Тип работы:
Предмет:
Язык работы:


Разработка системы бесконтактного контроля шероховатости наружных поверхностей деталей типа вал

Работа №105858

Тип работы

Магистерская диссертация

Предмет

машиностроение

Объем работы75
Год сдачи2020
Стоимость4900 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
79
Не подходит работа?

Узнай цену на написание


Введение 3
1 Анализ характеристик шероховатости поверхностей 6
2 Анализ методов измерения шероховатости поверхностей 9
3 Разработка математических моделей функционирования системы
контроля 23
3.1 Восстановление изображений 23
3.2 Бинарная сегментация изображений 46
3.3 Текстурный анализ изображений 56
4 Разработка алгоритмов функционирования и аппаратной части системы
контроля 60
4.1 Разработка алгоритмов функционирования системы контроля 60
4.2 Разработка аппаратной части системы контроля 66
Заключение 69
Список используемых источников 71

Одним из ключевых вопросов в обеспечении конкурентоспособности выпускаемой машиностроением продукции является повышение ее эксплуатационных характеристик. Данный вопрос достаточно сложный с технической точки зрения и для его успешного решения необходимо повышать точность, надёжность и долговечности деталей, входящих в узлы и механизмы. Один из путей решений заключается в обеспечении оптимальных характеристик сопрягаемых поверхностей. К таким характеристикам относят геометрические свойства, размеры и расположение микронеровностей сопрягаемых поверхностей. Данные параметры обеспечиваются исключительно в ходе технологического процесса изготовления детали.
Перечисленные выше характеристики сопрягаемых поверхностей нормируются ее шероховатостью, которая в конечном итоге определяет эксплуатационные характеристики деталей и их сопряжений. К ним относят сопротивление усталостному разрушению от поверхностных напряжений, стойкость к поверхностному износу при эксплуатации, устойчивость к коррозии, жесткость сопряжения, обеспечение оптимальных условий сопряжения деталей исходя из его назначения и условий эксплуатации, герметичность сопряжения и ряд других [12].
Формирование шероховатости поверхностей обеспечивается на операциях механической обработки. В случае возникновения незначительных отклонений и наличия в технологическом процессе последующих операций механической обработки, возникшие отклонения можно исправить. Если шероховатость превышает заданную конструктором после финишной операции механической обработки, то очень важно провести отбраковку данной детали с целью недопущения ее на сборочные операции. Детали, не отвечающие конструкторским требованиям, могут привести к значительному снижению срока службы узла в целом или выходу его из строя, что может привести созданию аварийных ситуаций. В связи с этим необходимо предусматривать контрольные операции после механической обработки.
Для проведения операций по контролю характеристик шероховатости поверхностей необходимы соответствующие средства контроля, а также методики проведения измерений и анализа полученной информации.
В настоящее время широко применяются методы измерения, основанные на построении профилограммы контролируемой поверхности [16]. Для их реализации применяются различные технические средства. Наибольшее распространение получили контактные и оптические профилографы. Однако, данные технические средства имеют относительно низкое быстродействие и зачастую требуют создания специальных производственных условий, поэтому в условиях серийного производства их применяют чаще всего для выборочного контроля. Такой подход не всегда дает удовлетворительные результаты, так как в реальных условиях влияние быстроменяющихся внешних факторов производственной системы, таких как износ режущего инструмента, колебания припуска под обработку, изменение твердости заготовки приводит к значительному рассеиванию шероховатость поверхности.
В производственных условиях для решения этой проблемы используется метод визуального контроля путем сравнения с эталоном [16]. Основным его недостатком является субъективность контроля, что может привести к пропуску бракованных деталей. Данный метод подразумевает использование достаточно дорогих эталонов шероховатостей поверхностей, которые производятся для различных типов поверхностей и методов обработки. В случае смены материала требуется замена эталонов, что также приводит к увеличению стоимости контроля.
Наиболее актуальным в производственных условиях является контроль шероховатости наружных поверхностей деталей типа вал. Доля таких деталей в общем объеме производства достаточно велика и разработка системы для контроля ориентированной на данный тип деталей позволит существенно сократить затраты на проведение контрольных операций, а также снизит количество ошибок при контроле.
На основе вышесказанного цель данной работы заключается в том, чтобы повысить качество и быстродействие контроля шероховатости наружных поверхностей деталей типа вал на основе анализа известных средств и методик, используемых для измерения шероховатости, а также теории цифровой обработки изображений путем разработки системы бесконтактного контроля.
Для достижения данной цели необходимо решить следующие задачи:
- провести анализ методов, средств и алгоритмов контроля шероховатостей поверхностей используемых на современных предприятиях машиностроительного профиля;
- разработать математические модели функционирования системы контроля;
- разработать алгоритмы функционирования;
- разработать аппаратную часть системы контроля.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


Результатом проведенной работы стало повышение качества и быстродействия контроля шероховатости наружных поверхностей деталей типа вал на основе анализа известных средств и методик, используемых для измерения шероховатости, а также теории цифровой обработки изображений путем разработки системы бесконтактного контроля.
Проведенный в первом разделе анализ общих характеристик шероховатости показал, что при создании системы контроля необходимо обеспечить контроль параметров Raи Rzкак наиболее информативных и получивших наибольшее применение на практике.
Во втором разделе проведен анализ методов, средств и алгоритмов контроля шероховатостей поверхностей используемых на современных предприятиях машиностроительного профиля показал, что в настоящее время не существует систем, которые в полной мере удовлетворяли бы всем требованиям для проведения эффективного контроля непосредственно на рабочем месте. Было принято решение построить систему на базе цифровой обработке изображений.
Основными этапами при обработке изображений шероховатости поверхностей являются: восстановление, бинарная сегментация, текстурный анализ изображений. В ходе работы были выявлены наиболее часто встречаемые дефекты изображений в ходе контроля шероховатостей и предложены математические модели их устранения. С целью снижения объемов обрабатываемой информации и ускорения процесса контроля был предложен метод бинарной сегментации на основе пороговой обработки с автоматическим определением порога. Непосредственно сравнение получаемого после бинарной обработки изображения с эталоном из базы данных производится на основе математической модели текстурного анализа этих изображений. Разработке данных вопросов посвящен третий раздел.
Четвертый раздел посвящен разработке функциональной схемы и алгоритма цифровой обработки изображения проектируемой системы исходя из ее служебного назначения. Проводится оценка эффективности и отработка предлагаемого алгоритма цифровой обработки и математических моделей для его реализации на примере реальных образцов шероховатостей. Кроме того, в данном разделе предлагается реализация аппаратной части проектируемой системы в виде ее общей компоновочной схемы.
Предлагаемая система контроля шероховатости обладает универсальностью. Контроль шероховатости поверхностей может производиться для различных по габаритным характеристикам деталей, обработка которых может быть выполнена на металлорежущих станках различного типа. Измерения могут производиться в производственных или лабораторных условиях, как готовой детали, так и в течение технологического процесса в специально предусмотренное программой время. В отличие от предлагаемых отечественных и зарубежных приборов и систем данный способ менее чувствителен к загрязнениям поверхности, условиям её освещенности источником света и внешним помехам. К преимуществам спроектированной системы контроля также можно отнести отсутствие необходимости в контролерах высокой квалификации, требуются минимальные навыки эксплуатации цифровой техники.



1. Альзаки Х.М.Х. Текстурная сегментация изображений на основе контурных образующих : автореферат дис. ... кандидата технических наук : специальность 05.13.01 Системный анализ, управление и обработка информации / Х.М.Х. Альзаки ; Учреждение образования "Белорусский государственный университет информатики и радиоэлектроники". - Минск,2018 - 21 с.
2. Альмияхи О.М.Х. Адаптивная сегментация изображений на основе древовидных структур : автореферат дис. ... кандидата технических наук : по специальности 05.13.01 Системный анализ, управление и обработка информации / О.М.Х. Альмияхи ; Учреждение образования Белорусский государственный университет информатики и радиоэлектроники. - Минск2017.- 22 с.
3. Бериков В.Б. Методы кластерного анализа данных и сегментации изображений : учебное пособие / В.Б. Бериков ; М-во образования и науки РФ, Новосибирский гос. ун-т, Мех.-мат. фак. - Новосибирск : РИЦ НГУ,2015.- 97 с.
4. Валуева Н.Н. Приборы для измерения шероховатости и волнистости поверхности : Учеб. пособие для заоч. курсов повышения квалификации ИТР по техн. контролю при мех. обраб. / Н.Н. Валуева, Н.А. Прохорова, Н.А. Табачникова. - М. : Машиностроение, 1983. - 47 с.
5. Введение в сегментацию растровых изображений : учебное пособие / А. А. Востриков, А. М. Сергеев, Н. В. Соловьев, Т. Н. Соловьева ; Министерство образования и науки Российской Федерации, Федеральное государственное автономное образовательное учреждение высшего образования Санкт-Петербургский государственный университет аэрокосмического приборостроения. - Санкт-Петербург : ГУАП, 2017. - 34 с.
6. Вейвлет-анализ топографических и поляризационно-оптических изображений дефектов структуры монокристаллов : монография / В.А. Ткаль [и др.] ; Федеральное агентство по образованию, Новгородский гос. ун-т им. Ярослава Мудрого. - Великий Новгород : Новгородский гос. ун-т, 2006. - 397с.
7. Верденская Н.В. Методы сегментации изображений и их
применение в автоматических системах распознавания объектов : автореферат дис. ... кандидата физико-математических наук : 05.13.18 /
Радиотехн. ин-т им. А. Л. Минца. - Москва, 2002. - 23 с.
8. Гонсалес Р.С. Цифровая обработка изображений / Р.С. Гонсалес, Р.Е. Вудс ; пер. с англ. Л И. Рубанова, П.А. Чочиа ; науч. ред. П.А. Чочиа. - Третье изд., испр. и доп. - Москва : Техносфера, 2019. - 1103 с.
9. ГОСТ 2789-73. Шероховатость поверхности. требования. - Введ. 1975-01-01. - М. : Стандартинформ, 2018. - 14 с.
10. ГОСТ 9378-93 (ИСО 2632-1-85, ИСО 2632-2-85). Образцы шероховатости поверхности (сравнения). Общие технические условия : Переизд. Март 2002. - Взамен ГОСТ 9378-75. - Изд. офиц. ; введ. 01.01.97. - Минск : Изд-во стандартов, 2003.
11. Грузман И.С. Цифровая обработка изображений в информационных системах: Учеб. Пособие / И.С.Грузман, В.С.Киричук, В.П. Косых и др. - Новосибирск: Изд-во НГТУ, 2002. - 352 с.
12. Гуревич Ю.Е. Расчет и основы конструирования деталей машин : учебник для вузов. В 2 т. Т. 1. Исходные положения. Соединения деталей машин. Детали передач / Ю. Е. Гуревич, А. Г. Схиртладзе. - Москва : КУРС : ИНФРА-М, 2018. - 239 с.
13. Димов Ю.В. Метрология, стандартизация и сертификация : учеб. для студентов вузов, обуч. по направлениям подготовки бакалавров и магистров, и дипломированных специалистов в обл. техники и технологии / Ю.В. Димов. - Гриф МО. - Санкт-Петербург : Питер, 2013. - 496 с.
14. Журавлев Ю.И. "Распознавание". Математические методы. Программная система. Практические применения / Ю. И. Журавлев, В. В. Рязанов, О. В. Сенько. - Москва : ФАЗИС, 2006 М. : Типография "Наука" РАН. - 176 с.
15. Кирьянов К.А. Устойчивые методы восстановления изображений во встроенных системах для повышения точности измерений механических величин на объектах : автореферат дис. ... кандидата технических наук : 05.11.01 / Кирьянов Константин Александрович. - Санкт-Петербург, 2013. - 23 с.
16. Клименков С.С. Нормирование точности и технические измерения в машиностроении: учебник / С. С. Клименков. - Минск : Новое знание, 2017 ; Москва : ИНФРА-М, 2017. - 248 с.
17. Лебедько Е.Г. Теоретические основы передачи информации : [учеб. пособие] / Е.Г. Лебедько. - Гриф УМО. - Санкт-Петербург [и др.] : Лань,2016.- 349 с.
18. Методы компьютерной обработки изображений : учеб. пособие для вузов / М. В. Гашников [и др.] ; под ред. В. А. Сойфера. - 2-е изд., испр. ; Гриф МО. - Москва : Физматлит, 2003. - 780 с.
19. Неразрушающий контроль и диагностика : справочник / В.В. Клюев [и др.] ; под ред. В. В. Клюева. - 3-е изд., перераб. и доп. - Москва : Машиностроение, 2005. - 656 с.
20. Оборудование и методы контроля микрорельефа дифракционных оптических элементов : учебное пособие / А.В. Волков и др. ; Федеральное агентство по образованию, Гос. образовательное учреждение высш. проф. образования "Самарский гос. аэрокосмический ун-т им. акад. С. П. Королева". - Самара : Изд-во СГАУ, 2007. - 78 с.
21. Поройков А.Ю. Кросскорреляционная обработка изображений в оптических методах диагностики потоков и деформаций : учебное пособие по курсам "Компьютерная обработка изображений" для студентов, обучающихся по направлению "Электроника и наноэлектроника" / А.Ю. Поройков ; Министерство образования и науки Российской Федерации, Национальный исследовательский университет "МЭИ". - Москва : Изд-во МЭИ, 2018. - 73 с.
22. Пылькин А.Н. Методы и алгоритмы сегментации изображений : [монография] / А.Н. Пылькин, Р.В. Тишкин. - Москва : Горячая линия- Телеком, 2010. - 91 с.
23. Радкевич Я.М. Метрология, стандартизация и сертификация : учеб. пособие / Я. М. Радкевич, А. Г. Схиртладзе, Б. И. Лактионов. - 2-е изд. - Саратов : Вузовское образование, 2019. - 790 с.
24. Савичева С.В. Система распознавания отдельных и наложенных плоских объектов : диссертация ... кандидата технических наук : 05.13.01 / Савичева Светлана Владимировна. - Владимир, 2013. - 192 с.
25. Цапаев А.П. Методы и алгоритмы распознавания изображений для обнаружения дефектов внутренней поверхности труб с целью автоматизации визуального контроля : автореферат дис. ... кандидата технических наук : 05.13.17 / Цапаев Алексей Петрович. - Нижний Новгород, 2013. - 20 с.
26. Шапиро Л. Компьютерное зрение : учебное пособие для студентов высших учебных заведений, обучающихся по специальности "Прикладная информатика (по областям)" / Л. Шапиро, Дж. Стокман ; пер с англ. А. А. Богуславского под ред. С. М. Соколова. - 2-е изд. (электронное). - Москва : Бином. Лаб. знаний, 2013. - 752 с.
27. Ширмер Т. Оцифровка и реставрация фотографий, негативов и диапозитивов : сканирование и пересъемка цветных и черно-белых фотографий, негативов и диапозитивов, реставрация выцветших фотоматериалов и их ретуширование, оптимальный подбор оборудования и программ для обработки изображений : [перевод с немецкого] / Т. Ширмер, А. Хайн. - Санкт-Петербург : БХВ-Петербург, 2010. - 216 с.
28. Chen, H. An L0 regularized cartoon-texture decomposition model for restoring images corrupted by blur and impulse noise / H. Chen, Z. Xu, Q. Feng, Y. Fan, Z. Li // Signal Processing: Image Communication 82 - 2020. P. 57 - 62.
29. Fang F. Removing moire patterns from single images / F. Fang, T. Wang, S. Wu, G. Zhang // Information Sciences 514 - 2020. P. 56 - 70.
30. Kheirat R.A. Improved smoothness priors using bilinear transform / R.A.
Kheirati, C. Jutten // Signal Processing 169 - 2020. P. 107 - 118.
31. Li C. Defocus Fuzzy Image Restoration / C. Li, G. Li, Y. Sun, D. Jiang, S. Xu // IOP Conference Series: Materials Science and Engineering 466(1) - 2018. P. 12 - 46.
32. Nakazawa T. Wafer map defect pattern classification and image retrievalusing convolutional neural network / T. Nakazawa, D.V. Kulkarni //IEEETransactions on Semiconductor Manufacturing. - 2018. Т. 31. №2. P. 309-314.
33. Ren Y. Review of convolutional neural network optimization andtraining in image processing / Y. Ren, X. Cheng // Proceedings of SPIE - TheInternational Society for Optical Engineering 10. Сер. "Tenth International Symposium on Precision Engineering Measurements and Instrumentation" - 2019. P. 110-123.
34. Wang H. Low-rank matrix recovery via smooth rank function and itsapplication in image restoration / H. Wang, R. Zhao, Y. Cen, F. Zhang, Q. He, L. Liang, M. Zeng /International Journal of Machine Learning and Cybernetics. -
2018. Т. 9. № 9. P. 1565-1576.
35. Weber L. Registration of phase-contrast images in propagation-based x-ray phase tomography / L. Weber, A. Hansch, F. Peyrin, S. Rit, M.Langer, A. Pacureanu, P.Cloetens, U.Wolfram //Journal of Microscopy. Vol. 269 №1. - 2018. P. 36-47.
36. Wu Y. Analysis and reduction of the phase error caused by the non-impulse system psf in fringe projection profilometry / Y. Wu, X. Cai, J. Zhu,
H. Yue, X. Shao, // Optics and Lasers in Engineering 127 - 2020. P. 105-118.
37. Xue F. Recursive sure for image recovery via total variationminimization / F. Xue, J. Liu, X. Ai //Signal, Image and Video Processing. -
2019. Т. 13. № 4. P. 795-803.
38. Zhu X. Attention-aware perceptual enhancement nets for low-resolution image classification / X. Zhu, Z. Li, X. Li, S. Li, F. Dai // Information Sciences 515 - 2020, P. 233 - 247.


Работу высылаем на протяжении 30 минут после оплаты.




©2025 Cервис помощи студентам в выполнении работ