений торцов лопастей. Чтобы учесть их влияние, предусматривается применение штатного потенциометрического датчика угла поворота лопастей (ѓЪ) с токосъемником, а также модели изгибных деформаций лопастей, функционирующей в реальном времени с учетом текущих значений параметров режима и обеспечивающей определение соответствующих изгибу координат смещений (x, z). Искомые РЗ вычисляются с помощью семейства градуировочных характеристик (ГХ), представленных в виде полиномиальной функции нескольких переменных (координат смещений торцов лопастей x, y, z, ѓЪ). Однако в системе, реализующей этот метод, используется существенно упрощенная модель, вполне совместимая с программным обеспечением реального времени, но ограниченная по точности. Вместе с тем более совершенные модели с повышенной точностью вычисления деформаций лопастей отличаются сложностью и значительной длительностью расчетных операций, а потому их применение в указанных системах практически невозможно. Кроме того, точность моделирования при проведении бортовых экспериментов снижается из-за отсутствия прямых измерений тяговых усилий ЁC одного из параметров режима, необходимого для функционирования модели. Понижена и надежность получения информации об угловых перемещениях лопастей из-за наличия контактов в штатном датчике и токосъемнике. В работе [4] рассматривается метод получения информации о координатах смещений торцов лопастей, в котором нет необходимости применения моделирования, так как вместо ОВТД используются их кластерные разновидности, названные в работах [5, 6] кластерными ОВТД (КОВТД). Число ЧЭ в КОВТД определяется числом искомых координат, а выходные сигналы датчиков после цифрового преобразования фиксируются в момент прохождения основанием лопасти геометрического центра (г.ц.) в торцевой части КОВТД. При этом искомые координаты смещений торцов лопастей и РЗ вычисляются путем решения системы уравнений на основе семейств ГХ и цифровых кодов, соответствующих выходным сигналам измерительной цепи (ИЦ) с датчиком в указанный момент времени. Недостаток метода связан с взаимным электромагнитным влиянием ЧЭ, которое негативно сказывается на семействах ГХ, вызывая снижение чувствительности к искомым координатам или сужение рабочих диапазонов их изменений [7]. Следует отметить, что при реализации первого метода [4], ориентированного на применение ОВТД, предполагается использование ИЦ, в одно из плеч которой включен рабочий ЧЭ, взаимодействующий с торцами лопастей, а во второе ЁC компенсационный ЧЭ, не взаимодействующий с торцами лопастей, но подверженный примерно тем же температурным воздействиям, что и рабочий ЧЭ1. Что касается второго метода, то его реализация также связана с дифференциальными ИЦ, в которые включаются кластерные датчики ЁC рабочий и компенсационный. Число таких ИЦ определяется числом ЧЭ в рабочем КОВТД, образующих пары с соответствующим ЧЭ в компенсационном КОВТД, причем последний (согласно [5]) должен быть расположен на статорной оболочке ВВ с таким расчетом, чтобы в момент фиксации кодов его ЧЭ находились в максимальном удалении от ближайших торцов лопастей, т. е. вне зоны чувствительности. Для компенсационного КОВТД требуется дополнительное установочное отверстие, наличие которого нежелательно из-за возможного риска потери прочности статорной оболочки, а потому является недостатком второго метода. Поэтому с учетом изложенного представляется необходимой разработка нового метода, свободного от перечисленных недостатков. Результатам разработки этого метода и посвящена первая часть настоящей статьи. Во второй части рассматриваются вопросы реализуемости разработанного метода. На рис. 1 представлено упрощенное изображение лопасти в момент прохождения ее основанием г.ц. КОВТД в точке 0 на внутренней поверхности статорной оболочки. На том же рисунке показана прямоугольная система отсчета XYZ с началом в точке 0. Предполагается также, что смещение торца лопасти (точки М) происходит по трем координатам (x, y, z), причем изменениям РЗ соответствуют изменения y. Как уже отмечалось, в существующих авиационных ВВ предусмотрен также принудительный разворот лопасти, т.е. дополнительное смещение торца лопасти по четвертой угловой координате ц относительно собственной продольной оси лопасти (координатной оси Y). При этом следует иметь в виду, что лопасти ВВ вместе с валом вращаются относительно оси Х, но размещение каждой из них на валу задается угловым положением основания лопасти относительно «метки», также размещенной на валу ВВ. Момент прохождения «метки»2 принимается за начало отсчета по времени при вычислении моментов прохождения основанием каждой лопасти г.ц. КОВТД (точки 0 ЁC начала системы отсчета). Р и с. 1. Схематическое изображение лопасти. Система отсчета Предлагаемый метод, как и один из методов, изложенных во вводной части статьи, ориентирован на применение КОВТД. Если при этом отказаться от использования штатного потенциометрического датчика угла поворота лопастей и контактного токосъемника, обеспечивающих получение информации о координате ц и обладающих известными недостатками, то число ЧЭ в КОВТД должно быть равно четырем для преобразования смещений торцов лопастей по всем четырем координатам x, y, z, ц. жүктеу/скачать 372.7 Kb. Достарыңызбен бөлісу:
|