УДК 621.517, 681.142.36
Л.Д. Абрамов, Я. Д. Носов, //./1. Подсекин, В.Н. Воронин
Самарский государственный технический университет
ОЦЕНКА ШЕРОХОВАТОСТИ ПОВЕРХНОСТИ ОПТИКО-ЭЛЕКТРОННЫМ МЕТОДОМ
В статье предложен новый подход к оценке шероховатости поверхности. В основу определения параметров шероховатости положен бесконтактный метод, который позволяет оценить пара-метры микрогеометрии поверхности оптико-электронным методом. Спроектирована установка и разработано программное обеспечение для статистической обработки параметров оптической модели. Приведены результаты оценки шероховатости поверхностей обработанных деталей.
In article is described the new approach to an estimation of roughness of a surface. A contactless method is allows to estimate parameters of microgeometry of a surface by optoelectronic method which is placed in the basis of definition of parameters of roughness. The software of optical model is developed. Results estimations of roughness of surfaces of the processed details is developed were submitted.
Качество поверхности различных деталей машин и параметры их шероховатости зависят от методов и режимов механической обработки. Принято, что неровности подразделяются на шероховатость, волнистость и отклонение формы [1]. Поскольку микрогеометрия поверхности существенно влияет на эксплуатационные свойства изделий, определение параметров шероховатости рабочей поверхности деталей крупногабаритных размеров и сложной формы является необходимым условием повышения качества изготавливаемой продукции,
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 рефлектометри-ческие методы, метод слепков, метод ощупывания световым лучом и профильный метод. Среди профильных методов распространение получил щуповой метод, при котором используют алмазную иглу, движущуюся по поверхности детали. Информация о колебаниях иглы при перемещении по исследуемой поверхности передается на профилограмму, которая является основой для определения таких параметров шероховатости, как среднеарифметическое отклонение профиля (Ra), высота шероховатости профиля (Rz) и т.п. [1].
Наряду с несомненными достоинствами профильных методов оценки шероховатости поверхности следует отметить их недостатки:
- аппаратуру для этих методов можно использоваться только в лабораторных условиях;
~ непосредственно измерять шероховатость можно у деталей ограниченных размеров, как правило, имеющих простые поверхности (плоская, цилиндрическая и т.д.);
- профилограммы записываются только в одном направлении и не дают комплексной оценки распределения микронеровностей;
- характер профилограммы, полученной щуповым методом, в определенной степени зависит от инерционности системы измерений и радиуса закругления вершины алмазной иглы.
Следует также отметить, что в заводских условиях применяется и органолептический метод, при котором эксперт визуально сравнивает исследуемую поверхность изделия с шероховатостью поверхности эталонных образцов. Очевидно, что этому методу присуща субъективная оценка, зависящая от квалификации эксперта. При этом с уменьшением высоты микронеровностей вероятность ошибочного заключения возрастает,
В работе предложен новый метод оценки шероховатости поверхности, который основан на использовании оптико-электронных средств и компьютерных технологий. Схема исследовательского комплекса для оценки шероховатости поверхности приведена на рис. 1.
Комплекс состоит из исследуемой поверхности (1), источника параллельного светового потока (2), видеокамеры (3) и компьютера (4) с соответствующим программным обеспечением. Работа на комплексе имеет такую последовательность: деталь помещается на предметный столик инструментального микроскопа, затем с помощью винтов оптическая система настраивается на исследуемый участок поверхности детали, изображение исследуемой поверхности, полученное с помощью светового источника и видеокамеры, передается в компьютер, где оно соот-
ветствующим образом обрабатывается и определяются комплексные параметры шероховатости участка поверхности.
Рис. 1, Схема исследовательского комплекса:
1- исследуемая поверхность;
2 - источник параллельного светового потока: 3 - видеокамера: 4 - компьютер
Важным этапом исследования является формирование в памяти компьютера базы данных, представляющих собой эталонные наборы признаков, по которым можно определить параметры исследуемой поверхности. Сами же эталонные наборы параметров микронеровностей формируются по изображениям поверхностей эталонных образцов, для которых известны стандартные параметры шероховатости, такие как Ка, Яг и т.п. Для определения признаков, по которым возможно с наибольшей достоверностью оценить исследуемую шероховатость, были изготовлены методом строгания четыре эталонных образца из ст. 40 с различной шероховатостью. Параметры шероховатости поверхности образцов (эталонов) приведены в табл. 1. Из приведенных данных вино, что для регулярной шероховатости поверхности шаговые и высотные параметры взаимосвязаны, причем параметры Б и Бт не равны друг другу. Расхождение между этими параметрами увеличивается с повышением высоты микронеровностей. Анализ полученных данных показывает, что параметры поверхности шаговые и высотные взаимосвязаны. Эти зависимости могут иметь различный характер, в частности, они могут изменяться по следующему закону [1]:
у 2
R7 ~'
8р
(1)
где р - радиус вершины резца; Т - поперечная подача резца в мм/ход, которая, как правило, соответствует среднему шагу микронеровностей по средней линии 5/и.
Таблица 1
Параметры шероховатости поверхности эталонов, полученных после операции строгания
Номер эталона Шаговые и высотные параметры поверхности эталонов
S, Sm Rm, Да, Яг,
мкм мкм мкм мкм мкм
1 608 72 6.1 1.2 4.6
2 110 120 10.3 2.3 9.5
3 190 220 22 4.7 18
4 1 350 385 48 8.8 39
Видеоизображения характерных участков поверхностей исследованных образцов, полученных с помощью оптико-электронного комплекса, приведены на рис. 2.
Приведенные изображения получены и обработаны с помощью оптико-электронной системы комплекса, которая была настроена таким образом, что анализируемая поверхность эталонных образцов имела размер 3x2.5 мм, а формат видеокадра, записываемого в память компьютера, составлял 320x240 пикселей. Следовательно, разрешение по оси X составило 9.3 мкм. а по оси У- 10.4 мкм на пиксель.
Параллельный световой поток падал под углом 20° к исследуемой поверхности, что обес* печивало получение наиболее четких и контрастных изображений на экране монитора компьютера (см. рис. 2 а). На каждый пиксель изображения в памяти отводится по 3 байта для кодирования цветовых компонент R, G, В (Red, Green, Blue), Цветное изображение видеосигнала преобразовывалось в черно-белое по формуле [2], а диапазон яркости лежал в пределах от 0 до 255 единиц:
£ = 0.3*Д + 0.59 + С + 0.11*А, где Е - яркость пикселя, формат 1 байт.
Р и с. 2. Изображение характерного участка поверхности исследуемого объекта: а- видеоизображение; б -корреляционная поверхность; в - бинарная корреляционная поверхность; г- видеосигналы светового потока; д - коррелялограмма поверхности
Характерный график изменения видеосигналов в направлении оси Л" для эталонного образца приведены на рис. 2 г.
Из приведенных данных видно, что профилограммы поверхности и видеосигналы имеют много общего, особенно это относится к частотным показателям. В то же время высотные параметры видеосигналов отличаются от профилограммы тем, что максимальные значения остаются практически постоянными, так как световой поток, отраженный от отдельных участков, для различных поверхностей одинаков. Анализ видеосигналов показывает наличие в их структуре как регулярной, так и случайной компонент. Для более четкого выделения отмеченного свойства, т.е. регулярной составляющей в видеосигнале, была применена следующая методика. По центру изображения исследуемой поверхности в направлении оси X выбирался фрагмент размером 64x64 пикселей, который в дальнейшем будем называть основным. Затем проводилось сканирование изображения в направлении оси X по полосе размером 320x64 пикселей. Далее по центру оси Xосновной фрагмент смещался на 1 пиксель в направлении оси У и также производилось его перемещение вдоль оси X. Таким образом проводилось сканирование всего изображения исследуемой поверхности размером 320x240 пикселей. При каждом перемещении основного фрагмента в направлении оси X на один пиксель подсчитывался корреляционный момент между основным и текущим фрагментом изображения по формуле [3]:
, = ^-----------------------, (3)
„_1
где М/.- и М,, - математические ожидания яркости основного и текущего фрагмента изображения поверхности, с которым в данный момент времени совмещен основной фрагмент; Еэ и £-/■ - значения яркости пикселя соответственно для основного и текущего фрагмента изображения; 1,] - индексы пикселей в направлении осей Xи У,
Математические ожидания яркости для основного и текущего изображения определялись по формуле
« 64
м =
1-1 >1 4096
Для получения нормированного коэффициента корреляции использовалась формула
-- Ке?ет .
где Ох и Ок - дисперсии яркости в основном и текущем фрагменте изображения.
Сами же дисперсии вычислялись по формуле
(4)
(5)
64 64
1Ж-^)
4095
(6)
Характерные графики изменения коэффициента корреляции при перемещении основного фрагмента в направлении оси X для каждого исследуемого образца приведены на рис. 2 д.
Как видно из графика, характер изменения коэффициента корреляции имеет четко выраженный периодический характер, который говорит о том, что в структуре исследуемых образцов присутствует детерминированная составляющая. Кроме этого, коррелялограммы поверхности образцов позволяют оценить степень регулярности поверхности через величину коэффициента корреляции, который с увеличением высоты шероховатости растет.
Таким образом, отмеченные параметры могут служить признаками, по которым можно идентифицировать шероховатость исследуемой поверхности. Двумерные изображения изменения коэффициента корреляции по осям X и У, т,е. корреляционные поверхности, приведены на рис. 2 б.
Дня получения статистической информации о распределении периодов изменения коэффициентов корреляции было выполнено преобразование многоградационных корреляционных поверхностей в бинарные по следующему алгоритму. В исходном изображении брался уровень яркости 128, что соответствовало нулевому значению коэффициента корреляции. Далее значение каждого пикселя исходного изображения сравнивалось с этим уровнем и принималось решение по правилу: Ен=255, £>и>=128; Ен=0, Ет< 128, где Ей - новое значение пикселя, Ет - текущее значение пикселя в исходном изображении. Полученное бинарное изображение корреляционной поверхности для рассматриваемого образца приведены на рис. 2 д.
Анализ полученных изображений показывает наличие в их структуре чередующихся светлых и черных полос различной ширины для разных образцов шероховатости. Для подсчета распределения периодов чередования этих полос были составлены соответствующие программы.
Таблица 2
Высотные параметры шероховатости поверхности эталонов, определенные оптико-электронным способом
Номер образца Период Т, мкм Среднеквад- ратическое отклонение <7, МКМ Гмах, мкм Параметры шероховатости поверхности
Ят, мкм На, мкм Яг, мкм
1 63 9,4 91.2 6.3 1.2± 5±0.8
2 128 10 158 12.8 2.75± 11±1.0
3 "1 218 27 299 27.7 5.4± ~' 21±1.2
4 376 40 496 ““1 56 11.2± 45±1.5
Математические ожидания периодов колебания и их среднеквадратических отклонений для исследуемых образцов приведены в табл. 2. Сравнение параметров корреляционной поверхности и параметров шероховатости профиля (см. табл. 1) показывает, что значения Т, Тшах = Т + Зо хорошо коррелируют с такими параметрами, как средний шаг микронеровностей по вершинам (5) и средний шаг микронеровностей по средней линии (5ти), причем величина 5 и 5/и ближе к среднему значению периода Т. Таким образом, анализ показал, что регулярная со-92
ставляюшая корреляционной поверхности характеризует средний шаг микронеровностей и может служить признаком, по которым можно определить параметры шероховатости исследуемой поверхности.
Определим параметры шероховатости поверхности эталонов по бинарным корреляционным изображениям. Для этого найденные значения Т и 7тах подставим в формулу (1) и определим соответствующие значения высоты шероховатости Яг и Яг шах. Величина Ка определялась как Яг, деленное на 4, что соответствует эталонным значениям высотных параметров шероховатости, полученным на операции строгания. Эти данные приведены в табл. 2. Параметры Ят, Ка, Яг, найденные оптико-электронным методом, сравнивались с этими же параметрами профилограмм профиля этой же поверхности. Установлено, что расхождение значений не превосходит 10-15%. Таким образом, установлена связь между шаговыми и высотными параметрами при исследовании шероховатости поверхности оптико-электронным методом.
Для подтверждения разработанной методики по определению параметров шероховатости деталей крупногабаритных размеров были взяты две поверхности матрицы штампа, которые обработаны методом строгания резцами с р= 0.4 мм. Внешний вид поверхностей приведен на рис. 3 а,б.
а б в г
Р и с. 3. Изображение поверхностей детали, полученных строганием на различных режимах: а - видеоизображение поверхности 1:6 - видеоизображение поверхности 2; в - бинарная корреляционная поверхность 1; г - бинарная корреляционная поверхность 2
Используя разработанную методику, видеоизображения для этих поверхностей преобразованы в бинарные изображения корреляционных поверхностей, которые приведены на рис. 3 в,г. Результаты обработки бинарных изображений приведены в табл. 3. Обработка шаговых параметров бинарных корреляционных изображений позволила определить различные высотные параметры исследуемых поверхностей матрицы. Высотные параметры поверхностей найдены по среднему значению периода колебания корреляционной поверхности (формула (1)). При оценке шероховатости поверхности очень важно знать о степени ее соответствия требованиям технических условий на различных участках. Профилограмма поверхности не дает ответа на этот вопрос, так как определяет параметры в одном или нескольких сечениях. В то же время определение параметров шероховатости по предложенной методике позволяет оценить их на любых участках поверхности. Кроме того, важным является и определение их максимальных значений. Так, например, отклонение максимальных и средних значений характеризует степень однородности поверхности. В нашем случае поверхность 1 имеет среднее значение Яг = = 42 мкм, а Яшах = 49 мкм, что укладывается в пределы ошибки измерения (15%) и характеризует поверхность как однородную, так как значения Яг и йтах приближаются друг к другу.
Таблица 3
Параметры шероховатости поверхностей крупногабаритной детали
Об- разец Период, Г, мкм С ре дне квадрати чес кое отклонение а, мкм Т шах расч., мкм Параметры шероховатости
Ятах, мкм На, мкм Яг, мкм
1 399 18 453 49 11.2 42
2 205 107 526 61 4.3 17
Поверхность 2 имеет меньшее среднее значение Rz =17 мкм, а максимальное значение высоты шероховатости составляет Rz= 61 мкм, т.е. больше среднего в 3.6 раза, что говорит о наличии на поверхности более крупных рисок. Это свидетельствует о том, что данная поверхность является неоднородной и может характеризоваться как поверхность, имеющая шероховатость от Rz = 17 мкм до Дтах=61 мкм. Такое различие в параметрах Rz и Лшах связано с тем, что технологический процесс обработки поверхности 2 осуществляется с нарушениями, которые могут возникнуть из-за неправильной эксплуатацией инструмента (сколы, износ и т.д.) или неверно выбранных режимов обработки.
Таким образом, используя рассмотренную выше оптико-электронную систему, разработанную методику расчета и программное обеспечение к ней, можно объективно оценивать параметры шероховатости крупногабаритных изделий, имеющих сложные формы поверхностей, в любых труднодоступных местах изделия в процессе их изготовления и контроля. Установлено, что по среднему периоду колебания корреляционной поверхности можно определить высоту шероховатости Rz поверхности, а по максимальному периоду - величину Лшах, которая определяет глубину отдельных царапин на обработанной поверхности и степень ее однородности.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Дунин-Борковский И.В., Карташова А.Н. Измерение и анализ шероховатости, волнистости и некруг-лости поверхности. М.: Машиностроение, 1978. 232 с.
2. Крыжаковский В.Д., Костыков Ю.В. Телевидение цветное и черно-белое. М.: Связь, 1980. 336 с.
3. Вентцель Е.С. Теория вероятностей. М.: Наука, 1969. 572 с.
- УДК 681.518.52 С.В. Аверьянов
Поволжская государственная академия телекоммуникаций и информатики, г. Самара
СТРУКТУРА СИСТЕМЫ ДИСТАНЦИОННОГО КОНТРОЛЯ ЗНАНИЙ, ОСНОВАННОЙ НА ВЕРОЯТНОСТНЫХ КРИТЕРИЯХ ОЦЕНКИ
В статье описана структура системы дистанционного контроля знаний, основанной на вероятностных критериях и построенной как веб-приложение на принципах объектно-ориентированного программирования. Подробно рассмотрены основные модули и объекты системы. Дана структура подкаталогов.
In article is described the structure of system of distance knowledge control. The work of the system is based on probability criteria of estimation. It realized as web-application with principles of object-oriented programming. The base modules and objects of system are considered. The structure of directories is given.
Разработанная система диагностики знаний, основанная на вероятностных критериях оценки, представляет собой веб-приложение. Выбор такой программной реализации обусловлен рядом факторов. Мощное развитие веб-технологий позволяет создавать приложения, функциональность, простота доступа, безопасность работы, относительная стандартность интерфейса которых ничуть не уступает, а иногда и превосходит обычные системные приложения. Для доступа к системе необходимо иметь лишь подключение к сети Интернет и браузер. Это позволяет работать с системой из любого места планеты, где есть доступ в Сеть. Кроме того, можно использовать систему не только в глобальной сети, но и в локальных сетях и даже на отдельном компьютере.
Требования к программному обеспечению. С математическим аппаратом системы и принципом вероятностной диагностики можно ознакомиться в [1, 2].
Для работы системы необходимо дополнительное программное обеспечение, которое является бесплатным и включено в дистрибутив:
- любой веб-сервер, способный обрабатывать рЬр-скрипты (рекомендуется Apache2 http server);
- РНР 4.3.4 и выше с поддержкой графики (должен быть включен модуль php_gd2.dll) и с поддержкой функций zlib-компрессии (опционально);