CC BY
50
УДК 681.5
О.С. Шумарова, С.А. Игнатьев, Е.М. Самойлова
АВТОМАТИЗИРОВАННАЯ ОБРАБОТКА ДАННЫХ ВИХРЕТОКОВОГО КОНТРОЛЯ
КОЛЕЦ ПОДШИПНИКОВ С ПРИМЕНЕНИЕМ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЙ
Рассматривается автоматизированная обработка данных вихретокового контроля поверхности колец подшипников на основе вейвлет-анализа в системе мониторинга.
Вейвлет, мониторинг, вихретоковый контроль, локальный дефект O.S. Shumarova, S.A. Ignatyev, E.M. Samoylovа
AUTOMATED DATA PROCESSING OF EDDY CURRENT TESTING FOR BEARING RINGS USING WAVELET TRANSFORMS
The article discusses automated data processing of eddy current for surface inspection of the bearing based on wavelet analysis in a monitoring system.
Wavelet, monitoring, eddy current testing, a local defect
Анализ данных вихретокового контроля в системе мониторинга требует от специалиста высокой квалификации и опыта работы с конкретным прибором. Из-за особенностей субъективного восприятия информации может значительно снижаться точность результатов контроля. В связи с этим при организации мониторинга необходимо стремиться минимизировать влияние человеческого фактора, обеспечив эффективность контроля за счет разработки и применения автоматизированных методов распознавания дефектов поверхностного слоя деталей подшипников путем внедрения специализированного программного обеспечения (ПО) [1].
С целью распознавания дефектов разработано ПО с графическим интерфейсом, позволяющее анализировать дискретные данные, полученные с вихретокового датчика, отображая итоговые и промежуточные результаты на экране. Предлагаемый программный продукт является исследовательским и при некоторой доработке под конкретные технологические процессы подлежит практическому внедрению.
Для определения дефектов поверхностного слоя деталей ПО должно решать следующие задачи: выбрать файл данных, содержащий информацию сигнала вихретокового преобразователя о поверхностном слое текущей детали; считать с выбранного файла данные сигнала, определить структуру по поверхностям и каналам; фильтрация сигнала; дискретное вейвлет-преобразование; определение координат дефекта по среднеквадратическому отклонению значений детализирующих коэффициентов [2].
Все рассмотренные способы визуального представления вейвлет-коэффициентов содержат один общий недостаток - коэффициенты необходимо дополнительно обработать, чтобы вывести на экран, а это отнимает лишние ресурсы. Такое отображение совсем не способствует автоматическому выявлению дефекта, поэтому выбор остановлен на построении графика коэффициентов детализации в декартовых координатах и обнаружение дефекта с помощью среднеквадратического отклонения [3, 4].
Вейвлет-спектр анализируемого дефекта при его разложении вейвлетом Добеши 3 порядка приведен на рис. 1. Для распознавания дефекта в сигнале необходимо его точное отображение вейвлетом на определенном уровне разложения.
Из рис. 1 видно, что на уровне разложения 2 отображаются мелкие детали сигнала, не соответствующие общему виду дефекта. При N = 4 дефект искажается по амплитуде и частоте. Вейвлет при N = 3 наилучшим образом повторяет дефект. Разложение отфильтрованного сигнала и вейвлет-коэффициенты приводятся на рис. 2.
б)
900 600 300 0
-300 -600 -900
Рис. 1. Сигнал дефекта поверхностного слоя детали (а), коэффициенты детализации 2, 3, 4 уровня разложения (б)
По графику детализирующих коэффициентов в сигнале выделяются пять дефектов с разными отклонениями. Три из которых слабо проявляются, а остальные два характеризуются наибольшими амплитудами. Нас интересует дефект с максимальным отклонением от сигнала (рис. 3) [3, 5].
Рис. 2. Вейвлет-разложение отфильтрованного сигнала, где а - отфильтрованный сигнал;
б - вейвлет коэффициенты 3 уровня
Рис. 3. Выделение дефекта из сигнала, где а - сигнал дефекта; б - коэффициенты детализации дефекта
Текстовый файл сигнала должен соответствовать образцу: «...Поверхность № Канал № 1 2 3 4 5. массив данных из целых чисел размера m х п. Поверхность № Канал № ...», где число строк т является количеством отсчетов сигнала, полученного с вихретокового датчика при его движении по
я
б
я
б
поверхности детали в течение одного оборота, а п равно количеству оборотов. После открытия файла с сигналом программа заполняет выпадающее меню «Поверхность» найденными в файле названиями поверхности и канала. После загрузки всех данных автоматически выбирается первая поверхность из списка и строится график исходного сигнала (рис. 4).
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. 5).
Исходный сигнал содержит шум, для его устранения необходимо нажать на кнопку «Убрать шум». После этого запустится процедура удаления шума из сигнала и график примет вид, показанный на рис. 6.
Рис. 4. Главное окно программы после загрузки файла с сигналом
Рис. 5. Просмотр графика исходного сигнала по оборотам
Программа имеет возможность автоматического нахождения дефекта с указанием коэффициента «загрубления». Коэффициент «загрубления» 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 средне-квадратическое отклонение и ищет значения сигнала выходящие за пределы среднеквадратического отклонения умноженного на коэффициент «загрубления». Затем рассчитывается отношение дефект/шум. Процедура повторяется по всем вейвлетам и значения отношений сравниваются, вейвлет, получивший максимальное значение отношения признается оптимальным для данного сигнала.
Далее поиск дефекта ведется по оптимальному вейвлету, в конце поиска выдается результат (рис. 7). На главном окне появляется панель управления просмотром выявленных дефектов. Для просмотра дефектов нужно установить переключатель в положение «Только дефекты». Выбор номера дефекта производится кнопками, отображение номера текущего дефекта производится в поле ввода/вывода напротив переключателя (рис. 8).
Рис. 6. График сигнала очищенного от шума за оборот
Рис. 7. Результат поиска дефекта в сигнале
Просмотреть график коэффициентов детализации возможно, если нажать на кнопку «Запустить вейвлет-преобразование». В результате откроется вспомогательное окно с графиками коэффициентов аппроксимации и детализации.
Рис. 8. График первого дефекта в сигнале
Автоматизированная обработка данных о качестве поверхностного слоя деталей подшипников при организации мониторинга позволяет минимизировать влияние человеческого фактора, обеспечивая эффективность контроля, что позволит снизить или практически исключить брак и обеспечить конкурентное преимущество в борьбе за потребителя.
ЛИТЕРАТУРА
1. Мониторинг станков и процессов шлифования в подшипниковом производстве / А. А. Игнатьев, М.В. Виноградов, В.В. Горбунов и др. Саратов: СГТУ, 2004. 124 с.
2. Игнатьев А. А. Анализ неоднородностей поверхностного слоя деталей подшипников с использованием интеллектуальных технологий / А.А. Игнатьев, Е.М. Самойлова // Вестник СГТУ. 2014. № 74. С. 80-84.
3. Goswami J.C. Fundamentals of Wavelets: theory, algorithms, and applications / Jaideva C. Gos-wami, Andrew K. Chan.. A Wiley-Interscience Publication, 1999. 306 р.
4. Дорофеев А.Л. Электромагнитная дефектоскопия / А.Л. Дорофеев, Ю.Г. Казаманов. М.: Машиностроение, 1980. 280 с.
5. Игнатьев А.А. Автоматизация распознавания дефектов шлифованных деталей в системе мониторинга технологического процесса производства подшипников / А.А. Игнатьев, А.Р. Бахтеев // Вестник СГТУ. 2006. № 3 (14). Вып. 1. С. 136-142.
Шумарова Ольга Сергеевна - Olga S. Shumarova -
аспирант кафедры «Автоматизация, Postgraduate
управление, мехатроника» Саратовского Department of Automation, Management,
государственного технического университета Mechatronics,
имени Гагарина Ю.А. Yuri Gagarin State Technical University of Saratov
Игнатьев Станислав Александрович -
доктор технических наук, профессор кафедры «Автоматизация, управление, мехатроника» Саратовского государственного технического университета имени Гагарина Ю.А.
Stanislav A. Ignatyev -
Dr. Sc., Professor
Department ofAautomation, Management and Mechatronics,
Yuri Gagarin State Technical University of Saratov
Елена Михайловна Самойлова -
кандидат технических наук, доцент кафедры «Автоматизация, управление, мехатроника» Саратовского государственного технического университета имени Гагарина Ю.А
Elena M. Samoylova -
Ph. D., Associate Professor
Department of Automation, Management,
Mechatronics,
Yuri Gagarin State Technical University of Saratov
Статья поступила в редакцию 15.05.14, принята к опубликованию 16.06.14
