автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.06, диссертация на тему:Автоматизация распознавания локальных дефектов поверхностного слоя колец подшипников с применением вейвлет-преобразований при вихретоковом контроле в системе мониторинга

На правах рукописи

□□34Э20Э5

ПЧрЛИНЦЕВ Дмитрий Олегович

АВТОМАТИЗАЦИЯ РАСПОЗНАВАНИЯ ЛОКАЛЬНЫХ ДЕФЕКТОВ ПОВЕРХНОСТНОГО СЛОЯ КОЛЕЦ ПОДШИПНИКОВ С ПРИМЕНЕНИЕМ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЙ ПРИ ВИХРЕТОКОВОМ КОНТРОЛЕ В СИСТЕМЕ МОНИТОРИНГА

Специальность 05.13.06 - Автоматизация и управление технологическими процессами и производствами (в машиностроении)

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Саратов 2009

003492095

Работа выполнена в Государственном образовательном учреждении высшего профессионального образования «Саратовский государственный технический университет»

Научный руководитель - кандидат технических наук, доцент

Игнатьев Станислав Александрович

Официальные - доктор технических наук, профессор

оппоненты Иващенко Владимир Андреевич

- кандидат технических наук Горбунов Владимир Владимирович

Ведущая организация - ЗАО «Научно-производственный комплекс

прецизионного оборудования», г. Саратов.

Защита состоится 16 декабря 2009 г. в 13.00 часов на заседании диссертационного совета Д 212.242.02 при Саратовском государственном техническом университете по адресу: 410054, г.Саратов, ул. Политехническая, 77, корп.1, ауд. 319.

С диссертацией можно ознакомиться в научно-технической библиотеке ГОУ ВПО «Саратовский государственный технический университет».

Автореферат разослан « 13 » ноября 2009 г.

Ученый секретарь диссертационного совета

А.А.Игнатьев

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность работы. При производстве подшипников особую важность приобретают точное соблюдение технологического процесса (ТП) и контроль параметров качества шлифованных поверхностей деталей подшипников, которые можно разделить на две группы: геометрические и физико-механические. Геометрические параметры точности контролируются непосредственно метрическими измерегшями детали, для контроля же физико-механических параметров применяются: травление, магнитно-порошковый и другие. Наиболее эффективным и перспективным с точки зрения автоматизации представляется вихретоковый метод, подробно рассмотренный в работах Дорофеева А.Л., Казаманова Ю.Г., Соболева B.C., Шкарлета Ю.М. и других ученых, изучавших электромагнитную дефектоскопию деталей. Ранее проведенные исследования осложнялись отсутствием необходимых вычислительных мощностей, что тормозило их ход. Однако эффективность использования данного метода в настоящее время показана в ряде работ, в том числе выполненных в СГТУ.

Анализ данных вихретокового контроля требует от оператора большой концентрации, высокой квалификации и хороших навыков работы с конкретным прибором. Из-за особенностей субъективного восприятия информации может значительно снижаться качество результатов контроля. В связи с этим при организации вихретокового контроля необходимо стремиться минимизировать влияние человеческого фактора, повысив эффективность контроля за счет разработки и применения методов автоматизированного поиска и классификации дефектов поверхностного слоя деталей подшипников, которые, в свою очередь, будучи интегрированы в систему мониторинга технологических процессов (СМТП) в роли обратной связи, повышают ее эффективность, что в конечном итоге положительно влияет на качество конечной продукции. В СГТУ тема вихретокового метода контроля в СМТП производства деталей подшипников отражена в работах A.A. Игнатьева, В.В. Горбунова, а также в кандидатских диссертациях С.А. Игнатьева, О.В. Волынской, Е.В. Карпеевой, и А.Р. Бахтеева, однако имеющиеся автоматизированные системы вихретокового контроля, применяемые в подшипниковой промышленности, имеют ряд недостатков и не отвечают в полной мере указанным требованиям. Поэтому, основываясь на многочисленных фактах применения вейвлет-преобразований (ВП) для анализа локальных нестационарных особенностей разнородных сигналов, представляется целесообразным использовать данные ВП сигнала вихретокового преобразователя (ВТП) для выделения и распознавания локальных дефектов поверхностного слоя деталей подшипников.

Таким образом, повышение эффективности вихретокового метода контроля качества шлифованной поверхности колец подшипников за счет автоматизации поиска и распознавания типичных локальных дефектов поверхностного слоя, разработку необходимых методов анализа данных вихретокового контроля, позволяющих повысить качество результатов контроля, и использование полученных результатов в СМТП следует считать актуальной задачей.

Цель работы - совершенствование контроля качества шлифованной поверхности колец подшипников путем разработки метода автоматизированного поиска и распознавания локальных дефектов поверхностного слоя на основе анализа сигнала вихретокового преобразователя с использованием вейвлет-преобразований для последующей интеграции в систему мониторинга процесса

шлифования. В соответствии с поставленной целью в работе решен ряд задач, направленных на разработку необходимых методов и алгоритмов.

Научная новизна работы заключается в следующем:

1. Разработан метод автоматического выявления и распознавания типичных локальных дефектов поверхностей качения колец подшипников на основе анализа данных вейвлет-преобразования сигнала вихретокового датчика и методов теории распознавания образов.

2. Обоснована методика применения вейвлет-преобразования для выделения участков сигнала ВТП, соответствующих локальным дефектам поверхностного слоя колец подшипников, вычисления классификационных признаков дефектов и применения многослойной нейронной сети в качестве классификатора, обученной с применением эталонных данных.

3. Создан программный модуль, автоматически выделяющий из сигнала ВТП и распознающий локальные прижоги, метальные трещины и трооститные пятна по предложенным геометрическим классификационным признакам с передачей данных в систему мониторинга технологического процесса шлифования.

Методы и средства исследования. В основе проведенных исследований лежат методы теории автоматического управления, аппарат вейвлет-преобразований, теория распознавания образов. Обработка результатов вихретокового контроля велась с использованием специально разработанного программного обеспечения в среде MATLAB R2008a с использованием Wavelet Toolbox и Neural Network Toolbox. Экспериментальные исследования проводились с использованием автоматизированной системы вихретокового контроля (АСВК) на базе прибора вихретокового контроля ПВК-К2М в производственных условиях ОАО «Саратовский подшипниковый завод».

Практическая ценность и реализация результатов работы. Разработка методов автоматизации контроля качества шлифованной поверхности по данным вихретокового контроля проводилась в ОАО «Саратовский подшипниковый завод» в рамках задачи совершенствования автоматизированных средств контроля для системы мониторинга ТП и развития АСУ ТП предприятия.

На основе данных из СМТП осуществляется корректировка технологических процессов для снижения количества дефектов поверхностного слоя колец подшипников, которая выражается, в том числе, уточнением требований к качеству заготовок, и предварительным технологическим операциям (до финишного шлифования).

Разработанный на основе предложенных алгоритмов обнаружения и распознавания дефектов программный модуль расширяет возможности АСВК, позволяя обнаружить и распознать с высокой степенью достоверности основные типы дефектов поверхностного слоя контролируемых деталей, что снижает процент брака на 10-12%. Этот факт подтвержден соответствующими актами внедрения на ЗАО «НПК ПО» и ООО «НПП Подшипник-СТОМА» (Саратов).

Апробация работы. Основные положения работы докладывались на 5 конференциях различного уровня: V Международной научно-технической конференции «Прогрессивные технологии в современном машиностроении» (Пенза, 2009), 3 Всероссийских: «Инновации и актуальные проблемы техники и технологий» (Саратов, 2009), «Высокие технологии в машиностроении» (Самара, 2008), «Совершенствование техники, технологий и управления в

машиностроении» (Саратов, 2009), 1 региональной конференции «Молодые ученые науке и производству» (Саратов, 2008), и на заседаниях кафедры «Автоматизация и управление технологическими процессами» СГТУ в 2008-2009 г.

Публикации. По теме диссертации опубликовано 10 работ, в том числе 1 статья в журнале, включенном в перечень ВАК РФ; 5 статей опубликованы без соавторов.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы и приложения. Диссертация содержит 154 страницы, 49 рисунков, 6 таблиц, библиографический список из 117 наименований.

На защиту выносятся:

1. Метод автоматического выявления и распознавания типичных локальных дефектов поверхностного слоя колец подшипников на основе анализа данных вихретокового контроля с применением ВП.

2. Методика применения ВП для выделения участков сигнала ВТП, соответствующих локальным дефектам поверхностного слоя колец подшипников, вычисления геометрических классификационных признаков дефектов и их классификации с помощью многослойной нейронной сети, обученной с применением эталонных данных.

3. Программный модуль, автоматически выделяющий из сигнала ВТП и распознающий локальные прижоги, метальные трещины и трооститпые пятна, с возможностью передачи данных в СМТП шлифования.

4. Результаты экспериментальных исследований и практического использования результатов применения разработанного автоматического программного модуля в СМТП шлифования колец подшипников.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы, сформулированы цель, решаемые задачи, научная новизна, практическая ценность работы, приведена реализация результатов, представлены основные научные положения, выносимые на защиту.

В первой главе дано понятие мониторинга ТП, определено его значение для системы менеджмента качества продукции, рассмотрены основные методы неразрушающего контроля поверхностного слоя деталей в подшипниковом производстве и возможность их автоматизации. Обоснован выбор использования вихретокового контроля в качестве основного метода контроля поверхностного слоя деталей подшипников. Приведен обзор современных автоматизированных аппаратно-программных средств вихретокового контроля, проанализированы методы идентификации и распознавания неоднородностей в вихретоковой дефектоскопии материалов и изделий, дан анализ основных причин возникновения различных типов дефектов поверхностного слоя шлифованных деталей подшипников.

В настоящее время все более интенсивное использование вычислительной техники и возрастающие мощности современных компьютеров способствуют внедрению автоматизированной обработки результатов вихретокового контроля. Примерами этого являются различные приборы и установки по вихретоковому контролю различных деталей подшипников (как отечественные, так и зарубежные).

Ряд работ, посвященных применению вихретокового метода, выполнен в СГТУ. Так, например, в работе О.В. Волынской выявлялись периодические дефекты поверхностного слоя деталей подшипников с помощью применения Фурье-преобразования к сигналу ВТП. Однако применение подобной методики не позволяет выявлять локальные дефекты поверхности деталей подшипников. В работе А.Р. Бахтеева разработан метод сортировки деталей подшипников по степени неоднородности поверхностного слоя и распознавание дефектов путем анализа изображений, составленных с помощью обработки сигнала ВТП. Вследствие особенностей алгоритма формирования карт неоднородностей поверхностного слоя деталей подшипников было выявлено большое количество классов кластеризации изображения, ряд которых неоднозначно описывают тип обнаруженных неоднородностей.

Анализ научно-технической информации показал перспективность использования для поставленных задач аппарата вейвлет-преобразований как для локализации неоднородностей в сигнале, так и для последующего выделения классификационных признаков для каждого из альтернативных классов распознаваемых дефектов. Также сделан вывод о целесообразности использования для автоматизации процесса распознавания теории нейронных сетей, зарекомендовавших себя в качестве надежного инструмента при распознавании образов.

Вторая глава посвящена разработке метода автоматизированного распознавания локальных дефектов поверхности качения колец подшипников при вихретоковом методе контроля с применением вейвлет-преобразований и теории распознавания образов. Пример структуры метода для выявления и распознавания дефектов поверхностного слоя деталей подшипников на основе данных вихретокового контроля и его связь с СМТП представлена на рис. 1.

При разработке метода автоматического выявления и распознавания дефектов поверхностного слоя деталей подшипников предварительно проводится обучающий эксперимент, который состоит из нескольких этапов. Первоначально устанавливается, какие дефекты будут в дальнейшем распознаваться с помощью реализуемой методики. Далее отбираются эталонные детали, содержащие требуемые дефекты, т.е. такие детали, наличие дефектов в которых подтверждено альтернативными методами контроля: травлением, магнитопорошковым методом и т.п. Эти детали подвергаются вихретоковому контролю с помощью установки, с помощью которой в дальнейшем планируется осуществлять автоматический вихретоковый контроль подобных деталей. Полученные вихретоковые образы деталей сверяются с классификатором неоднородностей, внедренным на производстве. Далее с помощью предложенных алгоритмов математической обработки сигнала ВТП формируются эталонные оценки качества колец, которые используются как признаки распознавания при классификации исследуемых дефектов.

После проведения обучающего эксперимента программно реализуется предлагаемая методика по выявлению и распознаванию дефектов поверхностного слоя деталей подшипников, посредством которой для каждой детали вычисляются количественные оценки качества поверхностного слоя и путем сравнения с эталонными значениями оценок, полученных в ходе обучающего эксперимента, автоматически принимается заключение о наличии и типе дефекта, а также общем качестве поверхностного слоя.

Как известно, метод вихревых токов основывается на взаимодействии электромагнитного поля и исследуемого изделия или материала. Учитывая это,

Автоматизированный вихретоковый контроль поверхностей качения колец подшипников

ОБУЧАЮЩИЙ ЭКСПЕРИМЕНТ

Информация о видах дефектов шлифованных поверхностей

Сигнал с ВТД от эталонных

деталей с дефектами или без дефектов

Классификатор дефектов для АСВК

Математическая обработка

сигналов и формирование

эталонных оценок

качества колец

Фурье- | Вейвлет-

преобразование 1 преобразование

для ; для

периодических ! локальных

пеЛектов ' деАектов

Лицо, принимающее решение

Принятие решения о контроле динамических характеристик станков, корректировке режима обработки или ремонтно-восстановительных работах

Контроль качества изготавливаемых колец

Сигнал с ВТД

Математическая обработка сигналов и выявление периодических неоднородностей и участков локальных особенностей сигналов

Сравнение с эталонными

значениями оценок и выявление вида дефектов

Автоматизированное формирование сообщения о качестве кольца

База данных

системы мониторинга технологического процесса

Рис. 1. Общая структура метода выявления и распознавания дефектов поверхностного слоя деталей подшипников и его место в СМТП шлифования

можно сказать, что теоретическую основу метода составляют решения обширного класса электродинамических задач определения поля датчика и величин, характеризующих взаимодействие между ним и исследуемым телом. Поэтому исходными уравнениями в теории метода вихревых токов являются классические уравнения электродинамики Максвелла. При решении системы

уравнений Максвелла используется вектор-потенциал магнитного поля А > который в точках, принадлежащих измерительной катушке ВТП, определяется по известной формуле

Ав):

4 л

Ш

Г0М

ш

А У Г0м

(1)

где СГрСГ, _ соответственно удельная электрическая проводимость в точке бездефектного объекта контроля и в той же точке объекта контроля с дефектом; Е1,Ег - соответственно напряженность электрического поля в точке бездефектного объекта контроля и в той же точке объекта контроля с дефектом; Уок - объем объекта контроля; А V - объем дефекта; Гдм - расстояние между

точкой наблюдения О измерительной катушки и точкой М, принадлежащей объекту контроля.

Из формулы (1) видно, что сигнал ВТП зависит от размеров дефекта (АV) и удельной электрической проводимости в точке бездефектного объекта

Рис. 2. Общий вид автоматизированной системы вихретокового контроля ПВК-К2М

контроля (О",) и в той же точке объекта контроля с дефектом (0"2). Это позволяет обосновать различие сигналов ВТП при наличии в контролируемой

поверхности дефектов различных видов и геометрической формы. Различие характеристик сигналов ВТП дефектных и бездефектных областей позволяет произвести детектирование и локализацию сигналов дефектов, а также классификацию дефектов по видам.

В нашем случае, сигнал с ВТП получен с помощью прибора вихретокового

____ контроля ПВК-К2М (рис. 2, совместная

разработка ОАО «СПЗ», ГУНТП «СТОМА» и СГТУ), и представляет собой дискретный набор значений для двух каналов -амплитудного и фазового. Таким образом, сигнал описывается двумя матрицами размера гпхп, где число строк ш является количеством отсчетов сигнала, полученного с вихретокового датчика при его движении по поверхности детали в течение одного оборота, а п равно количеству оборотов. Следовательно, если дефект пересекает несколько дорожек, то он оставит след на каждой из них примерно ^ одном^ месте^ ^^

ходе' ' экспериментальных " " ^ ~ ^ ^

исследований различных колец подшипников выявились три наиболее часто встречающихся локальных дефекта колец подшипников - метальная трещина, прижог, трооститное пятно (рис.3).

Задачу автоматизации

Рис. 3. Примеры изображений и сигналов дефектов, полученных с помощью ПВК-К2М. Метальная трещина (а), пятнистый прижог (б), трооститное пятно (в)

распознавания дефектов деталей подшипников, можно условно разделить на две части. Первая часть - это локализация дефекта путем нахождения его границ в матрицах сигнала, вторая - собственно распознавание выделенного дефекта. Рассмотрим каждую часть отдельно.

Исследуемый сигнал дискретен, следовательно, для его анализа целесообразно использовать дискретное вейвлет-преобразование (ДВП) в качестве основного инструмента метода.

Локальные дефекты

отображаются в сигнале как резкие кратковременные всплески с большой амплитудой, поэтому они лучше всего видны при визуализации детализирующих коэффициентов ВП сигнала. На рис. 4 отчетливо виден след дефекта (метальная трещина) на последних уровнях разложения.

Таким образом, исследуя детализирующие коэффициенты вейвлет-разложения амплитудной и фазовой составляющей сигнала, можно локализовать дефект, определив его границы во временной реализации. Алгоритм локализации дефектов состоит в следующем. Анализируя результаты быстрого вейвлет-преобразования (ВВП) амплитудной и фазовой составляющей сигнала ВТП, выбирается уровень разложения с наибольшим отношением максимальная амплитуда/средняя амплитуда в флуктуационной части уровня. Далее выбранный уровень детализирующих коэффициентов фильтруется от высоких частот. На выходе операции фильтрации получаем ряд, в котором ищутся пики сигналов, превышающие пороговое значение р = тах($)'0.75, найденное экспериментально. По границам этих пиков находятся границы выделения в исследуемых столбцах матриц сигнала. В случае перекрытия полученных границ применяется специально разработанный алгоритм «сращивания», который объединяет дефектные области.

Вследствие того, что размер зон неоднородностей различается по геометрическим характеристикам: глубине, площади, размерам зон напряжения и т.д., вырезанные описанным способом сигналы дефектов имеют различную длину и различные амплитудные характеристики. Стоит отметить, что один и тот же тип дефектов имеет внутри своего класса сходную форму сигнала, что позволяет отличать один тип от другого.

Перед этапом распознавания возникает необходимость масштабирования и приведения сигналов дефектов к одной длине, равной 2". В нашем случае это 64 отсчета. Для этого был создан алгоритм масштабирования на основе ВВП с материнским вейвлетом Добеши седьмого порядка. Результаты работы этого алгоритма для исследуемых дефектов приведены на рис. 5.

Coefs, Signal and Detall(s)

Рис. 4. Детализирующие коэффициенты ^в) вейвлет-разложения исследуемого сигнала (э) со следом дефекта «метальная трещина»

Рис. 5. Форма сигналов с ВТП локализованных дефектов: метальная трещина (а), прижог (б), трооститное пятно (в). Сплошная линия — амплитудная, штрихпунктирная - фазовая составляющие сигнала

: Вторая часть задачи - распознавание дефектов - базируется на различиях упорядоченной совокупности признаков распознавания, которые традиционно формируют на основе полученных в результате наблюдений различных параметров классифицируемого объекта.

Важнейшей задачей процесса распознавания является определение набора признаков Уь ..., то есть формирование признакового пространства таким образом, чтобы при минимально возможной размерности Я обеспечить требуемую достоверность классификации. В нашем случае для выявления классификационных признаков сигнал, представляющий дефект детали подшипника, раскладывается с помощью БВП на основе вейвлета Добеши восьмого порядка до максимально возможного уровня. Затем берутся аппроксимирующие коэффициенты этого уровня и на их основе вычисляются классификационные признаки. Первым признаком является расстояние от абсолютного максимума до абсолютного минимума в полученном ряде аппроксимирующих коэффициентов (уь уз). Вторым признаком является расстояние от абсолютного минимума до следующего (второго) максимума (уг, У4). Указанные действия производились для амплитудной (признаки у,, у2) и фазовой составляющей (признаки у3, у4) сигнала (рис. 6).

5 10 15 20 36

Рис. 6. Аппроксимирующие коэффициенты последнего уровня разложения сигналов локализованных дефектов: метальная трещина (а), прижог (б), трооститное пятно (в). Сплошная линия - коэффициенты разложения амплитудной, штрихпунктирная — фазовой

составляющей сигнала

В результате для каждого сигнала был получен признаковый вектор Уп = (Уь У г, У г, Уз), состоящий из двух пар геометрических классификационных признаков, полученных из амплитудной и фазовой составляющей

Рис.7. Визуализация признакового

пространства полученного с помощью метода, основанного на дискретном вейвлет-преобразовании; + - «прижог», о - «метальная трещина», — «пятна троостита»

соответственно. С помощью классификатора и эксперта лаборатории неразрушающего контроля ОАО «СПЗ» выбраны 72 эталонных сигнала исследуемых дефектов, для которых по указанной методике вычислены классификационные признаки.

Доказательством достаточности выбранных геометрических классификационных признаков следует считать визуализацию признакового пространства (рис. 7), где наблюдается хорошая разделимость классов

распознавания.

Для автоматической классификации дефектов по найденным признакам целесообразно применять аппарат нейронных сетей (НС). Данное решение продиктовано известными преимуществами классификаторов, построенных на основе перцептронного подхода, нежели на статистическом, или нечетком.

Проведенные теоретические и экспериментальные исследования показали, что изменения в структуре электромагнитного поля, обусловленные перераспределением вихревых токов в объеме материала при наличии в нем неодно-родностей, содержат достаточную информацию для определения типа и места положения дефектов. На основе этого была разработана методика автоматического нахождения и распознавания дефектов поверхностей качения деталей подшипников для системы мониторинга процесса шлифования.

В третьей главе приведены результаты экспериментального исследования предложенной во второй главе методики анализа данных вихретокового контроля на основе вейвлет-преобразований и искусственных нейронных сетей, дано описание ПВК-К2М, приведены результаты разработанных методик и алгоритмов для анализа данных вихретокового контроля поверхностного слоя колец подшипников после операции шлифования

Разработанный метод автоматического выявления и распознавания дефектов поверхностного слоя деталей подшипников реализован в виде отдельного программного модуля, функциональная схема которого представлена на рис. 8.

-* БВН -» БРН ->

Сигнал

БПОС 4 ^ База

ВТП БГН МВР данных

Рис.

неоднородностей; БГН - банк границ неоднородностей; МВР -модуль визуализации результатов

В БПОС проходит предварительная обработка сигнала ВТП. Каждая составляющая сигнала (фазовая и амплитудная) нормируется и подготавливается для дальнейшего анализа. Далее эти данные поступают в БВН, где каждый столбец данных вихретокового контроля тестируется на наличие неоднородностей. В случае выявления неоднородностей поверхностного слоя деталей подшипников из сигнала ВТП происходит выделение обнаруженной

неоднородности путем указания границ неоднородности в текущем столбце. Также в БВН происходит оценка качества поверхностного слоя деталей подшипников после абразивной обработки в местах выявленной неоднородности. Пример результатов работы алгоритма выделения и оценки качества поверхностного слоя деталей подшипников в местах обнаруженных неоднородностей приведен на рис. 9.

Как видно на рис. 9, наиболее заметные дефекты поверхностного слоя, визуализированные с помощью разработанных алгоритмов, пространственно соответствуют дефектам, видимым на приведенном компьютерном вихретоковом образе. Полученные границы сохраняются в БГН, а сигнал, соответствующий отклику ВТП на неоднородность поверхностного слоя, передается в БРН, где вычисляются его классификационные признаки, и с помощью предварительно обученной на эталонных данных стандартной НС, предлагающейся в пакете Neural Network Toolbox MATLAB R2008a, классифицируются на три класса: метальная трещина, прижог и трооститное пятно. Необходимо отметить, что после обучения сеть была проверена на 310 образцах тестовых сигналов, относящихся к трем распознанным классам дефектов, также выделенных из эталонных колец. Результаты работы сети приведены в табл. 1.

Таблица 1

Результаты классификации дефектов при помощи нейронной сети

Рис. 9. Компьютерный вихретоковый образ

поверхности детали подшипника (а) и визуализация результатов работы алгоритма выделения и оценки качества поверхностного слоя той же детали подшипника (б)

Вид дефекта Процент верно распознанных дефектов

Метальная трещина 95.8% (69 из 72 дефектов)

Прижог 95.6% (ПО из 115 дефектов)

Трооститное пятно 97.5% (120 из 123 дефектов)

Средняя эффективность сети: 96.3% верно распознаваемых дефектов

В соответствии с количеством классов нейронная сеть имеет три выхода -по одному на каждый класс. При классификации каждого признакового вектора, подающегося на вход НС, на каждом из выходов НС появляется дробное положительное число из отрезка [0..1]. Например, если на выходе НС образуется тройка [0.97, 0.1, 0.2], можно говорить о том, что классифицируемый признаковый вектор принадлежит классу, ассоциированному выходом НС № 1.

В случае, если максимальное значение выходной тройки чисел меньше 0.70, то считается, что рассматриваемую неоднородность распознать не удалось. Полученная информация сопоставляется в БГН с сохраненными границами неоднородности и передается в МВР, который выводит полученные результаты на экран монитора. Одновременно идет сохранение информации о распознанном дефекте в базу данных результатов.

Полный цикл работы алгоритма при анализе вихретокового сигнала одной детали подшипника, запущенный на компьютере класса Intel Core™2Duo @ 2 ГГц с 2Гб оперативной памяти по результатам проведенного эксперимента занимает в среднем 10-45 секунд, что подтверждает целесообразность и эффективность использования данного алгоритма в производственных условиях.

В четвертой главе рассматривается реализация разработанных методов и алгоритмов для АСВК на базе ПВК-К2М, описан порядок работ ы с программой. В функциональные возможности программного модуля входят выделение и распознавание наиболее часто возникающих локальных дефектов поверхностного слоя колец подшипников, определение класса качества поверхности в местах обнаруженных неоднородностей по данным ВТП и визуализация результатов, (рис. 10).

Рис. 10. Схема взаимодействия программного обеспечения АСВК, разработанного программного модуля и СМТП шлифования

Программный модуль создан в среде MATLAB R2008a с использованием пакетов программ Wavelet Toolbox и Neural Network Toolbox.

Таким образом, были протестированы 30 колец подшипников, каждое их которых содержало один или несколько локальных дефектов из числа рассматриваемых. Результаты приведены в табл. 2.

Таблица 2

Результаты применения разработанного алгоритма

Вид дефекта Процент верно распознанных дефектов

Метальная трещина 90% (9 из 10 дефектов)

Прижог 92.8% (13 из 14 дефектов)

Трооститное пятно 100% (10 из 10 дефектов)

За счет высокой точности выделения экспериментальных данных и возможностью обучения на них искусственной нейронной сети предложенный программный модуль позволяет повышать качество распознавания дефектов деталей подшипников. Модуль обеспечивает возможность передачи данных в СМТП и на верхний уровень АСУ ТП для составления отчетов пользователям различного уровня.

С использованием информации о видах выявленных дефектов, получаемой на выходе разработанного программного комплекса, в разрезе конкретных станков, рабочих смен и типов деталей производится корректировка ТП, фиксируются и устраняются известные причины рассматриваемых типовых дефектов, формируется база знаний по управлению ТП шлифования деталей различных видов подшипников. Без исключения человеческого фактора при оценке типа неоднородностей корректное формирование указанной базы знаний невозможно. Эффект от автоматизации процесса распознавания дефектов поверхности качения деталей подшипников по характеристикам сигнала вихретокового преобразователя для системы мониторинга ТП шлифования на ОАО «Саратовский подшипниковый завод» достигается в основном за счет выработки стандартных мер по устранению выявляемых типов неоднородностей: уменьшается время диагностирования станков на 10-50%, повышается результативность мер по корректировке ТП. Внедрение разработанных методов и модели анализа данных вихретокового контроля в СМТП позволяет усовершенствовать процесс контроля качества деталей подшипников и систему мониторинга ТП на предприятии.

Формируемая база знаний по устранению причин выявляемых типов дефектов помогает эффективно решать задачу обучения персонала, обслуживающего и эксплуатирующего шлифовальное оборудование. Все это позволяет реализации СМК на производстве и поднимает качество выпускаемой продукции на более высокий уровень.

ОСНОВНЫЕ ВЫВОДЫ

1. Проведенный анализ методов и средств автоматизированной оценки качества поверхностного слоя деталей подшипников и распознавания локальных дефектов при вихретоковом контроле показал их недостаточную эффективность, и позволил обосновать целесообразность разработки методов и алгоритмов автоматического распознавания

дефектов и анализа качества шлифованной поверхности детален подшипников по данным вихретокового контроля для системы мониторинга ТП.

2. Разработанный в результате теоретических и экспериментальных исследований метод автоматического выявления и распознавания локальных дефектов поверхностного слоя деталей подшинникоп на основе анализа данных вейвлет-преобразования сигнала ВТП и применения искусственных нейронных сетей позволяет исключить влияние «человеческого фактора» и усовершенствовать систему контроля качества шлифованной поверхности деталей подшипников.

3. Разработанный алгоритм поиска и классификации рассматриваемых типов локальных дефектов на основе вейвлет-анапиза сигнала ВТП позволяет выявить и распознать с высокой точностью локальные дефекты типа метальных трещин, прижогов и трооститных пятен.

4. Разработанный программный модуль для расширения функциональности автоматизированной системы вихретокового контроля на основе прибора ПВК-К2М позволяет выявлять неоднородности поверхностного слоя колец подшипников и на основе результатов вейвлет-анализа характеристик сигнала ВТП, распознавать локальные дефекты типа метальная трещина, прижог, трооститное пятно с помощью предварительно обученной искусственной нейронной сети, а также передавать данные в СМТП и на верхний уровень АСУ ТП.

5. На этапе опытно-промышленной эксплуатации разработанного программного модуля для АСВК в системе мониторинга ТП шлифования на ОАО «СПЗ» удалось достичь уменьшения времени определения причин разладки ТП по выявляемым классам дефектов на 8-13% и снизить количество бракованных деталей на 10-12%, что позволило сократить простои оборудования, эффективно проводить корректировку ТП и повысить качество подшипников.

Основные положения и результаты диссертации опубликованы в следующих

работах:

В изданиях, рекомендованных ВАК РФ

1. Пчелинцев Д.О. Метод автоматического распознавания дефектов деталей подшипников на основе вихретоковой дефектоскопии с помощью вейвлет-преобразования / Д.О. Пчелинцев, С.А. Игнатьев II Вестник Саратовского государственного технического университета. - 2009. - №3(40). - С.70-77.

В других изданиях

2. Пчелинцев Д.О. Методы обработки сигнала с вихретокового преобразователя / Д.О. Пчелинцев // Молодые ученые науке и производству: мат. конф. - Саратов: СГТУ, 2008.-С.184-187.

3. Пчелинцев Д.О. Методика автоматизированного выявления локальных особенностей сигналов, представленных временными рядами / С.А. Игнатьев, Д.О. Пчелинцев, A.A. Игнатьев // Автоматизация и управление в машино- и приборостроении: сб. науч. тр. - Саратов: СГТУ, 2008. - С.95-97.

4. Пчелинцев Д.О. Применение вейвлет-анализа для исследования локальных нестационарных особенностей сигналов / Д.О. Пчелинцев // Автоматизация и управление в машино- и приборостроении: сб. науч. тр. - Саратов: СГТУ, 2008. -С.184-187.

5. Пчслинцев Д.О. Контроль качества колец подшипников вихретоковым методом с применением вейвлет-преобразований / С.А. Игнатьев, Д.О. Пчелинцев, A.A. Игнатьев // Исследование сложных технологических систем: сб. науч. тр. - Саратов: СГГУ, 2008. - С.57-60.

6. Пчелинцев Д.О. Автоматизация контроля качества деталей подшипников вихретоковым методом на основе распознавания дефектов с применением вейвлет-преобразований / С.А. Игнатьев, Д.О. Пчелинцев, A.A. Игнатьев // Высокие технологии в машиностроении: мат. Всерос. науч.-техн. интернет-конф. с междунар. участием. -Самара: СамГТУ, 2008. - С.185-187.

7. Пчелинцев Д.О. Методика автоматизации распознавания локальных дефектов деталей подшипников /Д.О. Пчелинцев, С.А. Игнатьев // Исследования сложных технологических систем: сб. науч. тр.-Саратов: СГТУ, 2009. -С.159-161.

8. Пчелинцев Д.О. Способы формирования признаков для распознавания дефектов деталей подшипников при вихретоковом контроле с помощью вейвлет-преобразований / Д.О. Пчелинцев // Прогрессивные технологии в современном машиностроении: сб. ст. V Междунар. науч.-техн. конф. - Пенза, 2009. - С.139-142.

9. Пчелинцев Д.О. Распознавание дефектов деталей подшипников при вихретоковом контроле на основе вейвлет-преобразования I Д.О. Пчелинцев II Инновации и актуальные проблемы техники и технологий: мат. Всерос. науч.-практ. конф. молодых ученых: в 2 т. / под общ. ред. A.A. Большакова. - Саратов: СГТУ, 2009. -Т.2.-С.7-9.

10. Пчелинцев Д.О. Локализация следа дефекта поверхности детали подшипника в вихретоковом сигнале с помощью вейвлет-преобразований / Д.О. Пчелинцев // Прогрессивные направления развития технологии машиностроения: сб. науч.тр. -Саратов: СГТУ, 2009. - С.225-230.

Подписано в печать 13.11.09 Формат 60x84 1/16

Бум. офсет. Усл. печ. л. 0,93 (1,0) Уч.-изд. л. 0,9

Тираж 100 экз. Заказ 496 Бесплатно

Саратовский государственный технический университет 410054, Саратов, Политехническая ул., 77 Отпечатано в Издательстве СГТУ. 410054, Саратов, Политехническая ул., 77

V

ь

ВВЕДЕНИЕ

ГЛАВА 1. АВТОМАТИЗАЦИЯ КОНТРОЛЯ КАЧЕСТВА ДЕТАЛЕЙ ПОДШИПНИКОВ В СИСТЕМЕ МОНИТОРИНГА

ТЕХНОЛОГИЧЕСКОГО ПРОЦЕССА.

1.1. Принципы функционирования СМК в промышленном производстве.

1.2. Применение системного подхода к организации мониторинга

ТП изготовления подшипников.

1.3. Показатели качества поверхностного слоя деталей подшипников в системе мониторинга технологического процесса шлифования

1.4. Основные методы контроля качества поверхностей качения и возможности их применения в системе мониторинга ТП шлифования деталей подшипников.

1.4.1. Визуальные методы контроля.

1.4.2. Капиллярный метод контроля.

1.4.3. Метод травления.

1.4.4. Ультразвуковой метод контроля.

1.4.5. Магнитные методы контроля.

1.4.6. Электромагнитные методы контроля.

1.5. Основные методы контроля качества поверхностей качения и возможности их применения в системе мониторинга ТП шлифования деталей подшипников.

1.6. Организация автоматизированного контроля поверхностного слоя деталей подшипников и выявления дефектов различных типов. Постановка основных задач исследования.

2 ГЛАВА. МЕТОД АВТОМАТИЧЕСКОГО ВЫЯВЛЕНИЯ И РАСПОЗНАВАНИЯ ЛОКАЛЬНЫХ ДЕФЕКТОВ ПРИ ВИХРЕТОКОВОМ КОНТРОЛЕ С ПРИМЕНЕНИЕМ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЙ И НЕЙРОННЫХ СЕТЕЙ.

2.1. Вихретоковый контроль качества колец подшипников как элемент системы мониторинга процесса шлифования.

2.2. Обоснование применения вихретокового метода для выявления' локальных дефектов.

2.2.1. Физическое обоснование обнаружения неоднородностей поверхностного слоя деталей вихретоковым методом контроля.

2.2.2. Теоретико-экспериментальные исследования реакции вихретокового преобразователя на дефекты поверхностного слоя деталей подшипников. 72'

2.3. Разработка метода автоматического выявления и распознавания локальных дефектов поверхностного слоя колец подшипников.

2.3.1. Возможности применения основных математических методик для анализа сигнала ВТП.

2.3.2. Применение вейвлет-преобразований для анализа сигнала вихретокового преобразователя.

2.3.3. Нахождение границ дефекта в сигнале ВТП.

2.3.4. Распознавание дефектов поверхностного слоя деталей подшипников.

2.3.5. Выбор метода автоматического распознавания дефектов деталей на основе предложенных классификационных признаков.

2.4. Общая схема разработанной методики автоматического выявления и распознавания дефектов поверхностного слоя деталей подшипников.

2.5. Выводы.

ГЛАВА 3. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ МЕТОДА ОБРАБОТКИ ДАННЫХ ВИХРЕТОКОВОГО СИГНАЛА НА ОСНОВЕ ВЕЙВЛЕТ-ПРЕОБРАЗОВАНИЙ С ПРИМЕНЕНИЕМ НЕЙРОННЫХ СЕТЕЙ.

3.1. Аппаратно-программное обеспечение системы автоматизированного вихретокового контроля при мониторинге процесса шлифования деталей подшипников.

3.2. Исследование характеристик рассматриваемых типов дефектов.

3.3. Экспериментальное исследование метода выявления и классификации неоднородностей и оценки качества поверхностного слоя деталей подшипников на основе вейвлетпреобразований и искусственных нейронных сетей.

3.3.1. Первичная обработка и выделение нестационарных особенностей сигнала ВТП.

3.3.2. Применение многослойной искусственной нейронной сети для классификации дефектов поверхностного слоя деталей подшипников по выбранным признакам распознавания.

3.3.3. Распознавание выделенных неоднородностей исследуемого сигнала ВТП.

3.4. Результаты применения метода поиска и распознавания локальных дефектов поверхностного слоя колец подшипников. 114 3.6. Выводы.

ГЛАВА 4. РЕАЛИЗАЦИЯ АВТОМАТИЧЕСКОГО МЕТОДА ВЫЯВЛЕНИЯ И КЛАССИФИКАЦИИ ЛОКАЛЬНЫХ ДЕФЕКТОВ ПОВЕРХНОСТНОГО СЛОЯ ДЕТАЛЕЙ ПОДШИПНИКОВ В ВИДЕ ПРОГРАМНОГО МОДУЛЯ ОБРАБОТКИ СИГНАЛА ВТП.

4.1. Методика взаимодействия программного обеспечения АСВК и программного модуля по выявлению и распознаванию локальных дефектов поверхностного слоя деталей подшипников.

4.2. Интерфейс программного модуля для анализа сигнала ВТП.

4.3. Результаты опытно-промышленной эксплуатации программного модуля для выделения и классификации локальных дефектов деталей подшипников для системы мониторинга.

При производстве подшипников особую важность приобретают точное соблюдение технологического процесса (ТП) и контроль параметров качества шлифованных поверхностей деталей подшипников, которые можно разделить на две группы: геометрические и физико-механические. Геометрические параметры точности контролируются непосредственно метрическими измерениями детали, для контроля же физико-механических параметров применяются: травление, магнитно-порошковый и другие. Наиболее эффективным и перспективным с точки зрения автоматизации представляется вихретоковый метод, подробно рассмотренный в работах Дорофеева A.JL, Казаманова Ю.Г., Соболева B.C., Шкарлета Ю.М. и других ученых, изучавших электромагнитную дефектоскопию деталей. Ранее проведенные исследования осложнялись отсутствием необходимых вычислительных мощностей, что тормозило их ход. Однако эффективность использования данного метода в настоящее время показана в ряде работ, в том числе выполненных в СГТУ.

Анализ данных вихретокового контроля требует от оператора большой концентрации, высокой квалификации и хороших навыков работы с конкретным прибором. Из-за особенностей субъективного восприятия информации может значительно снижаться качество результатов контроля. В связи с этим при организации вихретокового контроля необходимо стремиться минимизировать влияние человеческого фактора, повысив эффективность контроля за счет разработки и применения методов автоматизированного поиска и классификации дефектов поверхностного слоя деталей подшипников. Которые, в свою очередь, будучи интегрированы в систему мониторинга технологических процессов (СМТП) в роли обратной связи, повышают ее эффективность, что в конечном итоге положительно влияет на качество конечной продукции. В СГТУ тема вихретокового метода контроля в СМТП производства деталей подшипников отражена в работах A.A. Игнатьева, В.В. Горбунова, а также в кандидатских диссертациях С.А. Игнатьева, О.В.

Волынской, Е.В. Карпеевой, и А.Р. Бахтеева, однако имеющиеся автоматизированные системы вихретокового контроля, применяемые в подшипниковой промышленности, имеют ряд недостатков и не отвечают в полной мере указанным требованиям. Поэтому, основываясь на многочисленных фактах применения вейвлет-преобразований (ВП) для анализа локальных нестационарных особенностей разнородных сигналов, представляется целесообразным использовать данные ВП сигнала вихретокового преобразователя (ВТП) для выделения и распознавания локальных дефектов поверхностного слоя деталей подшипников.

Таким образом, повышение эффективности вихретокового метода контроля качества шлифованной поверхности колец подшипников за счет автоматизации поиска и распознавания типичных локальных дефектов поверхностного слоя, разработку необходимых методов анализа данных вихретокового контроля, позволяющих повысить качество результатов контроля, и использование полученных результатов в СМТП следует считать актуальной задачей.

Цель работы - совершенствование контроля качества шлифованной поверхности колец подшипников путем разработки метода автоматизированного поиска и распознавания локальных дефектов поверхностного слоя на основе анализа сигнала вихретокового преобразователя с использованием вейвлет-преобразований для последующей интеграции в систему мониторинга процесса шлифования. В соответствии с поставленной целью в работе решен ряд задач, направленных на разработку необходимых методов и алгоритмов.

Научная новизна работы заключается в следующем:

1. Разработан метод автоматического выявления и распознавания типичных локальных дефектов поверхностей качения колец подшипников на основе анализа данных вейвлет-преобразования сигнала вихретокового датчика и методов теории распознавания образов.

2. Обоснована методика применения вейвлет-преобразования для выделения участков сигнала ВТП, соответствующих локальным дефектам поверхностного слоя колец подшипников, вычисления классификационных признаков дефектов и применения многослойной нейронной сети в качестве классификатора, обученной с применением эталонных данных.

3. Создан программный модуль, автоматически выделяющий из сигнала ВТП и распознающий локальные прижоги, метальные трещины и трооститные пятна по предложенным геометрическим классификационным признакам с передачей данных в систему мониторинга технологического процесса шлифования.

Методы и средства исследования. В основе проведенных исследований лежат методы теории автоматического управления, аппарат вейвлет-преобразований, теория распознавания образов. Обработка результатов вихретокового контроля велась с использованием специально разработанного программного обеспечения в среде MATLAB R2008a с использованием Wavelet Toolbox и Neural Network Toolbox. Экспериментальные исследования проводились с использованием автоматизированной системы вихретокового контроля (АСВК) на базе прибора вихретокового контроля ПВК-К2М в производственных условиях ОАО «Саратовский подшипниковый завод».

Практическая ценность и реализация результатов работы. Разработка методов автоматизации контроля качества шлифованной поверхности по данным вихретокового контроля проводилась в ОАО «Саратовский подшипниковый завод» в рамках задачи совершенствования автоматизированных средств контроля для системы мониторинга ТП и развития АСУ ТП предприятия.

На основе данных из СМТП осуществляется корректировка технологических процессов для снижения количества дефектов поверхностного слоя колец подшипников, которая выражается, в том числе, уточнением требований к качеству заготовок, и предварительным технологическим операциям (до финишного шлифования).

Разработанный на основе предложенных алгоритмов обнаружения и распознавания дефектов программный модуль расширяет возможности АСВК, позволяя обнаружить и распознать с высокой степенью достоверности основные типы дефектов поверхностного слоя контролируемых деталей, что снижает процент брака на 10-12%. Этот факт подтвержден соответствующими актами внедрения на ЗАО «НПК ПО» и ООО «НПП Подшипник-СТОМА» (Саратов).

Апробация работы. Основные положения работы докладывались на 5 конференциях различного уровня: V Международной научно-технической конференции «Прогрессивные технологии в современном машиностроении» (Пенза, 2009), Всероссийских: «Инновации и актуальные проблемы техники и технологий» (Саратов, 2009), «Высокие технологии в машиностроении» (Самара, 2008), «Совершенствование техники, технологий и управления в машиностроении» (Саратов, 2009), региональной конференции «Молодые ученые науке и производству» (Саратов, 2008), и на заседаниях кафедры «Автоматизация и управление технологическими процессами» СГТУ в 20082009 гг.

Публикации. По теме диссертации опубликовано 10 работ, в том числе 1 статья в журнале, включенном в перечень ВАК РФ; 5 статей опубликованы без соавторов.

Структура и объем диссертации. Диссертация состоит из введения, четырех глав, заключения, списка использованной литературы и приложения. Диссертация содержит 154 страницы, 49 рисунков, 6 таблиц, библиографический список из 117 наименований.

Я Результаты работы шага №2 угол развертки детали, в градусах Введите имя файла (без расширения)

Сохранить результаты

324 360

Закрыть

--—i-;—

Рис. 4.3. Окно визуализации результатов работы шага №2 и соответствующая сканограмма поверхности контролируемой детали, полученной с помощью ПО установки для вихретокового контроля колец подшипников.

В окне визуализации результатов работы второго шага программного модуля существует возможность сохранения результатов алгоритма поиска и выделения участков неоднородностей из сигнала ВТП. Сохраняется матрица границ неоднородностей в файле с указанным именем. При нажатии кнопки «Сохранить результаты» к имени файла автоматически добавляется расширение «.mat», и он сохраняется в рабочем каталоге, откуда его можно загрузить в MATLAB для проведения обучения классификационной нейронной сети.

После обучения согласно пункту 3.3.2, НС сохраняется в файле (с помощью утилиты nprtool) с расширением «.mat» в рабочем каталоге программного модуля, откуда она может быть загружена с помощью кнопки «Загрузите нейронную сеть», для использования в работе третьего шага программы.

Блок распознавания неоднородностей (БРН) запускается нажатием кнопки «Распознать!», и после завершения процесса распознавания с помощью выбранной нейронной сети следует приглашение на запуск Модуля визуализации результатов (МВР), который запускается при нажатии на кнопку

Визуализировать результаты» (рис. 4.4).

36 72 108 144 180 216 262 288 324 360 угол развертки детали, в градусах

Ьмды и количество оонаруженных дефектов-- иерасиоаняинми • япг. при»«, 11Л »4 метыммя треарн«, 1 двф. Кгоосипиое пето. • дчф.

Введите имя файла (без расширения)

Сочн'иит'.р«,»™™ Закрыть

Рис. 4.4. Вид модуля визуализации конечных результатов работы программного модуля по поиску и распознаванию локальных дефектов поверхностного слоя деталей подшипников

На рис. 4.4 видны (при условии, что растровое изображение сканограммы исследуемой детали загружено) обнаруженные и распознанные дефекты поверхностного слоя деталей подшипников. Каждый класс дефекта для наглядности закрашен определенным цветом. Ниже приводится таблица, в которой указывается сколько и какие дефекты были обнаружены в загруженном сигнале ВТП.

Необходимо отметить, что распознаванию подлежат дефекты с наихудшим показателем качества поверхностного слоя.

Также существует возможность сохранения результатов распознавания найденных дефектов для дальнейшего их использования в системе мониторинга процесса шлифования поверхностей деталей подшипников.

4.3. Результаты опытно-промышленной эксплуатации программного модуля для выделения и классификации локальных дефектов деталей подшипников для системы мониторинга

В ОАО «Саратовский подшипниковый завод» внедряются элементы системы мониторинга ТП, которую можно рассматривать как элемент АСУТП. Информация о состоянии ТП поступает от различных измерительных устройств и приборов контроля качества изготовленных деталей подшипников и датчиков, встроенных в станочное оборудование [10, 25, 64], в лабораторию мониторинга ТП. Там информация о фактических значениях параметров деталей и состояния оборудования заносится в БД, работающую на выделенном сервере. Для обработки информации в БД и представления результатов в удобной для конечного пользователя форме разработано специальное программное обеспечение. Результаты анализа данных позволяют принять управляющее решение по корректировке параметров ТП.

Функционирующий программный модуль "Мониторинг" (рис. 4.5) предназначен для обработки и оценки информации и позволяет осуществлять отбор данных по одинадцати параметрам, таким как: интервал дат, цех, номер прибора контроля, номер станка, деталь, операция, поверхность, смена, дефектоскопист, вид дефекта, балл, которым оценивается дефект.

Рис.4.5. Основной режим программы "Мониторинг" Разработанное программное обеспечение позволяет не только оперативно обработать большой объем информации о ТП, но и сформировать отчетные документы для поддержки принятия решения об управлении качеством продукции. Для увеличения наглядности выводимых отчетов существует возможность формирования диаграмм (рис.4.6): круговой диаграммы отображающей процентное соотношение годных, условно годных и бракованных деталей; столбчатой диаграммы, отображающей численное соотношение годных, условно годных и бракованных деталей; графика -"диаграммы по средним", отображающей рост или снижение числа годных деталей по средним значениям баллов.

Сфггокоаого жмкгоринп ига Н» IН

01 м мпз го «юооо'

Отчет по результатам »нхретоюжого ионторжга цен М 120

И 1К|яюд с 01по Ш012003

->г»гг по роуякгапм чкретгюжчо ысштсрмн* цаа 11« »периоде ошлю по гло-зхм уууууу/ууууууууу&уу

Отчет по рпуяппи Мслодоонми 1ВК

Рис.4.6. Диаграммы, формируемые программой "Мониторинг"

В лаборатории мониторинга отдела главного технолога ООО «Саратовский подшипниковый завод» введение в эксплуатацию разработанного программного модуля для автоматического выделения и классификации дефектов поверхностного слоя деталей подшипников по данным вихретокового контроля производилось в 2006 году. Внедрение программного модуля подтверждено соответствующим актами внедрения.

В результате обработки сигналов ВТП программным модулем, разработанным с помощью предложенных методов повышается достоверность классификации локальных дефектов деталей подшипников, что было использовано в лаборатории неразрушающего контроля. При этом, как показано в главах 2 и 3, возможность выявления и количественной оценки неоднородностей поверхностного слоя делает

Рис 4.7. Автоматизированный контроль в системе мониторинга технологического процесса производства деталей подшипников систему пригодной для применения в качестве информационного канала для комплексного мониторинга технологических процессов и технологического оборудования.

Комплекс средств автоматизации мониторинга технологического процесса производства деталей подшипников, применяемых и проходящих процесс разработки и внедрения в ОАО «Саратовский подшипниковый завод» представлены на схеме, изображенной на рис.4.7.

Используя информацию о типах выявленных неоднородностях, получаемую с помощью программного модуля в разрезе станков, типов деталей и рабочих смен, производится корректировка ТП, фиксируются и устраняются известные причины типовых дефектов, формируется база знаний по управлению ТП шлифования деталей различных видов подшипников. Без исключения человеческого фактора при оценке типа неоднородностей корректное формирование указанной базы знаний невозможно. Эффект от автоматизации процесса распознавания дефектов поверхности качения деталей подшипников по характеристикам сигнала вихретокового преобразователя для системы мониторинга ТП шлифования на ОАО «Саратовский подшипниковый завод» достигается в основном за счет выработки стандартных мер по устранению выявляемых типов неоднородностей: уменьшается время диагностики оборудования на 10-50%, повышается оперативность и результативность мер по корректировке ТП, сокращаются простои оборудования. Внедрение разработанных методов и модели анализа данных вихретокового контроля в СМТП позволяет усовершенствовать процесс контроля качества деталей подшипников и систему мониторинга ТП на предприятии. Формируемая база знаний по устранению причин выявляемых типов ч дефектов помогает эффективно решать задачу обучения персонала, обслуживающего и эксплуатирующего шлифовальное оборудование.

Использование результатов автоматизированного распознавания дефектов по выявленным неоднородностям позволяет в АСУ ТП реализовать принцип автоматизированного управления ТП шлифования деталей подшипников по данным анализа базы результатов распознавания дефектов и классификации деталей подшипников по степени неоднородности поверхностного слоя. В главе 1 показана связь между типом дефекта и определенной причиной, его вызвавшей. Независимая классификация и распознавание дефектов позволяет эффективно выявлять и устранять причины, приведшие к возникновению некачественной продукции. Разработка системы распознавания и классификации неоднородностей по результатам вихретокового контроля является необходимым условием для построения СМК.

Автоматизация распознавания типичных неоднородностей поверхностного слоя деталей подшипников является одной из задач, без решения которой невозможно создать единую автоматизированную СМК, связать напрямую подсистемы контроля изделий, контроля ТП и управления ТП, снизить себестоимость контроля качества, охватить больший объем выборки контролируемых изделий и повысить эффективность управления ТП.

Внедрение результатов работы осуществлено в ЗАО «НПК прецизионного оборудования» при ОАО «Тантал», изготавливающем системы автоматического вихретокового контроля роликов подшипников для ОАО «СПЗ» (акт внедрения - приложение 1). Внедрение результатов работы осуществлено также в ООО «НПП Подшипник-СТОМА» разрабатывающем наукоемкую продукцию для ОАО «СПЗ» в виде программного модуля для совершенствования АСВК колец подшипников (акт внедрения - приложение 2). Помимо применения разработанного метода для контроля поверхностного слоя колец подшипников при их массовом изготовлении видится перспективным применение предложенной методики для автоматизации вихретоковой дефектоскопии деталей подшипников (в частности, использующихся в железнодорожном транспорте), подлежащих ремонту.

Дальнейшее развитие идей, предложенных в настоящей работе, предполагается в более глубоком изучении отклика вихретокового датчика при различных рабочих условиях на различные дефекты поверхностного слоя деталей подшипников, разработке классификационных признаков, более подробно характеризующих более широкий круг дефектов.

Развитие СМТП, в свою очередь, связано с автоматизацией контроля динамических характеристик шлифовальных станков, существенно влияющих на качество обработки дорожек качения колец подшипников [18]. Автоматическая идентификация состояний технологического оборудования осуществляется по результатам компьютерного анализа спектров вибрации, зафиксированных с помощью прибора вибрационного контроля ВШВ-003. Применение специальной методики позволяет также оценивать динамическое состояние станков посредством баллов, а не абсолютными значениями уровня вибраций [55]. Повышение достоверности результатов мониторинга и диагностирования достигается дополнительным исследованием спектра огибающей вибрации [18]. Сопоставительный анализ этих оценок со значениями параметров качества деталей позволяет принять решение о качестве ТП и его корректировке в случае необходимости.

Также важным аспектом улучшения СМТП представляется дальнейшая проработка и оптимизация методов выявления и распознавания различных дефектов поверхностного слоя при помощи вейвлет-преобразований на основе данных вихретокового контроля. Для этого видится необходимым проведение дополнительных металлографических экспериментов и аналитических исследований влияния различных дефектов на сигнал ВТП.

Таким образом, внедрение системы мониторинга позволяет существенно повысить качество продукции и способствует ее конкурентоспособности на рынке.

ЗАКЛЮЧЕНИЕ

Результаты проведенных исследований позволяют сделать следующие основные выводы:

1. Проведенный анализ методов и средств автоматизированной оценки качества поверхностного слоя деталей подшипников и распознавания локальных дефектов при вихретоковом контроле показал их недостаточную эффективность, и позволил обосновать целесообразность совершенствования методов и алгоритмов автоматического распознавания дефектов и анализа качества шлифованной поверхности деталей подшипников по данным вихретокового контроля для системы мониторинга ТП.

2. Разработанный в результате теоретических и экспериментальных исследований метод автоматического выявления и распознавания локальных дефектов поверхностного слоя деталей подшипников на основе анализа данных вейвлет-преобразования сигнала ВТП и применения искусственных нейронных сетей позволяет исключить влияние «человеческого фактора» и усовершенствовать систему контроля качества шлифованной поверхности деталей подшипников.

3. Разработанный алгоритм поиска и классификации рассматриваемых типов локальных дефектов на основе вейвлет-анализа сигнала ВТП позволяет выявить и распознать с высокой точностью локальные дефекты типа метальных трещин, прижогов и трооститных пятен.

4. Разработанный программный модуль для расширения функциональности автоматизированная система вихретокового контроля на основе прибора ПВК-К2М позволяет выявлять неоднородности поверхностного слоя колец подшипников и на основе результатов вейвлет-анализа характеристик сигнала ВТП, распознавать локальные дефекты типа метальная трещина, прижог, трооститное пятно с помощью предварительно обученной искусственной нейронной сети, а также передавать данные в СМТП и на верхний уровень АСУ ТП.

5. На этапе опытно-промышленной эксплуатации разработанного программного модуля для АСВК в системе мониторинга ТП шлифования на ОАО «СПЗ» удалось достичь уменьшения времени определения причин разладки ТП по выявляемым классам дефектов на 8-13% и снизить количество бракованных деталей на 10-12%, что позволило сократить простои оборудования, эффективно проводить корректировку ТП и повысить качество подшипников.

1. Абразивная и алмазная обработка материалов: Справочник / Под ред.

2. A.Н. Резникова. М.: Машиностроение, 1977. - 391 с.

3. Агеев Ю.В. Микропроцессорные приборы активного контроля / Ю.В. Агеев, И.Б. Карпович, М.И. Этингоф // СТИН. 2002. - №4. - С.33-40.

4. Алексеев К.А. Очерк "Вокруг CWT". http://support.sibsiu.ru/MATLAB RU/wavelet/book3/index.asp.htm.

5. Аршанский М.М. Вибродиагностика и управление точностью обработки на металлорежущих станках / М.М. Аршанский. М.: Машиностроение, 1988. - 136 с.

6. Астафьева Н.М. Вейвлет-анализ: Основы теории и примеры применения. / Н.М. Астафьева // Успехи физических наук. 1996.- т.166, №11.-С.1145-1170.

7. Бакунов A.C. Раздельный контроль свойств изделий из ферромагнитных материалов / A.C. Бакунов, Ю.Я. Останин // Методы и приборы автоматического неразру-шающего контроля. Электромагнитные методы: Сб. тр. Рига: РТИ, 1977. - Вып. 1. - С.59-71.

8. Бейзельман P.O. Подшипники качения: Справочник / P.O. Бейзельман, Б.В. Цыпкин, Л.Я. Перель. М.: Машиностроение, 1975. - 572 с.

9. Белокур И.П. Дефектоскопия материалов и изделий / И.П. Белокур,

10. B.А. Коваленко. К.: Тэхника, 1989. - 192 с.

11. Бржозовский Б.М. Динамический мониторинг и оптимизация процессов механической обработки / Б.М. Бржозовский, В.В. Мартынов // СТИН. 2002. - № 1. - С.3-8.

12. ВапникВ. Н. Теория распознавания образов. Статистические проблемы обучения / В.Н. Вапник, А.Я. Червоненкис. М., Наука, 1974. - 415 с.

13. Васильев В.М. Токовихревой эффект в магнитошумовой структуроскопии / В.М. Васильев, JI.B. Андрианова // Методы и приборы автоматического неразрушающего контроля. Электромагнитные методы: Сб. науч. тр. Рига: РТИ, 1980. - Вып. 4. - С.75-86.

14. Волосов С.С. Приборы для автоматического контроля в машиностроении / С.С. Волосов, Е.И. Педь. М.: Машиностроение, 1975. - 380 с.

15. Волосов С.С. Управление качеством продукции средствами активного контроля / С.С. Волосов, З.Ш. Гейлер. М.: Издательство стандартов, 1989. - 264 с.

16. Волынская O.B. Автоматизация вихретокового контроля неоднородности структуры поверхностного слоя деталей подшипников при мониторинге процесса шлифования. Автореф. дисс. канд. техн. наук / О.В. Волынская; СГТУ, Саратов. 2002. - 16 с.

17. Воробьев В.И., Теория и практика вейвлет-преобразования / В.И. Воробьев, В.Г. Грибунин. СПб.: ВУС, 1999.- 204 с.

18. Воронцов JI.H. Приборы для автоматического контроля размеров в машиностроении / Л.Н. Воронцов, С.Ф. Корндорф. М.: Машиностроение, 1988.-280 с.

19. Генкин М.Д. Виброакустическая диагностика машин и механизмов / М.Д. Генкин, А.Г. Соколова. М.: Машиностроение, 1987. - 288 с.

20. Герасимов В.Г. Методы и приборы электромагнитного контроля промышленных изделий / В.Г. Герасимов, В.В. Клюев, В.Е. Шатерников. М.; Энергия, 1983-217 с.

21. Глудкин О.П. Всеобщее управление качеством / О.П. Глудкин, Н.М. Горбунов, А.Й. Гуров, Ю.В. Зорин. М.: Радио и связь, 1999. - 600 с.

22. Горбунов B.B. Управление режимами шлифования в системе мониторинга производства подшипников / В.В. Горбунов, С.А. Игнатьев, М.В. Виноградов, М.В. Карпеев // Динамика технологических систем: Сб. науч. тр. Саратов: СГТУ, 2004. - С.68-72.

23. Горкунов Э.С. Магнитные и электро-магнитные методы контроля износостойкости стальных изделий / Э.С. Горкунов, A.B. Макаров, JI.X. Коган // Контроль. Диагностика. 2001. - № 11. - С.13-15.

24. Гринберг Г.А. Избранные вопросы математической теории электрических и магнитных явлений / Г.А. Гринберг. Изд-во АН СССР, 1948.

25. Дворников C.B. Метод распознавания радиосигналов на основе вейвлет-пакетов / C.B. Дворников, A.M. Сауков // Научное приборостроение. — 2004. —Т. 14. —№ 1.

26. Диагностика автоматических станочных модулей / Под ред. Б.М. Бржозовского. Саратов: Изд-во СГУ, 1987. - 152 с.

27. Добровольский И.Г. Повышение достоверности вихретокового контроля при выявлении участков с повышенной твердостью в зонах припайки стеллитовых пластин на кромках лопаток турбин / И.Г. Добровольский // Контроль. Диагностика. 2001. - № 9. - С.22-24.

28. Дорофеев A.JI. Индукционная структуроскопия / A.JI. Дорофеев. -М.: Энергия, 1973.- 176 с.

29. Дорофеев A.JL Физические основы электромагнитной структуроскопии / A.JI. Дорофеев, P.E. Ершов. Новосибирск.; Наука, 1985 -180 с.

30. Дорофеев A.JI. Электромагнитная дефектоскопия / A.JI. Дорофеев, Ю.Г. Казаманов М.: Машиностроение, 1980. - 280 с.

31. Дьяконов В.П. Вейвлеты. От теории к практике / В.П. Дьяконов М.: СОЛОН-Р, 2002.- 448 с.

32. ЕвсеевД.Г. Физические основы процесса шлифования / Д.Г. Евсеев, А.Н. Сальников.- Саратов: Изд-во Сарат. ун-та, 1978.- 126 с.

33. Жигадло A.B. Аппаратура для контроля и чувствительности метода магнитного порошка и его стандартизация / A.B. Жигадло, П.Г. Мухневич //

34. Труды института физики металлов. Свердловск, Изд-во АН СССР, 1959. -Вып. 21.

35. Жигадло A.B. Контроль деталей методом магнитного порошка /

36. A.B. Жигадло. -М.: Оборонгиз, 1951.

37. Загоруйко И.Г. Методы распознавания и их применение / И.Г. Загоруйко. -М.: Сов. радио, 1972. 206 с.

38. ЗадеЛ.А. Основы нового подхода к анализу сложных систем и процессов принятия решений / Л.А. Заде // Математика сегодня. М.: Знание, 1974.

39. Запускалов В.Г. Вихретоковый контрольно-вычислительный комплекс слежения за параметрами свариваемого стыка магистральных трубопроводов / В.Г. Запускалов, А.И. Маслов // Контроль. Диагностика. -2001. № 5. - С.3-6.

40. Игнатьев A.A.—Мониторинг станков и процессов шлифования в подшипниковом производстве / A.A. Игнатьев, М.В. Виноградов,

41. B.В. Горбунов, ВА. Добряков, С.А. Игнатьев. Саратов: СГТУ, 2004. - 124 с.

42. Игнатьев A.A. Контроль в системах автоматизации технологических процессов / A.A. Игнатьев, М.В. Виноградов, В.А. Добряков и др. Саратов: СГТУ, 2001. - 124 с.

43. Игнатьев С.А. Применение вейвлет-преобразований при автоматизированном контроле качества колец подшипников / С.А. Игнатьев, // Автоматизация и управление в машино- и приборостроение Сб. науч. тр. -Саратов: СГТУ, 2008. С.97-101.

44. Игнатьев A.A. Автоматизированная вихретоковая дефектоскопия деталей подшипников / A.A. Игнатьев, В.В. Горбунов, О.В. Горбунова // Автоматизация и управление в машино- и приборостроении: Сб. науч. тр -Саратов: СГТУ, 2000. С.48-52.

45. Игнатьев A.A. Автоматизированная вихретоковая дефектоскопия деталей подшипников / A.A. Игнатьев, A.M. Чистяков, В.В. Горбунов // СТИН. 2002. - № 4. - С.17-19.

46. Касимов Г.А. Электромагнитный метод контроля роста усталостных трещин / Г.А. Касимов, А.Д. Покровский // Методы и приборы автоматического неразрушающего контроля. Электромагнитные методы: Сб. науч. тр. Рига: РТИ, 1978. - Вып. 2. - С.3-19.

47. Колентьев C.B. Сравнительный анализ частотной и частотно-временной фильтрации данных / C.B. Колентьев // Автоматизация и управление в машино- и приборостроении: Сб. науч. тр. Саратов: СГТУ, 2002. - С.99-102.

48. Королев A.B. Исследование процессов образования поверхностей инструмента и детали при абразивной обработке / A.B. Королев. Саратов: Изд-во СГУ, 1975. - 192 с.

49. Кошляков М.С. Основные дифференциальные уравнения математической физики / М.С. Кошляков, Э.Б. Глтнер, М.М. Смирнов. М., Физматгиз, 1962.

50. Круглов В.В. Искусственные нейронные сети. Теория и практика / В.В. Круглов, В.В. Борисов М.: Горячая линия - Телеком, 2001. - 382 с.

51. Кулаков Ю.М. Предотвращение дефектов при шлифовании / Ю.М. Кулаков, В.А. Хрульков, И.В. Дунин-Барковский.- М.: Машиностроение, 1975. 144 с.

52. Михелькевич В.Н. Автоматическое управление шлифованием / В.Н. Михелькевич. М.: Машиностроение, 1975. - 304 с.

53. Михелькевич В.Н. Некоторые вопросы построения и реализации оптимального цикла шлифования отверстий колец подшипников / В.Н. Михелькевич, Б.Н. Вениаминов // Труды института. М.: Специнформцентр ВНИППа, 1972. - № 3 (71). - С.64-83.

54. Мужицкий В.Ф. Новые магнитные и вихретоковые средства неразрушающего контроля и технической диагностики / В.Ф. Мужицкий, В.А. Карабчевский // Контроль. Диагностика. 1999. - № 5. - С.5-9.

55. Новоселов Ю.К. Динамика формообразования поверхностей при абразивной обработке / Ю.К. Новоселов. Саратов: Изд-во СГУ, 1979. - 124 с.

56. Патрик Э. Основы теории распознавания образов / Э. Патрик. М., Сов. радио, 1980.-408 с.

57. Петухов А.П. Введение в теорию базисов всплесков. / А.П. Петухов -СПб.: Изд. СПбГТУ, 1999.- 132 с.

58. Приборы для неразрушающего контроля материалов и изделий: Справочник. В 2-х кн. Кн. 2. / Под ред. В.В. Клюева. М.: Машиностроение, 1986. - 352 с.

59. Пустынников В.Г. Опознавательные методы неразрушающего контроля / В.Г. Пустынников // Многопараметровый контроль в машиностроении. Ростов н/Д, 1971. - С.4-22.

60. Пуш A.B. Моделирование и мониторинг станков и станочных систем / A.B. Пуш // СТИН. 2000. - № 9. - С. 12-20.

61. Пчелинцев Д.О. Применение вейвлет-анализа для исследования локальных нестационарных особенностей сигналов / Д.О. Пчелинцев // Автоматизация и управление в машино- и приборостроение Сб. науч. тр. -Саратов: СГТУ, 2008. С.184-187.

62. Родин A.A. Автоматизация вихретоковой аппаратуры неразрушающего контроля на базе микропроцессоров / A.A. Родин, В.В. Сухоруков // Методы и приборы автоматического неразрушающего контроля: Сб. науч. тр. Рига: МЭИ, 1989. - Вып. № 5. - С.16-22.

63. Саката Сиро. Практическое руководство по управлению качеством / Сиро Саката; Пер. с яп. С.И.Мышкиной. М.: Машиностроение, 1980. - 215 с.

64. Салениекс Н.К. Мониторинг автоматизированного производства / Н.К. Салениекс, Г.В. Упитис // Точность и надежность механических систем: Сб. науч. тр. Рига: Рижский Политехнический Институт, 1989. - С.5-10

65. Смоленцев Н.К. Основы теории вейвлетов. Вейвлеты в MATLAB /Н.К. Смоленцев. М.: ДМК Пресс, 2005.- 304 с.

66. Соболев B.C. Накладные и экранные датчики / B.C. Соболев, Ю.М. Шкарлет. Новосибирск: Наука, 1967. - 144 с.

67. Стеблев Ю.И. Формирование и обработка двухмерных изображений при вихретоковой компьютерной дефектоскопии металлов / Ю.И. Стеблев, Е.Г. Скоробогатов, Д.В. Лугин и др. // Дефектоскопия. 1997. - № 4. - С.35-46.

68. Суслов А.Г. Технологическое обеспечение параметров состояния поверхностного слоя деталей / А.Г. Суслов. М.: Машиностроение, 1987. - 207 с.

69. Терано Т. Прикладные нечеткие системы / Т. Терано, К. Асаи, М. Сугэно. М.: Мир, 1993. - 368 с.

70. Термическая обработка в машиностроении: Справочник. Под ред. Ю. М. Лахтина, А. Г. Рахштадта. — М.: Машиностроение, 1980. — 783 с.

71. ТетеринАЛ. Программное обеспечение программно-специализируемого вихретокового прибора / А.Л. Тетерин // Методы и приборы автоматического неразрушающего контроля. Электромагнитные методы: Сб. науч. тр. Рига: РТИ, 1986. - Вып. 10. - С.67-70.

72. Токмаков B.C. Магнитные методы дефектоскопии / B.C. Токмаков. -М., ГОСИНТИ, 1964.

73. Трубчанин С.П. Многофункциональный прибор вихретокового контроля / С.П. Трубчанин, Л.Н. Виноградова // Методы и приборы автоматического неразрушающего контроля. Электромагнитные методы: Сб. тр. Рига: РТУ, 1990. - С.81-85.

74. Ту Дж. Принципы распознавания образов / Дж. Ту, В. Гонсалес. М.: Мир, 1978. - 441 с.

75. Управление качеством продукции. Международные стандарты ИСО 9000-9004, ИСО 8402. М.: Издательство стандартов, 1988. - 120 с.

76. Фукунага К. Введение в статистическую теорию распознавания образов / К. Фукунага. М.: Наука, 1979. - 367 с.

77. Хайруллин И.Х. Исследование вихретокового датчика для поверхностей сложной геометрии / И.Х. Хайруллин, Ф.Р. Исмагилов, P.P. Сатаров // Приборы и системы управления. 1999. - № 2 . - С.26-27.

78. Шелихов Г.С. Магнитопорошковая дефектоскопия деталей и узлов /Г.С. Шелихов.- М.: ГП НТЦ «Эксперт», 1995.- 224 с.

79. Шкатов П.Н. Неразрушающий контроль трещин и коррозийных поражений вихретоковым методом / П.Н. Шкатов, В.Е. Шатеринков // Контроль. Диагностика. 1998. - № 2. - С.39-42.

80. Эльянов В. Технология производства прецизионных подшипников: Обзор / В.Д. Эльянов, М. Ким-Даров. М.: НИИНАвтопром, 1983. - 60 с.

81. Якимов А.В. Управление процессом шлифования / А.В. Якимов, А.Н. Паршаков, В.И. Свирщев, В.П. Ларшин. Киев.: Техника, 1983. - 184 с.

82. Ярмола А.Н. Автоматизация контроля в подшипниковом производстве / А.Н. Ярмола // Автоматизация и управление в машино и приборостроении: Сб. науч. тр. - Саратов: СГТУ, 2005. - С.191-192.

83. Ярошек А. Д. Исследование внешних слоев деталей методом вихревых токов / А.Д. Ярошек // «Заводская лаборатория». 1960. - №11.

84. Ярошек А.Д. Токовихревой контроль качества деталей машин / А.Д. Ярошек, Г.С. Быструшкин, Б.М.Павлов. Киев: Наукова думка, 1976. -124 с.

85. Desai M. Acoustic transient analysis using wavelet décomposition. / M. Desai, DJ. Shazeer. // Proceedings of the IEEE conférence of neural networks for océan engineering. 15-17 Aug 1991., Washington D.С. P.29-40.

86. Fausett, L.V. Fundamentals of Neural Networks: Architectures, Algorithms and Applications. / L.V Fausett. Prentice-Hall, 1994, - 461 p.

87. Hedengren Kristina H.V. Гибкая вихретоковая измерительная матрица для детектирования околоповерхностных трещин и проводящей деталью / Патент 5389876 США

88. Holm-Hansen В.Т. Customized Wavelet for Bearing Defect Detection / B.T. Holm-Hansen, R.X. Gao, L. Zhang. // ASME, Journal of Dynamic Systems, Measurement and Control, Dec. 2004, Vol. 126. P.740-745.

89. Komorowski Miercryslaw Преобразователь с вихревыми токами дляисследования металлических плит // Pomiary, autom, kontr., 1985. - № 6. - С. 151- 157, 159.

90. Learned R.E. Wavelet Packet based transient signal classification / R.E. Learned. Massachusetts Institute of Technology, 1992. 93 p.

91. Li С.J. Wavelet decomposition of Vibration for Detection of Bearing Localized Defects / C.J. Li, J. Ma // NDT & E. Int. 1997. Vol.30. P.143-149.

92. Mallat S.G. A theory of multiresolution signal decomposition: The wavelet representation. / S.G. Mallat // IEEE Transactions on Pattern Analysis Machine Intelligence, July 1989. Vol.11, P.674-693.

93. Si Jiatun Расчет вихретоковой дефектоскопии. Анализ механизма возникновения удаленного поля с помощью метода конечных элементов // Wusun Jiance // Non-Destract Test. 1994. - № 7. - C.196-201.

94. Wadhwani S. Wavelet based vibration monitoring for detection of faults in ball bearings of rotating machines / S. Wadhwani, S.P. Gupta, V. Kumar. // IE(I) Journal-EL. Vol. 86, Sep. 2005. P.77-81.