Автоматизация компьютерных методов исследования неравномерности двумерных волокнистых материалов

• Автор: Лебедева, Виктория Игоревна
• Шифр специальности: 05.13.06
• Научная степень: Кандидатская
• Год защиты: 2006
• Место защиты: Москва
• Количество страниц: 168 с. : ил.

Введение.
Глава 1 Аналитический обзор задач исследования неравномерности двумерных текстильных материалов.

1.1 Неравномерность волокнистых материалов

1.2 Основные характеристики неровноты одномерных материалов.

1.3 Случайные поля как характеристики двумерных текстильных материалов

1.4 Экспериментальные методы исследования неровноты двумерных материалов.

1.5 Методы исследования содержания сорных примесей в двумерных волокнистых материалах
1.6 Методы компьютерного моделирования и их возможности при исследовании текстильных хматериалов
1.7 Применение компьютерной техники и компьютерных технологий для исследования текстильных материалов.

1.7.1 Возможности современной компьютерной техники для сбора инфорхмации об образце

1.7.2 Технологии обработки компьютерной графики.

Выводы по главе
Глава 2 Моделирование случайной неровноты двумерных волокнистых материалов.
2.1 Моделирование случайных полей
2.1.1 Модель дискретного поля двумерного белого шума
2.1.2 Модель пуассоновского изотропного поля .
2.1.3 Моделирование поверхностей плоских волокнистых материалов .
2.1.4 Исследование характеристик моделируемых полей
2.2 Моделирование изображений полей неровиоты
2.2.1 Алгоритм моделирования изображений двумерных волокнистых материалов
2.2.2 Анализ моделированных изображений полей неровноты .
Выводы по главе 2 .
Глава 3 Методы выявления участков с локальной неровнотой на изображениях образцов двумерных материалов
3.1 Виды нестационарной неровноты и проблемы ее распознавания на изображениях .
3.2. Применение методов кластерного анализа для оценки засоренности двумерных волокнистых материалов.
3.2.1 Основные задачи кластерного анализа
3.2.2 Кластер анализ для распознавания сорных примесей на изображениях двумерных волокнистых материалов.
3.2.3 Верификация работы алгоритма на детерминированных бинарных изображениях.
3.2.4 Верификация работы алгоритма на моделированных изображениях образцов волокнистых материалов
3.2.5 Верификация работы алгоритма на сканированных изображениях образцов волокнистых материалов.
3.3 Распознавания участков локальной неровноты на изображениях методами математической статистики
3.3.1 Проблема выбросов случайных процессов.
3.3.2 Алгоритм выявления локальной неровноты на изображении образца.
3.3.3 Анализ работы алгоритма на модельных полях
Выводы по главе 3.
Глава 4 Разработка автоматизированного модельноисследовательского комплекса для анализа изображений волокнистых материалов
4.1 Средства и возможности автоматизированного комплекса
4.2 Структура данных.
4.3 Структура программного комплекса.
4.4 Работа с программным комплексом
4.4.1 Настройка программного комплекса .
4.4.2 Анализ изображения образца
4.4.3 Количество сорных примесей
4.4.4 Моделирование.
4.4.5 Просмотр статистики БД
Выводы по главе 4.
Общие выводы
Литература


Так как порции в середине имеют наибольшую толщину, а к концам она резко уменьшается, в ленте образуются уплотнения. Каждой порции соответствует одна и та же длина ленты, выпускаемой на столик, то между утолщенными местами ленты получаются одинаковые расстояния. В результате того, что лента образуется из отдельных порций, структура ее в местах спаек резко отличается от структуры ленты в местах, соответствующих серединным участкам порций. Соответственно, прочность ленты в местах спаек меньше, чем в середине порций. Таким образом, в описанном случае наблюдается периодическая неровнота по толщине, структуре и прочности. Результатом непериодической неровноты являются колебания в некотором чередовании по обе стороны от среднего значения показателя качества. Эти колебания образуют волны разной длины, амплитуды и формы. Неровнота такого типа зависит от расположения волокон, их свойств, распрямленности и др. Все эти факторы не обладают периодичностью и поэтому вызывают непериодическую неровноту. Фактор, действующий только в отдельные моменты технологического процесса вызывает местную неровноту, которая характеризуется небольшими участками протяженности. Причиной этого могут являться отклонения от нормальной работы машин или дефекты поступающих на обработку материалов. Комбинированная или сложная неровнота полуфабрикатов получается при соединении двух или более видов неровнот, происшедших от различных причин. Они как бы накладываются одна на другую и в сумме дают сложную неровноту. Разложение сложной неровноты, получаемой в результате исследования продукта, на более простые составляющие является сложной задачей. Так же для определения неровноты используется формула, полученная путем преобразования формулы 1. При большом числе испытаний свойств продукта прядения полученные значения группируют в классы. Таблица 1. В связи с развитием методов моделирования идеальных продуктов прядения широко используется такой показатель как индекс неровноты. С 1. С развитием электронновычислительной техники все более широкое применение стали находить статистические методы исследования, базирующиеся на теории случайных функций 3. Применение характеристик случайных функций для исследования процессов и продуктов текстильного производства позволяет установить математические зависимости между параметрами, характеризующими рассматриваемый процесс. При исследовании неровноты продуктов текстильного производства используют следующие методы случайных функций корреляционный анализ, спектральный анализ, анализ градиента неровноты. Корреляционная функция является важнейшей характеристикой случайных функций. Однако полностью характеризуются корреляционной функцией только нормальные однородные случайные функции. Этот класс случайных функций часто встречается в технике. К нему могут быть приведены также и те случайные функции, которые имеют малую асимметрию в распределении вероятностей значений случайной функции. Корреляционная функция определяет структуру и характер неровноты продуктов прядения, позволяет обнаружить слабые периодические колебания толщины продукта, а также выявить затухающие периодические колебания, скрытые среди случайных колебаний. Д 1с1с 1. Из анализа диаграмм толщины продуктов прядения рисунок 1. Это объясняется относительно устойчивыми условиями, в которых происходит нормальный процесс производства этих продуктов. Рис. Рассматривая явления, которые возникают при осуществлении в нормальных условиях технологических процессов прядильного производства, можно обнаружить, что они протекают по схеме стационарных случайных процессов. Большая неравномерность волокон по их свойствам длине, тонине и др. Очевидно, что если бы не было стационарности а, следовательно, и однородности в статистическом понимании свойств продуктов прядения, то невозможно было бы планировать производство пряжи заданного номера и заданных свойств, нельзя было бы определить качество продукта прядения по небольшому числу его образцов. Корреляционная функция, отражая в усредненном виде характер случайной функции, не дает представления о частотном составе этой функции.