Оценка микрогеометрии поверхности лопаток ГТД на основе анализа их автокорреляционных функций Текст научной статьи по специальности «Механика и машиностроение»

Машиностроение

УДК 621.517. 681.142,36 А.Д. Абрамов

ОЦЕНКА МИКРОГЕОМЕТРИИ ПОВЕРХНОСТИ ЛОПАТОК ГТД НА ОСНОВЕ АНАЛИЗА ИХ АВТОКОРРЕЛЯЦИОННЫХ ФУНКЦИЙ

Предложен новый подход к оценке микрогеометрии поверхностей деталей машин и механизмов

после финишной обработки. В основу определения микрогеометрии положен метод, основанный

на применении оптика-электронных средств и компьютерных технологий. Приведены результаты ог/енки микрогеометрии поверхности деталей после шлифования и полирования.

Качество поверхности с точки зрения микрогеометрии во многих случаях является определяющим фактором, влияющим на долговечность и надежность деталей машин при их эксплуатации. Так, например, шероховатость поверхности лопаток авиационных двигателей во многом определяет, причем не в последнюю очередь, долговечность лопаток, расход топлива, а также мощность работы самого двигателя.

В настоящее время о микро- и макронеровностях судят по профилограммам поверхности. Для этого используются бесконтактные и контактные методы, такие как метод интерференции падающего и отраженного светового потока и теневой проекции, растровые и рефлекто-метрические методы, метод слепков, метод ощупывания световым лучом и профильный метод.

Среди профильных методов наибольшее распространение получил щуповой метод, при котором алмазная игла перемещается по поверхности детали. Информация о колебаниях иглы при перемещении по исследуемой поверхности является основой для определения таких параметров шероховатости, как среднеарифметическое отклонение профиля поверхности (Яа), высота шероховатости профиля (Яг) и т.п. [1].

Наряду с несомненными достоинствами профильных методов оценки шероховатости поверхности следует отметить их недостатки:

- аппаратуру для этих методов можно использовать только в лабораторных условиях;

- непосредственно измерять шероховатость можно у деталей ограниченных размеров, как правило, имеющих простые поверхности (плоская, цилиндрическая и т.д.);

- профилограммы не дают комплексной оценки распределения микронеровностей по поверхности детали;

- для многих изделий требуется изготовление специальных оправок;

- для некоторых изделий использование алмазной иглы вообще недопустимо, так как при ее перемещении на исследуемой поверхности остаются микроповреждения.

Рис. 1. Схема исследовательского комплекса: 1 - исследуемая поверхность; 2 - источник параллельного светового потока; 3 - видеокамера; 4 - компьютер; 5 - принтер

В работе предложен новый метод оценки шероховатости поверхности с помощью исследовательского комплекса, который включает оптико-электронные средства (рис. 3) и программное обеспечение, позволяющее обрабатывать видеоизображения исследуемых поверхностей в соответствии с методикой, изложенной ниже.

В качестве исследуемых поверхностей были взяты четыре образца с различной шероховатостью, полученных плоским шлифованием (1—4) из ст. 40, образец (5) изготовлен с помощью полирования абразивными шкурками и образец (6) - эталонная поверхность зеркала.

Для этих же образцов на профилографе модели 8.1-201 Р были записаны профилограммы и определены стандартные параметры шероховатости: образец №1 - Ка= 1.5 мкм, образец №2 -^=0.75 мкм, образец №3 - Яа=0.38 мкм, образец №4 - Яа=0.18 мкм, образец №5 - Яа=0.048 мкм и образец №6 - 1^=0.022 мкм.

Оптико-электронная система комплекса была настроена таким образом, что анализируемая поверхность эталонных образцов имела размер 3x2,5 мм. Световой поток падал на исследуемую поверхность под углом 45°. Формат видеокадра, записываемого в память компьютера, составлял 320x240 пикселей. Видеоизображения этих поверхностей приведены на рис. 2.

Образец №4 Образец №5 Образец №6

Р и с. 2. Видеоизображения исследуемых поверхностей

Как видно из приведенных рисунков, выбранные для исследования образцы существенно отличаются друг от друга по внешнему виду.

В полученных видеоизображениях исследуемых поверхностей на каждый пиксель отводилось 3 байта. Следовательно, при использовании черно-белой видеокамеры данная информация является избыточной. В связи с этим на первом этапе было выполнено преобразование исходного изображения поверхности с помощью специально разработанной программы в формат 1 пиксель - 1 байт и при этом удалялся заголовок файла в исходном изображении. Таким образом, диапазон изменения видеосигнала по яркости составил 0 - 255 условных единиц. Характерные изменения уровня яркости по строке видеокадра поверхностей исследуемых образцов приведены на рис. 3.

Анализ уровня яркости видеосигналов показывает, что для шлифованных поверхностей образцов №1,... 4 видеосигналы мало отличаются по амплитуде. С другой стороны, когда мы приходим к полированным поверхностям образцов №5, №6, то амплитуда видеосигнала значительно падает. Это легко объяснить тем, что чем меньше шероховатость, тем большая часть отраженного светового потока проходит мимо объектива, расположенного под углом 90° по отношению к исследуемой поверхности. Из приведенных данных видно, что по амплитуде отраженного сигнала можно отличить шлифованные поверхности от полированных, но различать шлифованные поверхности по шероховатости друг от друга с большой достоверно-

стью не представляется возможным. У полированных поверхностей средняя амплитуда отраженного видеосигнала, как видно из приведенных графиков (образец 5 и 6), также изменяется незначительно. Кроме того, из радиотехники известно, что амплитудная модуляция является самой низкой по критерию помехоустойчивости [3].

и

І !

і'Г'ї

і; а1

0чщ^\ {

V іі' І.

ио м» за 0

Т 'її

ч

Ги

І

III'

І І

%

1320 0

300 920 Лн«с*ль

Образец №1

Образец №2

Образец №3

г ]

N0 92»

Образец №4 Образец №5 Образец №б

Р и с. 3. Уровень яркости видеосигналов исследуемых поверхностей образцов

Для определения признаков, по которым можно достаточно надежно идентифицировать исследуемую поверхность, т.е. отнести ее к тому или иному диапазону шероховатости, была разработана следующая методика, которая существенно отличается от методики, приведенной в работе [2]. Многоградационное по яркости черно-белое изображение преобразовывалось в бинарное по следующему алгоритму. Весь кадр разбивался на окна размером 32x32 пикселя, и в каждом окне подсчитывался средний уровень яркости Вер. Далее яркость каждого пикселя В1 из выделенного окна сравнивалась с Вср в окне и производилось его преобразование по правилу: В|=0РРЬ, если В|>Вср, и В;=00Ь, если В;<Вср, где 1 < I < 1024.

Образец №4 Образец №5 Образец №6

Р и с. 4. Бинарные изображения исследуемых поверхностей

Полученные бинарные изображения (рис. 4) позволяют различать поверхности с различной шероховатостью после отмеченной выше механической обработки. Делалось это следующим образом. В бинарном изображении исследуемой поверхности начиная с первой верхней строки выделялась полоса 320x32 пикселя. По центру этой полосы задавался эталон размером 32x32 пикселя. Этот эталон перемещался по всей выделенной полосе с шагом в 1 пиксель. При каждом совмещении эталона с текущим фрагментом бинарного изображения подсчитывалась сумма совпавших пикселей в эталоне и текущем фрагменте. Этой сумме придавалось смысловое значение коэффициента корреляции. Для получения нормированного коэффициента корреляции найденная сумма делилась на 1024. Таким образом, при полном совпадении эталона и текущего фрагмента изображения коэффициент корреляции принимал значение, равное 1, которому в памяти компьютера противопоставлялся байт со значением ОРРН. Нулевом значению коэффициента корреляции при полном несовпадении эталона и текущего фрагмента соответствовал байт со значением ООН. После подсчета автокорреляционной функции в выделенной полосе задавалась следующая полоса того же формата, но смещенная вниз по вертикали на один пиксель, и в ней производились те же самые вычисления, что и в первой полосе. Общее количество таких полос в кадре из 320x240 пикселей было равно 208 штукам, а количество найденных коэффициентов корреляции в полосе составило 298 значений. Таким образом, после обработки всего бинарного кадра получалась многоградационная автокорреляционная поверхность размером 298x208 байт (рис. 5),

Образец № 1

Образец №2

Образец №3

Образец №4

Образец №5

Образец №6

Р и с. 5. Нормированные автокорреляционные поверхности исследуемых образцов

Характерные изменения нормированных корреляционных сигналов приведены на рис. 6.

Их анализ показывает, что в отличие от изменения уровня яркости видеосигналов наблюдается четкая тенденция к увеличению периода корреляционного сигнала с уменьшением шероховатости для шлифованных образцов, а для полированного образца и зеркала - резкое падение амплитуды сигнала с удалением от места взятия эталона. Это также свидетельствует о том, что в данных образцах резко возрастает доля случайной компоненты. Для более четкого выделения отмеченного признака была предложена следующая методика.

Образец №4 Образец №5 Образец №6

Р и с. 6. Графики изменения нормированных корреляционных сигналов исследуемых поверхностей

Образец №4 Образец №5 Образец №6

Р и с. 7. Бинарные изображения двухмерных автокорреляционных поверхностей

Автокорреляционные поверхности, приведенные на рис. 5, также преобразовывались в бинарные. При этом, если исходный пиксель был равен или больше 128 уел. ед., что соответствует коэффициенту корреляции 0,5, его значение принималось равным 0РРН, если меньше 128 уел. ед., ему ставилось в соответствие значение 00Н. Полученные бинарные изображения автокорреляционных поверхностей приведены на рис. 7.

Отметим, что в бинарных автокорреляционных поверхностях также наблюдается направленность процесса резания, в которой чередуются черные и белые полосы. При этом у шлифованных образцов текстура носит более регулярный характер, особенно у образцов с большей шероховатостью. Для получения статистической информации о распределении периодов изменения коэффициентов корреляции на уровне 0,5 по всему бинарному изображению была разработана соответствующая программа.

при шлифовании

при полировании

Результаты подсчета периода Тср (пикселей) для каждого исследуемого образца, а также среднеарифметическое отклонение профиля для исследуемых образцов приведены на рис. 8.

Из приведенных данных видно, что с увеличением шероховатости поверхности Яа разброс Тср повышается. На рис. 8 показаны максимальные и минимальные значения Тср для операций шлифования. Аналогичные данные получены и ка операциях полирования (рис. 9).

Рассмотренная выше методика оценки шероховатостей применялась при оценке шероховатости поверхности профиля пера лопатки I ступени ГТД.

Предварительно профиль лопатки шлифовался накатными абразивными кругами на полировальных бабках.

Лопатка 1 ступени турбины изготовлена из жаропрочного сплава на никелевой основе ЖС6ФИ. Обработка производилась абразивными зернами из электрокорунда белого (24А) с режимами: скорость круга 45 м/с, ручная врезная подача, В производственных условиях шероховатость поверхности определялась визуально по эталонам сравнения. Исследования показали, что шероховатость поверхности по профилю поверхности неравномерна, есть участки с большими рисками. Наличие глубоких рисок повышает время обработки на операции полирования. Полирование производилось на виброконтактном станке ЛВП4 абразивными шкурками на бумажной основе зернами 24А зернистостью 5.

Р и с. ] 0. Лопатка I ступени турбины авиационного двигателя, профиль поверхности полирован на виброконтактном станке ЛВП-4

/у/чЛм/

а б '

Рис. 10. Коэффициент корреляции (а) и бинарное изображение (б) автокорреляционной

поверхности участка лопатки

Для анализа были взяты участки поверхности лопатки после операции шлифования и полирования. На рис. 10 приведены характерные изменения коэффициента корреляции (а) и бинарная автокорреляционная поверхность (б) выбранного участка полированной лопатки.

Обработка результатов эксперимента показала, что после шлифования Тф = 15,5 пикселя, а после операции полирования Тср = 23,25 пикселя. Нанося эти значения на графики Тср = Р(Яа) (см, рис. 8 и 9), получаем среднее арифметическое отклонение профиля участка лопатки после шлифования, равное 0.52-0,11 мкм и 0.14-0.03 мкм, что вполне согласуется с техническими условиями, предъявляемыми к шероховатостям отмеченных изделий. Аналогичные данные получены и на других участках поверхности лопатки, которые укладываются в данные пределы.

Таким образом, рассмотренный исследовательский комплекс и методика оценки шероховатости поверхностей на основе анализа автоккорялляционных функций, полученных по видеоизображениям этих поверхностей, дают возможность оперативного, не повреждающего поверхность контроля качества изготовления деталей, где щуповые и иные методы неприемлемы.

БИБЛИОГРАФИЧЕСКИЙ СПИСОК

1. Дутш-Барковскии И.В., Карташова А.Н. Намерение и анализ шероховатости, волнистости и некругл ост н поверхности. М: Машиностроение. 1987. 232 с.

2. Абрамов А.Д., Носов Н.В. Бесконтактный метол оценки шероховатости поверхности крупногабаритных деталей И Высокие технологии в машиностроение: Матер, между нар, науч.-техн. конф. Самара, 2005.

3. Солонина А, И. УдаховичД.А. и др. Основы цифровой обработки сигналов. СПБ.: БХВ Петербург. 2003. 600 с.

Статья поступила в редакгрм) 28 ноября 2006 г.

УДК 20.46 А, И. Гъухенъкий

КОМПЬЮТЕРНЫЙ ВЫБОР ОПТИМАЛЬНЫХ ПОДШИПНИКОВ КАЧЕНИЯ

Рассматривается альтернативный метод оптимизаг^ш параметров деталей и умов механизмов и машин, отличающийся от традиционных методов тем, что он не требует составления специальных уравнений и нахождения экстремума функции. Недостаток традиционных методов заключается в том, что они часто сопряжены со значительными мате.ыатическими трудностями. Компьютерные технологии позволяют решать задачи оптимизации параметров деталей и узлов механизмов и машин существенно проще. Это показано на примере выбора оптимальных подшипников качения.

1. Ключевая информация

Подшипники качения рассчитывают на долговечность по динамической грузоподъёмности при частоте вращения кольца п> 1 мин'1 и подбирают по статической грузоподъёмности при п <11 мин'1 при нагружении в неподвижном состоянии.

Динамическая и статическая грузоподъёмности подшипника зависят от его серии, которая связана с габаритными размерами и конструкцией. Всего имеется семь серий: сверхлёгкая, особо лёгкая, лёгкая, лёгкая широкая, средняя, средняя широкая и тяжелая.

Есть два метода выбора подшипников качения [1].

1. Подшипники предварительно подбирают по конструктивным соображениям, а затем рассчитывают их на долговечность и сравнивают её с заданным ресурсом машины или механизма. При этом учитывается динамическая грузоподъёмность, приведённая нагрузка и частота вращения кольца подшипника. Расчётная долговечность подшипника должна быть равна или больше заданного ресурса машины или механизма. А так как нет четкого критерия, по которому можно было бы однозначно выбрать оптимальную динамическую грузоподъёмность подшипника, то задача решается методом проб и ошибок. При некоторых значениях динамической грузоподъёмности долговечность подшипников может оказаться недостаточной, при других - чрезвычайно избыточной. Выбор оптимальных подшипников при таком подходе требует много времени и труда.