Методы и средства контроля качества в технологических процессах изготовления элементов трения качения

• Автор: Бочаров, Александр Александрович
• Шифр специальности: 05.11.13
• Научная степень: Кандидатская
• Год защиты: 2004
• Место защиты: Санкт-Петербург
• Количество страниц: 126 с. : ил.

1 Контроль качества в технологических процессах изготовления элементов трения качения
1.1 Развитие проблемы управления качеством
1.2 Структура системы контроля качества в условиях производства
1.3 Средства виброакустического контроля в условиях производства
Выводы
2 Контроль качества подшипников и их деталей
2.1 Анализ вибрационных свойств деталей подшипника
2.2 Поиск информационных характеристик деталей подшипника
2.3 Определение закономерностей при диагностике качества различных типов подшипников
2.4 Предварительный анализ виброхарактеристик подшипников
Выводы
3 Обоснование алгоритма диагностирования элементов систем трения качения
3.1 Группирование диагностических признаков, выбор наиболее подходящего разбиения на классы
3.2. Классификация уровней качества
3.3 Алгоритм диагностирования
Выводы
4 Разработка средства диагностирования в процессе производства с использованием ЭВМ и специализированного программного обеспечения
4.1 Средства моделирования в процессе контроля
4.2 Использование пакета ЬаЬУЗеиг для вибродиагностирования
4.3 Построение прибора на базе ЭВМ и специализированного программного обеспечения для вибродиагностирования дефектов
Заключение

Современное производство элементов трения качения требует повышения качества изготавливаемых изделий; существующие в настоящее время на производстве методы не могут заметно улучшить качество изготавливаемой продукции. Предлагаемый в настоящей работе метод позволяет без существенных экономических затрат, используя существующее оборудование, заметно повысить качество изготавливаемых подшипников. Основанием для этого является происходящий в наше время бурный рост и развитие информационных технологий, что открывает широчайшие возможности для исследователей в области диагностики и контроля качества различных устройств.
Известную сложность представляет выбор технологии, позволяющей наиболее точно распознать принадлежность изготавливаемой детали к классу по уровню качества. При обширном предложении систем диагностики, практически отсутствуют методы оценки качества исходя из текущих диагностических данных. В таком случае задачу нельзя считать полностью решённой, так как именно совокупность системы сбора данных о текущем состоянии объекта исследования и системы диагностирования даст выдающиеся технологические и экономические преимущества.
В настоящей диссертации для решения задачи отнесения изготавливаемой детали к заранее определённому классу на основе вибродиагностирования как способа оценки её качества. В настоящей работе разработаны методы контроля, основанные на алгоритмах решающих правил с возможностью обучения и самоподстройки, которые могут быть использованы в производственной системе контроля качества, на различных этапах изготовления подшипников и их деталей. В диссертации проведена разработка и обоснование системы вибродиагностирования на базе ЭВМ и специализированного программного обеспечения, для
вибродиагностирования изготавливаемых деталей подшипников и которая
позволила включить её в процесс контроля качества деталей систем трения качения в процессе их механической обработки. Одной из задач, решённых в рамках работ над настоящей диссертацией, явилось построение прибора для контроля качества деталей подшипника в процессе их изготовления.
Таким образом, целью работы является: создание методов и средств для осуществления вибродиагностирования с целью классификации уровня качества элементов трения качения в технологических процессах их изготовления.
Для достижения поставленной цели необходимо решить следующие задачи:
- провести анализ вибрационных свойств изготавливаемых деталей подшипников в процессе производства и выделить их характерные диагностические признаки;
- обосновать методы преобразования диагностических данных без потери информационных признаков в вид, пригодный для проведения анализа;
- обосновать применение методов контроля, основанных на алгоритмах решающих правил с возможностью обучения и самоподстройки для решения задач классификации диагностируемой вибродиагностической информации в преобразованном виде и теоретически обосновать их применение;
- разработать алгоритм диагностирования на основе рассмотренных методов;
- создать прибор на базе ЭВМ и специализированного программного обеспечения для вибродиагностирования деталей подшипника и включить его в процесс контроля качества и диагностики деталей трибомеханических систем в процессе их изготовления;
- провести тестирование сформулированных алгоритмов при помощи созданного прибора.
В данной работе на защиту выносятся следующие новые положения, которые подробно рассмотрены в данной работе и подтверждены практически:

ЦШЕВе Edit fflew insert Fgrmat Statistics graphs Iools data Window Help
J | D Сйї IS і Шр Qi ■ 3a №, ЦІ Anal zJ I10 zJ в / Ц * 9 m : A 1 td8 Л ; » US’ a* Y Г£і vars -

1 П1 2 П2 з G3 П4. J 5 1 П5 1
1 0.5210721 0.477253 0,006571 0,381619 2,0787541
7 0.865652 0,208033 0,318695 0,091374 0,6770621
3 4 5 R 0,495859 0.613521 1.235446 0,613521 0,801540 1,688740 1,811113 0,073423 0,192203 0,933087 0,494471 0,427118 0,091374 0,153806
0,972860 0,209622 0,677062 0,153806 | Numb er of variables: S Ы-М

7 В 0,705969 0.613521 0,195796 1,217606 0,481329 4,198894 0,145123 0,209622 0,153806 0,677062 Quick Advanced | Ешь) Siarmety |
9 0.705969 1,541893 0,987299 0,145123 1,723574 іптпі Summary: Cluster means & Euclidean distances | Cancel |
10 11 0.428624 0.798417 0,369450 1.067125
0,409948 0,679167 0,006119 0,060782 0,133064 0,119921 4,230059 0,499867 0,091374 Analysis of variance Ji&J Options
12 13 0,126066
0,153806 Ы laraph of means

14 0.613521 1,003454 0,083781 0,381619 0,718288 descriptive statistics foi each cluster |
15 0.428624 0,073423 0,006571 0,263371 0,997358

1b 0.613521 0,734235 0,409047 0,381619 2,113637 ЙЙ Members of aeon clustaf C distances |
17 0,613521 0,679167 0,535540 0,145123 0,195032 Save cfassifications and distances j
18 3,454206 2,214942 0,295697 0,618115 1,025899 Ш
14 0,588308 0,679167 0,246414 0,263371 0,020613
20 21 22 0.058831 0,705969 0,218514 1,217606 0,128491 0,611862 0,228344 0,101851 0,137992 0,736364 0,381619 0,209622 0,8514801 0,1950321 0,369450|
Рис.2.23- Анализ данных для выделения признаков в пакете Statistica
Согласно разработанному алгоритму преобразуем переменные с помощью дискриминантного анализа - в массив неэлементарных дискриминантных признаков. Это преобразование выполнено в программе SPSS [18]. Переведём переменные с помощью операции дискриминантного анализа над массивом, и в таблице Casewise Statistics нас будут интересовать следующие столбцы:
Таблица 2.3 - Полученные неэлементарные признаки
Принадлежность к одному из заранее определённых классов Root 1 Root
1 -1,922 3,078
1 -1,628 2,913
1 -1,144 2,236
1 -3,108 1,452
1 -1,616 1,491
1 -1,655 1,303
1 -1,025 ,993
1 -,065 ,884
1 -2,997 ,418
1 -2,522 ,201
2 -2,522 -,060
1 -,926 ,273
2 -4,088 -,069
2 -3,158 -,764