Разработка и исследование профилографа для измерения отклонений формы поверхности изделий методом лазерного спиралевидного сканирования

Обложка

Цитировать

Полный текст

Аннотация

Введение. Рассматриваются вопросы разработки профилографа и реализации с его помощью измерения отклонений формы поверхности изделий методом лазерного спиралевидного сканирования. Обзор научной литературы показывает, что в настоящее время вопрос контроля и оценки отклонений формы поверхности изделий требует дальнейших исследований, поскольку применение известных приборов и методов не всегда обеспечивает необходимую точность, технологичность и достаточную информативность измерений. Цель работы: разработка нового метода оценки трехмерного профиля путем реализации метода лазерного спиралевидного сканирования и исследование профилографа для повышения точности и производительности измерения отклонений формы поверхности изделия. Методы. В работе предложен новый метод оценки трехмерного профиля поверхности, чтобы непосредственно установить форму поверхности изделий для контроля качества поверхности изделий вне зависимости от ее расположения. Для реализации метода разработан и исследован профилограф оригинальной конструкции, обеспечивающий измерение двух параметров по спирали Архимеда. Выполнена оптимизация конструкции и метода представления информации для измерения отклонений формы поверхности изделий. Результаты и обсуждение. Предложена методика статистической оценки уравнений для описания формы металлических поверхностей, основанная на использовании классических законов. В случае гофрированной поверхности реализована оценка отклонений от плоскостности, установлена возможность определения отклонений формы поверхности изделий: волнистости, выпуклости, вогнутости и др. Апробация работы автоматизированного мехатронного устройства и предложенной методики проведена на гофрированных поверхностях. Полученные в результате статистической обработки различные уравнения сравнивались между собой, и выбиралось уравнение с наибольшим коэффициентом детерминации. Исследована профилограмма в виде развертки в декартовых координатах с целью получения достоверных и точных данных для оценки отклонений формы. Методом лазерного спиралевидного сканирования установлены величины прогиба и размер гофр по высоте гофрированного листа С-9.

Об авторах

С. А. Васильев

Email: vsa_21@mail.ru
доктор техн. наук, доцент, Чувашский государственный университет им. И.Н. Ульянова, пр. Московский, 15, г. Чебоксары, Чувашская Республика, 428015, Россия, vsa_21@mail.ru

В. В. Алексеев

Email: av77@list.ru
доктор технических наук, доцент, Чувашский государственный университет им. И.Н. Ульянова, пр. Московский, 15, г. Чебоксары, Чувашская Республика, 428015, Россия, av77@list.ru

М. А. Васильев

Email: mishawasilev@mail.ru
Чувашский государственный университет им. И.Н. Ульянова, пр. Московский, 15, г. Чебоксары, Чувашская Республика, 428015, Россия, mishawasilev@mail.ru

А. А. Федорова

Email: e_a_a@mail.ru
Чувашский государственный университет им. И.Н. Ульянова, пр. Московский, 15, г. Чебоксары, Чувашская Республика, 428015, Россия, e_a_a@mail.ru

Список литературы

  1. Jeyapoovan T., Murugan M. Surface roughness classification using image processing // Measurement. – 2013. – Vol. 46, iss. 7. – P. 2065–2072. – doi: 10.1016/j.measurement.2013.03.014.
  2. Lushnikov N., Lushnikov P. Methods of assessment of accuracy of road surface roughness measurement with profilometer // Transportation Research Procedia. – 2017. – Vol. 20, pp. 425–429. – doi: 10.1016/j.trpro.2017.01.069.
  3. Non-contact surface roughness measurement of crankshaft journals using a super-continuum laser / V.V. Alexander, H. Deng, M.N. Islam, F.L. Terry // Conference on Lasers and Electro-Optics. – San Jose, 2010. – doi: 10.1364/CLEO_APPS.2010.AFA3.
  4. Babu R.A., Baldev R.A. Study of engineering surfaces using laser-scattering techniques // Sadhana. – 2003. – Vol. 28, pt. 3–4. – P. 739–761. – doi: 10.1007/BF02706457.
  5. Abidin F.Z., Hung J., Zahid1 M.N. Portable non-contact surface roughness measuring device // IOP Conference Series: Materials Science and Engineering. – 2019. – Vol. 469. – P. 012074. – doi: 10.1088/1757-899X/469/1/012074.
  6. Kiran R., Amarendra H.J., Lingappa S. Vision system in quality control automation // MATEC Web of Conferences. – 2018. – Vol. 144. – P. 03008. – doi: 10.1051/matecconf/201814403008.
  7. Shih F.Y. Image processing and pattern recognition: fundamentals and techniques. – Hoboken, NJ: Wiley, 2010. – 537 p. – ISBN: 978-0-470-40461-4.
  8. Lee B.Y., Tarng Y.S. Surface roughness inspection by computer vision in turning operations // International Journal of Machine tools and Manufacture. – 2001. – Vol. 41. – P. 1251–1263. – doi: 10.1016/S0890-6955(01)00023-2.
  9. Spagnoloa G.S., Cozzellaa L., Lecceseb F. Viability of an optoelectronic system for real time roughness // Measurement. – 2014. – Vol. 58. – P. 537–543.
  10. Measurement of surface roughness of metal using binary speckle image analysis / E. Kayahana, H. Oktemb, F. Hacizadeb, H. Nasibovb // Tribology International. – 2010. – Vol. 43. – P. 307–311. – doi: 10.1016/j.triboint.2009.06.010.
  11. Wang T., Groche P. Sheet metal profiles with variable height: numerical analyses on flexible roller beading // Journal of Manufacturing and Materials Processing. – 2019. – Vol. 3 (1). – P. 19. – doi: 10.3390/jmmp3010019.
  12. Stoudt M., Hubbard J.B. Analysis of deformation-induced surface morphologies in steel sheet // Acta Materialia. – 2005. – Vol. 53 (16). – P. 4293–4304. – doi: 10.1016/j.actamat.2005.05.038.
  13. Васильев С.А., Максимов И.И., Алексеев В.В. Методика и устройство для профилирования поверхности почвы и определения направления стока атмосферных осадков в полевых условиях // Вестник АПК Ставрополья. – 2015. – № 3 – С. 22–26.
  14. Васильев С.А., Алексеев В.В., Речнов А.В. Экспресс-метод количественной оценки пожнивных остатков на поверхности почвы // Аграрный научный журнал. – 2015. – № 9. – С. 11–13.
  15. Hockauf R., Grove T., Denkena B. Prediction of ground surfaces by using the actual tool topography // Journal of Manufacturing and Materials Processing. – 2019. – Vol. 3 (2). – P. 40. – doi: 10.3390/jmmp3020040.
  16. Vasiliev S., Kirillov A., Afanasieva I. Method for controlling meliorative technologies on sloping cultivated lands using large scale profilometer // Engineering for Rural Development. Proceedings. – 2018. – Vol. 17. – P. 537–542.
  17. Васильев С.А. Разработка метода и профилографа для оценки мелиоративных технологий на склоновых агроландшафтах // Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. – 2016. – № 3. – С. 220–226.
  18. Васильев С.А. Обоснование конструктивно-технологических параметров профилографов для контроля мелиоративных технологий на склоновых агроландшафтах // Научный журнал Российского НИИ проблем мелиорации. – 2016. – № 4. – С. 40–54.
  19. Image-based inspection technique of a machined metal surface for an unmanned lapping process / D. Ravimal, H. Kim, D. Koh, J.H. Hong, S.K. Lee // International Journal of Precision Engineering and Manufacturing-Green Technology. – 2019. – doi: 10.1007/s40684-019-00181-7.
  20. Application of laser profilometry to evaluation of the surface of the workpiece machined by abrasive water jet technology / G. Mital, J. Dobránsky, J. Ruzbarský, Š. Olejárová // Applied Sciences. – 2019. – Vol. 9. – P. 21–34. – doi: 10.3390/app9102134.
  21. Liu C.-Y., Tzu-Ping Y. Digital multi-step phase-shifting profilometry for three-dimensional ballscrew surface imaging // Optics and Laser Technology. – 2015. – Vol. 79. – P. 115–123. – doi: 10.1016/j.optlastec.2015.12.001.
  22. Bracun D., Perdan B., Diaci J. Surface defect detection on power transmission belts using laser profilometry // Strojniški vestnik – Journal of Mechanical Engineering. – 2011. – Vol. 57 (3). – P. 257–266. – doi: 10.5545/sv-jme.2010.176.
  23. Campana C., Moslehpour S. Non contact surface roughness measurement instrumentation // American Society for Engineering Education. – 2007. – AC 2007-2557. – P. 12.1107.
  24. Development and verification of a one-step-model for the design of flexible roll formed parts / P. Groche, A. Zettler, S. Berner, G. Schneider // International Journal of Material Forming. – 2010. – Vol. 4 (4). – doi: 10.1007/s12289-010-0998-3.
  25. Schilling R.J. Fundamentals of robotics: analysis and control. – New Delhi: Prentice Hall, 2005. – ISBN 81-203-1047-0.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».