Повышение эффективности неразрушающего контроля интегрального параметра качества материалов сложной структуры на основе корреляционной функции спектров изображений

• Автор: Егорушкин, Евгений Олегович
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Нижний Новгород
• Количество страниц: 92 с. : 36 ил.

ВВЕДЕНИЕ
ГЛАВА 1. АНАЛИЗ ПРОБЛЕМЫ АВТОМАТИЗИРОВАННОГО КОНТРОЛЯ КАЧЕСТВА МАТЕРИАЛОВ СЛОЖНОЙ СТРУКТУРЫ.
1.1. Характеристика объектов и требования к контролю качества материалов сложной структуры.

1.2. Особенности автоматизированного контроля качества материалов сложной структуры

1.3. Анализ существующих методов контроля качества материалов сложной структуры

1.4. Автоматизированный подход к измерению параметров качества материалов

Выводы по главе 1 и постановка задач исследования .

ГЛАВА 2. ИССЛЕДОВАНИЕ ПРОЦЕССА АВТОМАТИЗИРОВАННОГО КОНТРОЛЯ КАЧЕСТВА МАТЕРИАЛОВ СЛОЖНОЙ СТРУКТУРЫ С ПРИМЕНЕНИЕМ СИСТЕМ ТЕХНИЧЕСКОГО ЗРЕНИЯ.
2.1. Выбор интегрального критерия качества материалов сложной структуры на примере пенополиуретана
2.2. Структурный анализ и синтез электроннооптической системы контроля качества материалов.

2.3. Этапы обработки изображений материала.

2.4. Предварительная обработка изображения.
2.5. Комплекс технических средств для проведения эксперимента
2.6. Методика проведения эксперимента
Выводы но главе 2
ГЛАВА 3. ИССЛЕДОВАНИЕ МЕТОДОВ ИЗМЕРЕНИЯ СРЕДНЕГО РАЗМЕРА ЯЧЕЙКИ МАТЕРИАЛА С ЛОЖ ЮЙ СТРУКТУРЫ.
3.1. Измерение среднего размера ячейки методом печатного оттиска.
3.2. Измерение среднего размера ячейки материала методом анализа статистических характеристик его изображения
3.3. Определение среднего размера ячейки материала методом анализа корреляционных функций изображения
3.4. Определение среднего размера ячейки пенополиуретана методом спектрального анализа двумерною сигнала
3.5. Определение среднего размера ячейки пенополиуретана методом анализа корреляционной функции пространственных спектров изображения.
3.6. Нейросетевой метод определения среднего размера ячейки ППУ
3.7. Сравнение методов измерения среднего размера ячейки материала.
Выводы по главе 3
ГЛАВА 4. РАЗРАБОТКА СТРУКТУРЫ АВТОМАТИЗИРОВАННОГО
КОМПЛЕКСА НЕРАЗРУШАЮЩЕГО КОНТРОЛЯ КАЧЕСТВА МАТЕРИАЛОВ
4.1. Характеристика и технические требования к пенополиуретану
4.1. Технологический процесс производства пенополиуретана.
4.2. Разработка технологического процесса автоматизированног о контроля
качества Г1ПУ.
4.3. Уточнение геометрических характеристик электроннооптической системы промышленной установки контроля качества ППУ
4.4. Предложения по промышленному применению разработанного метода автоматизированного контроля качества материала. Перспективы его применения в
промышленности
Выводы по главе
Заключение.
ПРИЛОЖЕНИЕ 1.
ПРИЛОЖЕНИЕ 2.
ПРИЛОЖЕНИЕ 3.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК.
ВВЕДЕНИЕ
Актуальность


В случае проведения эксперимента с изображениями поверхности непрозрачных пластмасс ошибка составляет не более , и является допустимой. Таким образом, использование этого метода возможно только для анализа структуры непрозрачных материалов. Для повышения точности определения среднего размера ячейки ППУ, разрабатывается новый метод, заключающийся в корреляционном анализе полученных спектров изображений. Суть которого состоит в определении расстояния между наибольшими максимумами корреляционной функции спектров изображений. Метод анализа корреляционной функции спектров изображений имеет ошибку не более 8,5, время отработки одного цикла измерения, составляющее 1,2 сек. Для получения метода обеспечивающего более высокую скорость процесса обработки, по сравнению с предыдущими для повышения оперативности контроля, разработан метод, основанный на использовании аппарата искусственных нейронных сетей. Применение нейросетевого метода позволяет производить определение среднего размера ячейки материала с ошибкой не более , и временем отработки одного цикла измерения 0, сек. Основным недостатком данного метода является необходимость подготовки серий изображений для обучения нейросети на этапе калибровки. Это требует достаточно больших временных и информационных затрат. Не смотря на выигрыш нейросетевого метода по скорости определения ИПК и его приемлемую точность, основным его недостатком по сравнению с методом анализа КФ спектров, является необходимость временных и информационных затрат на подготовку изображений для обучения и на сам процесс обучения. Исходя из условий поставленной задачи метод корреляционного анализа спектров изображений рекомендован для использования в промышленной установке потокового контроля качества. Данный метод позволяет обеспечить приемлемую для практической реализации вычислительную сложность и информационную емкость процесса измерения ИПК. Система автоматизированного контроля, работающая на основе этого метода, может быть гибкой и применимой для контроля качества широкого круга материалов сложной структуры. В четвертой главе диссертационной работы автор выносит предложения относительно промышленного применения разработанного метода контроля качества. Разрабатывается структура автоматизированного комплекса неразрушающего контроля качества исследуемого материала, а также технологии проведения процесса контроля. В заключении сформулированы выводы и основные результаты диссертационной работы, а также рекомендации, вытекающие из проведенного исследования. В приложении приводятся технические характеристики используемых устройств, листинги программ и копия акта о реализации научных положений и выводов диссертационной работы. ГЛАВА 1. В настоящее время, в различных отраслях промышленности, одной из основных задач является обеспечение и повышение качества выпускаемой продукции. При решении этой задачи важная роль отводится контролю качества продукции на всех этапах производства. Целью контроля качества является проверка соответствия показателей качества установленным требованиям. В общем случае под качеством, в соответствии со стандартом ГОСТ Р ИСО 1, понимают степень соответствия совокупности присущих характеристик продукции требованиям, а контролем качества называют процедуру оценивания соответствия путем наблюдения и суждений, сопровождаемых соответствующими измерениями, испытаниями или калибровкой. В большинстве случаев, в ходе проверки показателей качества, задача оценки параметров структуры материала сопряжена с определенными трудностями вследствие сложности его структуры и является одной из актуальных задач, возникающих на предприятиях. Точность и скорость решения данной задачи определяет эффективность управления протекающими производственными процессами. В качестве примера можно привести предприятия, выпускающие различные полимерные материалы и пластмассы, большую часть из которых составляют газонаполненные ячеистые пластмассы рис. Рнс. Примеры ячеистых пластмасс пенополиуретан я, пенопласт б. Это органические высокопористые материалы, получаемые из синтетических смол. Их часто также называют пенопластами или поропластами.