CC BY
1
Key words: accident, expert automotive technician, vehicle, automotive technical expertise, investigator.
Tarasov Evgenii Alexandrovich, candidate of technical sciences, docent, head of the scientific and technical center «Automotive expertise», [email protected], Russia, Voronezh, Voronezh State Technical University
УДК 004.932.2
DOI: 10.24412/2071-6168-2024-7-338-339
АВТОМАТИЧЕСКИЙ ПОИСК СТЫКА ЛИСТОВЫХ МАТЕРИАЛОВ НА ОСНОВЕ ОПТИЧЕСКИХ ИЗОБРАЖЕНИЙ ДЛЯ НЕПРЕРЫВНОЙ ЛАЗЕРНОЙ СВАРКИ
Е.С. Опарин, М.А. Дзус, Н.Н. Давыдов, К.С. Хорьков
Статья посвящена проблеме корректировки положения места начала сварного шва. Был разработан метод автоматического поиска стыка листовых материалов на основе оптических изображений для непрерывной лазерной сварки. Авторы представляют подробное описание разработанного алгоритма, оценка результатов его эффективности проводились на реальных экспериментальных данных. В результате применения предложенного метода, возможно автоматически корректировать точку, с которой начинается сварка листовых материалов, что позволяет облегчить работу оператора и повысить эффективность процесса сварки, а также снизить количество дефектов и брака.
Ключевые слова: непрерывная лазерная сварка, стык листовыхматериалов, автоматическое распознавание, распознавание образов.
Лазерная сварка - технологический процесс, в котором в качестве источника теплоты используется лазерное излучение [11]. Использование твердотельных и газовых лазеров как непрерывного, так и периодического действия в процессе сварки относится к методам сварки плавлением.
Сварка является одним из основных методов соединения материалов, используемых в промышленности. Она играет ключевую роль в процессах производства, особенно при работе с листовыми материалами. Однако, одной из основных проблем при лазерной сварке является точное выравнивание и стыковка листовых материалов. Необходимость точного позиционирования и выравнивания поверхностей перед сваркой является критическим шагом, который требует больших временных и трудовых затрат.
Лазерная сварка используется для сварки одинаковых и разнородных металлов, а также заготовок разной толщины в многочисленных отраслях промышленности [10]. Непрерывная лазерная сварка используется в автомобилестроении [12], ракетостроении [2], в промышленности [9], в авиастроении [5]. Многие манипуляции можно проделать с помощью лазеров. Современные лазерные технологии важны в непрерывной лазерной сварке, где требуется сварка стыков. Преимущество использования излучения - отсутствие механического контакта и возможность обработки недоступных элементов [8].
Рис. 1. Схема снятия изображений с установки лазерной сварки: 1 - свариваемые листовые материалы; 2 - источник лазерного излучения; 3 - стационарный рабочий стол; 4 - лазерная головка;
5 - механизм перемещения лазерной головки; 6, 7 - видеокамера считывания чертежей; 8, 9,10,11 - блоки обработки информации и управления; 12 - монитор отображения текущей информации
На сегодняшний день системы распознавания объектов широко распространены во всех сферах жизни, а также в научных исследованиях, таких как сейсмические волновые поля [13], распознавание морских объектов [8], для БПЛА [4], транспортные системы [15], а также в других сферах [7]. Подобные системы позволяют определять личность по изображениям для аутентификации, распознавать номера автомобилей и определять необходимый объект из множества других [3]. Процесс обучения подобных систем сложен, поскольку необходимо не только правильно реализовать программное обеспечение, но и заложить способность модели к распознаванию объекта в любых условиях [6].
В решении задачи распознавания важным этапом является выбор системы признаков информативных параметров. Извлечение признаков, являющихся инвариантами, часто является эвристическим [1]. Созданная программа для автоматической корректировки позиции начала сварки позволит сократить время настройки оборудования, увеличить производительность процесса сварки и снизить количество брака.
Более того, эта тема предоставляет возможности для дальнейших исследований и разработок, направленных на оптимизацию параметров сваркии работу с различными типами материалов, что позволит достичь еще более высокой точности и эффективности в процессе сварки.
Для автоматического поиска стыка использовались реальные изображения, полученные с комплекса по непрерывной лазерной сварке. Общая блок-схема алгоритма представлена на рисунке 2.
Рис 2. Блок-схема алгоритма для расчета смещения точки начала сварки
1. Загрузка данных: изображение представляется в виде списка, где каждый элемент - это список, содержащий три числа, представляющих компоненты RGB для каждого пикселя. Каждый пиксель на изображении кодируется с использованием трех чисел, представляющих соответственно интенсивность красного, зеленого и синего цветовых каналов. Такая система кодирования называется системой RGB, где цвета представлены в виде комбинации трех основных цветов - красного (Red), зеленого (Green) и синего (Blue). Зона интереса - ближайшая щель между свариваемыми деталями к центру изображения, красным на рисунке 3 отмечена текущая позиция лазерного луча. Для корректировки координат лазерного луча необходимо используя данные о положении зоны интереса и текущей позиции лазерного луча рассчитать смещение и передать его на блок управления лазерным комплексом.
Рис. 3. Оригинальное изображение
2. Преобразование в формат HSV. Для удобства анализа, изображение конвертируется из формата RGBв формат HSV. Теперь каждый пиксель представлен тремя числами - тоном, насыщенностью и значением.
3. Подсчет количества пикселей с каждой яркостью. Для проведения анализа изображений, необходимо выполнить подсчет количества пикселей с каждым значением яркости от 0 до 255. Такой подход позволяет определить распределение яркости на исследуемом изображении, что важно для последующей установки порога бинаризации. Бинаризация — это процесс разделения изображения на два уровня яркости: черный и белый, на основе установленного порога. Для определения порога бинаризации необходимо знать статистику распределения яркости пикселей на изображении, и именно для этой цели проводится подсчет количества пикселей с каждым значением яркости от 0 до 255. Этот процесс является важным этапом предобработки изображений и позволяет точно установить порог бинаризации с учетом характеристик конкретного изображения.
4. Поиск локальных максимумов. Для определения точек соприкосновения, необходимо произвести бинаризацию изображения, найти локальные максимумы на графике яркости (рисунок 4). Для этого вводится счетчик
d_stable, который определяет, сколько яркостей подряд значения должны увеличиваться, чтобы текущее значение считалось пиком. При итерации по значениям яркости,проверяется тренд изменения яркости и, если он соответствует требованиям (увеличение или уменьшение в течение (1_81аЬ1е шагов), точка считается пикомили провалом.
2000-
1500 ■
юоо -
500 -
о
Рис. 4. Распределение количества пикселей по яркостям. Красные -найденные максимумы; зеленый - найденный
минимум, по которому производится бинаризация
5.Отбор максимумов. Если найдено больше двух максимумов, отбрасываются те, у которыхзначение меньше среднего значения.
6.Поиск минимума между максимумами. Выбираются значения яркости, из найденных максимумов: минимальный и максимальный - в данном случае 25 и 75, между ними выбирается значение яркости с минимальным количеством пикселей - это значение яркости будет использовано в качестве порога бинаризации.
7. Бинаризация. Если яркость пикселя превышает найденное минимальное значение, он считается белым, иначе - черным. К полученному бинаризованному изображению применяется оператор Кенни (рисунок 5).
Рис. 5. Контуры заготовок, найденные оператором Кенни
После находится ближайшая к области интереса точка контура. В результате получается смещение по осям Х, У. В примере они использованы для отображения смещения лазерного луча (рисунок 6).
ш
I г Л V Я ■' *
V с я. К
1мм
- —
Рис. 6. Демонстрация рассчитанного смещения
Предложенный метод автоматического поиска стыка листовых материалов для импульсной лазерной сварки основан на анализе изображений и позволяет достичь точности и эффективности в процессе сварки, в случаях с явно выраженной вертикальной или горизонтальной щелью. Дальнейшее исследование и разработка данной мето-
340
дики могут привести к улучшению качества сварных соединений и оптимизации производственных процессов, например, с использованием нейронных сетей [14].
В результате применения данной программы [15] возможно улучшение качества сварных соединений, так как минимизируется вероятность ошибок, связанных с неправильным выравниванием стыка. Более того, автоматический поиск стыка позволяет сократить время настройки оборудования и увеличить производительность процесса сварки.
Таким образом, предложенный метод открывает новые перспективы в области промышленности. Его применение может привести к улучшению качества сварных соединений и оптимизации производственных процессов, что является важным шагом в развитии современных технологий сварки.
Список литературы
¡.Абрамов Н.С. Обзор методов распознавания образов на основе инвариантов к яркостным и геометрическим преобразованиям / Н.С. Абрамов, В.П. Фраленко, М.В. Хачумов // Современные наукоемкие технологии. 2020. № 6. С. 110-117.
2.Елисов В.П. Применение керамики и лазерной сварки в ракетостроении / В.П. Елисов, Н.А. Боронов, С.В. Киселев // Актуальные проблемы авиации и космонавтики. 2020. № 1. С. 114-117.
З.Зорин А.В. Общие алгоритмы обучения моделей распознавания объектов / А.В. Зорин, А.Н. Суханова // Международный научный журнал «Синергия наук». 2019. № 1. С. 1-9.
4.Кореванов С.В. Искусственные нейронные сети в задачах навигации беспилотных летательных аппаратов / С.В. Кореванов, В.В. Казин // Научный вестник МГТУ ГА. 2014. № 201. С. 46-49.
5. Левашова А.А. Современные решения в авиастроении // Инновационный потенциал развития общества: взгляд молодых ученых. Курск: Юго-Западный государственный университет, 2022. С. 241-244.
6.Метод обнаружения контуров на основе весовой моделиизображения / З.М. Гизатуллин, С.А. Ляшева, О.Г. Морозов, М.П. Шлеймович // Компьютерная оптика. 2020. Т. 44, № 3. С. 393-402.
7.Полищуков Р.М. Распознавание транспортных средств впотоковом видео с машинным обучением // Актуальные исследования. 2020. № 8. С. 20-24.
8.Полковникова Н.А. Нейросетевые системы автоматическогораспознавания морских объектов // Эксплуатация морского транспорта. 2019. № 4. С. 207-219.
9.Применение лазерной сварки для промышленнойнизкоуглеродистой стали X80 / Л.С. Деревягина, А.И. Гордиенко, А.М. Оришич, А.Г. Маликов // Физическая мезомеханика. Материалы с многоуровневой иерархически организованной структурой и интеллектуальные производственные технологии. Томск: Национальный исследовательский Томский государственный университет, 2020. С. 348-349.
10. Рахимов Р.Р. Технологические особенности лазерной сварки металлических изделий / Р.Р. Рахимов,
B.В. Звездин // Социально- экономические и технические системы: исследование, проектирование, оптимизация. 2020. № 2. С. 29-36.
11. Санникова Д.А. Лазерная техника и её применение // Актуальные вопросы науки, нанотехнологий, производства. 2020. № НТ-01. С. 230-232.
12. Филипов А.И. Анализ возможности применения лазерной сваркипри изготовлении деталей автомобилей // Перспективы развития технологий обработки и оборудования в машиностроении. 2020. № МТО-48. С. 332335.
13. Якименко А.А. Программное обеспечение для обнаружения границ на примере изображений сейсмического волнового поля / А.А. Якименко, А.И. Макфузова, Д.А. Михайленко // Проблемы информатики. 2020. № 2.
C. 37-47.
14. Яковлева Е.В. Обзор примеров искусственного интеллекта управления безопасностью труда в АПК / Е.В. Яковлева, М.О. Быков // Вестниксельского развития и социальной политики. 2020. № 4. С. 26-28.
15. Патент № Свидетельство о государственной регистрации программы для ЭВМ №2023661256. Распознавание сварного соединения на изображении для корректировки точки начала сварного шва при лазерной сварке: № 2023660400: заявл. 20.05.2023: опубл. 29.05.2023/ Опарин Е.С. 3 с.
Опарин Егор Сергеевич, аспирант, инженер, [email protected], Россия, Владимир, Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых, -
Дзус Мария Александровна, аспирант, [email protected], Россия, Владимир, Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых,
Давыдов Николай Николаевич, д-р тех.наук, профессор, [email protected], Россия, Владимир, Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых,
Хорьков Кирилл Сергеевич, канд. физ.-мат. наук, директор ИПМФИ, [email protected], Россия, Владимир, Владимирский государственный университет имени Александра Григорьевича и Николая Григорьевича Столетовых
AUTOMATIC JOINT SEARCH OF SHEET MATERIALS FORCONTINUOUS LASER WELDING
E.S. Oparin, M.A. Dzus, N.N. Davydov, K.S. Khorkov
The article is devoted to the problem of correcting the position of the beginning of the weld. A method for automatic joint search of sheet materials for continuous laser welding has been developed. The authors present a detailed description of the developed algorithm, the evaluation of the results of its effectiveness was carried out on real experimental data. As a result of the application of the proposed method, it is possible to automatically adjust the point from which the weld-
341
ing ofsheet materials begins. This makes it easier for the operator to work and increase the efficiency of the welding process, as well as reduce the number of defects and defects.
Key words: continuous laser welding, joints of sheet materials, automatic recognition, pattern recognition.
Oparin Egor Sergeevich, postgraduate, engineer, oparines@vlsu. ru, Russia, Vladimir, Vladimir State University named after Alexander Grigoryevich and Nikolai Grigoryevich Stoletov,
Dzus Maria Alexandrovna, postgraduate, dzus00@mail. ru, Russia, Vladimir, Vladimir State University named after Alexander Grigoryevich and Nikolai Grigoryevich Stoletov,
Davydov Nikolay Nikolaevich, doctor of technical sciences, professor, n.n.davydov@mail. ru, Russia, Vladimir, Vladimir State University named after Alexander Grigoryevich and Nikolai Grigoryevich Stoletov,
Khorkov KirillSergeevich, candidate of physical and mathematical sciences, director of IPMI, [email protected], Russia, Vladimir, Vladimir State University named after Alexander Grigoryevich and Nikolai Grigoryevich Stoletov
УДК 004
Б01: 10.24412/2071-6168-2024-7-342-343
ТЕОРЕТИЧЕСКИЕ ИССЛЕДОВАНИЯ РАСЧЕТА МАССЫ БРОНИ ИЗ ТИТАНОВЫХ ТРУБОК ДИАМЕТРОМ 12 И 14 ММ., НАПОЛНЕННЫХ КВАРЦЕВЫМ ПЕСКОМ
И.К. Устинов, А.К. Горбунов, Н.А. Силаева, А.М. Зуев, В.В. Сахаров
В статье рассматривались различные варианты конструкций бронезащиты из титановых труб, наполненных кварцевым песком. Основным элементом бронесктойкости в данной конструкции является кварцевый песок, а основным показателем бронеконструции является вес. Анализируется сложный механизм разрушения поверхности бронеконструкции с применением физико-математических расчётов веса самой конструкции и наполнителя в виде кварцевого песка [1-2].
Ключевые слова: бронезащита, титановые трубы, вес брони, кварцевый песок.
В настоящее время широко применяются комбинированные бронеконструкции с применением различных наполнителей и наноматериалов. В данной статье приведены физико-математические методы расчётов веса наполнителей в виде кварцевого песка, которые представлены ниже согласно пунктам расчёта [3-7]:
1.Масса одной титановой трубки длинной 1 м
М = 1 • (л- (Л1г-Л2г)/4) р, где М - масса, г; 1 - длинна трубки, см; л - 3,14; 1 - внешний диаметр трубки, см; 12 - внутренний диаметр трубки, см; р - плотность титана = 4,51 г/см3
Масса титановой трубки диаметром 16 мм = 100 • ((3,14 • (1,62 - 1,32)/4) • 4,51 = 307,3 г;
Масса титановой трубки диаметром 14 мм = 100 • ((3,14 • (1,42 - 1,12)/4) • 4,51 = 265,5 г;
Масса титановой трубки диаметром 12 мм = 100 • ((3,14 • (1,22 - 0,92)/4) • 4,51 = 223г
Таблица 1
Технические параметры ___
Диаметры, мм 12 14 16
Масса 1 погонного метра, кг 0,223 0,2655 0,3073
Число трубок, вмещающихся в 1 м, шт. 83,3 71,4 62,5
Масса 1 м2 конструкции, с учетом увеличения массы 5% на сварку, кг. 19,5 19,9 20,18
Масса 4-х слойной конструкции без песка, кг. 78 79,62 80,7
Масса 4-х слойной конструкции с песка, кг. 111,9 123 133,7
1.В 1 м по ширине размещается 62,5 трубки диаметром 16 мм (100/1,6=62,5); 83,3 трубки диаметром 12 мм и 71,4 трубки диаметром 14 мм.
Масса одного слоя брони из титановых трубок площадью 1м2 с учётом 5% увеличения массы за счёт сварки для диаметра 16 мм - 0,307 кг • 62,5 • 1,05 - 20,18 кг, для диаметра 12 мм 19,5 кг и для диаметра 14 мм 19,9 кг.
2.В рассматриваемой сварной конструкции используется 4 слоя брони для диаметра 16 мм - 20,18 кг • 4 = 80,7 кг, для диаметра 12 мм 78 кг и для диаметра 14 мм 79,62 кг.
3.Насыпная плотность кварцевого песка - 1,6 г/см3. Масса кварцевого песка для наполнения титановых трубок для диаметра 16 мм составит:
М кварцевого песка = 6250 см • 4 слоя • (3,14 • 1,32)/4 • 1,6 г/см3 = 53066 г = 53 кг, для диаметра 12 мм составит 33,9 кг и для диаметра 14 мм составит 43,4 кг.
4. Итог: масса 4-х слойной брони из титановых трубок, наполненных кварцевым песком для диаметром 16 мм составит - 80,7 + 53 = 133,7 кг, для диаметра 12 мм - 111,9 кг для диаметра 14 мм - 123 кг.
5. Расчет цены
Цена 1 т титановой трубы ВТ1-0 составляет 4 200 тыс. руб.
В конструкции используется 81,3 кг
Цена 1 м2 = 341,46 тыс. руб. если заказывать и цена 1 м2 будет 10 тыс. руб. если рассматривать как лом.
