Діагностика виробів машинобудування за кількома ознаками
DOI:
https://doi.org/10.15276/opu.3.62.2020.02Ключові слова:
неруйнівний контроль, нейронна мережа, діагностика, частотний спектрАнотація
У статті було розглянуто методи неруйнівного контролю, що засновані на різних фізичних законах і явищах. Розглянуто можливість створення нового актуального інструменту для отримання широкого спектру даних виробів машинобудування таких, як форма, розміри та розташування у просторі. Запропоновано використовувати звукову діагностику з застосуванням високочастотного широкосмугового сигналу для зняття частотних характеристик об’єкту. Метою дослідження є розробка методики безконтактного виміру виробів машинобудування за кількома ознаками. За допомогою віброакустичної діагностики та використанням методу контроля за кількісною ознакою було зроблено розподілення всього об’єму виробів 100 шт. на дві партії : основну и контрольну, знято кількісні параметри кожної одиниці виробу. За допомогою генератора частот подавався сигнал від 0 до 20000 Гц. Частотна характеристика кожного зразка фіксувалася у програмі Spectrum Analiyser. Оцінка відхилення розмірів виробу та його частотного спектру проведено у програмному забезпеченні NeuroPro 0.25. Створена нейронна мережа дозволяє в режимі реального часу прогнозувати значення декількох кількісних ознак незалежно від їх природи. Отримана працююча моделі збору статистичних даних для ефективної роботи нейронної мережі. Розроблена методика дозволяє виявляти конфігурацію виробів на основі непрямих вимірювань, через частотний спектр. Дану методику можливо використовувати для діагностики деталей за геометричними ознаками, фізичними властивостями, дефектами. Для цього необхідно збільшення вхідних даних для навчання нейронної мережі. При достатній виборці деталей з різними дефектами нейрона мережа за акустично частотними характеристиками зможе поділяти деталі на групи гідних і негідних за різними ознаками.
Завантаження
Посилання
Назолін А.Л. Оцінка можливості виявлення дефектів статора турбогенератора по спектру віброакус-тичнго сигналу. Заводская лаборатория. Диагностика материалов. 2017. Вип. 4. 314 с.
Basaran F. U., Kurban M. A New Approach for the Short-Term Load Forecasting with Autoregressive and Artificial Neural Network Models. International Journal of Computational Intelligence Research. 2007. № 3. P. 66–71.
Коновалова І.О., Беркович Ю.А., Єрохін А.Н. Оптимізація світлодіодної системи освітлення вітамі-нами космічної теплиці. Авіакосмічна і екологічна медицина. 2016. Вип. 50, № 3. С. 17–22.
Кононюк А. Е. Обобщенная теория моделирования. Начала: Освіта України, 2012. 602 с.
Бигус Г.А., Даниев Ю.Ф., Быстрова Н.А. Диагностика технических устройств. М. : Изд-во МГТУ им. Н.Э. Баумана, 2014. 615 с.
Бобров В.Т., Самокрутов А.А., Шевалдыкин В.Г. Техническая диагностика и неразрушающий контроль Состояние и тенденции развития акустических (ультразвуковых) методов, средств и технологий неразрушающего контроля и технической диагностики. Территория NDT. 2018. № 2. С. 24–27.
Ермолов И.Н. Техническая диагностика и неразрушающий контроль. Достижения в теоретиче-ских вопросах ультразвуковой дефектоскопии, задачи и перспективы. Дефектоскопия. 2018. № 2. C. 13–48.
Терентьев В.Ф., Колмаков А.Г., Блинов В.М. Деформация и разрушение материалов. Деформа-ция и разрушение материалов. 2007. № 6. С. 2–9.
Белолапотков Д.А., Добровинский И.Р., Медведик Ю.Т. Повышение точности активного контро-ля размеров деталей в процессе изготовления. Мир измерений М. РИА «Стандарты и качество». 2007. № 7. С. 43–46.
Леньков С.В., Федорова Н.В. Резонансный электромагнитный акустический метод измерения вязкоупругих свойств аморфных ферро магнитных лент, подвергнутых низкотемпературному отжигу. Физика металлов и металловедение. 2014. № 115. С. 749–755.
Верещака А.С., Высоцкий В.В., Мокрицкий Б.Я. Технологические процессы повышения работо-способности металлорежущего инструмента. Комсомольск-на-Амуре : ФГБОУ ВПО «КнАГТУ», 2013. 208 с.
Самотугин С.С., Лещинский Л.К. Плазменное упрочнение инструментальных материалов. До-нецк : Новый мир, 2002. 338 с.
Golesorkhtabar R. А. ElaStic: A tool for calculating second-order elastic constants from first principles. Computer Physics Communications. 2013. № 8. P. 1861–1873.
Kovalevska O. S., Kovalevskyy S. V. Application of acoustic analysis in control systems of robotic ma-chine tools. Radio Electronics, Computer Science, Control. 2018. № 2(45). С. 51–59.
Kovalevskyy S.V., Kovalevska O.S., Turmanidze R.A. Acoustic diagnostics of lever mechanisms with subsequent processing of data on neural networks. New technologies, development and application. Springer International Publishing AG, part of Springer Nature. 2018. Vol. 42. P. 202–210.
Kovalevskyy S. V., Kovalevska O.S. Resource optimization with systemic design of robotized techno-logical equipment. World Convention on Robots, Autonomous Vehicles and Deep Learning. 10-11 Sep-tember 2018, Singapore. 2018. P. 50. DOI: 10.4172/2168-9695-C3-0216th.
