CC BY
33
Оригинальная статья / Original article УДК 621.923.46
DOI: http://dx.doi.org/10.21285/1814-3520-2018-12-104-114
ИССЛЕДОВАНИЕ СТРУКТУРЫ ПОВЕРХНОСТИ ЛОПАТОК ГАЗОТУРБИННОГО ДВИГАТЕЛЯ С ПОМОЩЬЮ КВАЗИОПТИМАЛЬНОГО КОРРЕЛЯЦИОННОГО АЛГОРИТМА
© Н.В. Носов1
Самарский государственный технический университет,
443100, Российская Федерация, г. Самара, ул. Молодогвардейская, 244.
РЕЗЮМЕ: В статье предложен новый подход к оценке структуры поверхности спинки и корыта лопаток газотурбинного двигателя. Оценка качества поверхности проводилась на оптико-электронном комплексе с применением квазиоптимального корреляционного алгоритма, что позволило разработать формулы по идентификации параметров шероховатости и параметров структуры поверхности. Показано совершенствование технологии обработки профиля пера лопаток газотурбинного двигателя через построение оптико-электронной информационно-измерительной системы контроля параметров автокорреляционной функции. Рассматриваемый метод измерения параметров структуры микрорельефа поверхностей лопаток газотурбинного двигателя связан с применением оптико -электронных средств и информационных технологий, анализа качества поверхностности, теории измерений и цифровой обработки изображений, теории корреляционного анализа, теории вероятностей и математической статистики. Применяемый метод основан на компьютерной обработке изображения микрорельефа исследуемой поверхности с помощью квазиоптимального корреляционного алгоритма, что позволяет оценивать параметры корреляционной функции в производственных условиях. Одним из основных показателей качества лопаток турбин является их надежность и долговечность. В связи с этим управление качеством поверхности лопаток состоит в раскрытии механизма формирования неровностей поверхности в зависимости от свойств обрабатываемого материала, вида обработки, параметров оборудования, инструмента, режимов обработки и других конструктивных и технологических факторов. Известно, что чем меньше шероховатость поверхности, тем выше усталостная прочность лопаток, так как многочисленными исследованиями установлено, что очаги разрушения деталей машин от усталости металла зарождаются во впадинах микронеровностей. В настоящее время широкое применение в машиностроении находят оптические средства для оценки качества поверхности. Однако эти средства, как правило, могут использоваться только в лабораторных условиях и для выборочного контроля.
Ключевые слова: структура микрорельефа поверхности, лопатка турбины, бинарное изображение, квазиоптимальный алгоритм, корреляционная функция, режимы виброконтактного полирования
Информация о статье: Дата поступления 28 октября 2018 г.; дата принятия к печати 30 ноября 2018 г.; дата онлайн-размещения 28 декабря 2018 г.
Для цитирования: Носов Н.В. Исследование структуры поверхности лопаток газотурбинного двигателя с помощью квазиоптимального корреляционного алгоритма. Вестник Иркутского государственного технического университета. 2018;22(12):104-114. DOI: 10.21285/1814-3520-2018-12-104-114
STUDY OF GAS TURBINE ENGINE BLADE SURFACE STRUCTURE USING QUASIOPTIMAL CORRELATION ALGORITHM
Nikolay V. Nosov
Samara State Technical University,
244, Molodogvardeiskaya St., Samara 443100, Russian Federation.
ABSTRACT: The article proposes a new approach to the assessment of the surface structure of the blade back and pressure side of a gas turbine engine. The surface quality was estimated on an optical-electronic complex using a quasioptimal correlation algorithm. This allowed to develop the formulas for surface roughness and surface structure parameter
1Носов Николай Васильевич, доктор технических наук, профессор кафедры технологии машиностроения, станков и инструментов, e-mail: nosov.nv@samgtu.ru
Nikolay V. Nosov, Dr. Sci. (Eng.), Professor of the Department of Mechanical Engineering Technology, Machines and Tools, e-mail: nosov.nv@samgtu.ru
0
identification. The processing technology of the blade feather profile of the gas turbine engine was improved through the construction of an electrooptical information and measuring system to control autocorrelation function parameters. The considered method of measuring parameters of the gas turbine engine blade surface microrelief structure is associated with the use of optoelectronic means and information technologies, analysis of surface quality, theory of measurement and digital image processing, theory of correlation analysis, probability theory and mathematical statistics. The applied method is based on computer processing of the image of the studied surface microrelief with the help of a quasioptimal correlation algorithm that allows to estimate the correlation function parameters in production conditions. One of the main quality indicators of turbine blades is their reliability and durability. Therefore, the quality management of blade surface involves the description of the mechanism of surface roughness formation depending on the properties of the processed material, type of machining, parameters of equipment, tools, processing modes and other design and technological factors. It is known that the lower the surface roughness, the higher the fatigue strength of blades, as it is proved by numerous studies that machine part destruction centers caused by metal fatigue arise in the cavities of micro-irregularities. Today, optical means are widely used in mechanical engineering for surface quality assessment. Unfortunately, these devices can only be used in laboratory conditions and for sample inspection.
Keywords: surface microrelief structure, turbine blade, binary image, quasioptimal algorithm, correlation function, modes of vibrocontact polishing
Information about the article: Received October 28, 2018; accepted for publication November 30, 2018; available online December 28, 2018.
For citation: Nosov N.V. Study of gas turbine engine blade surface structure using quasioptimal correlation algorithm. Vestnik Irkutskogo gosudarstvennogo tehnicheskogo universiteta = Proceedings of Irkutsk State Technical University. 2018; 22(12):pp. 104-114. (In Russ.) DOI: 10.21285/1814-3520-2018-12-104-114
Введение
Рассмотрим новый подход к оценке структуры поверхности спинки и корыта лопаток газотурбинного двигателя (ГТД). Управление качеством поверхности лопаток состоит в раскрытии механизма формирования неровностей поверхности в зависимости от свойств обрабатываемого материала, вида обработки, параметров оборудования, инструмента, режимов обработки и других конструктивных и технологических факторов [1-3]. Широкое применение в машиностроении находят оптические средства для оценки качества поверхности [4-6]. В работе [7-8] раскрыт оптико-электронный метод определения параметров структуры, основанный на компьютерной обработке изображения исследуемой поверхности. При этом был установлен мультипликативный характер дополнительной погрешности измерения, возникающей под воздействием функции влияния /вл(АФ,Аа), где АФ и Аа - отклонения мощности светового потока
и угла его падения на исследуемый микрорельеф от номинальных значений. Метод основан на сравнительной корреляционной обработке полутонового изображения структуры исследуемого микрорельефа и специального набора полутоновых изображений эталонных структур с известными параметрами микрорельефов.
Обработка изображений
Обработка изображений осуществлялась с использованием известного для вычисления двухмерной корреляционной функции выражения [9]:
N -\n2 -1
i i (Ф1,щ)-m)(x(ni-,n2-Ю -mx) rjki,k2) = -, (1)
где через u(n ,n ) обозначен фрагмент изображения (эталон), который расположен внутри
0
Ш
зоны поиска x(n,n2), то есть изображения исследуемого микрорельефа формата К х К2
пикселей, а <У1 и - средние квадратичные отклонения величин u(n,n2) и х(Щ,n2) от
их математических ожиданий mu и mx соответственно. Структурный параметр микрорельефа - среднее арифметическое отклонение микронеровностей поверхности от средней поверхности, определяемой, как среднее значение тона изображения Ra, мкм, определялся с заданной вероятностью из экспериментальной зависимости Ra = f (Ucp), мкм, где Ucp - случайное среднее значение переменной составляющей автокорреляционной функции. Однако, применение выражения (1) требует значительного объема вычислительных операций, что существенно снижает возможности метода для оперативного контроля структурных параметров микрорельефа. Например, время обработки изображения исследуемого микрорельефа размером 320 х 240 пикселей составляет 447484 мс для ПЭВМ с процессором Intel(R) Core(TM)2CPU 4300 @ 1.80GHz.
Для проведения исследований о состоянии структуры микрорельефа исследуемых поверхностей использовался комплекс аппаратуры, рассмотренный в [10], а именно измерительный микроскоп, видеокамера и персональный компьютер. В качестве видеокамеры использовалась камера DIGITAL CAMERA Computar ZC-F11CH3, на выходе которой формировались черно-белые изображения заданного формата.
Для проведения исследований методом шлифования и полирования были изготовлены образцы эталонных поверхностей из жаропрочного сплава ЖС6ФУ, имеющих различную микрогеометрию. На профилографе модели SJ - 201P были определены следующие параметры шероховатости: образец № 1 - Ra = 0,13мкм, образец № 2 - Ra = 0,084мкм, образец № 3 - Ra = 0,048мкм и образец № 4 - Ra = 0,025мкм. Оптико-электронная система комплекса была настроена таким образом, что анализируемая поверхность эталонных образцов имела
_3
размер 3 х 2,5мм. Световой поток мощностью 600 10 лм падал на исследуемую поверхность под углом 45°. Формат видеокадра, записываемого в память компьютера, составлял 320 х 240 пикселей.
Оптико-электронная система измерительного комплекса была настроена таким образом, что формат видеокадра K х K2, записываемого в память компьютера, составлял 320 х240 пикселей. В [11] было отмечено, что при использовании черно-белой видеокамеры Computar ZC-F11CH3 полученная информация является избыточной. В связи с этим на этом этапе исследований было выполнено преобразование исходного полутонового изображения поверхности в формат 1 пиксель - 1 байт. Таким образом, диапазон изменения видеосигнала по яркости в
в полученном изображении составил 0-255 относительных единиц.
В настоящей работе проведены исследования микрорельефа сложных поверхностей лопаток турбин в производственных условиях на основе оптимальных алгоритмов, которые позволят существенно повысить быстродействие оптико-электронного метода оценки параметров микрорельефа.
Для решения поставленной задачи были рассмотрены квазиоптимальные корреляционные алгоритмы, которые нашли широкое применение в корреляционных экстремальных системах навигации беспилотных летательных аппаратов2 [12].
Был исследован алгоритм с парной критериальной функцией, использующий бинарные изображения:
2Вентцель Е.С. Теория вероятностей: учебник. 11-е изд. М.: КНОРУС, 2010. 664 с. / Ventsel E.S. Probability theory: textbook. 11th edition. M.: KNORUS, 2010. 664p.
Ш
2n-1
rx, , ft, k2) = - X F (A)
(2)
где ^ (А) - парная критериальная функция приобретает единичное значение при совпадении г - го пикселя в эталонном изображении - ЭИ и фрагменте бинарного текущего изображения -ТИ микрорельефа, N - количество сравниваемых элементов в ЭИ и фрагменте ТИ микрорельефа, гх у(кх, £2) - коэффициент корреляции, представляющий нормализованную сумму совпавших пикселей в ТИ и ЭИ. Схема формирования и перемещения выделенного ЭИ по бинарному изображению структуры микрорельефа была такая же, как и в [12]. В изображении с первой строки выделяется полоса шириной N пикселей и по центру этой полосы задается эталон -размером N х N пикселя. Затем эталон, начиная с крайней левой позиции, перемещается по выделенной полосе с шагом в 1 пиксель. При каждом совмещении эталона и фрагмента ТИ
подсчитывается гх,у(кх,к2) по формуле (2). Закончив вычисление гху(к\,к2) в первой
полосе, задается следующая полоса того же формата, но смещенная вниз на один пиксель. В этой полосе по центру задается новый эталон с теми же размерами, и выполняются те же самые вычисления гх,у(кх,к2) и т.д. Так как эталон формируется в самом изображении микрорельефа, коэффициенты гУ(К,) являются коэффициентами автокорреляции. Обработав
все изображение, получим двухмерную автокорреляционную функцию. При этом компенсируется и негативное воздействие функции влияния [6] на оценку параметров структуры микрорельефа
АВ = вт • /вл (АФ , Аа) - Вэ • /вл (АФ , Аа) = /вл (АФ , Аа)0 при Вт = Вэ .
Кроме того, только в этой точке и наращивается сумма совпавших по значению пикселей эталона Вэ и фрагмента ТИ - В, согласно (2).
Бинаризация полутонового изображения проводилась по адаптивному методу2 [13]. Изображение поверхности разбивалось на квадратные фрагменты (окна 8 х 8 пикселей) и в каждом окне подсчитывался средний уровень яркости видеосигнала Вг(х,у). В результате сравнения каждого пикселя окна В(х,у) с пороговым значением Вг(х,у) ему придавалось новое значение по правилу: В(х,у) = 0FFH, если В(х,у) - В(х,у) и В(х,у) = 00H, если В(х,у) < В(х,у). Бинарные изображения исследуемых поверхностей приведены на рис. 1.
Ra = 0,13 мкм
Ra = 0,084 мкм
Ra = 0,048 мкм
Ra = 0,025 мкм
Рис. 1. Бинарные изображения структуры исследуемых образцов Fig. 1. Binary images of the structure of the samples under investigation
Из рис. 1 видно, что структура микрорельефа меняется с изменением параметра Ra. Ориентированная в вертикальном направлении структуры для образца с Ra = 0,\3мкм транс-
Ш
формируется в структуры, имеющие случайный характер чередования мелких светлых и темных пятен для образца с Ra = 0,025мкм. Отмеченный эффект связан с изменением соотношений между регулярной и случайной компонентой в механически обработанной поверхности.
Для проведения исследований о влиянии микрорельефа поверхности на вид корреляционной функции была разработана программа на языке Borland Delphi-7. Первый этап исследований заключался в выборе исходного полутонового изображения поверхности для анализа из банка заранее созданных изображений. На втором этапе исследований задавались параметры эталона N х N пикселей, и вычислялась нормированная двумерная корреляционная функция по классическому алгоритму.
Рассматриваемый метод исследований предусматривал также и получение графиков видеосигнала по строкам исходного изображения и коэффициента корреляции. Внешний вид интерфейса для данного этапа исследований имеет вид, приведенный на рис. 2.
Рис. 2. Внешний вид графиков изменения уровня яркости по строкам видеокадров исследуемого
изображения и нормированного коэффициента корреляции Fig. 2. Appearance of brightness level variation graphs by the rows of the examined image video frames
and the normalized correlation coefficient
Анализ полученных двухмерных автокорреляционных функций показал, что по средней случайной амплитуде иСР переменной составляющей функции rx (k,k2) исследуемые микрорельефы существенно отличаются друг от друга. Для зависимости Ra = f(UCP) методом наименьших квадратов было определено аналитическое выражение в виде [13]
Ra = 0,0065 х
Ucp _
0,02 мкм,
(3)
а, для доверительного интервала /„, отн. ед., куда попадает случайная величина иСР, выра-
жение
/„ = (3,4U^ + 14,4UCP + 1) х 103 отн. ед.
(4)
Среднеквадратическое отклонение оценки (СКО) при определении UCP определялось по формуле 2:
0
a
aT = —¡= . Ып
На поверхности каждого образца исследовалось 30 изображений. Задавая вероятность распознавания структуры исследуемых микрорельефов P = 0,99 и t р = 2,576, получим средние квадратичные отклонения, доверительные интервалы и амплитуды переменной составляющей автокорреляционной функции.
Выполнена идентификация микрогеометрии поверхности лопаток 1 ступени турбины на
основе вычисления номинальных значений параметров шероховатости Ra , Rp , Rmax, Sm, tm
по регрессионным уравнениям (5) в зависимости от средней амплитуды автокорреляционной функции, вычисленной по изображению исследуемой поверхности.
Ra = - 0,020 + 0,0065 х Ucp мкм,
Rp = 0,16 + 0,013 х Ucp мкм, (5)
Rmax = 0,88 + 0,052 х Ucp мкм, Sm = 46,8 - 0,91 х Ucp мкм.
Рассмотренный алгоритм и метод определения параметров структуры микрорельефа на основе U был применен при исследовании полированных поверхностей пера лопаток 1 -й ступени газотурбинного двигателя (ГТД). Внешний вид спинки и корыта лопатки приведен на рис. 3 а. Окончательная обработка профиля пера лопатки формирует требуемые параметры микрогеометрии поверхности лопаток ГТД. В производственных условиях обработка спинки и корыта лопаток осуществлялась на виброконтактном станке ЛВП-4, представленном на рис. 3 b.
Траектория рабочего движения обрабатываемой лопатки при виброконтактном полировании формируется в результате геометрического сложения взаимно-перпендикулярных колебаний от двух кривошипно-шатунных механизмов. Траектория такого движения имеет вид сетки с регулируемыми параметрами, геометрически сложна и практически неповторима. Благодаря такому движению на поверхности спинки и корыта лопатки формируется однородная поверхность. Режимы вертикальных и горизонтальных колебаний непосредственно влияют на качество поверхности, производительность обработки и динамические нагрузки, возникающие в колебательной системе. Обычно значения амплитуды и частоты колебаний принимают равными: частоту 20-25с-1, амплитуду 5-10мм, что позволяет получать скорость обработки 30-120 м/мин.
Моделирование процесса обработки показало [14], что максимальная производительность процесса достигается при оптимальном соотношении частот Шо= шг/шв, где Шг - частота горизонтальных колебаний, Шв - частота вертикальных колебаний. Исследования проводились в следующем диапазоне 1/2 < Шо< 1. Приравняем скорости вращения двух рядом стоящих фигур в интервалах: В1 = 1/2, В2 = 3/5, В3 = 2/3, В4 = 3/4, В4 = 4/5, В5 = 5/6 , Вб = 1, получим следующую зависимость:
tg К) =
(cos B + cos B+l - (B cos B + B+l cos B+1) (B sin B + B+l sin B+l) - (sin B + sin B+l
ш
Правая часть уравнения - гипербола, левая - тангенсоида. Решая данное уравнение относительно Шо, был получен следующий ряд оптимальных соотношений частот: 0,543; 0,617; 0,704; 0,763; 0,833; 0,917.
b
Рис. 3. Лопатка 1-й ступени ГТД (а), виброконтактный станок ЛВП-4 (b) Fig. 3. First stage blade of the gas turbine engine (a), vibrocontact machine-tool HDL-4 (b)
В нашем случае обработка лопаток 1 ступени турбины осуществлялась с Шо = 0,833 абразивными лентами в 2 перехода: 1 переход П8 63С16ПМА и 2 переход П8 63С6НМА. При виброконтактном полировании лопаток 12 ступени компрессора использовались алмазные ленты: АС280/63 Р9 100% и АС263/50 Р9 100%. Режимы обработки: скорость полирования составила 30 м/мин, вертикальное перемещение 4-6 мм, горизонтальное перемещение 3-5мм, цикл обработки 12-17с, давление ложементов в зоне обработки составило 0,4-0,6 МПа.
Известно, что параметры микрогеометрии поверхности должны быть одинаковыми во всех направлениях поверхности лопатки. Примем условие, что при равных параметрах шероховатости поверхности на поверхности формируется равноосная структура и не допущена однонаправленная шероховатость. Для этого в эксперименте электронное изображение поворачивалось на 90о, 180о и 270о и определялись параметры корреляционной поверхности, если они совпадали по своим значениям в пределах 5%, то имело место появление на поверхности лопатки соответствующей структуры. Проведены экспериментальные исследования параметров микрорельефа поверхности лопаток 1 ступени ГТД, полученные после операции виброконтактного полирования спинки, корыта и радиуса перехода спинки и корыта в бандажные полки, а также структуру поверхностей в районе отверстий на входной кромке лопатки.
Обработка результатов эксперимента показала, что среднее значение переменной составляющей корреляционной функции, вычисленное по 30 изображениям, составило иср =
22,1 отн.ед. Использование выражения (4) дало значение для i р = 0,21 отн.ед., тогда иф = 21,89 отн.ед., и и = 22,32 отн.ед. Выражение (3) для участка поверхности спинки пера лопатки дало следующие результаты по высотным параметрам структуры поверхности: Ra п = 0,14мкм, Ra = 0,09мкм и Ra = 0,16 мкм, что вполне согласуется со значениями Ra профиля поверхности, измеренными с помощью профилографа SJ-201P.
а
Ш
Далее было выполнено последовательное оптико-электронное сканирование всей поверхности спинки и корыта лопатки, вычисление п для каждого участка и построение полей шероховатости, представленных на рис. 4. Из приведенных данных видно, что шероховатость поверхности на спинке больше, чем на корыте на 0,15-0,2 мкм. Это связано с тем, что при обработке площадь контакта поверхности лопаток с ложементами с течением времени меняется, и давление на спинке повышается. Кроме этого, лопатки в процессе обработки совершают колебание не по плоскости, а по некоторой дуге, которая не всегда совпадает с радиусом закрутки лопатки, поэтому формирование микронеровностей в большей степени зависит от кинематики процесса виброконтактного полирования.
b
Рис. 4. Поля шероховатости поверхности лопаток 1-й ступени турбины после виброконтактного полирования: а - корыто; b - спинка Fig. 4. Roughness fields of turbine first stage blade surface roughness after vibrocontact polishing: a - pressure side; b - back
Оптический метод, в силу своей универсальности, имеет возможность оценить микрогеометрию входной кромки лопаток 1 ступени турбины, на которой изготовлены отверстия для охлаждения (рис. 5). Исследованиями установлено, что поверхность между отверстиями имеет ярко выраженную структуру с иф = 25,12 отн. ед., и U = 25,62 отн. ед., что
соответствует величине Ra = 0,27-0.28 мкм. Это связано с тем, что после прошивки отверстий
электроэрозионным способом следующей операцией является обдувка поверхности микрошариками, которая приводит к появлению однородной структуры на обработанной поверхности. В тоже время вокруг отверстия на расстоянии 1-1,5 мм от отверстия формируется поверхность с большей шероховатостью R = 0,35-0,39 мкм.
d
Рис. 5. Полутоновое изображение участка поверхности входной кромки лопатки с отверстием (а); бинарное изображение этого участка (b); корреляционная поверхность (с); график изменения
коэффициента корреляции (d) Fig. 5. Halftone image of the surface area of the blade inlet edge with a hole (a); binary image of this area (b); correlation surface (C); graph of correlation coefficient variation (d)
а
b
а
c
Ш
Несмотря на малые размеры неровностей поверхности составляющих шероховатость, они оказывают существенное влияние на эксплуатационные свойства поверхности лопаток. Полученные следы от механической обработки являются концентратами напряжений и влияют на процесс усталости металлов при действии циклических и знакопеременных нагрузок. Во впадинах неровностей происходит увеличение напряжений, что может привести к образованию усталостных трещин.
При исследовании распределения напряжений на дне обработанных рис. авторами [14], с помощью методов теории упругости и с привлечением аппарата теории случайных функций, предложена зависимость по определению коэффициента концентрации напряжений аст
а„ = \ + %
32(0,05УСр-0,95)
100S„
где иср - средняя амплитуда автокорреляционной функции (максимальная высота неровностей), - период колебания автокорреляционной функции (шаг неровностей).
Распределение коэффициента концентрации напряжений поверхности лопаток 1 ступени турбины, вычисленного с использованием приведенной зависимости, колеблется в пределах 1,2-1,25.
Заключение
1. Применение квазиоптимального алгоритма позволяет существенно сократить время определения параметров текстуры микрорельефа оптико-электронным методом и, следовательно, оперативно их контролировать непосредственно в производственных условиях.
2. Полученные поля шероховатости позволяют определять наиболее опасные участки поверхности, где образуются недопустимые значения концентраторов напряжений, и, следовательно, применять соответствующие меры уменьшения напряженного состояния поверхностного слоя, что позволит повысить надежность и долговечность промышленных изделий при их эксплуатации.
3. Доказано, что применение оптико-электронного метода оценки качества поверхности турбинных лопаток позволяет более глубоко анализировать технологию изготовления лопаток турбин.
4. Установлено, что применение оптимальных соотношений частот вертикальных и горизонтальных колебаний приводит к образованию однородной структуры поверхности профиля пера лопаток.
5. Исследованы области поверхности лопаток первой ступени турбины, примыкающей к отверстиям на входной кромке, и показано, что около отверстия величина шероховатости повышается в 1,5-1,7 раза.
Библиографический список
1. Петрешин Д.И., Суслов А.Г., Федонин О.Н. Управление параметрами качества поверхностного слоя деталей машин в условиях неопределенности // Прогрессивные технологии и системы машиностроения. 2016. № 4 (55). С. 57-61.
2. Суслов А.Г., Петрешин Д.И. Автоматизированное обеспечение комплексного параметра качества поверхностного слоя СХ при механической обработке // Наукоемкие технологии в машиностроении. 2011. № 2. С. 34-40.
3. Иванов А.Ю., Леонов Д.Б. Технологические методы обеспечения качества изделий // Научно -технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики. 2011. № 5 (75) С. 111-114.
4. Петрешин Д.И. Применение лазерного оптического датчика для измерения высотных параметров шероховатости поверхности деталей машин в самообучающейся адаптивной технологической системе // Контроль. Диагностика. 2009. № 11. С. 53-57.
5. Макеев А.В. Об оптических методах контроля шероховатости поверхности // Интерэкспо Гео-Сибирь. 2016. Т. 5. № 1. С. 147-151.
6. Наумов А.И., Кичигин Е.К, Сафонов И.А., Мох А.М.А.Э. Бортовой комплекс высокоточной навигации с корреляционно-экстремальной навигационной системой и цифровой картой рельефа местности // Вестник Воронежского государственного технического университета. 2013. Т. 9. №6-1. С. 51-55.
7. Микрюков А.Н. Использование изменений графического поля в задачах корреляционно-экстремальной навигации // Приборы и системы. Управление, контроль, диагностика. 2010. № 3. С. 65-69.
8. Плужников А.Д., Потапов Н.Н. Корреляционно-экстремальная обработка навигационной информации: Цифровые алгоритмы и аппаратная реализация // Датчики и системы. 2013. № 11(174). С. 22-27.
9. Белов Р.В., Огородников К.О. Реализация модифицированного алгоритма рекуррентно-поискового оценивания корреляционно-экстремальной навигационной системы по рельефу местности // Управление большими системами: сборник трудов. 2017. № 68. С. 162-176.
10. Пат. № 2413179, Российская Федерация, G01B 11/30 (2006/01), G01N 21/93 (2006/01). Способ контроля шероховатости поверхности изделия / А.Д. Абрамов, А.И. Никонов, Н.В. Носов; заявитель и патентообладатель Самарский государственный технический университет; заявл. 16.03.2009; опубл. 27.09.2010. Бюл. № 6. 11 с.
11. Абрамов А.Д., Никонов А.И. Анализ и корреляционный метод устранения погрешности оптико-электронного определения микрорельефных параметров. Вестник компьютерных и информационных технологий. 2016. № 1. С. 3-9. DOI: 10.14489/vkit.2016.01. pp. 003-009
12. Вдовин В.А., Муравьев А.В., Певзнер А.А. Метод адаптивной бинаризации растрового изображения // Ярославский педагогический вестник. 2012. Т. III. № 4. С. 65-69.
13. Абрамов А.Д., Носов Н.В. Оценка параметров микрорельефа поверхностей деталей машин на основе квазиоптимальных корреляционных алгоритмов // Вестник компьютерных и информационных технологий. 2016. № 9. С. 19-25.
14. Носов Н.В., Китайкин В.Л. Повышение качества лопаток турбин из сплава ЖС6-9И. Техническая надежность конструкций. Куйбышев, 1986. С. 52-53.
References
1. Petreshin D.I., Suslov A.G., Fedonin O.N. The control parameters quality of surface layer of machine parts in conditions of uncertainty. Progressivnye tekhnologii i sistemy mashinostroeniya [Progressive Technologies and Systems of Mechanical Engineering], 2016, no. 4 (55), рр. 57-61. (In Russian)
2. Suslov A.G., 1. Petreshin D.I. Automated support of surface layer quality complex parameter Cx in machining. Nau-koemkie tekhnologii v mashinostroenii [Science Intensive Technologies in Mechanical Engineering], 2011, no. 2, рр. 3440. (In Russian)
3. Ivanov A.Yu., Leonov D.B. Technological methods of product quality provision. Nauchno-tehnicheskij vestnik Sankt-Peterburgskogo gosudarstvennogo universiteta informacionnyh tehnologij, mehanikii optiki [Scientific and Technical Journal of Information Technologies, Mechanics and Optics" of Saint Petersburg National Research University of Information Technologies, Mechanics and Optics (ITMO University)], 2011, no. 5 (75), рр. 111-114. (In Russian)
4. Petreshin D.I. Application of a Laser Optical Sensor Control for Measurement of High-Altitude Parameters of Machines Details Surface Roughness in Self-Learning Adaptive Technological System. Kontro' Diagnostika [Testing. Diagnostics], 2009, no. 11, рр. 53-57. (In Russian)
5. Makeev A.V. Optical methods for control of surface microgeometry. Interekspo Geo-Sibir'[Interexpo Geo-Siberia], 2016, vol. 5, no. 1, рр. 147-151. (In Russian)
6. Naumov A.I., Kichigin E.K, Safonov I.A., Moh A.M.A.E. The aircraft onboard complex of accurate navigation with terrain reference navigation system and digital map terrain elevation data. Vestnik Voronezhskogo gosudarstvennogo tekhnich-eskogo universiteta [Bulletin of Voronezh State Technical University], 2013, vol. 9, no. 6-1, рр. 51-55. (In Russian)
7. Mikryukov A.N. Using graphic field changes in the problems of correlation-extreme navigation. Priboryisistemy. Uprav-lenie, kontrol, diagnostika [Instruments and Systems. Monitoring, Control and Diagnostics], 2010, no. 3, рр. 65-69. (In Russian)
8. Pluzhnikov A.D., Potapov N.N. Digital algorithms and hardware implementation of correlational-extremal processing of navigation information. Datchiki i sistemy [Sensors and Systems], 2013, no. 11(174), рр. 22-27. (In Russian)
9. Belov R.V., Ogorodnikov K.O. Realization of the modified algorithm of re-current-search estimation of correlation-extreme navigation system on the terrain [Implementation of modified recurrent-search estimation algorithm of correlation-extremal terrain-aided navigation system]. Upravlenie bol'shimi sistemami: sbornik trudov [Large-Scale Systems Control], 2017, no. 68, рр. 162-176. (In Russian)
10. Abramov A.D., Nikonov A.I., Nosov N.V. Sposob kontrolya sherohovatosti poverhnosti izdeliya [Method of product surface roughness control]. Patent RF, no. 2413179, 2010.
11. Abramov A.D., Nikonov A.I. Analysis and correlation method for eliminating the errors of opto-electronic determination of microrelief parameters. Vestnik komp'yuternyh iinformacionnyh tekhnologij [Herald of Computer and Information Technologies], 2016, no. 1, рр. 3-9. (In Russian). DOI: 10.14489/vkit.2016.01.pp.003-009
0
12. Vdovin V.A., Murav'ev A.V., Pevzner A.A. A method of adaptive binarization of the raster image. Yaroslavskij peda-gogicheskij vestnik [Yaroslavl Pedagogical Bulletin], 2012, vol. 3, no. 4, рр. 65-69. (In Russian)
13. Abramov A.D., Nosov N.V. Estimation of microrelief parameters of machine parts surfaces on the basis of quasioptimal correlation algorithms. Vestnik komp'yuternyh i informacionnyh tekhnologij [Herald of Computer and Information Technologies], 2016, no. 9, рр. 19-25. (In Russian)
14. Nosov N.V., Kitajkin V.L. Povysheniye kachestva lopatok turbin iz splava ZHS6-9I. Tekhnicheskaya nadezhnost' kon-strukcij [Improving quality of turbine blades made of ZHS6-9I alloy. Technical reliability of designs]. Kujbyshev, 1986, рр. 52-53. (In Russian)
Критерии авторства
Носов Н.В. предложил новый подход к оценке структуры поверхности спинки и корыта лопаток газотурбинного двигателя, подготовил рукопись и несет ответственность за плагиат.
Authorship criteria
Nosov N.V. has proposed a new approach to the assessment of the surface structure of blade back and blade pressure side of a gas turbine engine, prepared the manuscript for publication and bears the responsibility for plagiarism.
Конфликт интересов
Автор заявляет об отсутствии конфликта интересов.
Conflict of interests
The author declares that there is no conflict of interests regarding the publication of this article.
0
