CC BY
83
№ 1 (33), 2015
Технические науки. Машиностроение и машиноведение
УДК 681.5
О. С. Шумарова, С. А. Игнатьев, Е. М. Самойлова
АВТОМАТИЗАЦИЯ РАСПОЗНАВАНИЯ ДЕФЕКТОВ ШЛИФОВАЛЬНЫХ ПОВЕРХНОСТЕЙ ДЕТАЛЕЙ ПОДШИПНИКОВ ПРИ ВИХРЕТОКОВОМ КОНТРОЛЕ С ОБОСНОВАНИЕМ ВЫБОРА ВИДА ВЕЙВЛЕТА
Аннотация.
Актуальность и цели. Целью данной работы является совершенствование метода обработки информационного сигнала при вихретоковом контроле качества шлифованных поверхностей качения деталей подшипников на основе автоматического распознавания локальных дефектов при помощи оптимального выбора вида вейвлета. В соответствии с поставленной целью в работе решаются следующие задачи: разработка метода автоматического распознавания вида локальных дефектов и создание программного модуля для автоматического поиска и интеллектуальных алгоритмов распознавания наиболее распространенных локальных дефектов шлифованной поверхности качения деталей подшипников по данным вихретокового контроля с обоснованием критерия выбора вейвлета, заключающегося в определении соотношения вейвлет коэффициентов дефект-шум, критериально оцениваемых по величине среднеквадратичного отклонения, умноженного на коэффициент предельной чувствительности. Причем на первом этапе осуществляется распознавание по амплитудной составляющей информационных сигналов. Если осуществляется совпадение заданного уровня коридора среднеквадратичного отклонения от дефектов в одном признаковом пространстве, на втором этапе осуществляется распознавание по уровню коридора среднеквадратичного отклонения фазовой составляющей информационных сигналов.
Материалы и методы. В основе проведенных исследований лежат методы обработки дискретных сигналов, аппарат вейвлет-преобразований, теория распознавания образов. Обработка результатов вихретокового контроля велась с использованием специально разработанного программного обеспечения, написанного и реализованного с помощью языка программирования Delphi.
Экспериментальные исследования проводились с использованием автоматизированной системы вихретокового контроля на базе автоматов контроля деталей подшипников (АВК-Р2 и ПВК-К2М) в производственных условиях ОАО «ЕПК-Саратов».
Результаты. Достигнуто повышение эффективности вихретокового метода контроля качества шлифованной поверхности деталей подшипников за счет автоматического анализа степени неоднородности поверхностного слоя и выявления типичных дефектов с помощью специальных методов вейвлетанализа информационных сигналов, а также обоснование выбора вида вейвлета, что позволяет повысить качество результатов контроля.
Выводы. Для распознавания дефектов разработан специальный программный продукт, позволяющий анализировать дискретные данные, полученные с вихретокового датчика. Внедрение программного обеспечения в автоматическую систему мониторинга качества изготовления прецизионных изделий позволяет эффективно управлять технологическим процессом. Разработанный программный продукт является исследовательским и при некоторой доработке под конкретные технологические процессы подлежит практическому внедрению.
Ключевые слова: вихретоковый контроль, локальные дефекты поверхностного слоя деталей подшипников, вейвлет-преобразование, мониторинг.
Engineering sciences. Machine science and building
121
Известия высших учебных заведений. Поволжский регион
O. S. Shumarova, S. A. Ignat'ev, E. M. Samoylova
AUTOMATION OF BEARING PARTS’ GRINDING SURFACE DEFECT DETECTION AT VORTEX-CURRENT TESTING WITH SUBSTANTIATION OF WAVELET TYPE CHOICE
Abstract.
Background. The purpose of this work is to improve a method of information signal processing at vortex-current quality control of bearing parts’ grinding surfaces on the basis of automatic recognition of local defects by means of an optimal choice of a wavelet type. According to the goal the work solves the following tasks: development of a method of automatic recognition of a local defect type and creation of a program module for automatic search and intellectual algorithms of recognition of the most widespread local defects of bearing parts’ grinding surface according to vortex-current testing with substantiation of a wavelet choice criterion, consisting in defining a ratio of wavelet coefficients of defect and noise, criteria-estimated by the size of the mean square deviation increased by a coefficient of limiting sensitivity. Herewith, at the first stage it is necessary to recognize information signals by an amplitude component. If there is a matchof the set level of a corridor of a mean square deviation from defects in one feature space, at the second stage the recognition will be carried out by the level of a corridor of a mean square deviation of a phase component of information signals.
Materials and methods. The conducted research was based on the methods of discrete signals processing, the device of wavelet-transformations, the theory of recognition of images. Processing of results of vortex-current testing was conducted using the specially developed software written and realized by means of the Delphi programming language. Pilot studies were conducted using the automated system of vortex-current testing (ASVT) on the basis of automatic devices of bearing parts testing (ABK-P2 and PVK-K2M) under production conditions of JSC EPK-Saratov.
Results. The authors achieved an increase of efficiency of the vortex-current method of quality control of bearing parts’ grinding surface through the automatic analysis of the degree of heterogeneity of an upper layer and the detection of typical defects by means of special methods of the wavelet-analysis of information signals, and also substantiation of the wavelet type choice allowing to increase the quality of testing results.
Conclusions. The authors developed the special software product allowing to analyze the discrete data obtained from a vortex-current sensor for recognition of defects. Introduction of the software into the automatic system of quality monitoring of precision products manufacturing allows to efficiently control the technological process. The developed software product is under investigation and after some adjustment to concrete technological processes is subject to practical implementation.
Key words: vortex-current testing, local defects of an upper layer of bearing parts, wavelet-transformation, monitoring.
Введение
Создание конкурентоспособных изделий машино- и приборостроения обусловливает высокие требования к качеству изготовления деталей и их последующей сборке. Указанное распространяется и на подшипники, от качества которых зависит надежность функционирования железнодорожного и
122
University proceedings. Volga region
№ 1 (33), 2015
Технические науки. Машиностроение и машиноведение
автомобильного транспорта, летательных аппаратов, станков и т.д., в связи с чем на предприятиях внедряются системы менеджмента качества продукции [1, 2].
Система мониторинга технологического процесса (ТП) изготовления точных изделий, в частности деталей подшипников, является одним из важнейших элементов системы менеджмента качества продукции на предприятиях, обеспечивающей эффективность производства, и состоит, как правило, из четырех подсистем, необходимых для ее функционирования: организационная подсистема, подсистема технического обеспечения, подсистема научно-методического обеспечения и информационная подсистема [2].
Важная роль в ТП изготовления деталей подшипников отводится шлифованию, в процессе которого формируются основные макро- и микрогеометрические параметры точности и физико-механические характеристики поверхностей качения [2, 3].
В процессе шлифования действует множество факторов, которые дестабилизируют как сам ТП, так и результаты обработки деталей. Это приводит к необходимости периодически, несколько раз в день, контролировать состояние ТП. Важным моментом здесь является организация автоматизированного контроля как значений геометрических параметров точности, так и неоднородности структуры поверхностного слоя колец подшипников [4].
Решения об изменениях параметров ТП по результатам его контроля принимаются специалистами на основании знаний, опыта и интуиции. При этом исходные посылки (результаты контроля) в некоторых случаях могут интерпретироваться субъективно, особенно в случаях, где в явном виде неприменимы количественные оценки. В качестве примера можно привести вихретоковый метод контроля [5, 6], который позволяет выявить изменения физико-механического состояния поверхностного слоя шлифовальной детали и широко применяется в промышленности в системе мониторинга шлифовальной обработки деталей подшипников, в частности, на ОАО «ЕПК-Саратов» [2].
1. Анализ данных вихретокового преобразователя
Анализ дискретных данных вихретокового преобразователя (ВТП), полученных от прибора ПВК-К2М (рис. 1), показал, что такие дефекты, как прижоги, трещины, разломы в деталях подшипников (кольца, ролики), влияют на результаты сканирования объекта, а сам сигнал имеет две составляющие - фазовую (штрихпунктирная линия на сканограмме) и амплитудную (сплошная линия).
Каждая составляющая представляет собой дискретный сигнал, в котором заключена часть информации о поверхности контролируемой детали. Выход значений электромагнитных характеристик сканируемой поверхности за допустимый уровень отражается в сигнале ВТП резким скачком амплитуды. Данный факт позволяет выработать количественный порог, по которому в дальнейшем можно определить границы неоднородности.
Реальные нестационарные сигналы чаще всего состоят из кратковременных высокочастотных и длительных низкочастотных компонентов, поэтому для их анализа целесообразно применять преобразование, которое обеспечивает различные окна для различных частот (узкие - для высоких ча-
Engineering sciences. Machine science and building
123
Известия высших учебных заведений. Поволжский регион
стот и широкие - для низких). Этим условиям отвечает вейвлет-преобразование [7, 8].
а) б) в)
Рис. 1. Форма сигналов с ВТП локализованных дефектов и соответствующие участки сканограмм: метальная трещина (а), прижог (б), трооститное пятно (в)
Как следует из теории дискретного вейвлет-преобразования, резкие кратковременные всплески отображаются в высокочастотной части разложения. Анализируя в совокупности детализирующие коэффициенты различных уровней разложения фазовой и амплитудной составляющей сигнала ВТП, выявляем последовательно неоднородности поверхностного слоя путем выделения их левой и правой границ. В итоге выделенные неоднородности представляют собой набор из 2N чисел, где N - количество обнаруженных неоднородностей. Полученные таким образом сигналы имеют различную длину и различные размеры по амплитуде, так как дефекты различаются по геометрическим размерам: глубине, площади, размерам зон напряжения и т.д. В то же время один и тот же тип дефектов имеет внутри своего класса сходную форму сигнала, что позволяет отличать один тип от другого (рис. 1).
2. Алгоритм процесса распознавания дефектов
В общем случае процесс распознавания представляет собой отнесение исследуемого объекта, представленного неким набором наблюдаемых параметров, к одному из альтернативных классов. Непосредственно процедура отнесения базируется на различиях некоторой упорядоченной совокупности признаков распознавания, которые традиционно формируют на основе полученных в результате наблюдений различных параметров классифицируемого объекта. Важнейшей задачей процесса распознавания является определение набора признаков, т.е. формирование признакового пространства.
На рис. 2 представлен алгоритм процесса, который позволяет анализировать дискретные данные, полученные с вихретокового датчика для определения дефектов деталей подшипников.
124
University proceedings. Volga region
№ 1 (33), 2015 Технические науки. Машиностроение и машиноведение
Для распознавания наиболее распространенных дефектов поверхностей качения деталей подшипников, таких как трооститное пятно, забоина, метальная, закалочная или шлифовальная трещины, штриховой или пятнистый прижоги, предполагается использование нескольких классификационных признаков: оценка спектров детализирующих вейвлет-коэффициентов по
Engineering sciences. Machine science and building
125
Известия высших учебных заведений. Поволжский регион
амплитудной составляющей, по фазовой составляющей и оптимально выбранному виду вейвлета [8, 9].
3. Программный анализ данных ВТП
Для распознавания дефектов по указанным признакам разработан специальный программный продукт с графическим интерфейсом, позволяющий анализировать дискретные данные, полученные с вихретокового датчика, а также выводить на печать все итоговые и промежуточные результаты.
После открытия файла с сигналом программа заполняет выпадающее меню «Поверхность» найденными в файле названиями поверхности и канала, затем автоматически выбирается первая поверхность из списка и строится график исходного сигнала (рис. 3).
Имеется возможность просмотра сигнала по оборотам - для этого необходимо установить флаг «Обороты отдельно». После установки флага появятся кнопки управления номером оборота и поле ввода/вывода с номером текущего оборота (рис. 4).
Исходный сигнал содержит шумовые всплески, которые затрудняют анализ информационного сигнала, для их устранения необходимо нажать на кнопку «Убрать шум». После этого запустится процедура удаления шума из сигнала и график примет вид, показанный на рис. 5.
В процессе реализации метода распознавания дефектов поверхностей качения деталей подшипников по представленному алгоритму (рис. 2) экспериментальным путем доказано, что вейвлет наилучшим образом повторяет дефект на третьем уровне разложения (рис. 6) [8, 9].
По графику детализирующих коэффициентов в сигнале выделяются пять дефектов с разными отклонениями, три из которых слабо проявляются, а остальные два характеризуются наибольшими амплитудами. Наиболее интересующий дефект - с максимальным отклонением от сигнала (рис. 3). Разложение отфильтрованного сигнала и вейвлет коэффициенты приводятся на рис. 7 [8, 9].
Программа имеет возможность автоматического нахождения дефекта с указанием коэффициента предельной чувствительности. Коэффициент предельной чувствительности необходим для исключения ложных срабатываний. При нажатии на кнопку «Найти дефект» программа автоматически перебирает типы вейвлетов, очищает сигнал от шума с помощью выбранного вейвлета, делает вейвлет-анализ, рассчитывает среднеквадратическое отклонение и ищет значения сигнала, выходящие за пределы среднеквадратического отклонения, умноженного на коэффициент предельной чувствительности. Процедура повторяется по всем вейвлетам, и значения отношений де-фект/шум сравниваются. Вейвлет, который соответствует максимальному значению отношения, признается оптимальным для данного сигнала [3].
Далее поиск дефекта ведется по оптимальному вейвлету и в конце поиска выдается сообщение с информацией о поиске (рис. 8). На главном окне появляется панель управления просмотром выявленных дефектов. Для просмотра дефектов нужно установить переключатель в положение «Только дефекты» и выбрать номер дефекта. Есть возможность просмотра графиков коэффициентов аппроксимации и детализации.
126
University proceedings. Volga region
Engineering sciences. Machine science and buiiding 127
Рис. 3. Главное окно программы после загрузки файла с сигналом
Исходный сигнал
Рис. 4. Просмотр графика исходного сигнала по оборотам
№ 1 (33), 2015 Технические науки. Машиностроение и машиноведение
128 University proceedings. Volga region
Рис. 5 Просмотр графика исходного сигнала по оборотам
Рис. 6. Выделение дефекта из сигнала: а - сигнал дефекта; б - детализирующие коэффициенты дефекта
Известия высших учебных заведений. Поволжский регион
№ 1 (33), 2015
Технические науки. Машиностроение и машиноведение
Engineering sciences. Machine science and building
129
Известия высших учебных заведений. Поволжский регион
Рис. 8. Результат поиска дефекта в сигнале
Программная реализация автоматического метода распознавания дефектов на основе оптимального выбора вейвлета более практична, позволяет вычислять различные характеристики и сравнивать сигналы, основываясь не только на графическом отображении значений, но и используя математические критерии оценки и сравнения определенных значений.
Полученные данные содержат достаточную информацию для определения типа и местоположения дефектов, что позволяет разработать методику автоматизированной сортировки деталей по степени неоднородности поверхностного слоя и выявления дефектов для системы мониторинга процесса шлифования
Заключение
Эффект от автоматизации процесса распознавания локальных дефектов поверхностей качения деталей подшипников по характеристикам сигнала ВТП характеризуется повышением результативности мер по корректировке ТП, сокращением сроков простоя оборудования, позволяет успешно решать задачу обучения персонала, обеспечивающего процесс шлифования деталей подшипников. Внедрение программного обеспечения в автоматизированную систему мониторинга ТП изготовления прецизионных изделий направлено на реализацию обратной связи по параметрам качества деталей и позволяет эффективно управлять технологическим процессом и минимизировать влияние человеческого фактора, что позволит снизить или практически исключить брак и обеспечить конкурентное преимущество в борьбе за потребителя.
Список литературы
1. Всеобщее управление качеством / О. П. Глудкин, Н. М. Горбунов, А. И. Гурин, Ю. В. Зорин. - М. : Радио и связь, 1999. - 600 с.
2. Игнатьев, С. А. Мониторинг технологического процесса как элемент системы управления качеством продукции / С. А. Игнатьев, В. В. Горбунов А. А. Игнатьев. -Саратов : СГТУ, 2009. -160 с.
130
University proceedings. Volga region
№ 1 (33), 2015
Технические науки. Машиностроение и машиноведение
3. Кулаков Ю. М. Предотвращение дефектов при шлифовании / Ю. М. Кулаков, В. А. Хрумков, И. В. Дунин-Барковский. - М. : Машиностроение, 1975. - 144 с.
4. Шу марова, О. С. Автоматизированная обработка данных вихретокового контроля колец подшипников с применением вейвлет-преобразований / О. С. Шума-рова, С. А. Игнатьев, Е. М. Самойлова // Вестник Саратовского государственного технического университета. - 2014. - № 2. - С. 192-195.
5. Ярошек, А. Д. Токовихревой контроль деталей машин / А. Д. Ярошек, Г. С. Быс-трушкин, Б. М. Павлов. - Киев : Наукова думка, 1976. - 124 с.
6. Дорофеев, А. Л. Электромагнитная дефектоскопия / А. Л. Дорофеев, Ю. Г. Казаманов. - М. : Машиностроение, 1980. - 280 с.
7. Goswami, J. C. Fundamentalsof Wavelets: theory, algorithms, and applications / Jaideva C. Goswami, Andrew K. Chan // A Wiley-Interscience Publication, 1999. -306 р.
8. Смолянцев, Н. К. Основы теории вейвлетов. Вейвлеты в MATLAB / Н. К. Смолянцев. - М. : ДМК пресс, 2005. - 304 с.
9. Шумарова, О. С. Оптимальный выбор вида вейвлета при обработке сигнала с вихретокового датчика / О. С. Шумарова, С. А. Игнатьев // Вестник Саратовского государственного технического университета. - 2013. - № 4 (73). - С. 128-131.
References
1. Gludkin O. P., Gorbunov N. M., Gurin A. I., Zorin Yu. V. Vseobshchee upravlenie kachestvom [General quality management]. Moscow: Radio i svyaz', 1999, 600 p.
2. Ignat'ev S. A., Gorbunov V. V., Ignat'ev A. A. Monitoring tekhnologicheskogo protsesa kak element sistemy upravleniya kachestvom produktsii [Technological process monitoring as an element of product quality management system]. Saratov: SGTU, 2009,
160 p.
3. Kulakov Yu. M., Khrumkov V. A., Dunin-Barkovskiy I. V. Predotvrashchenie defektov pri shlifovanii [Grinding defects prevention]. Moscow: Mashinostroenie, 1975, 144 p.
4. Shumarova O. S., Ignat'ev S. A., Samoylova E. M. Vestnik Saratovskogo gosudar-stvennogo tekhnicheskogo universiteta [Bulletin of Saratov State Technical University]. 2014, no. 2, pp. 192-195.
5. Yaroshek A. D., Bystrushkin G. S., Pavlov B. M. Tokovikhrevoy kontrol’ detaley mash-in [Vortex-current testing of machine parts]. Kiev: Naukova dumka, 1976, 124 p.
6. Dorofeev A. L., Kazamanov Yu. G. Elektromagnitnaya defektoskopiya [Electromagnetic testing]. Moscow: Mashinostroenie, 1980, 280 p.
7. Goswami J. C., Andrew K. Chan A Wiley-Interscience Publication. 1999, 306 p.
8. Smolyantsev N. K. Osnovy teorii veyvletov. Veyvlety v MATLAB [Wavelets in MATLAB]. Moscow: DMK press, 2005, 304 p.
9. Shumarova O. S., Ignat'ev S. A. Vestnik Saratovskogo gosudarstvennogo tekhnicheskogo universiteta [Bulletin of Saratov State Technical University]. 2013, no. 4 (73), pp. 128-131.
Шумарова Ольга Сергеевна аспирант, Саратовский государственный технический университет имени Ю. А. Гагарина (Россия, г. Саратов, ул. Политехническая, 77)
E-mail: [email protected]
Shumarova Ol'ga Sergeevna Postgraduate student, Saratov State Technical University named after Y. A. Gagarin (77 Politekhnicheskaya street, Saratov, Russia)
Engineering sciences. Machine science and building
131
Известия высших учебных заведений. Поволжский регион
Игнатьев Станислав Александрович доктор технических наук, профессор, кафедра автоматизации, управления, мехатроники, Саратовский государственный технический университет имени Ю. А. Гагарина (Россия, г. Саратов, ул. Политехническая, 77)
E-mail: [email protected]
Самойлова Елена Михайловна
кандидат технических наук, доцент, кафедра автоматизации, управления, мехатроники, Саратовский государственный технический университета имени Ю. А. Гагарина (Россия, г. Саратов, ул. Политехническая, 77)
E-mail: [email protected]
Ignat'ev Stanislav Aleksandrovich Doctor of engineering sciences, professor, sub-department of automation, control, mechatronics, Saratov State Technical University named after Y.A. Gagarin (77 Politekhnicheskaya street,
Saratov, Russia)
Samoylova Elena Mikhaylovna Candidate of engineering sciences, associate professor, sub-department of automation, control, mechatronics, Saratov State Technical University named after Y. A. Gagarin (77 Politekhnicheskaya street, Saratov, Russia)
УДК 681.5 Шумарова, О. С.
Автоматизация распознавания дефектов шлифовальных поверхностей деталей подшипников при вихретоковом контроле с обоснованием выбора вида вейвлета / О. С. Шумарова, С. А. Игнатьев, Е. М. Самойлова // Известия высших учебных заведений. Поволжский регион. Технические науки. - 2015. - № 1 (33). - С. 121-132.
132
University proceedings. Volga region
