автореферат диссертации по приборостроению, метрологии и информационно-измерительным приборам и системам, 05.11.13, диссертация на тему:Методы и аппаратно-программные средства систем принятия решений при ультразвуковом контроле транспортного металлопроката

{ С Г-----

На правах рукописи

Кособокое Дмитрий Вячеславович

□03481730

МЕТОДЫ И АППАРтаО-ПРОГРАММНЫЕ СРЕДСТВА СИСТЕМ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УЛЬТРАЗВУКОВОМ КОНТРОЛЕ ТРАНСПОРТНОГО МЕТАЛЛОПРОКАТА

Специальность 05.11.13 - Приборы и методы контроля природной среды, веществ, материалов и изделий

АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук

Санкт-Петербург 2009 г.

003481730

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Петербургский государственный университет путей сообщения» (ПГУПС)

Научный руководитель: доктор технических наук, профессор

Дымкин Григорий Яковлевич

Официальные оппоненты: доктор технических наук, професор

Поляков Виталий Евгеньевич

кандидат технических наук, доцент Пашков Валерий Павлович

Ведущая организация: Всероссийский научно-исследовательский институт железнодорожного транспорта (г. Москва)

Защита состоится « 25 » ноября 2009 года в 15-00 часов на заседании диссертационного совета Д 212.233.01 при государственном образовательном учреждении высшего профессионального образования «Санкт-Петербургский государственный университет аэрокосмического приборостроения» по адресу: 190000, Санкт-Петербург, ул. Большая Морская, 67.

С диссертацией можно ознакомиться в библиотеке ГУАП и сайте (http://guap.ru)

Автореферат разослан: « 20.» ОкЫЗрЛ 2009 г.

Ученый секретарь диссертационного совета,

доктор технических наук, профессор Д.К. Шелест

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ И ЕЕ АКТУАЛЬНОСТЬ

Железнодорожный транспорт является основополагающей частью транспортной системы России. Обеспечение безаварийной эксплуатации за счет своевременного обнаружения потенциально опасных дефектов обуславливает большой объем неразрушающего контроля (НК), проводимого на железнодорожном транспорте.

Наибольшему риску возникновения дефектов подвержены элементы верхнего строения пути - рельсы и элементы колесных пар, так как именно на них приходится основная нагрузка при эксплуатации. По данным ОАО «РЖД» в 2008 году подвергнуто НК более 176 тыс. бандажей (отбраковано 592 шт.), проконтролировано более 3,7 млн. км рельсового пути, в котором средствами НК выявлено более 34 тыс. критических дефектов. Основной объем НК выполняется методами ультразвуковой (УЗ) дефектоскопии. С целью повышения достоверности результатов и снижения эксплуатационных расходов на проведение НК при производстве, ремонте и эксплуатации совместно с механизированными внедряются и автоматизированные системы УЗ контроля. С учетом применяемых методик УЗ контроля рельсы и ободья колес (бандажи) по соотношению поперечных размеров к протяженности вдоль траектории сканирования могут быть отнесены к длинномерным изделиям транспортного металлопроката.

Значительный вклад в развитие методологии автоматизированного УЗ контроля в нашей стране внесли такие ученые, как А.К. Гурвич, Н.П. Алешин, В.М. Веревкин, A.A. Марков и ряд других. Следует отметить фундаментальные работы, выполненные отечественными учеными в области обработки сигналов в задачах радио- и гидролокации (A.A. Харкевич, В.И. Тихонов, С.З. Кузьмин, В.А. Зарайский). Также в настоящей работе учтены и получили дальнейшее развитие результаты исследований, выполненных по схожей тематике, в частности, представленные в работах Н.Ю. Сыч, В.Ф. Тарабрина, М.Н. Шилова.

Несмотря на высокую эффективность применения средств НК, полностью исключить отказы в эксплуатации не удается. Ежегодно происходит более ста изломов рельсов, в том числе и по дефектам, пропущенным по вине оператора. Основными причинами пропуска дефектов являются

ошибки, которые допускаются операторами в процессе анализа результатов контроля. Переход к автоматическим системам оценки результатов УЗ контроля также не является идеальным решением, так как либо приводит к значительной перебраковке годных изделий, либо к необходимости проведения повторного ручного контроля отдельных сечений. Все это существенно увеличивает затраты на системы НК.

Эффективность систем автоматизированного и механизированного УЗ контроля может быть существенно повышена благодаря созданию и введению в средства НК систем автоматизированной обработки информации и принятия решений о качестве проконтролированного объекта - в этом и состоит актуальность настоящей работы.

Научная цель работы состоит в разработке аналитических и алгоритмических решений по выделению полезных сигналов с целью повышения информативности результатов УЗ контроля.

Практическая цель работы заключается в повышении эксплуатационной надежности и безопасности движения на железнодорожном транспорте за счет обеспечения достоверности результатов УЗ контроля путем создания и внедрения автоматизированной системы принятия решений с интегрированным модулем распознавания и классификации выявленных дефектов по типам.

Для достижения указанной цели потребовалось решить следующие основные задачи:

1. На основе анализа отечественных и зарубежных средств ультразвукового контроля, а также изучения методов распознавания образов и принятия решений обосновать принципы построения эффективных систем обеспечения принятия решений с интегрированным модулем распознавания типа выявленных дефектов.

2. Исследовать методы одномерной и двумерной обработки сигналов для повышения помехоустойчивости систем НК.

3. Исследовать информативные признаки последовательностей сигналов, регистрируемых современными автоматизированными и механизированными средствами УЗ контроля. Эвристически и алгоритмически сформировать обобщенные характеристики полезных сигналов и сигналов

помех и отобрать наиболее информативные признаки, отвечающие требованиям физической объективности, помехоустойчивости, а также простой расчетной и аппаратурной реализации. Формализовать классы дефектов по их информативным признакам применительно к ответственным деталям железнодорожного пути и подвижного состава - рельсам и бандажам.

4. Обосновать алгоритмы и разработать адаптивную систему распознавания сигналов дефектов на фоне помех при автоматизированном и механизированном УЗ контроле транспортного металлопроката.

5. Реализовать системы обеспечения принятия решения в виде программного приложения на базе персонального компьютера; провести внедрение системы при расшифровке данных УЗ приемочного и эксплуатационного контроля транспортного металлопроката; обеспечить возможность долгосрочного хранения полных протоколов сигналов УЗ контроля.

Научная новизна

1. Принцип построения систем принятия решений при распознавании эхосигналов УЗ контроля, включающий трехэтапную процедуру обработки сигналов: повышение отношения сигнал-помеха; распознавание эхосигналов от дефектов и от конструктивных отражателей; классификация сигналов от дефектов различного типа в соответствии с действующими нормативными документами.

2. Метод повышения отношения сигнал-помеха, основанный на двухпараметровой обработке сигналов. Метод учитывает пространственную корреляцию между сигналами от несплошностей и предназначен для подавления электрических и акустических импульсных помех.

3. Набор информативных признаков, базирующихся на измерении условных размеров дефектов и пространственной формы эхосигналов, необходимых и достаточных для построения алгоритмов классификации эхо-сигналов при УЗ контроле изделий металлопроката.

4. Система распознавания эхосигналов от дефектов различного типа, построенная на основе метода статистического анализа с возможностью ее обучения в процессе эксплуатации по результатам дефектоскопи-рования и экспертных оценок качества объектов с целью повышения достоверности УЗ контроля.

5. Метод снижения избыточности информации сигналов УЗ контроля при длительном хранении протоколов контроля на основе дискретного преобразования Фурье.

Практическая значимость работы. На основании теоретических и экспериментальных результатов диссертационной работы создана инженерная методика для разработки и введения в системы автоматизированного и механизированного УЗ контроля металлопродукции различного назначения систем принятия решений оператором.

Разработаны и внедрены системы принятия решения, обеспечивающие повышение достоверности результатов контроля, что позволило сократить объем вторичного контроля и уменьшить задержку на выдачу решения о годности ОК. Применение таких систем позволило снизить затраты на контроль и одновременно Повысить эксплуатационную надежность и безопасность движения на железнодорожном транспорте.

Внедрение результатов работы. Разработанные в диссертационной работе принципы и алгоритмы распознавания реализованы в программном обеспечении к регистраторам УР-ЗР (на сети железных дорог России используется более 1000 шт.) рельсового дефектоскопа РДМ-2, а также в установке ультразвукового контроля железнодорожных бандажей УКБ-1Д, действующей в составе линии приемочного контроля Колесобандажного цеха Нижнетагильского металлургического комбината.

Материалы диссертационной работы используются в учебном процессе на кафедре «Методы и приборы неразрушающего контроля» ПГУПС в лекционных занятиях по курсу «Обнаружение и фильтрация сигналов в неразрушающем контроле».

Основные положения, выносимые на защиту:

1. Автоматизированная система принятия решений при УЗ контроле длинномерных объектов, включающая трехэтапную процедуру обработки эхосигналов: повышение отношения сигнал-помеха; распознавание эхо-сигналов от дефектов и от конструктивных отражателей; классификация сигналов от дефектов различного типа.

2. Метод двухпараметровой фильтрации эхосигналов как эффективный способ подавления импульсных электрических и акустических помех при автоматизированном УЗ контроле изделий металлопроката.

3. Методика построения алгоритмов классификации эхосигналов от дефектов различного типа при УЗ контроле изделий металлопроката на базе измеряемых условных размеров дефектов и предложенной в работе пространственной формы эхосигнала.

4. Система обеспечения принятия решений оператором при УЗ контроле длинномерных изделий металлопроката.

5. Алгоритм уменьшения избыточности информации в сигналах УЗ контроля, построенный на основе дискретного преобразования Фурье.

Апробация работы. Основные результаты диссертационной работы докладывались, обсуждались и получили положительную оценку на:

• 43-й Всероссийской научно-практической конференции «Современные технологии - железнодорожному транспорту и промышленности», г. Хабаровск, 22-23 октября 2003 г.

• XVII (2000г.) и XIX (2007г.) Петербургских научно-технических конференциях «Ультразвуковая дефектоскопия металлоконструкций»;

• VII Международной конференции «Неразрушающий контроль и техническая диагностика в промышленности», г. Москва, 11-13 марта 2008 г.

• XVIII Всероссийской научно-технической конференции «Неразрушающий контроль и техническая диагностика», г. Нижний Новгород, 29 сентября - 03 октября 2008 г.

Публикации. Основное содержание диссертационной работы опубликовано в 9 печатных работах, включающих 5 статей в сборниках научных трудов и журналах, в том числе 1 статья в издании из списка ВАК, 4 публикации в сборниках конференций.

Структура работы. Диссертационная работа состоит из введения, пяти разделов, общих выводов, списка литературы, включающего 105 наименований. Объем работы составляет 154 страницы основного текста, 75 рисунков и 25 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность работы, сформулированы цели и задачи исследований. Дается общая характеристика диссертационной работы, приведены признаки научной новизны и основные положения, выносимые на защиту.

В первом разделе выполнен анализ алгоритмов, средств и опыта применения систем автоматизированной обработки сигналов от дефектов при ультразвуковом контроле объектов железнодорожного транспорта. Изучены созданные в России и за рубежом автоматизированные установки приемочного и эксплуатационного контроля. Применение таких установок позволяет существенно повысить производительность, а также получить протокол контроля, подтверждающий соответствие характеристик изделия требованиям конструкторской документации. Показано, что дальнейшее совершенствование средств НК возможно за счет автоматизации принятия решения - минимизации степени влияния на решение о годности ОК субъективных факторов оператора. В большинстве установок НК реализован автоматический режим работы, в котором решение о годности изделия принимается без участия человека-оператора. Опыт эксплуатации установок УЗ контроля в таком режиме показал, что исключение человека из процесса принятия решения, при условии обеспечения гарантии непропуска дефекта, приводит к значительному увеличению процента перебраковки годных изделий. Причиной перебраковки является недостаточное совершенство применяемых алгоритмов обработки сигналов, в том числе и низкая информативность используемых признаков при классификации сигналов УЗ контроля. В рамках данной работы термином «сигнал» обозначается любой электрический импульс на входе приемного тракта, имеющий как электрическую, так и акустическую природу возникновения. «Полезный» сигнал отличается от «помехи» тем, что содержит информацию о свойствах отражателя.

Из изложенного следует, что практическая актуальность работы обусловлена необходимостью и возможностью повышения достоверности результатов ультразвукового контроля за счет наиболее полного использования информации о сигналах контроля. Эффективное объединение досто-

инств человека и машины, при взаимной компенсации их недостатков, реализуется в автоматизированных системах поддержки принятия решений (АСППР) оператором, построенных на основе алгоритмов распознавания.

Анализ отечественных и зарубежных источников показал, что не существует унифицированных АСППР, применение которых позволило бы комплексу «дефектоскоп-оператор» решить задачу распознавания сигналов при УЗ контроле любых изделий по любой методике. Это обуславливает актуальность создания специализированной системы распознавания сигналов как составной части АСППР при УЗ контроле изделий металлопроката.

Разрабатываемая система распознавания должна учитывать следующие особенности: измеряемые характеристики сигналов УЗ контроля не являются детерминированными и различаются по степени информативности; классификация дефектов по типам выполняется в условиях ограниченного времени на принятие решения.

На основе обзора работ в области распознавания установлено, что в наибольшей степени указанным требованиям удовлетворяет классификатор, построенный на основе последовательного критерия отношения вероятностей измеряемых характеристик сигналов УЗ контроля.

Во втором разделе решается задача повышения помехозащищенности при различных условиях эксплуатации аппаратуры УЗ контроля и скоростей сканирования.

Проанализирован состав и выполнена оценка параметров акустических и электрических помех, возникающих в процессе проведения эксплуатационного контроля рельсов (передвижная аппаратура) и приемочного контроля бандажей (стационарные установки).

Как правило, дефектоскоп является узкополосной системой - полоса пропускания не превышает нескольких МГц. Подача на вход такой системы широкополосного сигнала вызовет отклик на выходе в виде сигнала, который по своим частотным характеристикам повторяет характеристику усилительного тракта. В таком случае спектр помехи приобретает определенную «окраску», что делает его «похожим» на спектр полезного сигнала.

Во временной области такой радиосигнал практически нельзя отличить от полезного эхосигнала.

Возможными способами борьбы с электрическими помехами является применение защитного экранирования и частотной селекции входного сигнала, однако, в обоих случаях удается подавить электрическую помеху только до определенного уровня. Реализация известных алгоритмов обработки на основе вейвлет-преобразования и схожего с ними способа разложения входного сигнала на эмпирические моды также не дает значительного увеличения отношения сигнал-помеха. Это обусловило необходимость разработки принципов селекции сигналов помех, учитывающих длительность и корреляцию сигналов между циклами излучения-приема УЗ колебаний.

Известно, что в процессе сканирования сигналы от возможного дефекта обычно поступают в течение некоторого интервала времени - тем самым формируется определенная последовательность сигналов - пакет. Внутри пакета полезные сигналы будут коррелированы друг с другом по изменению амплитуды и времени прихода. В пространственном отображении сигналы будут представлять компактную область, внутри которой распределение интенсивности (амплитуды), изменения задержки и длительности эхосигнала коррелированны между собой. В дальнейшем под «изображением» подразумевается форма представления сигналов УЗ контроля в виде В-развертки (зависимости времени задержки эхосигнала от положения пьезоэлектрического преобразователя (ПЭП)). В представленных ниже примерах используется градация амплитуды в виде оттенков серого цвета: наибольшему значению амплитуды соответствует более темный цвет. По виду кодирования амплитуды изображения разделены на «полутоновые» (известно значение амплитуды) и «бинарные» (известен лишь факт превышения/снижения амплитуды сигнала относительно браковочного уровня).

При пространственной обработке сигналов исследованы линейные (однородные и неоднородные) и нелинейные фильтры. Обобщенные характеристики линейных фильтров приведены в таблице 1.

Название Достоинства Недостатки

Однородный фильтр • простота реализации; • возможность быстрой перестройки параметров фильтра (изменение апертуры); • высокая производительность; • высокая эффективность подавления импульсных помех различной длительности; • близкие результаты для бинарных и полутоновых изображений; • результат фильтрации не требует дополнительной обработки. • искажение формы полезного сигнала; • удаление с изображения полезных сигналов малой протяженности.

Неоднородный фильтр

Частотная фильтрация (ФНЧ) явных не обнаружено • крайне высокая вычислительная сложность.

Положение ПЭП, мм

1,2 - цепочка макровключений; 3 - бандаж; 4 - акустический блок;

5-ПЭП: а=0°,Г=5,0МГц;

6-локально-иммерсионная ванна.

20 «I еО 80 100 120 Положение ПЭП, мм

Рисунок 3 - Фильтрация сигналов УЗ контроля, представленных в виде В-развертки: а - схема сканирования; б - исходное изображение; в - результат обработки медианным фильтром с последующей пороговой

обработкой.

На рисунке 3 показан результат пространственной обработки сигналов УЗ контроля бандажа медианным фильтром.

Направление

Отмеченные на рисунке 3 (б) и (б) области 1,2 соответствуют сигналам от реального дефекта в виде цепочки макровключений. В таблице 2 проведено обобщение результатов сравнения нелинейных фильтров.

Таблица 2 - Характеристики нелинейных фильтров

Название Достоинства Недостатки

Фильтр логического усреднения • простота реализации; • возможность адаптации алгоритма к специфике конфигурации сигналов; • возможность быстрой перестройки апертуры фильтра; • высокая производительность. • удаление с изображения полезных сигналов малой протяженности.

Медианный фильтр • простота реализации; • возможность быстрой перестройки апертуры фильтра; • высокая производительность; • высокая эффективность подавления импульсных помех различной длительности; • близкие результаты для бинарных и полутоновых изображений; • возможность реализации на аппаратном уровне для обработки сигналов в режиме реального времени. • необходимость последующей пороговой обработки.

Фильтр Винера

Для количественной оценки результатов фильтрации использован

критерий минимума среднеквадратического отклонения (СКО):

1 и Мг 2

где Ду- дискретные отсчеты сигналов при отсутствии помех; А'у- дискретные отсчеты сигналов после фильтрации; Ы- количество дискретных отсчетов в одном цикле излучения-приема УЗ колебаний; М-количество циклов излучения-приема УЗ колебаний.

В приведенных ниже расчетах эталонное изображение получено на основании экспертной оценки сигналов УЗ контроля. Результаты расчетов е]в для различных значений апертур фильтров показаны на рисунке 4.

Размер апертуры линейный -и-медиаиный нь-Вжера логическое усреднение |

Рисунок 4 - Оценка качества процедуры фильтрации

Как видно из рисунка 4, наилучший результат подавления помех получен при использовании методов медианной фильтрации и фильтра Винера. Для этих методов параметр е2м при малых значениях апертуры фильтра достигает минимальной величины. При значениях апертуры, превышающих 6 начинает проявляться эффект подавления полезных сигналов малой длительности, что является недопустимым.

В третьем разделе проведено обоснование и разработаны методы расчета информативных характеристик эхосигналов при ультразвуковом контроле металлопроката.

На основании результатов математического моделирования параметров эхосигналов от внутренних дефектов при УЗ контроле было определено, что при разработке априорного алфавита классов распознавания следует использовать следующие группы информативных характеристик (признаков):

1. Группа геометрических характеристик дефекта

Координаты расположения отражающей поверхности: х1 = {хк,х,}, где хк - глубина, мм; х, - координата относительно начальной точки, мм.

И

Условные размеры дефекта хг = {х1,хх,хн), где хь - протяженность, мм; хх - ширина, мм; хи - высота, мм,

2, Группа характеристик нормированной относительно максимального значения огибающей амплитуд эхосигналов 1-го рода

Коэффициент нарастания/спада фронтов огибающей:

N-2

= Е 1-4+2 ~~ 24+1 + АI ■ /=1

Эвристические коэффициенты формы огибающей:

где 4 -значения амплитуды огибающей, //-количество отсчетов амплитуд при заданном шаге перемещения ПЭП.

Пространственная характеристика оценивается в виде значения нормированной относительно максимума двумерной корреляционной функции:

и N

Хц =тах

»=1 у»1_

и N

у=I у=\

где Л-анализируемая запись сигналов; А -оценка математического ожидания А; и- эталонная запись сигналов; С/ - оценка математического ожидания и-, М,Ы- размерность обрабатываемой области.

3. Оценка корреляционной зависимости между временем задержки эхосигнала и положением ПЭП.

Коэффициент регрессии (х7) и коэффициент корреляции (*8):

N N

¡=1

TJ(v^-v)2T(y^- у)2

/=1

/=1

/=1

где V,- положение ПЭП; V- среднее значение у; у, -задержка эхосигнала; у - среднее значение у.

На основании определенных информативных характеристик было составлено априорное описание классов распознавания сигналов. Для системы распознавания при контроле рельсов выделены классы сигналов от конструктивных элементов (торцы рельса, болтовые отверстия, стыки) и от дефектов, в основе которых лежит классификация по НТД/ЦП-1-93. При контроле бандажей выделены следующие классы распознавания: сигналы от дефектов, сигналы помех, сигналы от клейма.

В четвертом разделе разработан общий принцип построения системы поддержки принятия решения при УЗ контроле. Обоснована структура системы распознавания при контроле длинномерных изделий металлопроката, определены информативные характеристики полезных сигналов и сигналов помех, построена автоматизированная система поддержки принятия решения при контроле бандажей и рельсов.

Обобщенная структура АСППР при УЗ контроле приведена на рисунке 5. Первичная информация представляет дискретизированный по времени и амплитуде сигнал на выходе приемного тракта дефектоскопа. В блоке обработки первичной информации выполняется операция предварительной фильтрации и производится расчет информативных признаков групп сигналов, Полученные значения информативных характеристик поступают на основной элемент АСППР - блок принятия решения. В этом блоке на основе априорной информации из базы знаний и заранее описанных правил принимается предварительное решение о принадлежности распознаваемой группы сигналов к определенному классу. Исходная информация, дополненная предварительным решением машины, поступает на подсистему вывода. На основе совокупности полученной информации оператор принимает окончательное решение. В процессе принятия решения оператору также могут быть представлены типовые записи сигналов контроля. Обратная связь базы знаний с решением оператора отражает возможность системы к обучению в процессе эксплуатации. Функции эксперта заключаются в регулировании процесса обучения блока системы распознавания, так как неконтролируемое изменение базы знаний может негативно отразиться на достоверности распознавания.

Рисунок 5 - Структурная схема АСППР

Система обучения состоит из набора процедур оценки параметров информативных признаков. База знаний содержит представительную выборку записей сигналов дефектов с разбиением на классы.

Как было показано в разделе 3, оцениваемые информативные характеристики сигналов являются случайными. В связи с этим, разработка машинного алгоритма распознавания выполнена на основе процедуры последовательного расчета коэффициента правдоподобия:

Г £ Ъ

ты

где п-шаг классификации; Ь - количество классов распознавания; - функция плотности распределения признака х].

В процессе выполнения алгоритма классификации используются два останавливающих порога А и В. Если на п -м шаге В <Лп< А, то процесс вычисления продолжается и на следующем шаге используется хп+1 признак. Значения А и В связаны с вероятностями ошибок следующими отношениями:

где: евы- вероятность перебраковки; - вероятность недобраковки.

Поскольку необходимым условием для реализации предложенных алгоритмов является знание плотностей распределения вероятностей /(х) для каждого класса распознаваемых объектов и, учитывая, что количество исходной априорной информации недостаточно для непосредственного определения функции /(х), исследована возможность нахождения такой функции на основе ограниченного объема обучающей выборки. Экспериментально установлено, что вид плотности распределения не является одномодальным и не подчиняется нормальному закону распределения. Алгоритм определения /¡(х) был реализован на основе непараметрического метода оценки парзеновского типа.

Ранжирование признаков по информативности позволяет получить окончательное решение быстрее, чем для неупорядоченной последовательности признаков. Упорядочивание признаков выполнено на основании анализа гистограмм распределения и рассчитанных значений оценок математического ожидания тх и доверительной границы св. В качестве метрики, позволяющей оценить разделяющие свойства признаков х ,хи классов , использована безразмерная величина:

где 5] принимает значения 0 или 1 и позволяет исключать признаки из рассмотрения, К - размерность вектора признаков.

и л =

(1)

Расчет, выполненный на основании (1) для стыкового пути, показал, что наибольшим разделяющим свойством при распознавании сигналов от конструктивных элементов при контроле рельсов обладают группы информативных признаков в последовательностях, указанных в таблице 4.

Надежность работы АСППР в реальных условиях зависит от многих факторов, в том числе и имеющих случайный характер. В качестве показателей, характеризующих надежность модуля распознавания в составе АСППР, выбраны вероятности правильных и ошибочных решений.

На основании полученных обучающих выборок было проведено экспериментальное исследование достоверности результатов работы модуля распознавания конструктивных элементов (таблица 4) по данным УЗ контроля рельсов на один километр пути.

Таблица 4 - Результаты классификации сигналов от конструктивных элементов рельса

Зона контроля Тип конструктива Признаки Вероятность

Ро Р?

Зона головки Торец хх, х7, х8, х3, х4, х5, х6 0,93 0,09 0,91

Зона шейки Болтовые отверстия хх, х8, х3, х4, х5, х6, х7 0,94 0,07 0,93

Зона подошвы Торец , х7, хх, х3, , х5, х6 0,82 0,11 0,89

В таблице применены следующие обозначения: Р0 - вероятность правильного обнаружения полезных сигналов; Р^ -вероятность правильного необнаружения (обнаружены сигналы помех); Рр -вероятность перебраковки, когда сигнал помехи принимается за полезный сигнал.

В качестве признаков для проведения классификации при контроле бандажей эмпирическим путем были выбраны х3, х4, х5, х6, х7, х8. Признаки х,, х2 используются для оценки глубины расположения и условных размеров дефекта. Наибольшим разделяющим свойством сигналов при контроле бандажей обладает группа информативных характеристик в последовательности: х6, х4, х3, х7, х8, х5.

При контроле бандажей получены следующие значения вероятностей при распознавании сигналов от дефектов: Р0 = 0,94; Рг =0,04;

16

=0,96. Значения останавливающих порогов во всех случаях были приняты как: А = 4,6; В = 0,1; уровень значимости eNS = 0,08 и eSN = 0,2.

В пятом разделе приведены результаты практического применения систем АСППР, разработанных автором. Обоснованные в диссертационной работе принципы и алгоритмы распознавания сигналов были реализованы в установке приемочного контроля бандажей УКБ-1Д на Нижнетагильском металлургическом комбинате. Структурная схема аппаратно-программного комплекса состоит из дефектоскопа и автоматизированного рабочего места дефектоскописта (АРМ УЗК), выполненных на базе двух промышленных ПЭВМ.

Трехэтапная процедура обработки реализована следующим образом: сбор и предварительная фильтрация сигналов выполняется на дефектоскопе. Сформированный протокол контроля передается на АРМ УЗК, где в автоматическом режиме на основе определенных правил и информации из баз знаний реализуются второй и третий этапы классификации сигналов. Результат машинной обработки совместно с сигналами контроля предоставляются оператору, который и принимает окончательное решение о годности бандажа. Принятое решение автоматически отправляется в АСУ линии, где формируется общий протокол результатов контроля.

За период опытной эксплуатации системы было проконтролировано более 100 000 бандажей. При этом в автоматическом режиме выявлено более 100 дефектных бандажей. Часть забракованных по результатам УЗ контроля бандажей была отправлена на ручной контроль, который подтвердил наличие дефектов.

При реализации системы обработки сигналов в программном обеспечении регистратора УР-ЗР дефектоскопов РДМ2 для механизированного контроля рельсов удалось от 2 до 4 раз повысить производительность расшифровки сигналов контроля.

Кроме того, была решена задача долгосрочного хранения результатов контроля за счет разработки специализированного алгоритма сжатия и восстановления сигналов. В основу алгоритма был положен математический аппарат разложения в дискретный ряд огибающей амплитуд сигналов

17

и дальнейшее хранение только коэффициентов разложения. Экспериментально подтверждена эффективность применения дискретного преобразования Фурье в алгоритме сжатия сигналов УЗ контроля.

Установлено, что несмотря на большую вычислительную сложность алгоритм на основе ДПФ позволяет получить коэффициент сжатия протокола не менее 50-70, тогда как более простой алгоритм на основе вейвлет-преобразования лишь порядка 20-30. Реализация данного алгоритма в системе обработки сигналов установки УКБ-1Д позволила обеспечить долгосрочное хранение для каждого бандажа полной информации о сигналах, полученных в процессе УЗ контроля.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ РАБОТЫ

1. На основании проведенного анализа общих закономерностей формирования огибающей сигнала на выходе первичных преобразователей, используемых в средствах НК изделий металлопроката, и экспериментальных исследований вероятностных характеристик огибающей эхо-сигналов установлено, что динамика изменения огибающей в момент начала или окончания озвучивания дефекта определяется скоростью сканирования, частотой следования зондирующих импульсов, размерами приемно-излучающей системы и она в 3-4 раза ниже, чем скорость изменения огибающих, вызванных помехами различного вида.

2. Для повышения помехозащищенности многоканальных автоматизированных систем УЗ контроля металлопроката обоснована эффективность применения метода двумерной медианной фильтрации. Количественная оценка качества процедуры фильтрации сигналов УЗ контроля подтвердила целесообразность использования данного алгоритма на стадии предварительной обработки сигналов.

3. Создана система распознавания, в которой на основании аналитического моделирования огибающей эхосигналов предложена система информативных признаков, включающих: условные геометрические размеры, характеристики огибающей (скорость изменения, пространственная огибающая), оценку корреляционной зависимости между временем задержки прихода эхосигнала и положения ПЭП. Показано, что исполь-

зование подобной системы признаков позволяет решать задачу автоматизации процесса принятия решения о годности проконтролированного объекта.

4. Разработана общая структура АСППР при автоматизированном ультразвуковом контроле. Проведено обоснование требований к системе распознавания как части АСППР. Предложена трехэтапная система распознавания сигналов НК. В основе алгоритма распознавания применен последовательный критерий отношения вероятностей. На основе функций плотностей распределения вероятностей получено описание информативных характеристик сигналов от дефектов и сигналов помех.

5. Проведена экспериментальная оценка достоверности предложенных алгоритмов распознавания. При классификации сигналов контроля бандажей вероятность правильного обнаружения находится в диапазоне от 0,8 до 0,94.

6. Предложена общая функциональная и структурная схема программного обеспечения для реализации автоматизированной системы поддержки принятия решения при дефектоскопии длинномерных изделий транспортного металлопроката.

7. На основе дискретных преобразований разработан проблемно-ориентированный метод снижения избыточности информации в сигналах УЗ контроля. Реализация данного метода позволяет получить коэффициент сжатия порядка 20 - 70.

8. При участии автора разработана и введена на Нижнетагильском металлургическом комбинате в эксплуатацию автоматизированная система обработки сигналов УЗ контроля установки приемочного НК бандажей УКБ-1Д. Экономический эффект от внедрения составил 1,86 млн. рублей в год. Также разработанные в диссертационной работе алгоритмы обработки и классификации сигналов дефектов внедрены на сети железных дорог при эксплуатационном контроле рельсов в пути в программном обеспечении серийного регистратора УР-ЗР к дефектоскопу РДМ-2. Использование системы позволяет сократить в два и более раза объем вторичного контроля без снижения достоверности результатов.

СПИСОК ПУБЛИКАЦИЙ ПО ТЕМЕ ДИССЕРТАЦИОННОЙ РАБОТЫ

1. Кособокое, Д.В. Линейные и нелинейные методы двумерной обработки сигналов при автоматизированном ультразвуковом контроле /Д.В. Кособоков, Г.Я. Дымкин//Дефектоскопия. 2008. №1. С. 32-42.

2. Кособоков, Д.В. Применение нейронных сетей Хемминга для распознавания сигналов ультразвукового контроля / Д.В. Кособоков // Железнодорожный транспорт: проблемы и решения / ПГУПС. 2004. Вып. 7. С. 67-70.

3. Кособоков, Д.В. Детерминированный метод предварительной обработки сигналов ультразвукового контроля / Д.В. Кособоков // Проблемы машиноведения и машиностроения: Мезвуз. сб. / СЗТУ. 2003. Вып. 30. С.198-203.

4. Кособоков, Д.В. Применение регрессионного анализа сигналов при эхо-импульсном методе контроля / Д.В. Кособоков // Проблемы машиноведения и машиностроения: Мезвуз. сб. / СЗТУ. 2003. Вып. 30. С. 195-198.

5. Кособоков, Д.В. Способы обнаружения огибающих эхосигналов на фоне помех при ультразвуковом контроле рельсов в пути / Д.В. Кособоков // Современные технологии - железнодорожному транспорту и промышленности: Труды 43-й Всероссийской научно-практической конференции /ДВГУПС. 2003. Т.2. С. 109-111.

6. Кособоков, Д.В. Применение алгоритма медианной фильтрации в задачах обработки сигналов при автоматизированном ультразвуковом контроле / Д.В. Кособоков // Сборник докладов 19-ой Петербургской конференции «Ультразвуковая дефектоскопия металлоконструкций» / СПб. 2007. С.59-63.

7. Кособоков, Д.В. Автоматизация ультразвукового контроля бандажей на Нижнетагильском металлургическом комбинате / Д.В. Кособоков, Г.Я.'Дымкин, A.B. Шевелев, A.A. Шелухин // Сб. докл. 7-ой международной конференции «Неразрушающий контроль и техническая диагностика в промышленности» / М., 2008.

8. Кособоков, Д.В. Алгоритм сжатия сигналов ультразвукового контроля на основе дискретных преобразований / Д.В. Кособоков, А.Г. Демков // Тезисы докл. XVIII Всероссийской научно-технической конференции «Неразрушающий контроль и техническая диагностика» / НГТУ. 2008. С. 156-157.

9. Кособоков, Д.В. Автоматизированный приемочный ультразвуковой контроль бандажей на Нижнетагильском металлургическом комбинате / Д.В. Кособоков, ГЛ. Дымкин, A.B. Шевелев и др. // «В мире НК». 2009. №1(43). С.72-75.

Подписано к печати а. {о.од г. Печ.л. - 1,5

Печать - ризография. Бумага для множит, апп. Формат 60x84 1/16 Тираж 100 экз. Заказ № Ь&Я".

Тип. ПГУПС

190031, С-Петербург, Московский пр. 9

ВВЕДЕНИЕ.

1. АНАЛИЗ АЛГОРИТМОВ И СРЕДСТВ АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ СИГНАЛОВ ПРИ УЛЬТРАЗВУКОВОМ КОНТРОЛЕ.

1.1 Особенности конструкции и дефектность элементов пути и деталей подвижного состава.

1.2 Методы и автоматизированные средства ультразвукового контроля объектов железнодорожного транспорта.

1.2.1 Методики ультразвукового контроля.

1.2.2 Средства автоматизированного ультразвукового контроля.

1.3 Методы и общие алгоритмы распознавания образов.

1.3.1 Обзор методов распознавания.

1.3.2 Основные задачи построения систем распознавания.

1.4 Анализ опыта реализации систем распознавания в области неразрушающего контроля.

1.5 Постановка задач исследований.

2. МЕТОДЫ ПОВЫШЕНИЯ ПОМЕХОЗАЩИЩЕННОСТИ ПРИ УЛЬТРАЗВУКОВОМ КОНТРОЛЕ ТРАНСПОРТНОГО МЕТАЛЛОПРОКАТА.

2.1 Исследование и математическое описание сигналов помех.

2.2 Выбор методов предварительной фильтрации сигналов помех.

2.3 Исследование методов линейной фильтрации.

2.4 Исследование методов нелинейной фильтрации.

2.5 Обоснование рациональных процедур фильтрации.

Железные дороги России являются ведущим видом транспорта страны, выполняющим свыше 80% грузооборота и около 40% пассажирооборота транспорта общего пользования. Железные дороги играют решающую роль в выполнении перевозок важнейших грузов, обеспечивающих бесперебойное функционирование промышленного комплекса страны [1]. Несмотря на постоянное развитие альтернативных видов транспорта, перевозки по железной дороге занимают лидирующее место - около 84% от общего грузооборота приходится именно на железнодорожный транспорт.

Главные показатели эксплуатации дорог, от которых в наибольшей степени зависит выход рельсов по дефектам, является число тонн груза брутто, перевезенного по рельсам, нагрузка на ось подвижного состава, скорость движения поездов.

С увеличением объема перевозок растет силовое воздействие на путь, усложняются условия его эксплуатации. В таких случаях в элементах верхнего строения пути и ответственных деталях подвижного состава (элементах колесных пар, буксовых узлах и т.п.) возникают дефекты усталостного происхождения, предпосылкой развития которых часто являются дефекты металлургического происхождения.

Необходимость обеспечения безопасности движения за счет своевременного обнаружения дефектов обуславливает большой объем проводимого нераз-рушающего контроля (НК) при производстве, эксплуатации и ремонте ответственных элементов пути и подвижного состава. Так, за 2008г. по данным, предоставленным Департаментом пути и сооружений ОАО «РЖД» проконтролировано 3,7 млн км пути, при этом всеми средствами НК выявлено более 34 тыс. критических дефектов.

Ведущую роль в системах НК объектов пути и подвижного состава ж.д. транспорта играют акустические (ультразвуковые) методы, обеспечивающие обнаружение внутренних и поверхностных дефектов на ранней стадии их развития.

Одним из главных направлений развития средств ультразвукового (УЗ) контроля является повышение достоверности обнаружения дефектов и вследствие этого технической эффективности средств НК за счет совершенствования схем прозвучивания, слежения за качеством акустического контакта, предварительной обработки сигналов с целью уменьшения влияния помех, внедрением систем автоматического распознавания типов дефектов.

Актуальность создания высокопроизводительной системы в любой области НК может быть объяснена стремлением к уменьшению времени на операцию контроля, снижению затрат, связанных с НК изделия. Помимо областей машиностроения, где НК является одним из звеньев технологического процесса, существуют области, в которых проведение НК является единственно доступным средством обеспечения должного уровня безопасности состояния технических объектов.

С целью повышения надежности обнаружения дефектов разработчики аппаратуры НК идут по пути усложнения схем прозвучивания. Такая избыточность увеличивает надежность обнаружения, так как дефект может быть выявлен сразу несколькими каналами. Но при этом значительно возрастает информационная нагрузка на оператора, так как увеличивается время поиска нужных данных, их опознавание, интерпретация, вследствие чего появляются ошибки при принятии решения. Структура представления информации также оказывает существенное влияние на оперативность и адекватность принимаемых решений оператором по результатам ультразвукового контроля.

Изложенное подтверждает актуальность проблемы обеспечения высокого качества расшифровки дефектограмм. Очевидное решение — автоматизация процесса принятия решения. Пока же единственный способ повышения объективности заключений — принятие окончательного решения по результатам независимой оценки несколькими операторами.

Создание системы, которая бы выполняла функции распознавания различных объектов, во многих случаях открывает возможность дополнения человека как элемента сложной системы специализированным автоматом. Такое дополнение позволяет значительно расширить возможности различных систем, выполняющих сложные информационно-логические задачи. Заметим здесь, что качество работ, выполняемых человеком на любом рабочем месте, зависит от квалификации, опыта, добросовестности, психофизического состояния. В то же время автомат действует однообразно и обеспечивает всегда одинаковое качество, если он исправен [2].

Процесс принятия решения в реальных ситуациях требует выполнения ряда операций, одни из которых более эффективно выполняет человек, а другие — машина. Эффективное объединение их достоинств, при одновременной компенсации недостатков и воплощается в автоматизированных системах поддержки принятия решений [3].

Человек лучше чем машина принимает решения в условиях неопределенности, но и ему для принятия верного решения необходима адекватная (полная и достоверная) информация, характеризующая предметную область [4]. Однако известно, что человек плохо справляется с большими объемами необработанной информации. Поэтому роль машины в поддержке принятия решений может заключаться в том, чтобы осуществить предварительную подготовку информации, а также в том, чтобы представить всю эту информацию в наглядном и удобном для принятия решения виде.

Автоматизированные системы поддержки принятия решений (АСППР) компенсируют слабые стороны человека, освобождая его от рутинной предварительной обработки информации, и обеспечивают ему комфортную информационную среду, в которой он может лучше проявить свои сильные стороны. Отметим, что эти системы ориентированы не на автоматизацию функций лица, принимающего решения, (и, как следствие, отчуждение от него этих функций, а значит и ответственности за принятые решения, что часто вообще является неприемлемым), а на предоставлении ему помощи в поиске хорошего решения [57].

Внедрение АСППР позволит повысить достоверность результатов ультразвукового контроля за счет:

1. Наиболее полного использования информации о сигналах контроля для принятия решения о состоянии объекта. Вследствие этого уменьшится число отметок, выдаваемых на вторичный контроль.

2. Сокращения ручного труда при расшифровке и вторичном контроле, что ведет к повышению производительности труда.

• Именно интегрированная система распознавания позволит повысить общую производительность и надежность системы неразрушающего контроля за счет снижения вероятности пропуска дефекта.

Эффективность систем автоматизированного и механизированного УЗ контроля может быть существенно повышена благодаря созданию и введению в средства НК систем автоматизированной обработки информации и принятия решений о качестве проконтролированного объекта — в этом и состоит актуальность настоящей работы.

Научная цель работы состоит в разработке аналитических и алгоритмических решений по выделению полезных сигналов с целью повышения информативности результатов УЗ контроля.

Практическая цель работы заключается в повышении эксплуатационной надежности и безопасности движения на железнодорожном транспорте за счет обеспечения достоверности результатов УЗ контроля путем создания и внедрения автоматизированной системы принятия решений с интегрированным модулем распознавания и классификации выявленных дефектов по типам.

Таким образом, объектом исследования в данной работе являются автоматизированные системы распознавания образов, а предметом исследования станут вопросы создания и применения автоматизированной системы поддержки принятия решения. Объектом распознавания в данной работе будут выступать сигналы, получаемые в процессе ультразвукового контроля.

Для достижения указанной цели потребовалось решить следующие основные задачи:

1. На основе анализа отечественных и зарубежных средств ультразвукового контроля, а также изучения методов распознавания образов и принятия решений обосновать принципы построения эффективных систем обеспечения принятия решений с интегрированным модулем распознавания типа выявленных дефектов.

2. Исследовать методы одномерной и двумерной обработки сигналов для повышения помехоустойчивости систем НК. i

3. Исследовать информативные признаки последовательностей сигналов, регистрируемых современными автоматизированными и механизированными средствами УЗ контроля. Эвристически и алгоритмически сформировать обобщенные характеристики полезных сигналов и сигналов помех и отобрать наиболее информативные признаки, отвечающие требованиям физической объективности, помехоустойчивости, а также простой расчетной и аппаратурной реализации. Формализовать классы дефектов по их информативным признакам применительно к ответственным деталям железнодорожного пути и подвижного состава - рельсам и бандажам.

4. .Обосновать алгоритмы и разработать адаптивную систему распознавания сигналов дефектов на фоне помех при автоматизированном и механизированном УЗ контроле транспортного металлопроката.

5. Реализовать системы обеспечения принятия решения в виде программного приложения на базе персонального компьютера; провести внедрение системы при расшифровке данных УЗ приемочного и эксплуатационного контроля транспортного металлопроката; обеспечить возможность долгосрочного хранения полных протоколов сигналов УЗ контроля.

Научную новизну работы составляют:

1. Принцип построения систем принятия решений при распознавании эхосигналов УЗ контроля, включающий трехэтапную процедуру обработки сигналов: повышение отношения сигнал-помеха; распознавание эхосигналов от дефектов и от конструктивных отражателей; классификация сигналов от дефектов различного типа в соответствии с действующими нормативными документами.

2. Метод повышения отношения сигнал-помеха, основанный на двухпа-раметровой обработке сигналов. Метод учитывает пространственную корреляцию между сигналами от несплошностей и предназначен для подавления электрических и акустических импульсных помех.

3. Набор информативных признаков, базирующихся на измерении условных размеров дефектов и пространственной формы эхосигналов, необходи9 мых и достаточных для построения алгоритмов классификации эхосигналов при УЗ контроле изделий металлопроката.

4. Система распознавания эхосигналов от дефектов различного типа, построенная на основе метода статистического анализа с возможностью ее обучения в процессе эксплуатации по результатам дефектоскопирования и экспертных оценок качества объектов с целью повышения достоверности УЗ контроля.

5. Метод снижения избыточности информации сигналов УЗ контроля при длительном хранении протоколов контроля на основе дискретного преобразования Фурье.

В первом разделе на основании анализа существующих средства ультразвукового контроля на железнодорожном транспорте, применяемых схем про-звучивания и статистики обнаружения дефектов обоснована целесообразность построения экспертной системы поддержки принятия решения. Проведен обзор существующих методов и алгоритмов распознавания образов, определены задачи, решаемые при построении системы распознавания. Выполнена постановка задачи исследования.

Во втором разделе решается задача повышения помехозащищенности при различных условиях эксплуатации аппаратуры УЗ контроля и скоростей сканирования. Проанализирован состав и выполнена оценка параметров акустических и электрических помех, возникающих в процессе проведения эксплуатационного контроля рельсов (передвижная аппаратура) и приемочного контроля бандажей (стационарные установки). Определен базовый набор процедур фильтрации, обеспечивающих эффективное подавление импульсных помех при эхо-импульсном ультразвуковом контроле.

В третьем разделе на основании аналитического моделирования эхосигналов проведено обоснование и разработаны методы расчета информативных характеристик эхосигналов при ультразвуковом контроле металлопроката, выполнено априорное описание классов распознавания сигналов.

В четвертом разделе разработан общий принцип построения системы поддержки принятия решения при УЗ контроле. Обоснована структура системы распознавания при контроле длинномерных изделий металлопроката, определены численные значения информативных характеристик полезных сигналов и сигналов помех, построена автоматизированная система поддержки принятия решения при контроле бандажей и рельсов.

В пятой главе приведены результаты практического применения системы распознавания, разработанной автором. Внедрение выполнено на базе установки УКБ-1Д, работающей в составе линии выходного контроля бандажей Нижнетагильского металлургического комбината.

На защиту выносятся:

1. Автоматизированная система принятия решений при УЗ контроле длинномерных объектов, включающая трехэтапную процедуру обработки эхо-сигналов: повышение отношения сигнал-помеха; распознавание эхосигналов от дефектов и от конструктивных отражателей; классификация сигналов от дефектов различного типа.

2. Метод двухпараметровой фильтрации эхосигналов как эффективный способ подавления импульсных электрических и акустических помех при автоматизированном УЗ контроле изделий металлопроката.

3. Методика построения алгоритмов классификации эхосигналов от дефектов различного типа при УЗ контроле изделий металлопроката на базе измеряемых условных размеров дефектов и предложенной в работе пространственной формы эхосигнала.

4. Система обеспечения принятия решений оператором при УЗ контроле длинномерных изделий металлопроката.

5. Алгоритм уменьшения избыточности информации в сигналах УЗ контроля, построенный на основе дискретного преобразования Фурье.

Экономический эффект от внедрения автоматизированной системы принятия решений при УЗ контроле длинномерных объектов, по данным Нижнетагильского металлургического комбината, составляет 1,86 млн рублей в год.

Основные результаты выполненной работы могут быть сформулированы следующим образом.

1. На основании проведенного анализа общих закономерностей формирования огибающей сигнала на выходе первичных преобразователей, используемых в средствах НК изделий металлопроката, и экспериментальных исследований вероятностных характеристик огибающей эхосигналов установлено, что динамика изменения сигнала в момент начала и окончания озвучивания дефекта определяется скоростью сканирования, частотой следования зондирующих импульсов, размерами приемно-излучающей системы и она в 3-4 раз ниже, чем скорость изменения огибающих, вызванных помехами различного вида.

2. Для повышения помехозащищенности многоканальных автоматизированных систем УЗ контроля металлопроката обоснована эффективность применения метода двумерной медианной фильтрации. Количественная оценка качества процедуры фильтрации сигналов УЗ контроля подтвердила целесообразность использования данного алгоритма на стадии предварительной обработки сигналов.

3. Создана система распознавания, в которой на основании аналитического моделирования огибающей эхосигналов предложена система информативных признаков, включающих: условные геометрические размеры, характеристики огибающей (скорость изменения, пространственная огибающая), оценку корреляционной зависимости между временем задержки прихода эхосигнала и положения ПЭП. Показано, что использование подобной системы признаков позволяет решать задачу не только обнаружения дефектов, но и их классификацию по типу.

4. Разработана общая структура АСППР при автоматизированном ультразвуковом контроле. Проведено обоснование требований к системе распознавания как части АСППР. Предложена трехэтапная система распознавания сигналов НК. В основе алгоритма распознавания применен последовательный критерий отношения вероятностей. На основе функций плотностей распределения вероятностей получено описание информативных характеристик сигналов от дефектов и сигналов помех.

5. Проведена экспериментальная оценка достоверности предложенных алгоритмов распознавания. При классификации сигналов контроля бандажей вероятность правильного обнаружения находится в диапазоне от 0,8 до 0,94.

6. Предложена общая функциональная и структурная схема программного обеспечения для реализации автоматизированной системы поддержки принятия решения при дефектоскопии длинномерных изделий транспортного металлопроката.

7. На основе дискретных преобразований разработан проблемно-ориентированный метод снижения избыточности информации в сигналах УЗ контроля. Реализация данного метода позволяет получить коэффициент сжатия порядка 20 - 70.

8. При участии и под руководством автора разработана и введена в эксплуатацию автоматизированная система обработки сигналов приемочного НК бандажей на Нижнетагильском металлургическом комбинате. За время промышленной эксплуатации установкой УКБ-1Д, действующей в круглосуточном режиме, проверено более 100 000 бандажей. Многократно увеличилась производительность контроля по сравнению с ручным УЗ контролем. Практически исключена возможность пропуска дефектов за счет влияния человеческого фактора (невнимательность, несоблюдение параметров контроля), обеспечено полное протоколирование и хранение информации о параметрах и сигналах контроля в соответствии с требованиями действующих норм. Также разработанные в диссертационной работе алгоритмы обработки и классификации сигналов дефектов внедрены на сети железных дорог при эксплуатационном контроле рельсов в пути в программном обеспечении к серийному регистратору УР-ЗР дефектоскопа РДМ-2. Использование системы позволяет сократить в два и более раза объем вторичного контроля без снижения достоверности результатов.

Экономический эффект от внедрения автоматизированной системы обработки сигналов при ультразвуковом контроле бандажей на установке УКБ-1Д, по данным Нижнетагильского металлургического комбината, составляет 1,86 млн рублей в год.

1. Стратегия развития железнодорожного транспорта в Росской Федерации до 2030 года: утв. распоряжением Правительства Рос. Федерации от 17.06.2008 № 877-р.

2. Белозерский, Л. А. Основы построения системы распознавания образов: учеб. пособие / Л.А. Белозерский. Донецк: ДонГИИИ, 1998.

3. Макаров, И.М. Теория выбора и принятия решений / И.М. Макаров. М.:НаукаД987. 350 с.

4. Куропаткин, П.В. Оптимальные и адаптивные системы / П.В. Куропаткин. М.: Высшая школа, 1980. — 270 с.

5. Борисов, А.Н. Методы интерактивной оценки решений / А.Н. Борисов, А.С. Левченков. Рига: Зинатне, 1982. — 250 с.

6. Беллман, Р. Принятие решений в расплывчатых условиях / Р. Беллман,

7. Л. Задэ; в кн. "Вопросы анализа и процедуры принятия решений". М.: Мир, 1976. С. 172-215.

8. Орловский, С.А. Проблемы принятия решений при расплывчатой информации / С.А. Орловский. М.:Наука, 1981. 370 с.

9. Ильин, В.А. Дефектоскопия деталей подвижного состава железных дорог и метрополитенов / В.А. Ильин, Г.И. Кожевников, Ф.В. Левыкин, Ю.Н.Штремер; Под ред. В.А. Ильина. М.: Транспорт, 1983. — 315 с.

10. Неразрушающий контроль рельсов при их эксплуатации и ремонте / А.К. Гурвич, Б.П. Довнар, В.Б. Козлов и др; под ред. канд. техн. наук А.К. Гурвича. М.: Транспорт, 1983. — 318 с.

11. Ю.Марков, А.А. Ультразвуковая дефектоскопия рельсов / А.А.Марков,

12. Д.А.Шпагин. СПб.: «Образование Культура», 1999.230 с. И.Кретов, Е.Ф. Ультразвуковая дефектоскопия в машиностроении /

13. Е.Ф.Кретов. СПб.: «Радиоавионика», 1995. 335 с. 12.Гурвич, А.К. Зеркально-теневой метод ультразвуковой дефектоскопии / А.К.Гурвич. М.: Машиностроение, 1976. — 35 с.

14. Гурвич, А.К. Схемы прозвучивания и эффективность средств сплошного контроля рельсов / А.К. Гурвич, А.В. Давыдкин // В мире неразрушагощего контроля. 2003. №3(21). С.71-73.

15. Wbstenberg, Н. Scanning Modes at the Application of Ultrasonic Phased Array Inspection Systems / H. Wbstenberg, A. Erhard, G. Schenk // NDT.NET, 2001. Vol 6.

16. Otto, A.B. Handbook automated ultrasonic testing systems / A.B. Otto. Auflage, Berlin, 2006. 110 p.

17. Jeffrey, B. D. Assessment of Rail Flaw Inspection Data / B.D. Jeffrey, M.L.Peterson. Colorado State University Fort Collins, Colorado, 1999.

18. The specification for ultrasonic rail inspection car / Tokimec Rail Techno Inc (Japan), 2003.21 .Aharoni, R. A Novel high-speed rail inspection system /R. Aharoni, Eli Glikman, G. Krug. //NDT.NET, 2002. Vol 7.

19. Krull, R. Eddycurrent Detection of Head Checks on the Gauge Corners of Rails: Recent Results / R. Krull, H. Hintze, M. Luke M. Thomas, R. Pohl // NDT.NET, 2006. Vol 7.

20. Hansen, W. Ultrasonic testing of railway axles with phased array technique / W.Hansen, H. Hintze // NDT.NET, 2002. Vol 7.

21. Wbstenberg, H. Recent Advances in Ultrasonic Inspection of Railway -Axles and Wheels / H. Wbstenberg, A. Erhard, N. Bertus, T. Hauser // NDT.NET, 2001. Vol 6.

22. Система автоматизированного контроля колес AURA Электронный ресурс. http://www.bip-i.com/Whel 1 .htmffdest 1 - Загл. с домашней страницы Интернета.

23. Цьмкии, Я.З. Основы информационной теории идентификации / Я.З.Цыпкин. М.: Наука, 1984. 520 с.

24. Ту, Дою. Принципы распознавания образов / Дж. Ту, Р. Гонсалес; пер. с англ. И.Б. Гуревича; под ред. Ю.И. Журавлева. М.: Мир, 1978. 411 с.

25. Фукунага, К. Введение в статистическую теорию распознавания образов / К. Фукунага; пер. с англ. Главная редакция физико-математической литературы. М.: Наука, 1979. 368 с.

26. Кузин, JI.T. Основы кибернетики. (Основы кибернетических моделей) / Кузин Л.Т. М.: Энергия, Т.2. 1979. 584 с.

27. ЪО.Барабаш, Ю.Л. Вопросы статистической теории распознавания /

28. Ю.Л.Барабаш, и др; под ред. Б.В. Барского. М.: Советское радио, 1967. -400 с.

29. Горелик, А.Л. Методы распознавания: учеб. пособие для вузов /

30. A.Л.Горелик, В.А. Скрипкин. М.: Высш. шк., 1977. 223 с.

31. Горелик, A.JI. Современное состояние проблемы распознавания / АЛ.Горелик, И.Б. Гуревич, В.А. Скрипкин; под ред. А.Л. Горелика. М.: Радио и связь, 1985. 162 с.33 .Ким, Дж.-О. Факторный, дискриминантный и кластерный анализ /

32. Дж.-О Ким; пер. с англ. М.: Финансы и статистика, 1989. 215 с. 2>А.Горелик, А.Л. Методы распознавания: учеб. пособие / А.Л. Горелик,

33. B.А. Скрипкин; 2-е изд., перераб. и доп. М.: Высш. шк., 1984. 208 е., ил. 35.Стасеев, В.Г. Разработка принципов автоматической классификации дефектов ультразвуковым спектральным методом / В.Г. Стасеев, И.Н.Ермолов. // Дефектоскопия. 1978, №7. С. 56-67.

34. Ъб.Алкин, И.К. Автоматизация обработки результатов дефектоскопии крупногабаритных изделий из полимерных композитных материалов: автореф. дис. . канд. техн. наук: 16.03.1983 / Апкин ИгорьКемальевич. Л., 1983. 22 с.

35. Шилов, М.И. Методическое, алгоритмическое и программное обеспечение регистрации и анализа дефектограмм при ультразвуковом контроле рельсов: автореф. дис. канд. техн. наук: 20.06.2007 / Шилов Максим Николаевич. СПб., 2007. 22 с.

36. Камардин, В.М. Неразрушающий контроль качества проката из конверторной стали / В.М. Камардин // Сталь. 2008. № 6. С. 49-51.

37. Неразрушающий контроль. В 5 кн. Кн.5: Интроскопия и автоматизация контроля: Практ. пособие/ В.В. Сухорукое, Э.И. Вайнберг, Р.-Й.Ю. Кажис, А.А. Абакумов; Под ред. В.В. Сухорукова. М.: Высш. шк., 1993. - 326 е.: ил.

38. Маркое, А.А. Регистрация и анализ сигналов ультразвукового контроля рельсов. Энциклопедия рельсовой дефектоскопии / А.А. Марков, Д.А.Шпагин; СПб.: «Образование — Культура». 2003. — Т. 3. 148 с.

39. Лончак, В.А. Вероятностные параметры обнаружения дефектов при автоматизированном ультразвуковом контроле рельсов / В.А. Лончак // тез. докл. Научно-технической конференции «Ультразвуковая дефектоскопия сварных конструкций» / Л., 1973. С. 78-81.

40. Акимов, П. С. Обнаружение радиосигналов / П.С. Акимов, Ф.Ф. Евстратов, С.И. Захаров и др.; под ред. А.А. Колосова. М.: Радио и связь, 1989. — 288 с.

41. Денисенко, А.Н. Сигналы. Теоретическая радиотехника. Справочное пособие / А.Н. Денисенко. М.: Горячая линия Телеком, 2005. - 704 е.: ил.

42. Айфичер, Э. Цифровая обработка сигналов: практический подход /

43. Э. Айфичер, Б. Джервис; пер. с англ. 2-е издание. М.: Издательский дом «Вильяме», 2004. 992 с.

44. Добротны, Д.Д. Обработка и анализ случайных сигналов: учеб. пособие / Д.Д. Добротин, С.К. Паврос. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2006. 84 с.

45. Yang, G. Matching pursuit-based adaptive wavelet packet atomic decompression applied in ultrasonic inspection / G. Yang, Q. Zhang, P. Que // Дефектоскопия. 2007. №1. С. 80-87.

46. Yimei, M. Noise suppression and flaw detection of ultrasonic signals using empirical mode decomposition / M. Yimei, P. Que // Дефектоскопия. 2007. №1. С. 78-86.

47. Черницер, B.M. Акустические сигналы и их обработка: учебное пособие / В.М. Черницер. Таганрог: ТРТИ, 1981. 82 с.51 .Розеншелъд А. Распознавание и обработка изображений / А. Розеншельд. М.: Мир, 1972.-232 с.

48. Smith В., Rowe L. Algorithm for manipulating compressed images / B. Smith, L. Rowe // Computer Graphics and applications. September 1993.

49. Александров, B.B. Представление и обработка изображений: рекурсивный подход / В.В. Александров, Н.Д. Горский. JL: Наука, 1985 — 190 с.

50. Ярославский, Л.П. Введение в цифровую обработку изображений / Л.П.Ярославский. М.:Сов. радио, 1969. — 312 с.

51. Горбунов, В.И. О возможном использовании линейно-разностных фильтров в дефектоскопии / В.И. Горбунов, JI.B. Старцева // Дефектоскопия. 2008. №1

52. Старцева, JI.B. Применение линейно-разностного фильтра в дефектоскопии / JI.B. Старцева // Дефектоскопия. 1985. №1

53. Приборы для неразрушающего контроля материалов и изделий. Справочник. В 2-х книгах. Кн.2 / под ред. В.В. Клюева. 2-е изд., перераб. и доп.

54. М.: Машиностроение, 1986. 352 с.

55. Методы компьютерной обработки изображений / под ред. В.А.Сойфера 2-е изд., испр.; М.: ФИЗМАТЛИТ, 2003. - 784 с.

56. Прэтт, У. Цифровая обработка изображений / У. Прет; пер. с англ. М.: Мир, 1982.-Кн.1 312 с.

57. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс; М.: ТЕХНОСФЕРА, 2005. 1072 с.виСуанг, Т.С. Быстрые алгоритмы цифровой обработки изображений /

58. Т.С. Хуанг, Дж.-О. Эклунд, Г. Дж. Нуссбамер и др.; под ред. Т.С. Хуанга; пер. с англ. М.: Радио и связь, 1984. — 224 с.

59. Голубев, А. С. Акустическое поле искателей ультразвуковых дефектоскопов / А.С. Голубев, С.К. Паврос; Л.: Изд-во ЛЭТИ, 1975. 93 с.

60. Ермолов, И.Н. Физические основы эхо- и теневого методов ультразвуковой дефектоскопии / И.Н. Ермолов. М.: Машиностроение, 1969. 108 с.

61. Ермолов, И.Н. Неразрушшощий контроль. В 5 кн. Кн 2. Акустические методы контроля: практ. пособие / И.Н. Ермолов, Н.П. Алешин, А.И. Потапов; под ред. В.В. Сухорукова; М.: Высш. ппс., 1991. 283 с.

62. Гурвич, AiC Ультразвуковой контроль сварных швов / А.К. Гурвич, И.Н.Ермолов. Изд-во «Техшка», 1972. — 460 с.

63. Шторм, Р. Теория вероятностей. Математическая статистика. Статистический контроль качества / Р. Шторм; пер. с нем. М.: Мир, 1970. 368 с.

64. Секерин, А.Б. Комплексное преобразование Радона распределений и аналитических функционалов / А.Б. Секерин, Д.Е. Ломакин // Владикавказский математический журнал. 2005. Т7. Выпуск 3.

65. Гонсалес, Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. М.: ТЕХНОСФЕРА, 2006. 616с.

66. Экспертные системы. Принципы работы и примеры / под ред. Р.Форсайта. М.: Радио и связь, 1987. 350 с.

67. ЪЗ.Стефанюк, В.Л. Некоторые аспекты теории экспертных систем /

68. B.Л.Стефанюк // Известия АН СССР. Техническая кибернетика. 1987. № 2.1. C. 85-91.

69. Знание, 1971.-58 с. 88 .Райфа, Г. Анализ решений. Введение в проблемы выбора в условиях неопределенности / Г. Райфа. М.: Наука, 1977. 120 с.

70. Андреев, Н.И. Теория статистически оптимальных систем управления / Н.И. Андреев. М.: Наука, 1980. 155 с.

71. М.: Мир, 1976.-511 с. 94.Вентцель, Е.С. Теория вероятности и ее инженерные приложения: учеб. пособие для втузов / Е.С. Вентцель, Л.А. Овчаров. 2-е изд., стер. М.: Высш. шк., 2000.-480 с.

72. Кендалл, М. Теория распределений / М. Кендалл, А. Стьюарт; пер. с англ. М.: Наука, 1966.-588 с.

73. Иглин, С.П. Математические расчеты на базе MatLab / С.П. Иглин. СПб.: БХВ-Петербург, 2005. 640 с.

74. Юдин, Д.Б. Математические методы управления в условиях неполной информации / Д.Б. Юдин. М.: Советское радио, 1974. — 120 с.

75. Щербинский, В.Г. Ультразвуковой контроль сварных соединений, — 3-е изд., перераб. и доп. / В.Г. Щербинский, Н.П. Алешин / — М.:Изд-во МГТУ им. Н.Э. Баумана, 2000. 496 е., ил.

76. Цомук, С.Р. Опыт УЗК рельсов в пути с регистрацией результатов устройством УР-ЗР / С.Р. Цомук, И.З. Этинген // В мире неразрушающего контроля. 2003. №4(22).ь

77. Ватолин, Д. С. Тенденции развития алгоритмов архивации графики / Д.С.Ватолин // Открытые системы. № 4, 1995.

78. Ватолин, Д. С. Методы сжатия данных: устройство архиваторов, сжатие изображений и видео / Д.С. Ватолин, А.В. Ратушняк, М.Ю. Смирнов, В.Б.Юкин. М.: Диалог-МИФИ, 2002. 384 с.

79. Новиков, Ю.Н. Электротехника и электроника. Теория цепей и сигналов, методы анализа: учеб. пособие / Ю.Н. Новиков. СПб.: Питер, 2005. 384 с.

80. Яншин, В.В. Анализ и обработка изображений (принципы и алгоритмы) / В.В. Яншин. М.: Машиностроение, 1995. 365 е.: ил.

81. Павлидис, Т. Алгоритмы машинной графики и обработка изображений / Т. Павлидис. М.: Радио и связь, 1986. 400 е.: ил.

82. Яковлев, А.Н. Введение в вейвлет-преобразования: учеб. пособие / А.Н.Яковлев. НГТУ, 2003, 104 с.S

83. Экспериментальное исследование алгоритма цифровой фильтрации приобработке радиосигналов

84. Для снижения влияния уровня помех исследуем возможность применения алгоритмов цифровой фильтрации сигналов УЗ контроля. Достоинством цифровых фильтров (ЦФ) является:

85. Линейная фазовая характеристика.

86. Стабильность параметров обработки сигналов — отсутствует зависимость от свойств окружающей среды, например, от температуры.

87. Простота перестройки передаточной характеристики фильтра.

88. На одном блоке цифрового фильтра можно обрабатывать информацию с нескольких каналов.

89. Значение затухания в полосе подавления может превышать 60 70 дБ.

90. Высокая точность обработки.

91. Имеют линейную фазовую характеристику, следовательно, отсутствуют фазовые искажения выходного сигнала.

92. Нерекурсивная реализация КИХ фильтра обеспечивает им устойчивость работы.

93. Шум округления и ошибки квантования менее существенны для КИХ фильтров.

94. Блок-схема фильтра представлена на рисунке А.1. Соответствующее разностное уравнение записывается в виде:1. К") = 2>(0-*(«-0, (1)j=0где у{п) значение выхода фильтра, h{i) - импульсная характеристика фильтра, х{п) - отсчеты входного сигнала.

95. Рисунок А.1 Блок-схема КИХ фильтра. Определим спецификацию к разрабатываемому ЦФ:

96. Частота дискретизации fs входного сигнала 8 ОМгц.

97. Частота Найквиста: fN = 40 МГц.

98. Тип фильтра — полосовой КИХ-фильтр.

99. Полоса пропускания: нижняя частота среза ^=4,0 МГц, верхняя частота среза fch = 6,0 МГц.

100. Ширина полосы перехода: 0,5 МГц.

101. Полоса подавления^ 3,5 МГц и 6,5 — 40 МГц.

102. Коэффициент затухания А в полосе подавления: 60 дБ.

103. Неравномерность в полосе пропускания: 0,42 дБ.

104. Параметр /5 для весовой функции Кайзера рассчитывается как:

105. Р = 0,1102-(Л-8,^7), при А> 50 дБ. (3)

106. На основании уравнений (2) и (3) получено: N = 145; = 5,6533.

107. Значения полученных коэффициентов фильтра приведены в таблице А. 1.