автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация процесса рентгенографического контроля дефектов лопаток ГТД, получаемых методами точного литья

На правах рукописи

Лимонов Игорь Анатольевич

АВТОМАТИЗАЦИЯ ПРОЦЕССА РЕНТГЕНОГРАФИЧЕСКОГО КОНТРОЛЯ ДЕФЕКТОВ ЛОПАТОК ГТД, ПОЛУЧАЕМЫХ МЕТОДАМИ ТОЧНОГО ЛИТЬЯ

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (промышленность)

Автореферат диссертации на соискание ученой степени кандидата технических наук

Рыбинск 2004

Работа выполнена в Рыбинской государственной авиационной технологической академии им. П.А. Соловьева

Научный руководитель:

кандидат технических наук, профессор Тонкий Леонид Васильевич.

Официальные оппоненты:

доктор технических наук, профессор Хрящев Юрий Евгеньевич, кандидат технических наук, Порошин Сергей Сергеевич

Ведущее предприятие:

ОАО «НПО «Сатурн»

Защита диссертации состоится 28 апреля 2004 г. в 1200 на заседании диссертационного совета К 212.210.01 Рыбинской государственной авиационной технологической академии им. П. А. Соловьева по адресу: 152934, г.Рыбинск Ярославской области, ул. Пушкина, 53, ауд. 237.

С диссертацией можно ознакомиться в библиотеке Рыбинской государственной авиационной технологической академии им. П. А. Соловьева по адресу: 152934, г. Рыбинск Ярославской области, ул. Пушкина, 53.

Автореферат разослан

Учёный секретарь диссертационного совета д^. В. А. Вершинин

Ау*?

Общая характеристика работы

Актуальность работы обуславливается необходимостью автоматизации процессов рентгенографического контроля с целью повышения производительности труда и достоверности результатов контроля, снижения количества людей занятых на вредном участке производства, улучшения условий труда.

В настоящее время качеству выпускаемой продукции уделяется очень

большое внимание. Большинство предприятий стремится повысить качество »

продукции путем внедрения новых методов промежуточного контроля деталей и узлов изделия. Неразрушающий контроль является важнейшей частью системы качества. Под рентгенографическим неразрушающим контролем понимается вид неразрушающего контроля, основанный на регистрации и анализе проникающего ионизирующего излучения после взаимодействия с контролируемым объектом. На современном этапе автоматизация процессов рентгенографического контроля находится на низком уровне - проявка рентгеновских пленок и выявление дефектов осуществляются вручную. Отсутствие должного уровня автоматизации оказывает негативное влияние на условия работы труда персонала, не позволяет интенсифицировать процесс контроля без привлечения на вредный участок производства новых сотрудников.

В связи с этим задача автоматизации процесса рентгенографического контроля является весьма актуальной. Для решения поставленной задачи необходимо разработать методики выявления и анализа дефектов на изображении и создать на их основе концепцию экспертной системы, которая позволила бы автоматизировать процесс анализа рентгенограмм. Система должна выявлять дефекты на основании информации об их характерных признаках, выделенной методами предварительной обработки изображения и накопленного обобщенного опыта экспертов - дефектоскопистов.

Цель работы: интенсификация процессов восприятия и анализа рентгенограмм, исключение влияния человеческого фактора на выявление дефектов лопаток газотурбинных двигателей (ГТД).

Методы исследований. В работе использованы теоретические и экспериментальные методы исследования на основе анализа технологического проРОС. НАЦИОНАЛЬНАЯ БИБЛИОТЕКА

ОЭ УУ^пухЗЗ ,

цесса рентгенографического контроля лопаток ГТД, биолого-психологических аспектов восприятия образов человеком, существующих методов машинного восприятия и распознавания образов.

Научная новизна работы:

- сформулирован комплекс критериев для выявления и таксономической классификации дефектов с применением структурно-биологических методов;

- для исключения влияние эффекта одновременного контраста предложена формула выявления яркостных неравномерностей с вариативным порогом невосприятия, обеспечивающая выявление объектов с положительным и отрицательным перепадом яркости относительно яркости среза;

- разработан алгоритм для отсева псевдодефектов (структуры металла);

- разработан адаптивный двухуровневый алгоритм синтаксического анализа выявленных дефектов, реализующий предложенную таксономическую схему для классификации дефектов по типам и учитывающий топологию дефектов и их взаимовлияние для выдвижения возможного решения по годности изделия.

Реализация результатов работы. Методы и алгоритмы, предложенные в диссертации, внедрены и используются в производстве на следующих предприятиях: ОАО «НПО «Сатурн» (г. Рыбинск); ЗАО «Спецавтоматика» (г. Рыбинск). Результаты научных исследований используются в Рыбинском авиационном колледже при чтении лекций и проведении лабораторных работ по дисциплинам «Технология изготовления газотурбинных двигателей» и «Технология ремонта газотурбинных двигателей».

Апробация. Материалы диссертационной работы прошли апробацию в докладах на I и II Всероссийских научно - технических конференциях «Компьютерные технологии в науке, проектировании и производстве», г. Нижний Новгород, 1999,2000 г.п; на XXVI конференции молодых ученых и студентов г. Рыбинск, 1999 г.; на Всероссийской выставке «Школа 2002» г. Москва 2002 г.

Публикации. По материалам диссертации опубликовано 6 печатных работ, из которых 3 статьи, 3 тезисов докладов.

Структура и объем диссертации. Работа изложена на 167 листах, содержит 52 рисунка, 17 таблиц и состоит из введения, четырех разделов, заключения, списка литературы из 102 наименований и 3 приложений.

Основное содержание работы

Во введении обосновывается актуальность темы исследования, формулируются цели и задачи исследования, приводится научная новизна и практическая ценность работы.

В первой главе анализируется современное состояние технологического процесса рентгенографического контроля лопаток ГТД, выдвигаются требования к автоматизированной системе контроля, исследуются существующие методы распознавания образов.

Лопатки, применяемые в газотурбинных двигателях, подвергаются 100% рентгенографическому контролю, причем каждая лопатка проходит контроль неоднократно: охлаждаемые лопатки просвечиваются пять раз, а неохла-ждаемые - три раза.

В литейном производстве рентгенографическим контролем выявляются различные типы дефектов. На изображении их определяют по ряду характерных признаков. Основными критериями для их выявления и классификации являются:

- контрастная неоднородность исследуемого образца;

- форма и размеры (площадь) контрастной неоднородности;

- расположение этой неоднородности на образце относительно выделяемых зон, -

причем обнаруживается дефект именно по неоднородности контраста, а форма и расположение нужны для того, чтобы классифицировать тип дефекта с высокой точностью.

Контроль осуществляется визуально. Эксперт - дефектоскопист просматривая экспонированные пленки в проходящих лучах на специальном рабочем столе, выявляет имеющиеся дефекты. Производительность при такой организации труда невысока (за счет низкой интенсивности процессов восприятия и

анализа, которая зачастую дополнительно снижается усталостью эксперта), хотя зрительный труд эксперта является достаточно интенсивным и напряженным, также следует учитывать и вредные условия труда. -

Дополнительные неудобства связаны с архивным хранением проверенных пленок, поиск в таком архиве затруднен.

Автоматизации должны быть подвергнуты все этапы рентгенографического контроля:

- получение контролируемого образа рентгенограммы;

- выделение и распознавание дефекта;

- поиск возможного решения по годности изделия;

- сохранение и поиск информации в архивной базе данных.

Для этого необходимо:

- исследовать специфичные особенности, присущие процессам выявления и распознавания дефектов литых изделий на этапе рентгенографического контроля;

- на основе этих исследований и исследований существующих методов распознавания контурных изображений разработать метод выявления и распознавания дефектов в процессе анализа рентгенографических изображений;

- разработать и исследовать алгоритмы, на основании которых будет функционировать программное обеспечение автоматизированной системы рентгенографического контроля;

- создать и исследовать программное обеспечение системы.

Во второй - главе диссертации проводится разработка и исследование методики выявления и распознавания дефектов при анализе рентгенограмм, с учетом требований к автоматизации, выдвинутым в первой главе.

Выявление изображений дефектов на рентгенограммах, подпадает под явление одновременного контраста. Но, учитывая важность решаемой задачи и специфичные особенности, присущие рентгенограммам литых изделий (наличие визуальной информации о структуре металла и достаточно малые размеры выявляемых дефектов), необходимо провести исследования, с целью выявления реальных показателей восприимчивости зрения экспертов -дефектоскопистов.

В конечном итоге были выявлены следующие закономерности:

- показатели восприимчивости эксперта при оптимальных условиях контроля (отсутствие зашумленности и близкорасположенных неравномерностей) практически не отличаются от результатов, описываемых в источниках, и составляют в среднем 3-4 %

- в случае одновременного контраста, т.е. присутствия других контрастных неравномерностей или визуальной информации о структуре металла, характерной для отливок, чувствительность резко падает и составляет 5-7 %. Кроме того, она в существенной мере зависит от взаимного расположения пятен (дефектов);

- форма дефекта не оказывает влияния на процесс выявления, поскольку эксперт вначале видит неравномерность фона и лишь затем воспринимает ее форму (при краткой демонстрации изображения с легко выявляемыми дефектами эксперт может показать места их расположения, но не может описать их вид);

- восприимчивость человеческого глаза в значительной степени зависит от времени исследования, так, например, наблюдалась ее понижение в начале и в конце рабочего дня. Длительность первого периода составляет от 10 до 20 мин и может быть объяснена «врабатываемостью», а второго - от 30 мин до 1 ч в зависимости от интенсивности работы в течение дня (утомляемость).

Система технического зрения для выявления неравномерностей контраста, построенная на принципах биолого-психологического восприятия, избавлена от недостатков, присущих человеческому зрению.

Распознавание, в основном, состоит из следующих этапов.

1. определение непроизводных элементов и их отношений для конкретных типов объектов.

Непроизводными элементами на первом этапе анализа являются:

- величина яркостного контраста дефекта по сравнению с фоном (BR);

- форма дефекта ^Щ;

- размеры (линейные и площадь) дефекта (SL);

На втором этапе:

- тип дефекта определенный на первом этапе (Т);

- расположение дефекта на исследуемом образце (Р);

- суммарное расположение всех дефектов (SP).

2. Проведение синтаксического анализа предложения, представляющего объект, с тем, чтобы установить, может ли некоторая фиксированная грамматика породить имеющееся описание объекта (этот анализ называют грамматическим разбором).

На первом этапе анализа множество дефектов может быть описано предложением

Т={ВЫ8Н8Ь}. (1)

На втором этапе

{ТРБР}. (2)

Общая схема процесса автоматизированного контроля < рентгенограмм может быть представлена в виде (рисунок 1).

Рисунок 1 - Общая схема процесса автоматизированного контроля рентгенограмм

Как видно из схемы, все программное обеспечение системы разделяется на три основных блока:

- блок подготовки данных для анализа - производит предварительную обработку информации, выделение яркостных неравномерностей и их предва-

рительную фильтрацию (отсеивает те выделенные неравномерности, которые не могут быть дефектами);

- блок анализа данных - производит непосредственное распознавания дефектов (разделение их на классы) на основе априорной информации и во взаимодействии с экспертом);

- блок архивации данных - представляет собой базу ранее исследованных рентгенограмм, а также эталонных образцов.

В третьей главе на основе результатов теоретических исследований производится разработка и исследование алгоритмов для построения автоматизированной системы рентгенографического контроля

При функционировании система последовательно выполняет следующие действия.

1. Получение изображения. В зависимости от типа производства (мелкосерийное, крупносерийное, массовое) изображение может быть получено различными способами - от ручного сканирования экспонированной и проявленной рентгеновской пленки, до снятия изображения непосредственно с образца с помощью специальной рентгеновской видеокамеры.

2. Определение типа исследуемой лопатки для получения из базы данных эталонных чертежей и таблиц допустимых дефектов (распознавание типа лопатки может быть осуществлено путем измерения ее характерных участков). Разбиение изображения на зоны, подлежащие контролю согласно требованиям чертежей, таблиц, эталонов. Отображение границ зон на исследуемом изображении.

3. Улучшение качества изображения - увеличение контраста и яркости, наведение резкости, подавление шумов. Наилучшего качества изображения с наименьшими затратами труда можно достигнуть при использовании рентгеновских видеокамер. В этом случае исключаются случайные погрешности, которые могут быть внесены при использовании пленки (дефекты пленки, ошибки при проявлении).

4. Выявление возможных дефектов (вычитание основного фона). Вероятные дефекты могут быть выявлены как локальные неравномерности основно-

го фона. Осуществить выделение можно с помощью алгоритмов пороговой обработки с локальным порогом, используя различный размер матрицы-окна. Уточнение границ локальных дефектов производится операторами выделения границ.

5. Определение типов выявленных дефектов, вычисление их размеров и площади. Для достоверного распознавания дефектов необходимо привлекать методы синтаксического анализа, поскольку при выделении локальных нерав-номерностей наряду с дефектами может быть выделен структурный рисунок металла. После того как дефекты будут отделены от структуры, должен быть осуществлен подсчет площади дефектных участков, причем как каждого в отдельности, так и суммарную площадь для каждого типа. В некоторых случаях контролируются линейные размеры.

6. Выдвижение возможного решения. Решение выдвигается на основании таблиц допустимых дефектов или эталонов. Окончательно деталь бракует или признает годной дефектоскопист, который опирается на сведения предоставляемые ему системой.

7. Данные детали (тип, номер лопатки), ее изображение, список дефектов заносятся в базу данных. Для повышения ответственности персонала в базу заносится и личный код контролера принявшего решение.

Выявление дефектов. Одним из очевидных путей отделения объектов от фона является выбор порогового значения Ь, которое разделяет эти группы ин-тенсивностей. Тогда любая точка (х,у), для которой Дх,у)>Ь, принадлежит объекту, а в противном случае — фону.

При построении алгоритма выявления контрастных неравномерностей следует учитывать особенности восприятия контрастных неравномерностей экспертом и необходимость выявления объектов, как с положительным, так и с отрицательным перепадом контраста относительно фона. Разработана следующая формула для выделения контрастных неравномерностей:

ё(*>у) = 1. при фс,у) < Ь• кЪ или при Дх,у) > Ь + кЪ, (3)

В(х,у) = 0, при Ь - кЬ <= Р(х,у) <=Ъ + кЬ,

т.е. градации, попадающие в область «невосприятия» эксперта отсеиваются, а все остальные - переходят на дальнейшую обработку.

После выделения возможных дефектов следует подтвердить или опровергнуть их отношение к дефектам реальным.

Как правило, совместно с дефектами выделяются также и «псевдодефекты», такие как структура металла и случайные отклонения, возникшие в процессе получения рентгенограммы и не исключенные алгоритмами предварительной обработки. Эти «псевдодефекты», будучи приняты к рассмотрению, увеличат объем вычислений у основного алгоритма распознавания и приведут к возникновению ошибокраспознавания.

Следовательно, для устранения ненужных расчетов, которые замедлят общую производительность системы, и предотвращения возможных ошибок нужно предварительно отсеять незначащие градации. Отсев «псевдодефектов» производится на основании анализа их размеров. Выбор размера неравномерности в качестве критерия объясняется тем, что «псевдодефекты» отличаются от дефектов реальных именно по размеру: структура металла занимает значительно большую площадь, чем дефект, а пропущенные случайные отклонения, как правило, не достигают размеров контролируемых дефектов.

Таким образом, формируется некоторый фильтр, отсеивающий слишком большие и слишком малые неравномерности.

возможный дефект = дефект, при Seo.*« Бед < Sc.m> (4)

возможный дефект = фону, при Бвд <= Sc.o. или Бвд >= Sc.m.

где - площадь случайного отклонения, возможного дефекта и

структурной информации соответственно.

Алгоритм, осуществляющий отсев незначащих контрастных неравно-мерностей, не являющихся дефектами приведен на рисунке 2.

Для распознавания какого-то определенного объекта необходимо, прежде всего, найти его непроизводные элементы и отношения между ними, а затем при помощи синтаксического анализа (грамматического разбора) установить, согласуется ли описание объекта с грамматикой, которая, по предположению, могла его породить.

Для формирования соответствующей грамматики можно воспользоваться априорными сведениями о распознаваемых объектах либо результатами изучения конечного выборочного множества «типичных» в некотором смысле объектов. В первом случае говорят о задании грамматики на основе эвристических соображений, во втором - о выводе грамматики.

Рисунок 2 - Блок-схема алгоритма «Вычисление размера дефекта, отсев

незначащих»

Процесс решения на первом этапе (разделение дефектов по типам) можно представить в виде дерева. От каждого узла отходят две ветви: одна соответ-

ствует наличию у объекта определенного признака, другая - его отсутствию. Такое дерево дает иерархическое представление о том, какие непроизводные элементы и отношения характеризуют изучаемый объект. Результат классификации определяется на нижнем ярусе дерева.

Распознавание на втором этапе (принятие решения) осуществляется с помощью грамматического разбора.

Алгоритм синтаксического анализа дефектов показан на рисунке 3.

Рисунок 3 - Блок-схема алгоритма «Синтаксический анализ дефектов»

В четвертой главе приведены результаты экспериментального исследования алгоритмов, оценка экономического эффекта от внедрения.

Экспериментальному исследованию были подвергнуты все алгоритмы, оказывающие важное влияние на функционирование системы.

Экспериментальные исследования алгоритмов предварительной обработки показали преимущество алгоритма медианной фильтрации при устранении импульсного шума. В то же время, при гауссовском распределении шумов алгоритмы функционируют практически аналогично, но при фильтрации с усреднением окрестности наблюдается размытие границ, которое увеличивается при увеличении апертуры фильтра.

По результатам исследования алгоритма выделения яркостных неравно-мерностей (возможных дефектов) можно сделать вывод о том, что данный алгоритм отвечает технологическим требованиям, но вследствие особенностей технологического процесса изготовления лопаток возникает необходимость применения алгоритма предварительной фильтрации.

На первом уровне алгоритма распознавания существует вероятность опознать как дефект (усадочную раковину или неметаллическое включение) незначащую контрастную неравномерность, пропущенную блоком подготовки данных. После проведения синтаксического анализа на втором уровне алгоритма распознавания, подобные ошибки устраняются.

При изменении значений критериев принятия решения (размеры, форма, место расположения дефекта) рассмотренные алгоритмы могут быть применены в других областях рентгенографического анализа.

В заключении анализируются основные научные и практические результаты работы.

1. Проведенный анализ технологического процесса рентгенографического контроля лопаток ГТД показал необходимость повышения достоверности результатов процесса контроля за счет снижения влияния человеческого фактора и повышения производительности труда путем интенсификации процессов восприятия и анализа рентгенограмм.

2. Анализ существующих методов выявления и распознавания' контурных изображений (к которым относятся контролируемые дефекты) показал, что ни один из них не удовлетворяет в полной мере требованиям, предъявляемым к выявлению и распознаванию дефектов. Для выявления и распознавания дефектов в процессе контроля предложен комбинированный метод на основе биолого-психологического и структурно-лингвистического подходов.

3. Сформулирован комплекс критериев для выявления и таксономической классификации дефектов с применением структурно-биологических1 методов. "•'

4. Разработана методика анализа рентгенограмм на основе экспертной, системы обработки и анализа изображений.

5. Предложена формула выявления контрастных неравномерностей с вариативным порогом невосприятия, обеспечивающая выявление объектов с положительным и отрицательным перепадом контраста относительно фона. Алгоритм, построенный на данной формуле, выявляет 100 % неравномерностей, являющихся дефектами, позволяет исключить влияние человеческого фактора на выявления дефектов и повысить интенсивность процесса их восприятия экспертом. Однако, наряду с истинными дефектами выделяются и псевдодефекты. Разработан и исследован алгоритм отделения истинных дефектов от структуры металла. Вероятность прохода псевдодефектов через фильтр предварительного отсева не превышает 3 %.

6. Разработан и исследован алгоритм синтаксического анализа выявлен* ных дефектов, который обеспечивает рост интенсивности процесса анализа рентгенограммы за счет классификации дефектов по типам и выдвижения возможного решения по годности изделия на основе анализа топологии и взаимовлияния дефектов.

7. На основе полученных в диссертационной работе результатов предложена концепция автоматизированной системы рентгенографического контроля лопаток ГТД. Полученные формулы, программы выявления и распознавания дефектов могут быть использованы при опытно-конструкторской разработке автоматизированной системы рентгенографического контроля.

Основное содержание работы отражено в публикациях:

1 Лимонов И. А. Исследовательская и обучающая программная система по методам и алгоритмам обработки изображений // XXVI конференция молодых ученых и студентов: тез. докл.- в 2-х ч. - Рыбинск: РГАТА, 1999. - Ч. 2. -С. 10.

2 Паламарь И. Г., Паламарь И. Н., Лимонов И. А. Исследовательская и обучающая программная система по методам и алгоритмам обработки изображений // Компьютерные технологии в науке, проектировании и производстве: тез. докл. первой Всероссийской науч.-техн. конференции. - В 19-ти частях. -Н. Новгород: НГТУ, 1999. - Ч. 9 - С. 1.

3 Лимонов И. А. Автоматизация расшифровки изображений при радиографическом контроле лопаток из жаропрочных сплавов // Сборник трудов молодых ученых. - Рыбинск: РГАТА, 2000. - С. 169-171.

4 Паламарь И. Н., Лимонов И. А., Паламарь И. Г. Методика обработки и экспертного анализа изображений при радиографическом контроле лопаток из жаропрочных сплавов // Информационные технологии в науке, проектировании и производстве: тез. докл. второй Всероссийской науч.-техн. конференции. В 5-ти частях. - Н. Новгород: Межрег. Верхне-Волжское отд. Акад. техн. наук РФ, 2000.-4.3.-С. 1.

5 Паламарь И. Н., Лимонов И. А. Исследование методов анализа изображений рентгенограмм для автоматизации контроля лопаток газотурбинных двигателей // Вестник РГАТА: Сб. науч. тр. - Рыбинск, 2002. - N2. - С. 47-52.

6 Лимонов И. А. Обучающая программная система по выявлению дефектов лопаток газотурбинных двигателей в процессе рентгенографического контроля: Информационный листок N 82-002-04. - Ярославль: ЦНТИ, 2004. -2 С.

Подписано в печать 22.03.2004.

Формат 60x84 1/16. Уч.-издл. 1. Тираж 85. Заказ 48.

Рыбинская государственная авиационная технологическая академия им. П. А. Соловьева (РГАТА)

152934, г. Рыбинск, ул. Пушкина, 53 Отпечатано в множительной лаборатории РГАТА 152934, г. Рыбинск, ул. Пушкина, 53

ВВЕДЕНИЕ.

1 АНАЛИЗ СОВРЕМЕННОГО СОСТОЯНИЯ ПРОБЛЕМЫ. ФОРМУЛИРОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ.

1.1.Технологический процесс рентгенографического контроля лопаток ГТД.

1.2 Анализ требований к автоматизированной системе контроля рентгенограмм.

1.3 Современные методы распознавания образов.

1.4 Классификация методов распознавания.

1.4.1 Общая схема классификации.

1.4.2 Статистические методы.

1.4.3 Алгоритмы вычисления оценок (АВО).

1.4.4 Биолого-психологические методы.

1.4.5 Структурные методы.

1.5 Формулировка задачи исследования.

1.6 Выводы по разделу 1.

2 РАЗРАБОТКА И ИССЛЕДОВАНИЕ МЕТОДИКИ ВЫЯВЛЕНИЯ И РАСПОЗНАВАНИЯ ДЕФЕКТОВ ПРИ АНАЛИЗЕ РЕНТГЕНОГРАММ

2.1 Общая схема технологического процесса автоматизированного контроля рентгенограмм.

2.2 Особенности биолого-психологического восприятия дефектов рентгенограмм.

2.3 Восприятие образов системами технического зрения.

2.4 Изменение характеристик изображения.

2.5 Структурное распознавание образов.

2.6 Обучение при распознавании.

2.7 Выводы по разделу 2.

3 РАЗРАБОТКА И ИССЛЕДОВАНИЕ АЛГОРИТМОВ ДЛЯ ПОСТРОЕНИЯ АВТОМАТИЗИРОВАННОЙ СИСТЕМЫ РЕНТГЕНОГРАФИЧЕСКОГО КОНТРОЛЯ.

3.1 Схема функционирования системы автоматизированного контроля рентгенограмм.

3.2 Обработка изображения методом пространственной области.

3.3 Алгоритмы предварительной обработки изображения.

3.3.1 Усреднение окрестности.

3.3.2 Усредненная фильтрация (медианный фильтр).

3.3.3 Усреднение изображений (интегрирование).

3.4 Алгоритм выделения контрастных неравномерностей -пороговое разделение.

3.5 Алгоритмы синтаксического разбора.

3.5.1 Отсев незначащих контрастных неравномерностей.

3.5.2 Синтаксический анализ дефектов.

3.6 Взаимодействие с экспертом.

3.6.1 Улучшение качества изображения.

3.6.2 Алгоритм экспертного анализа.

3.7 Выводы по разделу 3.

4 ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ АЛГОРИТМОВ. ОЦЕНКА ЭКОНОМИЧЕСКОГО ЭФФЕКТА ВНЕДРЕНИЯ.

4.1 Алгоритмы предварительной обработки.

4.2 Выделение дефектов.

4.3 Синтаксический анализ дефектов.

4.4 Повышение интенсивности контроля.

4.5 Экономическая эффективность.

4.6 Выводы по разделу 4.

В настоящее время качеству выпускаемой продукции уделяется очень большое внимание. Большинство предприятий стремится повысить качество продукции путем внедрения новых методов промежуточного контроля деталей и узлов изделия .

Неразрушающий контроль является важнейшей частью системы качества подавляющего большинства современных предприятий, в том числе и ОАО «НПО Сатурн». Высокое и стабильное качество выпускаемой продукции обеспечивается комплексным применением традиционных и новых методов не-разрушающего контроля.

К неразрушающим методам контроля относятся все методы обнаружения или измерения основных свойств или рабочих характеристик материалов, деталей, узлов газотурбинных двигателей в целом с помощью испытаний, которые не уменьшают их пригодности к применению.

Рентгенографический контроль относится к одному из видов неразрушающего контроля продукции с использованием ионизирующего излучения [1,2].

Однако, если в области ультразвукового или токових-ревого контроля уже достигнут высокий уровень автоматизации, то в отношении рентгенографического контроля лопаток газотурбинных двигателей (ГТД) остается не до конца решенным целый комплекс вопросов, связанных с устранением ручного труда и повышением степени автоматизации до уровня, соответствующего их серийности [3].

Отсутствие должного уровня автоматизации оказывает негативное влияние на условия работы труда персонала, не позволяет интенсифицировать процесс контроля без привлечения на вредный участок производства новых сотрудников, достоверность результатов контроля (удовлетворяющая современным требованиям), может оказаться недостаточной в самое ближайшее время вследствие повышения требований к ней.

Актуальность работы обуславливается необходимостью автоматизации процессов рентгенографического контроля с целью повышения производительности труда и достоверности результатов контроля, снижения количества людей занятых на вредном участке производства, улучшения условий труда [4] .

Объектом исследования данной работы является технологический процесс рентгенографического контроля лопаток ГТД, получаемых методами точного литья.

Предметом исследования являются методы, позволяющие автоматизировать процесс анализа рентгенографических изображений .

Цель работы - интенсификация процессов восприятия и анализа рентгенограмм, исключение влияния человеческого фактора на выявление дефектов лопаток ГТД.

Для выполнения работы используются следующие методы исследования:

- анализ факторов, влияющих на достоверность результатов контроля;

- исследование и систематизация известных признаков выявления и анализа дефектов; исследование современных методов распознавания контурных изображений;

- теории вероятности и математической статистики;

- разработка и экспериментальное исследование программных средств автоматизированной системы рентгенографического контроля.

Научная новизна работы заключается в следующем:

- сформулирован комплекс критериев для выявления и таксономической классификации дефектов с применением структурно-биологических методов;

- для исключения влияние эффекта одновременного контраста предложена формула выявления контрастных неравно-мерностей с вариативным порогом невосприятия, обеспечивающая выявление объектов с положительным и отрицательным перепадом контраста относительно фона; разработан алгоритм для отсева псевдодефектов (структуры металла);

- разработан адаптивный двухуровневый алгоритм синтаксического анализа выявленных дефектов, реализующий предложенную таксономическую схему классификации дефектов по типам и учитывающий топологию дефектов и их взаимовлияние для выдвижения возможного решения по годности изделия .

Достоверность результатов диссертационных исследований подтверждена данными теоретических расчетов и экспериментальными исследованиями действующих алгоритмов.

Материалы диссертационной работы прошли апробацию в докладах на конференциях:

- I Всероссийская научно - техническая конференция «Компьютерные технологии в науке, проектировании и производстве (г. Нижний Новгород, 1999г.)

XXVI конференция молодых ученых и студентов (г.Рыбинск, 1999 г.)

Всероссийская выставка «Школа 2002» (г. Москва

2002 г.)

По материалам . диссертации опубликовано 5 печатных работ, из которых 2 статьи, 3 тезисов докладов [5-9].

Диссертация состоит из введения, четырех разделов, заключения и двух приложений на 167 листах, содержит 52 рисунка, 17 таблиц, список использованных источников из 102 наименований. Диссертация оформлена с учетом требований [10,11] .

4.6 Выводы по разделу 4

1. Экспериментальные исследования алгоритмов предварительной обработки показали преимущество алгоритма медианной фильтрации при устранении импульсного шума. В то же время, при гауссовском распределении шумов алгоритмы функционируют практически аналогично, но при фильтрации с усреднением окрестности наблюдается размытие границ, которое увеличивается при увеличении апертуры фильтра.

2. По результатам исследования алгоритма выделения яркостных неравномерностей (возможных дефектов) можно сделать вывод о том, что данный алгоритм отвечает предъявленным требованиям (таблица 4), но вследствие особенностей технологического процесса изготовления лопаток возникает необходимость применения алгоритма предварительной фильтрации.

3. На первом уровне алгоритма распознавания существует вероятность опознать как дефект (усадочную раковину или неметаллическое включение) незначащую контрастную неравномерность, пропущенную блоком подготовки данных. После проведения синтаксического анализа на втором уровне алгоритма распознавания, подобные ошибки устраняются.

4. При изменении значений критериев принятия решения (размеры, форма, место расположения дефекта) рассмотренные алгоритмы могут быть применены в других областях рентгенографического анализа.

137

ЗАКЛЮЧЕНИЕ

Основные научные и практические результаты работы показали возможность создания автоматизированной системы рентгенографического контроля позволяющей интенсифицировать процесс дефектации и повысить достоверность результатов контроля.

В процессе выполнения работы были получены следующие основные результаты.

1. Проведенный анализ технологического процесса рентгенографического контроля лопаток ГТД показал необходимость интенсификации процесса контроля и повышения достоверности результатов за счет уменьшения влияния человеческого фактора. Для достижения этой цели необходимо использовать методы автоматизированного выявления и распознавания контурных изображений

2. Анализ существующих методов выявления и распознавания контурных изображений (к которым относятся контролируемые дефекты) показал, что ни один из них не удовлетворяет в полной мере требованиям, предъявляемым к выявлению и распознаванию дефектов. Для выявления и распознавания дефектов в процессе контроля предложен комбинированный метод на основе биолого-психологического и структурно-лингвистического подходов.

3. Сформулирован комплекс критериев для выявления и таксономической классификации дефектов с применением структурно-биологических методов.

4. Разработана методика анализа рентгенограмм на основе экспертной системы обработки и анализа изображений.

5. Предложена формула выявления контрастных неравномерностей с вариативным порогом невосприятия, обеспечивающая выявление объектов с положительным и отрицательным перепадом контраста относительно фона. Алгоритм, построенный на данной формуле, выявляет 100 % неравномерностей, являющихся дефектами, но наряду с ними выделяются и псевдодефекты. Разработан и исследован алгоритм отделения истинных дефектов от структуры металла. Вероятность прохода псевдодефектов через фильтр предварительного отсева не превышает 3%.

6. Разработан и исследован двухуровневый адаптивный алгоритм синтаксического анализа выявленных дефектов, позволяющий не только определить тип дефекта, но и найти вероятностное решение по годности изделия. Обучение во взаимодействии с экспертом повышает точность выдвигаемых системой решений.

7. На основе полученных в диссертационной работе результатов предложена концепция автоматизированной системы рентгенографического контроля лопаток ГТД. Полученные зависимости, программы выявления и распознавания дефектов могут быть использованы при опытно-конструкторской разработке автоматизированной системы рентгенографического контроля.

8. При незначительных доработках автоматизированная система может быть использована для организации рентгенографического контроля не только изделий, изготавливаемых методами точного литья, но и других литейных изделий, а также сварочных швов.

Результаты диссертационной работы внедрены в промышленность . Применение автоматизированной системы рентгенографического контроля в технологическом процессе контроля лопаток ГТД повысит достоверность результатов контроля и увеличит производительность труда.

1. Неразрушающий контроль и диагностика: Справочник / Под ред. В. В. Клюева. М.: ВИНИТИ, 1992.

2. Горелик С. С., Расторгуев JI. Н. Рентгенографический и электронно-оптический анализ. М.: Мир, 1989.

3. Технологическое обеспечение проектирования и производства газотурбинных двигателей / Б. Н. Леонов, А.С.Новиков, Е.Н. Богомолов и др. Рыбинск: РДП, 2000.

4. Программа качества ОАО «Рыбинские Моторы» на 20002001 гг. // Моторостроитель. 2000. - №№ 19-20 ноябрь -декабрь.

5. Лимонов И. А. Исследовательская и обучающая программная система по методам и алгоритмам обработки изображений // XXVI конференция молодых ученых и студентов: тез. докл. в 2-х ч. Рыбинск: РГАТА, 1999. - Ч. 2. -С. 10.

6. Лимонов И. А. Автоматизация расшифровки изображений при радиографическом контроле лопаток из жаропрочных сплавов // Сборник трудов молодых ученых. Рыбинск: РГАТА, 2000. - С. 169-171.

7. Паламарь И. Н., Лимонов И. А. Исследование методов анализа изображений рентгенограмм для автоматизации контроля лопаток газотурбинных двигателей // Вестник РГА-ТА: Сб. науч. тр. Рыбинск, 2002. - N2. - С. 47-52.

8. Евсеев В. С. Подготовка и защита диссертации.: Справочно-методическое пособие. СПб: Политехника, 1991.

9. Кузин Ф. А. Кандидатская диссертация. Методика написания, правила оформления и порядок защиты. М. : Ось-89, 2000.

10. Клюев В. В., Соснин Ф. Р. Теория и практика радиационного контроля. М.: Машиностроение, 1998.

11. Крамер Б. Ю. Промышленные системы рентгенотелеви-дения // В мире неразрушающего контроля. 1998 . - N2. -С. 25-30.

12. Крамер Б. Ю. Системы рентгенотелевидения. Критерии выбора // В мире неразрушающего контроля. 2000. -N4. - С. 32-37.

13. Паспоу Н. Цифровые детекторы и их преимущества при автоматическом контроле изделий в литейном производстве // В мире неразрушающего контроля. 2000. - N4. -С. 38-40.

14. ТУ 041-0050. Лопатки турбины рабочие литые. Технические условия.24 http://www.ulstu.ru/ires/Artifitiallntellegen.htm

15. Ту Дж., Гонсалес P. Принципы распознавания образов. М.: Мир, 1987.

16. ТИИР. Тематический выпуск. 1998. - №8.

17. Горелик A. JI., Гуревич И. В., Скрипкин В. А. Современное состояние проблемы распознавания. М.: Радио и связь, 1985.

18. Фор А. Восприятие и распознавание образов. М.: Машиностроение, 1989.

19. Горелик A. JI., Скрипкин В. А. Методы распознавания. М.: Высшая школа, 1989.

20. Анисимов Б. В., Курганов В. Д., Злобин В. К. Распознавание и цифровая обработка изображений. М.: Высшая школа, 1983.

21. Вархаген К., Дейн Р. Распознавание образов состояние и перспективы. - М.: Радио и связь, 1985.

22. Нивников Д. Fine Reader еще один шаг вперед // PC Magazine.- 1998. - N7. - С. 38-40.

23. Левшин В. JI. Биокибернетические оптикоэлектронные устройства автоматического распознавания изображений. М.: Машиностроение, 1987. 180 с.

24. Прэтт У. Цифровая обработка изображений. В 2-х т. М.: Мир, 1982.39 http://fuji.viniti.msk.su/russian/math/vm/29.htm

25. Дуда Р., Харт П. Распознавание образов и анализ сцен. М.: Мир, 1976.

26. Заде Л. А. Понятие лингвистической переменной и его применение к принятию приближенного решения. М.: Мир, 1976.

27. Русын Б. Н. Структурно-лингвистические методы -Киев: Наукова думка, 198 6.

28. Фу К. Последовательные методы в распознавании образов. М.: Наука, 1971.4 4 Фу К. Структурные методы распознавания образов. -М.: Мир, 1977.

29. Фу К., Гонсалес Р., Ли К. Робототехника. М. : Мир, 1989.4 6 Добромыслов В. А., Соснин Ф. Р. Формирование изображений дефектов в радиационной дефектоскопии // Контроль. Диагностика. 2000. - N1. - С. 14-18.

30. Марр Д. Зрение. Информационный подход к изучению представления и обработки зрительных образов: Пер. с англ. М. : Радио и связь, 1987.

31. Кузнецов В. Е. Представление в ЭВМ неформальных процедур. М.: Наука, 1989.52Geman S. Geman D. Stochastic Relaxation, Gibbs Distributions and Bayesian Restoration of Images // IEEE Trans. Pattern Analysis and Machine Interlligence. 1984. N6, P. 721-741.

32. Showengerdt R. A. Techniques for Image Processing and Classification in Remote Sensing. N.Y.: Academic Press, 1983.

33. Катыс Г. П. Восприятие и анализ оптической информации автоматической системой. М.: Машиностроение, 1986. - 414 с.55 http://www.asu.pstu.ас.ru/book/prog/catalog/mu-hin/modell/ M2.html5 6 Зарубежная радиоэлектроника. Тематический выпуск.- 1985. N10.

34. Журавлев Ю. И. Непараметрические задачи распознавания образов // Кибернетика. 1976. - N6. - С. 93-103.

35. Абраменко А. Принципы распознавания // КомпьютерПресс. 1997. - N12. - С. 30-32.

36. Патрик Э. Основы теории распознавания образов. -М.: Советское радио, 1980.

37. Садыков С. С., Самандаров И. Р. Скелетизация бинарных изображений // Зарубежная радиоэлектроника. 1987. N10. - С. 46-54.

38. Поспелов Д. А. Прикладная семантика и искусственный интеллект // Программные продукты и системы. 1996.- №3. С. 10-139.

39. Поспелов Д. А. Уровни понимания: Справочник. Искусственный интеллект: В 3-х кн., Кн. 2, Модели и методы. М.: Радио и связь, 1990. - С. 110-115.

40. Цыпник Я. 3. Основы теории обучающихся систем. -М.: Наука, 1970.

41. Ахметов К. Вокруг пера и Интернета // КомпьютерПресс. 1999. - N1. - С. 42-45.

42. Никольский Н. Технологии ввода рукописных символов // Компьютер-Пресс. 1997. - N12. - С. 27-30.69 http://www.math.nsc.ru/AP/oteks/Russian/links/ /VYBORX/bottomfг.html

43. Каксис Ю. А. Портативные рентгеновские дифракто-метры для неразрушающего контроля напряжений в поверхно-стых слоях объектов техники // Контроль. Диагностика. -2000. N1. - С. 18-20.

44. Кеткович А. А. Филинов М. В. Моделирование и анализ процессов преобразования дефектоскопической информации в компьютеризованных видеоэндоскопических системах // Контроль. Диагностика. 1999. - N8. - С. 32-38.

45. Фирстов В. Г., Штейн М. Н. Микротомограф на базе рентгенотелевизионной установки МИ 72 фирмы Philips Industrial X-Ray // Контроль. Диагностика. - 1999. - N7. -С. 18-22.

46. Автоматический анализ изображений / Под ред. М. Бравермана. М.: Мир, 1969.

47. Павлидис Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986.

48. Информационные технологии. Тематический выпуск. -1999. N2.7 6 Информационные технологии. Тематический выпуск. -1998. N7.

49. Ярославский JI. П. Введение в цифровую обработку изображений. М.: Советское радио, 1979.

50. Мясников В. В. Метод быстрого обнаружения и распознавания локальных объектов на изображениях. Самара, 1998 .

51. Бьемон Ж., Лагендейк P., Мерсеро P. Итерационные методы улучшения изображений. ТИИР. - 1990. - N5.1. С. 58-84.

52. Катыс Г. П. Обработка визуальной информации. -М.: Машиностроение, 1990.

53. Экспертные системы / Под ред Р. Форсайта: Пер с англ. М.: Радио и связь, 1987.

54. Энта Е. Теория нечетких решений. Нечеткие множества и теория возможностей. М.: Радио и связь, 1986.

55. Фомин Я. А., Савич А. В. Оптимизация распознающих систем. М.: Машиностроение, 1993.97 http://www.atrussk.ru/Delphi.98 http://www.citforum.ru/programming/delphi.shtml.

56. Мэтчо Д. и др. Delphi 2. Руководство для профессионалов: Пер. с англ. СПб.: BHV, 1997.

57. Свистунов С. Стандартные функции и процедуры Delphi4, Delphi5: Справочник. М.: ЛХА «Альманах», 2001.

58. Тейксера С., Пачеко К. Delphi 5. Руководство разработчика. В 2-х т., Т. 1. Основные методы и технологии: Пер с англ.: Уч. пос. М.: Издательский дом «Вильяме», 2000.

59. Тейксера С., Пачеко К. Delphi 5. Руководство разработчика. В 2-х т., Т. 2. Разработка компонентов и программирование баз данных: Пер с англ. : Уч. пос. М. : Издательский дом «Вильяме», 2000.