Диагностика и сварка журнал: Сварка и диагностика — журнал — НПФ Техсервис — Техническое оборудование общепромышленного и нефтепромыслового назначения

Содержание

Публикации

ГлавнаяБиблиотекаПубликации

2022 г.

Публикация «Automatic testing of welds of resistive elements ofswitching equipment of the superconducting magnetic system of the thermonuclearreactor ITER»
Vladimir A. Syasko, German A. Filippov, Pavel V. Solomenchuk

Публикация в журнале «Контроль. Диагностика»
«Фильтрация данных сейсмоакустического контроля сплошностисвай с использованием непрерывного вейвлет-преобразования»
Лозовский И. Н., Сясько В. А., Лосева Е. С. Фильтрация данных сейсмоакустического контроля сплошности свай с использованием непрерывного вейвлет-преобразования // Контроль. Диагностика. 2022. Т. 25, № 9. С. 36 – 45.

Публикация в журнале «Контроль. Диагностика»
«Приёмы повышения достоверности оценки длины свай в составесуществующих сооружений при обследовании сейсмоакустическим методом»
Чуркин А. А., Лосева Е. С., Лозовский И. Н., Сясько В. А. Приемы повышения достоверности оценки длины свай в составе существующих сооружений при обследовании сейсмоакустическим методом // Контроль. Диагностика. 2022. Т. 25, № 10. С. 24 – 33.

Публикация в журнале «Inventions»
Modification of the Leeb Impact Device for Measuring Hardness by the DynamicInstrumented «Indentation Method»
Umanskii, A.; Gogolinskii, K.; Syasko, V.; Golev, A. Modification of the Leeb Impact Device for Measuring Hardness by the Dynamic Instrumented Indentation Method. Inventions 2022, 7, 29.

Публикация «Applied Sciences»
«Assessing the stateof structural foundations in permafrost regions by means of acoustic testing»
Syas’ko V, Shikhov A. Assessing the State of Structural Foundations in Permafrost Regions by Means of Acoustic Testing. Applied Sciences. 2022; 12(5):2364

2021 г.

Публикация в журнале «Inventions«
«Research and Development of Metrological Assurance Elements for Leeb Hardness Measurements»
V.Syasko, A.Nikazov

Публикация в журнале «Сварка и Диагностика» № 6.
«Вихретоковый контроль глубины проплавления торцевых сварных швов стальных пластин резистивных элементов коммутирующей аппаратуры»
Соломенчук П.В., Сясько В.А., Горбунов А.Е. ООО «КОНСТАНТА»; Гурьева Т.М. АО «НИИЭФА им. Д.В. Ефремова»; Филиппов Г.А. Томский политехнический институт. (декабрь 2021г.)

Публикация в журнале «Дефектоскопия«
«Импульсный магнитный контроль толщины металлических покрытий»
В. А. Сясько, А. Ю. Васильев
(сентябрь 2021 г.)

Публикация в журнале «Measurement»
«Impactor velocity measurement system for dynamic hardness testers and calibration machines on Leeb scales»
K. Gogolinskii, V.Syasko, A.Umanskii, T.Kazieva, K.Gubskiy, A.Kuznetsov, R.Gluhov

2020 г.

Публикация в журнале «Research in Nondestructive Evaluation» Metrological Assurance andStandardization of Advanced Tools and Technologies for nondestructive Testingand Condition Monitoring (NDT4.0) Kirill V. Gogolinskiy, Vladimir A. Syasko (02 ноября 2020 г.)
Публикация в сборнике трудов конференции «XXII Всероссийской конференции по неразрушающему контролю и технической диагностике «Трансформация неразрушающего контроля и технической диагностики в эпоху цифровизации. Безопасность общества в меняющемся мире» в серии Journal of Physics: Conference Series «Analysis of the influence of controlled andinterfering parameters during magnetic testing of coating thickness» V.A. Syasko, A.Y. Vasilev, A.E. Ivkin Опубликовано по лицензии IOP Publishing Ltd Физический журнал: серия конференций, том 1636, номер 1
Публикация в сборнике трудов конференции «XXII Всероссийской конференции по неразрушающему контролю и технической диагностике «Трансформация неразрушающего контроля и технической диагностики в эпоху цифровизации. Безопасность общества в меняющемся мире» в серии Journal of Physics: Conference Series «High voltage testing of functional dielectric coatings with thickness from 25 mm and more» V.A. Syasko, A.S. Musikhin Опубликовано по лицензии IOP Publishing Ltd Физический журнал: серия конференций, том 1636, номер 1
«High voltage testing of functional dielectric coatings with thickness from 25 μm and more» To cite this article: V A Syasko and A S Musikhin 2020 J. Phys.: Conf. Ser. 1636 012008
Публикация в журнале «Контроль. Диагностика« «Электроискровой контроль толщины диэлектрических покрытий» В.А. Сясько, С.С. Голубев, А.С. Мусихин (май 2020 г.)
Публикация в сборнике трудов «XXII ВСЕРОССИЙСКОЙ КОНФЕРЕНЦИИ ПО НЕРАЗРУШАЮЩЕМУ КОНТРОЛЮ И ТЕХНИЧЕСКОЙ ДИАГНОСТИКЕ« «Актуальные цели и задачи метрологии и приборостроения в области неразрушающего контроля, технической диагностики и мониторинга состояния, связанные с тенденциями цифровизации промышленности и экономики» Сясько В.А., Гоголинский К.В. (3 – 5 марта 2020 г.,Издательский дом «Спектр» )
Публикация в сборнике трудов «XXII ВСЕРОССИЙСКОЙ КОНФЕРЕНЦИИ ПО НЕРАЗРУШАЮЩЕМУ КОНТРОЛЮ И ТЕХНИЧЕСКОЙ ДИАГНОСТИКЕ» «Контроль электромагнитных свойств металлических покрытий для обеспечения достоверности и повышения точности результатов измерений вихретоковых толщиномеров» Брюховецкая Е. Б., Ивкин А.Е. (3– 5 марта 2020 г.,Издательский дом «Спектр» )
Публикация в сборнике трудов «XXII ВСЕРОССИЙСКОЙ КОНФЕРЕНЦИИ ПО НЕРАЗРУШАЮЩЕМУ КОНТРОЛЮ И ТЕХНИЧЕСКОЙ ДИАГНОСТИКЕ» «Совершенствование магнитоиндукционного метода неразрушающего контроля толщины покрытий» Сясько В. А., Ивкин А. Е., Васильев А. Ю. (3 – 5 марта 2020 г.,Издательский дом «Спектр» )
Публикация в сборнике трудов «XXII ВСЕРОССИЙСКОЙ КОНФЕРЕНЦИИ ПО НЕРАЗРУШАЮЩЕМУ КОНТРОЛЮ И ТЕХНИЧЕСКОЙ ДИАГНОСТИКЕ» «Возможности применения портативных твердомеров для неразрушающего контроля механических свойств покрытий» Аширова А.Д., Гоголинский К.В., Никазов А.А. (3 – 5 марта 2020 г.,Издательский дом «Спектр» )
Публикация в сборнике трудов «XXII ВСЕРОССИЙСКОЙ КОНФЕРЕНЦИИ ПО НЕРАЗРУШАЮЩЕМУ КОНТРОЛЮ И ТЕХНИЧЕСКОЙ ДИАГНОСТИКЕ» «К вопросу метрологического обеспечения измерения твердости функциональных покрытий методом инструментального индентирования» Голубев С. С., Уманский А.С., Кондратьев А.В. (3 – 5 марта 2020 г.,Издательский дом «Спектр» )
Публикация в сборнике трудов «XXII ВСЕРОССИЙСКОЙ КОНФЕРЕНЦИИ ПО НЕРАЗРУШАЮЩЕМУ КОНТРОЛЮ И ТЕХНИЧЕСКОЙ ДИАГНОСТИКЕ» «Неинвазивные методы контроля расхода жидкостей с применением накладных преобразователей с учетом отложений в трубопроводах» Попова П.В. (3 – 5 марта 2020 г.,Издательский дом «Спектр» )

2019 г.

Публикация в журнале «Законодательная и прикладная метрология»
«Современное состояние и проблемы законодательного регулирования, метрологического обеспечения и стандартизации в области неразрушающего контроля»
К.В. Гоголинский, В.А.Сясько
Санкт-Петербургский горный университет (СПГУ), 2019 г.

Публикация в журнале «В Мире НК»
«Метрологическое обеспечение и стандартизация НК в эпоху 4-й промышленной.»
(Том 22, № 1, 2019 г.)

Доклад на Объединенном симпозиуме ТК1-ТК7-ТК13-ТК18 ИМЕКО 2019
(Joint IMEKO TC1-TC7-TC13-TC18 Symposium 2019 July 2-5, 2019, St. Petersburg, Russia
Kirill V. Gogolinskii and Vladimir A. Syasko Actual metrological and legal issues of non-destructive testing

Публикация в журнале «Территория NDT«
«Отчет по заседанию технического комитета по стандартизации ТК 371 «Неразрушающий контроль».»
(апрель — июнь, 2019 г.)

Публикация в журнале «Территория NDT»
Заседание круглого стола «Метрология, стандартизация, цифровизация. Вызовы четвертой промышленной революции. «
(апрель — июнь, 2019 г.)

Публикация в журнале «Insight №8 «, 2019
«Prospects and challenges of the Fourth Industrial Revolution for instrument engineering and metrology in the field of non-destructive testing and condition monitoring»
К.В. Гоголинский, В.А. Сясько
(август 2019 г.)

Публикация в журнале «В мире НК«
«Мониторинг состояния несущих элементов стрел шагающих экскаваторов в процессе эксплуатации»
Д.Ю.Крицкий,В.В. Бардаков, В.А. Сясько
(Т. 22. №3, 2019 г.)

Публикация в журнале «В мире НК«
«Контроль состояния объектов минерально-сырьевого и нефтегазового комплексов с использованием метода рассеяния магнитного потока»
А.Ю. Васильев
(Т. 22. №3, 2019 г.)

Доклад на международной конференции в городе Шанхай (КНР) iNDT&E 2019 (international, intelligent, innovative nondestructive testing and evaluation conference) «Challenges of Industry 4. 0 for instrument engineering and metrology in the field of NDT and CМ»
(октябрь-ноябрь, 2019 г.)

Публикация в сборнике трудов конференции CEQCL-2019 «Измерительная техника и оборудование для контроля качества» в серии Journal of Physics: Conference Series
«Измерение механических свойств с помощью портативных твердомеров: преимущества, ограничения, перспективы»
К.В. Гоголинский, В.А. Сясько, А.С. Уманский, А.А. Никазов и Т.И. Бобкова
Опубликовано по лицензии IOP Publishing Ltd Физический журнал: серия конференций , том 1384 , конференция 1

Публикация в сборнике трудов конференции CEQCL-2019 «Измерительная техника и оборудование для контроля качества» в серии Journal of Physics: Conference Series
«Актуальные метрологические и правовые вопросы неразрушающего контроля»
К.В. Гоголинский и В.А. Сясько
Опубликовано по лицензии IOP Publishing Ltd Физический журнал: серия конференций , том 1379 , номер 1

Публикация в журнале «Дефектоскопия«
«Измерение магнитной проницаемости монолитных кольцевых мер в переменном магнитном поле»
В. А. Сясько, С.С. Голубев, Я.Г. Смородинский, П.В. Соломенчук, Е.Б. Брюховецкая
(август 2019 г.)

Публикация в журнале «Контроль. Диагностика«
«Совершенствование электроискрового метода неразрушающего контроля»
В.А. Сясько, С.С. Голубев, А.С. Мусихин
(декабрь 2019 г.)

Доклад на 58-й ежегодной британской конференции по неразрушающему контролю, Телфорд, 2019.V. A. Syasko, A. S. Musikhin /The high voltages spark testing method for protective and functional dielectric coatings on a conductive substrate. Increasing sensitivity and results reliability / The 58th Annual British Conference on Non-Destructive Telford, UK, 2019
«Метод высоковольтных искровых испытаний защитных и функциональных диэлектрических покрытий на проводящей подложке. Повышение чувствительности и надежности результатов»

2018 г.

Публикация в журнале «Естественные и технические науки»
«Применение метода инструментального индентирования для определения упругих характеристик армирующих компонентов
пространственно-армированных углерод-углеродных материалов.»
(№14, 2018 г.)

Доклад на 48-й международной конференции по неразрушающему контролю «Defektoskopie 2018 NDE for Safety» в Праге

«PRESENT CONTACTLESS METHODS OF FUNCTIONAL COATINGSTHICKNESS MEASUREMENT AND THEIR RELIABILITY PROVISION»
(ноябрь 2018 г.)

Публикация в журнале «В мире гальваники»
«Бесконтактные радиационные методы и средства измерения толщины металлических покрытий (часть 2)»

(№ 3(41) 2018 г. )

Публикация в журнале «Дефектоскопия»
«Измерение электромагнитных параметров мер толщины металлических покрытий»
(2018 г.)

Доклад на конференции британского общества неразрушающего контроля BINDT-2018 в Ноттингеме
«Comprehensive electromagnetic testing of the properties of functional metal coatings, including multilayer, and its metrological assurance in aerospace industry»
(сентябрь 2018 г.)

Доклад на Европейской конференции по неразрушающему контролю ECNDT-2018 в Гётеборге

«Manufacturing and Metrological Certification of Samples of Metal Coatings Properties for Еddy Сurrent Thickness Gauges»

Публикация в журнале «В мире гальваники»
«Бесконтактные радиационные методы и средства измерения толщины металлических покрытий»

(№7. 2018 г.)

Публикация в журнале «В мире НК»
«Неразрушающий контроль и вызовы четвёртой промышленной революции»
(Том 21. №2. 2018 г.)

Публикация в журнале «В мире НК»
«Электроискровой контроль сплошности защитных лакокрасочных покрытий»
(Том 21. №2. 2018 г.)

2017 г.

Публикация в журнале «Территория NTD»
«Реорганизация и работа ТК 371 технического комитета по стандартизации Неразрушающий контроль»
(№4. 2017 г.)

Публикация в журнале «В мире НК»
«Разработка эталона твердости по Либу второго разряда»
(Том 20. №1. 2017 г.)

Публикация в журнале «В мире НК»
«Метрологическое обеспечение бесконтактных методов измерения толщины покрытий»
(Том 20. №1. 2017 г.)

Публикация в журнале «Контроль.Диагностика»
«Косвенная оценка функции формы индентора для контроля физико-механических свойств методом инструментального индентирования»
(№2 (февраль) 2017)

Публикации в сборнике трудов, посвященному XXI всероссийской конференции по неразрушающему контролю и технической диагностике:
«Вихретоковый фазовый метод измерения толщины металлических покрытий, метрологическое обеспечение калибровки и поверки толщиномеров и мер толщины покрытий»
«Измерение механических свойств методом инструментального индентирования. Методические и метрологические аспекты. Оценка функции формы индентора»
«Моделирование и оптимизация параметров магнитной системы MFL-преобразователей»
(28 февраля — 2 марта)

Публикация в журнале «Контроль.Диагностика»
«Методы и средства электромагнитной толщинометрии покрытий металлических изделий»
(№12 (декабрь) 2017)

2016 г.

Публикация в журнале «Записки Горного института»
«Измерение толщины напыляемых никелевых покрытий»

Публикация в журнале «В мире НК»
«Современные ультразвуковые методы измерения остаточной толщины стенок металлических изделий под защитными покрытиями»
(Том 19. №3. 2016 г.)

Cтатья для интернет-журнала http://ipb.mos.ru/ttb/
«Состояние и перспективы развития динамических методов измерения твердости металлов при продлении срока эксплуатации высокотехнологичного оборудования»

Cтатья для интернет-журнала http://ipb.mos.ru/ttb/
«Неразрушающий контроль днищ резервуаров для хранения нефтепродуктов с использованием технологии MFL (Magnetic Flux Leakage)»

Публикация в журнале «Контроль.Диагностика»
«Обеспечение единства измерений твердости динамическим методом в Российской Федерации»
(№12 (декабрь) 2016)

Публикация в журнале «Территория НДТ»
«Обеспечение достоверности измерений толщины металлических покрытий вихретоковым фазовым методом»
(Октябрь — декабрь 2016)

Публикация в журнале «Контроль. Диагностика»
«Анализ погрешности измерений остаточной толщины днищ цилиндрических вертикальных резервуаров по технологии MFL с использованием метода конечных элементов»
(Ноябрь 2016)

Доклад на 55-й ежегодной Британской конференции по неразрушающему контролю
Phase-sensitive eddy current method of metallic coating thickness measurement. On the question of calibration and verification of coating thickness gauges and metallic coating thickness standards.
(Сентябрь 2016)

Публикация в журнале «Контроль. Диагностика»
«Методические и метрологические аспекты измерения механических свойств материалов методом инструментального индентирования»
(№8 (август) 2016)

Публикация в журнале «В мире НК»
«Активный синхронный термодинамический метод измерения толщины диэлектрических покрытий»
(Том 19. №1. 2016 г.)

Доклад на 19-й Всемирной конференции по неразрушающему контролю WCNDT 2016 (г. Мюнхен)
Modeling and optimization of transducers implementing technology magnetic flux leakage (MFL)
(Июнь 2016 г.)

Доклад на 19-й Всемирной конференции по неразрушающему контролю WCNDT 2016 (г. Мюнхен)
Thickness measurement of nickel coatings on walls of nuclear waste storage tanks
(Июнь 2016 г.)

2015 г.

Публикация в журнале «Дефектоскопия» «Оптимизация параметров первичных измерительных преобразователей, реализующих технологию MFL» (2015 г. №8)
Публикация в журнале «Дефектоскопия» «Низкочастотные ультразвуковые широкополосные преобразователи для контроля изделий из крупноструктурных и композиционных материалов. Часть 2. Возбуждение низкочастотных ультразвуковых широкополосных сигналов» (2015 г. №7)
Публикация в журнале «Дефектоскопия» «Низкочастотные ультразвуковые широкополосные преобразователи для контроля изделий из крупноструктурных и композиционных материалов. Часть 1. Полное и частичное вырождение мод колебаний в пьезоэлементах различных геометрических форм» (2015 г. №6)
Публикация в журнале «Дефектоскопия» (на англ.) «Optimization of the parameters of primary measuring transducers that use the MFL technology» (2015 г.)
Публикация в журнале «В мире НК» «Об использовании технологии MFL для выявления коррозионных повреждений обшивки судов» (Том 18. №3. 2015 г.)
Публикация в журнале «В мире НК» «Вихретоковый контроль ступицы дисков ТВД авиационных двигателей» (№1 (67) март 2015 г.)

2014 г.

	Сборник трудов 1-й дистанционной научно-технической конференции НККМ-2014 «Приборы и методы неразрушающего контроля качества изделий и конструкций из композиционных и неоднородных материалов»: «Новые возможности измерения локальных механических характеристик композиционных материалов методом инструментального индентирования» (Санкт-Петербург 25-27 ноября 2014 г. )
	Сборник трудов 1-й дистанционной научно-технической конференции НККМ-2014 «Приборы и методы неразрушающего контроля качества изделий и конструкций из композиционных и неоднородных материалов»: «Вихретоковая дефектоскопия крупногабаритных углепластиковых изделий» (Санкт-Петербург 25-27 ноября 2014 г.)
	Сборник трудов 1-й дистанционной научно-технической конференции НККМ-2014 «Приборы и методы неразрушающего контроля качества изделий и конструкций из композиционных и неоднородных материалов»: «Измерение толщины стенок изделий из углеродных композиционных материалов с использованием вихретокового фазового метода» (Санкт-Петербург 25-27 ноября 2014 г. )
	Сборник научных трудов «Записки Горного Института» на тему: «Современные проблемы машиностроения, материаловедения и приборостроения горного, металлургического и нефтеперерабатывающего производств»: «Вихретоковый контроль конструкций из углепластика» (том 209, 2014 г.)
	Сборник научных трудов «Записки Горного Института» на тему: «Современные проблемы машиностроения, материаловедения и приборостроения горного, металлургического и нефтеперерабатывающего производств»: «Дистанционный контроль трубопроводов с использованием телекоммуникационных технологий» (2014 г.)
	Доклад с 11 Европейской конференции и выставки ECNDT 2014 на тему: «Электромагнитные измерения толщины покрытий. Ситуация и перспективы» «Electromagnetic thickness measurement of coatings. Situation and prospects» (том 209, 2014 г.)
	Публикация в журнале «Дефектоскопия» «Конечно-элементное моделирование преобразователя вихретокового контроля качества паяных соединений обмоток турбогенераторов» (2014 г.)
	Публикация в журнале «В мире НК» «Метрологическое обеспечение динамических методов измерения твердости в Российской Федерации: существующие проблемы и пути их решения» (№1 (63) март 2014 г.)

2013 г.

	Публикация в журнал «Дефектоскопия» «К вопросу о калибровке вихретоковых фазовых преобразователей на примере толщиномеров цинковых покрытий» (№9/2013 г.)
	Публикация в журнал «В мире НК» «О достоверности результатов измерений толщины металлических покрытий магнитными методами в условиях машиностроительных производств» (№4 (62) декабрь 2013 г.)
	Публикация в журнал «В мире НК» «Конференция и выставка Британского института НК» (№4 (62) декабрь 2013 г.)
	Доклад на ежегодной конференции Британского общества по неразрушающему контролю NDT-2013, Telford ‘On the one-point calibration of eddy current phase transducers on example of zinc coating thickness gauges’ (9-12 сентября 2013 г. )
	Публикация в журнал «В мире НК» «Методы и средства контроля механических свойств микро- и нанометровых покрытий и модифицированных приповерхностных слоев» (№3 (61) сентябрь 2013 г.)
	Публикация в журнал «Инженерная практика» «Приборы комплексного контроля качества защитных покрытий труб» (05, 2013 г.)
	Публикация в журнал «ТехНАДЗОР» «Электроискровой контроль сплошности» (Апрель №4 (77) 2013 г.)
	Публикация в журнал «Контроль. Диагностика» «Измерение толщины изделий из углеродных композиционных материалов с использованием вихретокового двухчастотного амплитудно-фазового метода» (Апрель №4 (178) 2013 г.)
	Автореферат к диссертации Ивкина А. Е. на тему: «Вихретоковые методы измерения толщины неферромагнитных электропроводящих покрытий на неферромагнитных электропроводящих основаниях» (Март 2013 г.)
	Автореферат к диссертации Чертова Д. Н. на тему: «Вихретоковые методы комплексного неразрушающего контроля изделий из углеродных композиционных материалов» (Июнь 2013 г.)

2012 г.

	Доклад на 18 международной конференции по неразрушающему контролю (18 WCNT, Durban, South Africa) (Апрель 2012 г. )
	Публикация в журнале «Мир гальваники» «Метрологическое обеспечение вихретоковых толщиномеров гальванических покрытий» (Август 3 (22) 2012 г.)
	Публикация в журнале «Экспозиция. Нефть. Газ» «Вихретоковый контроль резьбы бурового оборудования» (№5 2012 г.)
	Публикация в журнале «Ojournal» «Определение вязкости ЛКМ с помощью вискозиметра» (Июль-Август 2012 г.)
	Публикация в журнале «Ojournal» «Измеряем слой металла» (Май-июнь 2012 г. )
	Публикации в журнале «В мире НК» «Выявление расслоений углепластиковых материалов с использованием тангенциальных вихретоковых преобразователей» «Измерение толщины покрытий из драгоценных металлов с использованием вихретокового вида контроля» (Июнь №2 (56) 2012 г.)
	Публикация в журнале «Машиностроение» «Выявление расслоений и глубины залегания в углепластиковых конструкциях с использованием вихретокового вида НК» (№8 2012 г.)

2011 г.

	Публикация в журнале «Приборостроение» «Геометрически подобные магнитоиндукционные преобразователи толщиномеров защитных покрытий» (№9/2011 г. )
	Публикация в журнале «Промышленная окраска» «Мировые промышленные инновации демонстрируются в Москве» (№06/2011 г.)
	Публикация в журнале ‘Gaznefteprom’ «Контроль сплошности защитных покрытий» (Октябрь 2011 г.)
	Публикация в журнале ‘Ojournal’ «Современные отечественные тощиномеры» (Август-сентябрь 2011 г.)
	Публикация в журнале «Гальванотехника и обработка поверхности» «Методы и приборы измерения толщины гальванических покрытий. Вопросы применения и обеспечения достоверности результатов измерения» (Том XIX №3 2011 г.)
	Публикация в журнале «Мир гальваники» «Методы и средства измерения толщины металлических покрытий» (Февраль 1 (17) 2011 г. )
	Публикация в журнале «Контроль. Диагностика» «Измерение толщины покрытий из оловянных сплавов на изделиях из цветных металлов с использованием вихретокового амплитудно-фазового метода» (Май 5 (155) 2011 г.)
	Публикация в журнале «Дефектоскопия» «Измерение толщины стенок изделий из углеродных композиционных материалов с использованием вихретокового фазового метода» (№8/2011 г.)
	Публикация в приложении к научно-техническому журналу «Измерительная техника» «Обеспечение достоверности результатов измерений толщины металлических покрытий магнитными и вихретоковыми методами в условиях машиностроительных производств» (Февраль №2 2011 г. )
	Публикация в журнале «Мир гальваники» «Методы и средства измерения толщины металлических покрытий» (Июль 5 (17) 2011 г.)

2010 г.

	Публикация в журнале «Контроль. Диагностика» «Подавление влияния мешающих параметров при проектировании магнитоиндукционных толщиномеров защитных покрытий» (№9 2010 г.)
	Публикация в журнале «В мире НК» «Количественная оценка характеристик металлических изделий с использованием вихретоковых методов НК» (Декабрь №4 (50) 2010 г.)
	Публикация в журнале «В мире НК» «Сканирование при вихретоковом контроле» (Сентябрь №3 (49) 2010 г. )
	Публикация в журнале «Мир измерений» «Вихретоковая толщинометрия неферромагнитных металлических покрытий на изделиях из цветных металлов» (№6/2010 г.)
	Публикация в журнале «Дефектоскопия» «Измерение толщины неферромагнитных металлических покрытий на изделиях из цветных металлов с использованием вихретокового частотного метода» (№12)

2009 г.

	Публикация в журнале «Мир гальваники» «Измерение толщины гальванических покрытий на малоразмерных деталях» (Сентябрь 4 (11) 2009 г. )

2003 г.

Публикация в журнале «Вестник технологии судостроения»
«Система приборов неразрушающего операционного контроля для технологических процессов подготовки поверхности, нанесения лакокрасочных материалов и коррозионного состояния металлоконструкций»
(2003 г.)

2000 г.

Публикация в журнале «В мире НК»
«Электромагнитная толщинометрия защитных покрытий металлических изделий»
(Декабрь №4 (10) 2000 г.)

1990 г.

Публикация в журнале «Дефектоскопия»
«Индукционный интегрирующий толщиномер»
(№12)

1989 г.

	Публикации в журнале «Дефектоскопия» «Импульсный вихретоковый толщиномер диэлектрических покрытий» (№4)
	Публикации в журнале «Дефектоскопия» «Автоматизированная система для неразрушающего контроля крупногабаритных неметаллических изделий» (№9)

1988 г.

Публикация в журнале «Дефектоскопия»
«Интегрирующий электромагнитный толщиномер в составе автоматизированной системы контроля»
(№3)

Добро пожаловать на сайт журнала Контроль.

Диагностика

Последние новости, статьи

В Казани пройдет Международный строительный чемпионат
Конференция и выставка NDE 2022 в Индии
Ультразвуковая дефектометрия. 30 лет. Юбилейный сборник трудов ООО «НПЦ «ЭХО+»
Вячеславу Феоктистовичу Безъязычному – 85 лет!
Вышла книга «ГОЛОВНЫЕ ВОЛНЫ В УЛЬТРАЗВУКОВОЙ ДЕФЕКТОСКОПИИ МЕТАЛЛОВ»
Наталье Павловне Муравской – 75 лет!
Цифровизация НК: Национальная экосистема НК
Заседание ОЭС по проблемам применения метода АЭ
Круглый стол «Методы неразрушающего контроля и антитеррористическая техника»
Евгению Геннадиевичу Базулину – 65 лет!
Вячеславу Семеновичу Иванову – 85 лет!
Очередное заседание петербургского научно-практического семинара по НК «Гурвич-клуб»

Добро пожаловать на сайт журнала Контроль. Диагностика

Представляем ежемесячный журнал научно-технический журнал «Контроль. Диагностика»

ISSN 0201-7032. Выходит с 1998 года. Объем 64-88 страниц

DOI: 10.14489/issn.0201-7032

Журнал распространяется по подписке.

Подписные индексы:

29075 — по каталогу «Пресса России»;
П3652 — по электронному каталогу «Почта России»

Журнал публикует научные и методические статьи ведущих ученых России, стран ближнего и дальнего зарубежья, представителей промышленности о методах, приборах и технологиях контроля и технической диагностики, их внедрении, развитии и применении.

Журнал входит в список периодических научных и научно-технических изданий, выпускаемых в РФ, рекомендованных ВАК для публикации результатов диссертационных работ на соискание ученых степеней кандидата и доктора наук.
Журнал входит в национальную информационно-аналитическую систему — Российский индекс научного цитирования (РИНЦ)
Журнал входит в базу данных Russian Science Citation Index (RSCI)
Журнал включен в специализированный референтный библиографический сервис CrossRef
Журнал зарегистрирован в международной базе данных периодических и продолжающихся изданий Ulrich’s Periodicals Directory

В журнале:

Современные диагностические технологии, приборы и методы измерения
Неразрушающий контроль
Приборы и методы контроля природной среды, веществ, материалов и изделий; приборы, системы и изделия медицинского назначения
Методы контроля и диагностика в машиностроении
Диагностика материалов, дефектоскопия
Организация контроля и диагностики
Средства комплексной диагностики
Информационно-измерительные и управляющие системы
Надежность и сертификация методов и приборов контроля
Математическое моделирование
Метрология и метрологическое обеспечение
Интеллектуализация методов и средств контроля
Безопасность промышленных объектов и сложных технических систем
Качество промышленной продукции
Методы оценки остаточного ресурса промышленных объектов по состоянию
Технический контроль на предприятиях
Обзоры зарубежных научных журналов
Обзоры конференций, выставок, семинаров

Соучредители журнала: ООО «Издательский дом «Спектр», Российское общество по неразрушающему контролю и технической диагностике (РОНКТД)
Издатель — ООО «Издательский дом «Спектр»

Адрес редакции журнала: 119048, г. Москва, ул. Усачева, д. 35, стр. 1
Телефоны: (495) 514 76 50; 8 (916) 676 12 38

E-mail: Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра. ; Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра.

На сайте?
Сейчас на сайте находятся: 44 гостей на сайте

Опросы

Advanced Engineering Research

«Advanced Engineering Research» — международный рецензируемый научно-практический журнал — создан в целях информирования читательской аудитории о новейших достижениях и перспективах в области механики, машиностроения, информатики и вычислительной техники. Издание является форумом для сотрудничества российских и иностранных ученых, способствует сближению российского и мирового научно-информационного пространства.

Приоритетно публикуются работы в области теоретической и прикладной механики, машиностроения и машиноведения, трения и износа, а также посвященные методам контроля и диагностики в машиностроении, вопросам сварочного производства. Наряду с обсуждением общемировых трендов в указанных областях уделяется внимание региональным исследованиям, в том числе вопросам математического моделирования, численных методов и комплексов программ, математического и программного обеспечения вычислительных систем, проблемам в области информационных технологий.

Все статьи публикуются на английском языке и проходят процедуру рецензирования.

На страницах журнала «Advanced Engineering Research» активно обсуждаются наиболее актуальные проблемы современной науки и результатов фундаментальных исследований в областях:

– Теоретическая механика (технические науки)

– Механика деформируемого твердого тела (технические науки)

– Механика деформируемого твердого тела (физико-математические науки)

– Динамика, прочность машин, приборов и аппаратуры (технические науки)

– Машиноведение системы приводов и детали машин (технические науки)

– Трение и износ в машинах (технические науки)

– Технология и оборудование механической и физико-технической обработки (технические науки)

– Технология машиностроения (технические науки)

– Сварка, родственные процессы и технологии (технические науки)

– Методы контроля и диагностика в машиностроении (технические науки)

– Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей (технические науки)

– Теоретические основы информатики (технические науки)

– Математическое моделирование численные методы и комплексы программ (технические науки)

Редакционная политика журнала основывается на традиционных этических принципах российской научной периодики, поддерживает кодекс этики научных публикаций, сформулированный комитетом по этике научных публикаций (Россия, Москва) и строится с учетом этических норм работы редакторов и издателей, закрепленных в кодексе поведения и руководящих принципах наилучшей практики для редактора журнала (Code of conduct and best practice guidelines for journal editors) и кодексе поведения для издателя журнала (Сode conduct for journal publishers), разработанных комитетом по публикационной этике — Commitee on publication ethics (COPE).

Адресован журнал тем, кто разрабатывает стратегические направления развития современной науки: ученым, аспирантам, инженерно-техническим работникам, преподавателям-практикам.

О журнале

С сентября 2020 г. научный журнал «Вестник Донского государственного технического университета» (ISSN 1992-5980) изменил своё название.

Новое название журнала – «Advanced Engineering Research» (ISSN 2687-1653);

Журнал «Advanced Engineering Research» зарегистрирован Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций 07 августа 2020 года (Свидетельство о регистрации ЭЛ №ФС 77-78854 — электронное издание).

Журнал включен в перечень рецензируемых научных изданий, в котором должны быть опубликованы основные научные результаты диссертаций на соискание ученой степени кандидата наук, на соискание ученой степени доктора наук (Перечень ВАК).

Все статьи журнала имеют зарегистрированный в системе CrossRef индекс DOI.

Учредитель и издатель: ФГБОУ ВО Донской государственный технический университет, Ростов-на-Дону, Российская Федерация, https://donstu.ru/.

ISSN (online) 2687-1653

Год основания журнала — 1999.

Периодичность: 4 выпуска в год (март, июнь, сентябрь, декабрь).
Распространение – Россия, зарубежные страны.

Журнал Advanced Engineering Research принимает к публикации: оригинальные, обзорные статьи, исследования, которые ранее не были опубликованы.

Веб-сайт: https://www.vestnik-donstu.ru/jour/index

Главный редактор: Месхи Бесарион Чохоевич, доктор технических наук, профессор. (Ростов-на-Дону, Россия) (РИНЦ)

Язык: Русский, Английский

Ключевые характеристики: индексирование, рецензирование.

История лицензирования:

Журнал использует Международную лицензию Creative Commons Attribution 4.0 (CC BY).

Текущий выпуск

Том 22, № 2 (2022)

Скачать выпуск PDF | PDF (English)

ЮБИЛЕЙ УЧЕНОГО

МЕХАНИКА

Связанная динамическая осесимметричная задача термоэлектроупругости для длинного полого пьезокерамического цилиндра

Д. А. Шляхин, М. А. Кальмова

81-90 189

Аннотация

Введение. Статья посвящена проблеме исследования связанных нестационарных термоэлектроупругих полей в пьезокерамических конструкциях. Кратко излагаются основные подходы, связанные с построением общего решения при исследовании исходных несамосопряженных уравнений, описывающих рассматриваемый процесс. Целью работы является построение нового замкнутого решения осесимметричной задачи термоэлектроупругости для длинного пьезокерамического цилиндра.

Материалы и методы. Рассматривается длинный полый цилиндр, электродированные поверхности которого подключены к измерительному прибору с большим входным сопротивлением. На цилиндрических поверхностях пластины задана температура, изменяющаяся по времени. Используется гиперболическая теория термоэлектроупругости Лорда–Шульмана. Замкнутое решение построено с помощью обобщенного метода конечных интегральных преобразований.

Результаты исследования. Разработанный алгоритм расчета позволяет определить напряженно-деформированное состояние цилиндра, его температурное и электрическое поля. Кроме того, появляется возможность исследовать связанность полей в пьезокерамическом цилиндре, а также проанализировать влияние релаксации теплового потока на рассматриваемые поля.

Обсуждение и заключения. Использование допущений о равенстве компонент тензора температурных напряжений и отсутствие влияния температуры на электрическое поле позволяет сформулировать самосопряженную исходную систему уравнений и построить замкнутое решение.

Расчет силовых и кинематических параметров передаточного механизма на основе цепи скручивающихся рычагов

И. Р. Бондаренко, А. А. Волошкин, В. С. Перевузник, Л. А. Ковалев

91-98 192

Аннотация

Введение. В работе представлены краткий кинематический анализ, а также применение принципа Даламбера к нахождению зависимости между силовыми параметрами в передаточном механизме роботизированного манипулятора, построенном из цепи скручивающихся рычагов. Применение данного передаточного механизма позволит повысить ресурс привода манипулятора, точность его позиционирования, увеличить рабочую нагрузку по сравнению с использованием приводов на гибких связях (скручивающихся нитях). Целью работы являлось получение зависимостей между перемещениями элементов цепи, а также их силовыми параметрами, необходимых для контроля работы системы управления данными устройствами.

Материалы и методы. В ходе решения задачи рассмотрен элементарный сегмент (элемент) приводной цепи. Для нахождения зависимости между нагрузками в элементе использован принцип возможных перемещений. При нахождении кинематических связей между перемещениями проведен краткий геометрический анализ элемента передаточной цепи. Для проведения сравнительного анализа полученных аналитических зависимостей применён метод имитационного моделирования, реализованный на графической модели звена с использованием программного пакета NX.

Результаты исследования. В ходе исследования получены зависимости для определения величины момента, развиваемого на входном звене в зависимости от внешней рабочей нагрузки и угла его поворота, а также для определения линейного перемещения выходного звена. Построена имитационная модель приводного элемента, которую возможно применить в динамическом исследовании механизма привода с учетом инертности звеньев.

Обсуждение и заключения. Из полученных аналитических зависимостей установлено значение угла поворота входного звена элемента механизма, при котором достигается максимальное значение величины крутящего момента для фиксированной рабочей нагрузки на выходной элемент, а также максимальное линейное перемещение выходного звена. Расчетные значения находятся в хорошем соответствии с аналогичными величинами, полученными по результатам имитационного эксперимента, что говорит о возможности применения аналитических зависимостей при формировании системы управления роботов. Кроме того, данные зависимости позволяют обеспечить подбор приводных устройств с необходимыми силовыми показателями

МАШИНОСТРОЕНИЕ И МАШИНОВЕДЕНИЕ

Исследование влияния режимов резания на выходные параметры при точении фрезерованием быстрорежущей стали

Г. В. Матлыгин, А. В. Савилов, А. С. Пятых, С. А. Тимофеев

99-106 132

Аннотация

Введение. Рассматривается вопрос повышения эффективности процесса лезвийной обработки изделий из порошковой быстрорежущей стали. Предлагается использовать точение фрезерованием как альтернативу классической токарной обработке. Показаны преимущества данного метода. Дан обзор исследований, посвященных повышению качества поверхности деталей при точении фрезерованием. Целью работы явилось определение влияния режимов резания на шероховатость поверхности при ортогональном методе точения фрезерованием порошковой быстрорежущей стали монолитной фрезой.

Материалы и методы. Применялись методы статистического анализа, основанные на создании математической модели прогнозирования микрогеометрических отклонений обрабатываемой поверхности. Метод экспериментального исследования использовался для проверки адекватности математической модели. Планирование эксперимента производилось по некомпозиционному плану, предложенному Боксом и Бенкиным. Эксперимент осуществлялся на токарном обрабатывающем центре с приводным инструментом. В качестве материала образцов для проведения эксперимента была применена порошковая быстрорежущая сталь BÖHLER S390 MICROCLEAN. В качестве режущего инструмента применена монолитная твердосплавная фреза. В ходе эксперимента варьировались скорость резания, ширина фрезерования и подача на зуб. Измерение шероховатости обработанной поверхности производилось контактным профилометром.

Результаты исследования. Разработана математическая модель формирования шероховатости поверхности в зависимости от параметров обработки. В ходе экспериментов определено влияние скорости резания, подачи инструмента и радиальной глубины резания на шероховатость обработанной поверхности. Установлено, что зависимость шероховатости от подачи имеет линейный характер на всём исследуемом диапазоне режимов резания. В свою очередь зависимость шероховатости от скорости резания и ширины резания имеет параболический характер. Полученные результаты позволяют достигать шероховатости обработанной поверхности Ra = 1,85 без снижения производительности обработки.

Обсуждение и заключения. Разработанная математическая модель отражает влияние режимов резания на шероховатость поверхности при точении фрезерованием быстрорежущей стали монолитной фрезой. Результаты проведённых исследований могут быть использованы для определения оптимальных режимов резания, обеспечивающих заданное качество поверхности при изготовлении реальных деталей в производственных условиях. Продолжение исследований рекомендуется проводить с контролем дополнительных выходных параметров, таких как температура и вибрация. Уменьшение влияния регенеративных автоколебаний на шероховатость обработанной поверхности можно достичь за счёт назначения режимов резания на базе результатов модального анализа технологической системы.

Использование метода конечных элементов для моделирования резервуара высокого давления из полимера, армированного углеродным волокном

И. Р. Антибас, А. Г. Дьяченко

107-115 128

Аннотация

Введение. За последнее десятилетие спрос в мире на резервуары высокого давления существенно возрос, особенно в таких областях промышленности как авиационная, космическая, химическая и нефтегазовая. Находясь под постоянным воздействием высокого внутреннего давления, стенки резервуаров испытывают повышенное напряжение, что может стать причиной их внезапного разрушения. Для устранения такой возможности и улучшения прочностных характеристик резервуары изготавливают в форме металлических цилиндров с внутренним покрытием из композитного материала, состоящего из смолы, армированной углеродными волокнами. Цель настоящей статьи заключалась в изучении влияния угла наклона углеродного волокна на цилиндрические резервуары и определении величины максимального разрушающего давления с использованием метода конечных элементов программы ANSYS.

Материалы и методы. С помощью программы ANSYS создана конечно-элементная модель резервуара, состоящего из центральной части в виде металлического цилиндра с внутренним покрытием из полимера, армированного углеродными волокнами. По торцам резервуара размещены полусферы со спиральной намоткой. Для моделирования слоистого композитного материала использована командная оболочка SHELL 99, для определения критерия разрушения резервуара высокого давления — теория Tsai-Wu.

Результаты исследования. Модель цилиндрического резервуара рассчитывалась для двух видов намотки волокон: кольцевой и спиральной при различных углах их наклона. Результаты анализа величины давления для различных углов наклона волокон показывают, что, начиная со значения угла 0° и до 45º оно увеличивается, а затем до значения 65º — уменьшается. Наибольшее давление, которое может выдержать резервуар, армированный углеволокном, составляет 207 МПа при угле наклона волокон ± 45º .

Обсуждение и заключения. Анализ исследований показал, что при угле наклона волокон ± 45º максимальное напряжение оказалась наименьшим, а максимально возможное разрушающее давление при том же угле составило 207 МПа. Из этого следует, что оптимальный угол ориентации волокон для обеспечения безопасной работы резервуара высокого давления составляет ± 45º , а резервуар из углепластика при том же угле намотки волокон имеет максимальную прочность.

Анализ систем автоматизированного обеспечения параметров шероховатости поверхности на основе динамического мониторинга

М. Р. Гимадеев, А. А. Ли

116-129 108

Аннотация

Введение. Проанализированы отечественные и зарубежные работы о проблемах фрезерования сложнопрофильных поверхностей сфероцилиндрическим концевым инструментом. Рассмотрены методы контроля качества поверхности и пути обеспечения амплитудных параметров шероховатости, которые базируются на данных исследований и натурных экспериментов. Представлены теоретические положения по определению сил резания и результаты виброакустической диагностики.

Материалы и методы. Использовались методы корреляционного анализа, сравнения и обобщения результатов. Расчетные данные находились при различных углах наклона инструмента с учетом мгновенных сил резания и фиксировались в диапазоне значений переменной подачи на зуб (fz) и угла наклона поверхности (γ). Нашли экспериментальное подтверждение сведения виброакустической диагностики и теоретические данные представленной модели при различных углах наклона инструмента. Следовательно, такие методы можно использовать для прогнозирования параметров шероховатости поверхности.

Результаты исследования. Выявлена взаимосвязь между силами резания, углом наклона инструмента и данными виброакустической диагностики. Сформулирована модель силы резания и перемещений инструмента с учетом наклона поверхности. Определен оптимальный диапазон углов наклона инструмента к обрабатываемой поверхности, который обеспечивает минимальные значения амплитудных параметров шероховатости. Полученные эмпирическим путем звуковые колебания, представленные в спектральном и волновом виде, хорошо согласуются с данными из других источников, что позволило сделать вывод о целесообразности прогнозирования и мониторинга параметров шероховатости в реальном времени за счет акустики.

Обсуждение и заключения. Установлено, что рост сил в направлении ae(X) и fz(Y) наблюдается при γ > 40°. Это объясняется распределением составляющих силы резания вдоль режущей кромки и зависит от наклона поверхности. Уменьшение амплитудных параметров происходит при увеличении угла от 10 до 40 градусов. Найденные взаимосвязи силового анализа, направления обработки и виброакустической диагностики подтверждают корректность использования виброакустической диагностики для прогнозирования шероховатости поверхности. Акустическая диагностика вне зависимости от компоновки технологического оборудования позволяет быстро наладить звуковое устройство и оценить влияние режимов резания на параметры шероховатости.

Определение динамических характеристик шестерённого насоса по методу вариации нагрузок с использованием специальных стендовых систем

В. И. Санчугов, П. Д. Рекадзе

130-141 104

Аннотация

Введение. Пульсации рабочей среды в гидросистемах станков, системах топливоподачи авиационных двигателей и подачи жидкостного ракетного двигателя являются одним из главных факторов возникновения вибрации агрегатов, приводящей к усталостному разрушению корпусов элементов, трубопроводов и выходу из строя элементов насосов. Целью работы являлись реализация метода определения динамических характеристик объёмного насоса с использованием специальных стендовых систем и сравнение результатов расчёта с экспериментальными данными. Описаны этапы расчёта динамических характеристик объёмного насоса с учётом разработанных ранее специальных стендовых систем на примере шестерённого насоса внешнего зацепления производительностью 14 см3 /об. Показана реализация метода вариации нагрузок В. П. Шорина с использованием разработанных авторами специальных стендовых систем с заранее определёнными динамическими характеристиками. Излагаются основные этапы методики определения динамических характеристик шестеренного насоса.

Материалы и методы. В работе применены методы спектрального анализа пульсирующего давления. Пульсации расхода жидкости на выходе из насоса определялись с помощью импедансного метода, метода вариации нагрузок и специальных стендовых систем.

Результаты исследования. В работе реализована методика определения динамических характеристик шестеренного насоса в диапазоне оборотов приводного вала 500–2500 об/мин для четырёх гармонических составляющих спектра колебаний в широком диапазоне динамических нагрузок (от инерционного до емкостного характера). Представлен анализ стендовых систем, приводящих к расчёту динамических характеристик насоса с минимальной погрешностью на основании условия согласования динамической нагрузки и источника колебаний. Проведена проверка разработанного подхода к оценке динамических характеристик насоса посредством сравнения расчётных и экспериментальных данных пульсаций давления в стендовых системах с дросселем, полостью и протяжённым трубопроводом на выходе насоса.

Обсуждение и заключения. Реализован метод определения динамических характеристик объёмного насоса с использованием разработанных авторами специальных стендовых систем. Результаты исследований показывают, что исследуемый шестерённый насос может рассматриваться как независимый источник колебаний расхода, для которого отклонение собственных динамических характеристик от средних значений не превышает 10 % по первой гармонической составляющей.

Преобразование энергии гидравлического сопротивления системы в электричество

А. А. Саакян, Д. А. Бутко

142-149 125

Аннотация

Введение. Рассматривается гравитационный водовод с регулирующей задвижкой и регулятором давления в трубе самотечного водоснабжения в условиях, когда не нарушен гидравлический режим водопровода. Применительно к такой системе исследуются проблемы преобразования энергии местного искусственного гидравлического сопротивления в электричество.

Материалы и методы. Изучена литература, в которой освещается возможность использования микротурбин для выработки электроэнергии в системах водоснабжения. Даны фактические значения, зафиксированные устройством непрерывной регистрации давления (логгер) в течение 12 часов, а также расход воды турбиной на данном участке узла (средний показатель в течение года) и перепад давления. Отмечено, что применение малых гидроэлектростанций в системах подачи воды значительно снижает стоимость их эксплуатации. Приведены показатели расхода воды в гидротурбинном агрегате в течение года с разбивкой по месяцам. Рассчитана максимальная мощность у входа турбины. Описаны принципы выбора типа гидротурбины. Указаны средние значения КПД для разных элементов гидротурбинной установки, усредненные параметры мощности МГЭС и соответствующие им показатели среднемесячной выработки электроэнергии.

Результаты исследования. Оснащение исследуемых узлов специально разработанными турбинами позволит получить электрическую энергию, преобразуя искусственно созданную местным сопротивлением и погашенную механическую энергию. Подходы, описанные в данной статье, можно использовать при замене агрегатов регулирования давления системы водопроводной сети Еревана. Спрогнозированы производительность МГЭС, сроки ее строительства и эксплуатации — 2 года и 30 лет соответственно. Предварительно рассчитаны затраты на сооружение и обслуживание. Приведены предполагаемые данные о доходах, расходах и чистой прибыли. Указано, что потенциально она будет близка к 6 млн драмов в год. Анализ данных позволил сделать вывод, что внутренняя норма доходности окажется на уровне 10,4 %, а срок окупаемости — 9 лет.

Обсуждение и заключения. Рекомендуется заменить регулятор гидротурбиной с таким же гидравлическим сопротивлением и функцией автоматической регулировки расхода воды в системе. Выводы подтверждаются энергетическими и экономическими показателями гидротурбинной установки, расположенной на участке магистрального водовода «Арзакан — Ереван».

Исследование системы автоматического управления стабилизации изображения бортовых оптико-электронных приборов наведения и слежения

К. А. Бурдинов, К. М. Шашкина, Эхсан Шагхаей

150-160 123

Аннотация

Введение. Движение носителя и внешние факторы (влияние атмосферы, температуры и давления) существенно ухудшают качество изображения смотрящих оптико-электронных систем (ОЭС) и точность позиционирования излучающих ОЭС. Рассматриваются проблемы повышения качества изображения и вероятность удержания изображения объекта наблюдения (ОН) на оптической оси следящей ОЭС.

Материалы и методы. Создание системы автоматического управления оптико-электронного прибора (САУ ОЭП) предполагает решение многокритериальной задачи оптимизации с учетом ряда противоречивых техникоэкономических (ТЭ) требований. Определение допустимых динамических погрешностей (ДДП) стабилизации изображения является ключевым вопросом в разработке бортовых оптико-электронных приборов (БОЭП). Уравнения Лагранжа II рода и смешанный метод Жильбера позволили получить математическую модель ОУ ОЭП. Затем выполнили декомпозицию двухсвязной САУ с нелинейными перекрестными связями в ОУ. Представлена функциональная схема модели формирования изображения БОЭП. Перечислены параметры матричного фотоприемника и требования, предъявляемые к динамической погрешности САУ ОЭП с учетом допустимой ФПМ ОЭП. Визуализированы функции передачи модуляции, линейного, гармонического и вибрационного сдвига изображения, соответствующие допустимым и достигнутым ДДП. В среде Mathcad созданы логарифмические частотные характеристики. Двухсвязная система управления ОЭП при заданных параметрах ОУ для рассматриваемого движения представлена как два независимых канала управления по азимуту и углу места.

Результаты исследования. Приведены процессы управления БОЭП в режимах стабилизации и слежения. Для исследования динамики пространственного управления БОЭП в соответствии с методикой САУ разработана компьютерная имитационная модель (КИМ) ЦСАУ ОЭП. Она реализована в среде Matlab и состоит из КИМ ОУ, приводов, пропорционально-интегрально-дифференцирующих (ПИД) регуляторов с учетом нелинейностей, центрального вычислительного устройства (ЦВУ), программного устройства наведения, КИМносителя, реализующего уравнения движения. Описаны гармонические колебания носителя. Определены погрешности слежения и стабилизации в режиме слежения при дополнительно введенном управляющем воздействии в виде постоянной скорости. Исследована динамика пространственного управления БОЭП. Визуализированы компьютерная имитационная модель цифровой системы автоматического управления оптико-электронным прибором, результаты моделирования ЦСАУ ОЭП без учета движения борта и процессы управления ОЭП с учетом движения.

Обсуждение и заключения. Для исследованных случаев рассчитана точность стабилизации. Установлено, что она в десятки раз превосходит заявленные ранее показатели, и это в десятки раз снижает требования к сходимости лазерного пучка и мощности излучения лазера при разработке оптического тракта рассматриваемого изделия. Предложенную КИМ можно использовать при разработке БОЭП. В этом случае применение представленной методики и КИМ поможет снизить трудозатраты и минимизировать ошибки.

ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ

Применение автокорреляционной инфракрасной термографии для выявления дефектов в элементах металлических пролетных строений

А. Л. Соловьев, М. Э. Рояк

161-168 94

Аннотация

Введение. Зарождающиеся усталостные повреждения в металлических пролетных строениях мостов создают определенные угрозы безопасности эксплуатации. Для их своевременного выявления и диагностики используются различные методы неразрушающего контроля. Современным и популярным решением на данный момент является метод инфракрасной (ИК) термографии. В силу особенности работы ИК-камер для получения точного результата требуется дополнительная обработка записей, полученных с этих камер. Цель данной работы — представить метод обработки термофильмов и показать возможности его применения в реальных условиях.

Материалы и методы. Приводится описание способа обработки термографических фильмов, позволяющего выявить температурные аномалии, используя только информацию с камеры. Приведены результаты его применения на элементах действующих металлических пролетных строений мостов.

Результаты исследования. Показано, что для существующих дефектов имеются температурные аномалии. Это означает, что дефекты продолжают развиваться, что подтвердилось последующими наблюдениями за их состоянием. Кроме этого был выявлен случай температурной аномалии в бездефектной внешней области. Это может быть признаком зарождающегося дефекта, который не мог быть продиагностирован другими методами. Если наличие этого дефекта будет подтверждено при повторных обследованиях, то представится возможность диагностирования скрытых дефектов, которые еще не вышли на поверхность, и/или обнаружения потенциально разрушающихся мест.

Обсуждение и заключения. Показана эффективность ИК-термографии как метода бесконтактного неразрушающего контроля, а также его работоспособность на реальных объектах, находящихся под случайной нагрузкой.

Анализ технологии обработки естественного языка: современные проблемы и подходы

М. А. Казакова, А. П. Султанова

169-176 111

Аннотация

Введение. В статье представлен обзор современных моделей нейронных сетей для обработки естественного языка. Исследования обработки естественного языка представляют интерес в связи с тем, что в последнее время возросла потребность в обработке больших объемов аудио- и текстовой информации, накопленной за последние десятилетия. Наиболее обсуждаемой в зарубежной литературе является особенности обработки разговорной речи. Цель работы представить современные модели нейронных сетей в области обработки устной речи.

Материалы и методы. Прикладное исследование понимания устной речи является сложной и далеко идущей темой обработки естественного языка. Понимание на слух занимает центральное место в исследовании и представляет собой проблему. В этой статье предлагается метод понимания на слух, основанный на глубоком обучении. В статье кратко излагаются содержательные аспекты различных этапов создания нейронной сети по распознаванию речи, приводятся основные термины, связанные с этой теорией. Приводится краткая характеристика основных существующих на текущий момент нейронных сетей по обработке естественного языка.

Результаты исследования. Проведен ретроспективный анализ зарубежных и отечественных литературных источников с описанием новых методов обработки устной речи, в которых использовались нейронные сети. Предоставлена информация о нейронных сетях, методах распознавания и синтеза речи. В работу включены результаты разноплановых экспериментальных работ последних лет. В статье подробно описаны основные подходы к обработке естественного языка и их изменения с течением времени, а также появление новых технологий. Рассмотрены основные проблемы, существующие в настоящее время в этой области.

Обсуждение и заключения. Анализ основных аспектов систем распознавания речи показал, что в настоящее время не существует универсальной системы, которая была бы самообучающейся, шумоизоляционной, распознающей непрерывную речь, способной работать с большими словарями и в то же время имеющей низкий уровень ошибок.

Объявления

2021-10-02

Печать DOAJ

Журнал «Advanced Engineering Research» был награжден печатью DOAJ от DOAJ — Directory of Open Access

Знак DOAJ Seal присуждается журналам, демонстрирующим передовой опыт публикации в открытом доступе. Около 10% журналов, индексируемых в DOAJ, были награждены этой печатью.

Дальше…

Контент доступен под лицензией Creative Commons Attribution 4.0 License.

ISSN 2687-1653 (Online)

Добро пожаловать на сайт журнала «Справочник. Инженерный журнал»

Последние новости

Распечатайте бесплатный билет на IX Международный промышленный Форум «Территория NDT 2022»
Ответ на обращения РОНКТД о возможности сертификации по стандарту ISO 9712
ExpoElectronica и ElectronTechExpo: импортозамещение, официальные визиты и соглашения
Деловая программа в рамках IХ Международного промышленного Форума «Территория NDT 2022»
В 2022 году выставки ExpoElectronica и ElectronTechExpo посетит Заместитель Министра промышленности и торговли РФ Шпак Василий Викторович
Премия Electronica 2022
Итоговый пост-релиз MetrolExpo 2021

Добро пожаловать на сайт журнала «Справочник. Инженерный журнал»

Представляем ежемесячный научно-технический и производственный журнал «Справочник. Инженерный журнал» (с приложением)

ISSN 0203-347X. Выходит с 1997 года. Объем журнала 56 … 64 страницы, приложения — 12 … 24 страницы

DOI: 10.14489/issn.0203-347X

Журнал распространяется по подписке.

Подписные индексы:

41299 — по каталогу «Пресса России»;
П3653 — по электронному каталогу «Почта России»

Журнал входит в список периодических научных и научно-технических изданий, выпускаемых в РФ, рекомендованных ВАК для публикации результатов диссертационных работ на соискание ученых степеней кандидата и доктора наук.
Журнал входит в национальную информационно-аналитическую систему — Российский индекс научного цитирования (РИНЦ)
Журнал включен в специализированный референтный библиографический сервис CrossRef
Журнал зарегистрирован в международной базе данных периодических и продолжающихся изданий Ulrich’s Periodicals Directory

В журнале: технология и оборудование механической и физико-технической обработки; технология машиностроения; технологии и машины обработки давлением; технологическая оснастка; современные материалы, зарубежные аналоги отечественных материалов; сварка, родственные процессы технологии; методы контроля и диагностика в машиностроении; машины, агрегаты и процессы; теория механизмов и машин; машиноведение, системы приводов и детали; стандартизованные и нормализованные детали и узлы; организация производства; стандартизация и управление качеством; конструкторско-технологические решения объектов техники; транспортное, горное и строительное машиностроение; техническое обслуживание и ремонт техники; системы автоматизированного проектирования; техническое законодательство; обновленные сведения стандартов (ГОСТов, ИСО) и известных справочников, например «Справочника конструктора-машиностроителя» В. И. Анурьева; конспекты лекций для втузов.

Рубрики

Общетехническая информация
Современные технологии
Современные материалы
Автоматизация инженерного труда
Конструирование, расчеты
Металлорежущие станки и инструменты
Техническое обслуживание и ремонт
Справочник конструктора-машиностроителя
Сегодня-студент, завтра-инженер
Качество и сертификация продукции
Станки, оснастка, инструменты
Техническое законодательство
Организация производства

Учредитель журнала: ООО «Издательский дом «Спектр»
Издатель — ООО «Издательский дом «Спектр»

Адрес редакции журнала: 119048, г. Москва, ул. Усачева, д. 35, стр. 1

Телефоны: (495) 589 56 81, (495) 514 76 50

E-mail: Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра. , Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра.

Кто на сайте?
Сейчас на сайте находятся: 17 гостей на сайте

Современные наукоемкие технологии — научный журнал ISSN 1812-7320

Уважаемые авторы!
Редакция Издательского Дома Академия Естествознания продолжает постоянную работу с Вами в удаленном режиме и готова ответить на все вопросы по адресам электронной почты.

ВСЕ СТАТЬИ ПРОВЕРЯЮТСЯ СИСТЕМОЙ «АНТИПЛАГИАТ»

Договор с ЗАО «Анти-Плагиат» № 655 от 17. 11.2017

Двухлетний импакт-фактор РИНЦ = 0,899
Пятилетний импакт-фактор РИНЦ = 0,338

Журнал представлен в Научной электронной библиотеке (НЭБ), индексируется в системе Российского индекса научного цитирования (РИНЦ) и занимает 666 место в общем рейтинге SCIENCE INDEX за 2020 год из 4243 индексируемых в РИНЦ журналов и 53 место в рейтинге SCIENCE INDEX за 2020 год среди мультидисциплинарных журналов из 486 индексируемых в РИНЦ журналов.

Индекс Хирша для статей, опубликованных за последние десять лет — 47.

Журнал «СОВРЕМЕННЫЕ НАУКОЕМКИЕ ТЕХНОЛОГИИ» зарегистрирован Федеральной службой по надзору в сфере связи, информационных технологий и массовых коммуникаций
Свидетельство — ПИ №77-63399

Журнал издается с 2003 года.

В журнале публикуются статьи научно-практического характера по следующим направлениям:

05.02.00 – МАШИНОСТРОЕНИЕ И МАШИНОВЕДЕНИЕ (ТЕХНИЧЕСКИЕ, ГЕОЛОГО-МИНЕРАЛОГИЧЕСКИЕ НАУКИ):
05. 02.02 – Машиноведение системы приводов и детали машин (технические науки),
05.02.11 – Методы контроля и диагностика в машиностроении (технические науки),
05.02.13 – Машины, агрегаты и процессы (по отраслям) (технические науки),
05.02.18 – Теория механизмов и машин (технические науки),
05.02.22 – Организация производства (по отраслям) (технические науки),
05.13.17 – Теоретические основы информатики (технические науки),
05.13.18 – Математическое моделирование численные методы и комплексы программ (геолого- минералогические науки),

1.2. КОМПЬЮТЕРНЫЕ НАУКИ И ИНФОРМАТИКА
1.2.2. Математическое моделирование, численные методы и комплексы программ (технические науки),

2.3. ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ И ТЕЛЕКОММУНИКАЦИИ
2.3.3. Автоматизация и управление технологическими процессами и производствами (технические науки),
2.3.4. Управление в организационных системах (технические науки),
2.3.5. Математическое и программное обеспечение вычислительных систем, комплексов и компьютерных сетей (технические науки),

2. 5. МАШИНОСТРОЕНИЕ (ТЕХНИЧЕСКИЕ НАУКИ):
2.5.3. Трение и износ в машинах (технические науки),
2.5.5. Технология и оборудование механической и физико-технической обработки (технические науки),
2.5.7. Технологии и машины обработки давлением (технические науки),
2.5.8. Сварка, родственные процессы и технологии (технические науки),

5.8 ПЕДАГОГИКА (ОТРАСЛЬ: ПЕДАГОГИЧЕСКИЕ И ПСИХОЛОГИЧЕСКИЕ НАУКИ):
5.8.1. Общая педагогика, история педагогики и образования (педагогические науки)
5.8.1 (13.00.05) Теория, методика и организация социально-культурной деятельности (педагогические науки)
5.8.2. Теория и методика обучения и воспитания (по областям и уровням образования) (педагогические науки),
5.8.3. Коррекционная педагогика (сурдопедагогика и тифлопедагогика, олигофренопедагогика и логопедия) (педагогические науки),
5.8.4.(13.00.04) Физическая культура и профессиональная физическая
подготовка (педагогические науки),
5.8.5. (13.00.04) Теория и методика спорта (педагогические науки),
5.8.6.(13.00.04) Оздоровительная и адаптивная физическая культура (педагогические науки),
13.00.04 Теория и методика физического воспитания, спортивной тренировки, оздоровительной и адаптивной физической культуры (психологические науки)
5.8.7. Методология и технология профессионального образования (педагогические науки)

Все публикации рецензируются. Доступ к журналу бесплатен.

Журнал включен в Реферативный журнал и Базы данных ВИНИТИ

Журнал зарегистрирован в Centre International de l’ISSN. ISSN 1812-7320

Номерам журналов и публикациям присваивается DOI (Digital object identifier).

Редакция

Главный редактор: Ледванов Михаил Юрьевич, д.м.н, профессор

Ответственный секретарь: Бизенкова Мария Николаевна

Редакционная коллегия журнала

Технические науки, Геолого-минералогические науки

ФИО	ученая степень, звание	место работы	должность
Алоев Владимир Закиевич	Доктор химических наук, кандидат физико-математических наук	ФГБОУ ВО «Кабардино-Балкарский государственный аграрный университет имени В. М. Кокова»	Заведующий кафедрой «Техническая механика и физика»
Ахтулов Алексей Леонидович	Доктор технических наук	Омский автобронетанковый инженерный институт – филиал ФГКВОУ ВО «Военная академия материально-технического обеспечения им. генерала армии А.В. Хрулева» Министерства обороны РФ в г. Омске	Профессор кафедры двигателей
Баёв Александр Сергеевич	Доктор технических наук	ФГБОУ ВО «Санкт-Петербургский государственный морской технический университет»	Профессор
Баубеков Сабит Джумабаевич	Доктор технических наук	Таразский инновационно-гуманитарный университет	Заведующий кафедрой
Белозеров Валерий Владимирович	Доктор технических наук	ФГБОУ ВО «Донской государственный технический университет»	Профессор кафедры «Автоматизация производственных процессов»
Бондарев Владимир Иванович	Доктор геолого-минералогических наук, кандидат технических наук	ФГБОУ ВО «Уральский государственный горный университет»	Заведующий кафедрой геофизики нефти и газа
Быстров Валерий Александрович	Доктор технических наук	Институт экономики и менеджмента ФГБОУ ВО «Сибирский государственный индустриальный университет»	Профессор кафедры Менеджмента и отраслевой экономики
Гавришин Анатолий Иванович	Доктор геолого-минералогических наук	ФГБОУ ВО «Южно-Российский государственный политехнический университет (НПИ) им М. И. Платова»	Профессор кафедры «Прикладная геология»
Гоц Александр Николаевич	Доктор технических наук	ФГБОУ ВО «Владимирский государственный университет имени А.Г. и Н.Г. Столетовых»	Профессор кафедры «Тепловые двигатели и энергетические установки»
Дубровин Анатолий Станиславович	Доктор технических наук	ФКОУ ВО Воронежский институт ФСИН России	Профессор факультета внебюджетного образования
Иванова Галина Сергеевна	Доктор технических наук	ФГБОУ ВО «Московский государственный технический университет имени Н.Э. Баумана (национальный исследовательский университет)»	Профессор кафедры «Компьютерные системы и сети»
Калмыков Игорь Анатольевич	Доктор технических наук	ФГАОУ ВО «Северо-Кавказский федеральный университет»	Профессор кафедры информационной безопасности автоматизированных систем
Козлов Александр Михайлович	Доктор технических наук	ФГБОУ ВО «Липецкий государственный технический университет»	Заведующий кафедрой «Технология машиностроения»
Козловский Владимир Николаевич	Доктор технических наук	ФГБОУ ВО «Самарский государственный технический университет»	Заведующий кафедрой «Теоретическая и общая электротехника»
Красновский Александр Николаевич	Доктор технических наук	ФГБОУ ВО «Московский государственный технологический университет «СТАНКИН»»	Заведующий кафедрой композиционных материалов
Крупенин Виталий Львович	Доктор технических наук, кандидат физико-математических наук	ФГБУН «Института Машиноведения им. А.А. Благонравова» РАН	Главный научный сотрудник
Кузяков Олег Николаевич	Доктор технических наук	Институт геологии и нефтедобычи ФГБОУ ВО «Тюменский индустриальный университет»	Заведующий кафедрой кибернетических систем
Ломазов Вадим Александрович	Доктор физико-математических наук	ФГАОУ ВО «Белгородский государственный национальный исследовательский университет»	Профессор кафедры прикладной информатики и информационных технологий
Ломакина Любовь Сергеевна	Доктор технических наук	ФГБОУ ВО «Нижегородский государственный технический университет им. Р.Е. Алексеева»	Профессор кафедры «Вычислительные системы и технологии»
Лубенцов Валерий Федорович	Доктор технических наук	ФГБОУ ВО «Кубанский государственный технологический университет»	Профессор кафедры автоматизации производственных процессов
Мадера Александр Георгиевич	Доктор технических наук	ФГУ ФНЦ НИИСИ РН, НИУ ВШЭ	Заведующий отделом Математического моделирования процессов в сложных системах
Мельников Александр Иванович	Доктор геолого-минералогических наук	ФГБУН Институт земной коры СО РАН	Ведущий научный сотрудник
Мишин Владимир Михайлович	Доктор технических наук, кандидат физико-математических наук	ФГАОУ ВО «Северо-Кавказский федеральный университет»	Профессор кафедры строительства
Мурашкина Татьяна Ивановна	Доктор технических наук	ФГБОУ ВО «Пензенский государственный университет»	Профессор кафедры Приборостроение
Надеждин Евгений Николаевич	Доктор технических наук	ФГБОУ ВО «ТГПУ имени Л. Н. Толстого»	Профессор кафедры информатики и информационных технологий
Никонов Эдуард Германович	Доктор физико-математических наук	Международная межправительственная организация Объединенный институт ядерных исследований	Начальник сектора
Осипов Геннадий Сергеевич	Доктор технических наук	ФГБОУ ВО «Сахалинский государственный университет»	Заведующий кафедрой информатики
Пен Роберт Зусьевич	Доктор технических наук	ФГБОУ ВО «Сибирский государственный технологический университет»	Профессор
Петрова Ирина Юрьевна	Доктор технических наук	ГАОУ АО ВО «Астраханский государственный архитектурно-строительный университет»	Первый проректор
Пивень Валерий Васильевич	Доктор технических наук	ФГБОУ ВО «Тюменский индустриальный университет»	Профессор кафедры «Машины и оборудование нефтяной и газовой промышленности
Санинский Владимир Андреевич	Доктор технических наук	Волжский политехнический институт (филиал) ФГБОУ ВО «Волгоградский государственный технический университет»	Профессор кафедры «Технология и оборудование машиностроительных производств»
Сердобинцев Юрий Павлович	Доктор технических наук	ФГБОУ ВО «Волгоградский государственный технический университет»	Профессор кафедры «Автоматизация производственных процессов»
Сихимбаев Муратбай Рыздикбаевич	Доктор экономических наук	НИИ Экономических и правовых исследований Карагандинского экономического университета Казпотребсоюза	Главный научный сотрудник
Скрыпник Олег Николаевич	Доктор технических наук	Иркутский филиал ФГБОУ ВО «Московский государственный технический университет гражданской авиации»	Профессор кафедры авиационного радиоэлектронного оборудования
Страбыкин Дмитрий Алексеевич	Доктор технических наук	ФГБОУ ВО «Вятский государственный университет»	Заведующий кафедрой электронных вычислительных машин
Сугак Евгений Викторович	Доктор технических наук	ФГБОУ ВО «Сибирский государственный университет науки и технологий имени академика М. Ф. Решетнева»	Профессор кафедры «Безопасность жизнедеятельности»
Хайдаров Андрей Геннадьевич	Кандидат технических наук	ФГБОУ ВО «Санкт-Петербургский государственный Технологический институт (Технический университет)»	Доцент кафедры бизнес-информатики
Часовских Виктор Петрович	Доктор технических наук	ФГБОУ ВО «Уральский государственный лесотехнический университет»	Директор института экономики и управления
Ченцов Сергей Васильевич	Доктор технических наук	ФГАОУ ВО «Сибирский федеральный университет»	Заведующий кафедрой систем автоматики, автоматизированного управления и проектирования
Шарафеев Ильгизар Шайхеевич	Доктор технических наук	ФГБОУ ВО «Казанский национальный исследовательский технический университет им. А.Н. Туполева – КАИ»	Профессор кафедры «Прочность конструкций», профессор кафедры «Экономика и управление на предприятии»
Ширапов Дашадондок Шагдарович	Доктор физико-математических наук	ФБГОУ ВО «Восточно-Сибирский государственный университет технологий и управления»	Заведующий кафедрой «Электронно-вычислительные системы»
Шишков Владимир Александрович	Доктор технических наук	ФГБОУ ВО «Тольяттинский государственный университет»	Преподаватель кафедры «Энергетические машины и системы управления»
Яблокова Марина Александровна	Доктор технических наук	ФГБОУ ВО «Санкт-Петербургский государственный технологический институт (технический университет)»	Заведующий кафедрой инженерного проектирования

Педагогические науки

ФИО	ученая степень, звание	место работы	должность
Бобыкина Ирина Александровна	Доктор педагогических наук	ФГБОУ ВО «Челябинский государственный университет»	Заведующий кафедрой делового иностранного языка, профессор
Далингер Виктор Алексеевич	Доктор педагогических наук	ФГБОУ ВО «Омский государственный педагогический университет»	Профессор кафедры математики и методики обучения математике
Долгова Валентина Ивановна	Доктор психологических наук	ФГБОУ ВО «Южно-Уральский государственный гуманитарно-педагогический университет»	Декан факультета психологии
Евтушенко Илья Владимирович	Доктор педагогических наук	ФГБОУ ВО «Московский педагогический государственный университет»	Профессор кафедры олигофренопедагогики и специальной психологии
Ефремова Надежда Федоровна	Доктор педагогических наук, кандидат физико-математических наук	ФГБОУ ВО «Донской государственный технический университет»	Заведующий кафедрой «Педагогические измерения»
Жеребило Татьяна Васильевна	Доктор педагогических наук	ФГБОУ ВО «Чеченский государственный педагогический университет»	Профессор кафедры русского языка и методики его преподавания
Козлов Олег Александрович	Доктор педагогических наук, кандидат технических наук	ФГБНУ «Институт стратегии развития образования Российской академии образования»	Ведущий научный сотрудник лаборатории методики общего математического образования и информатизации
Кибальченко Ирина Александровна	Доктор психологических наук, кандидат педагогических наук	Институт компьютерных технологий ФГАОУ ВО «Южный федеральный университет»	Профессор кафедры психологии и безопасности жизнедеятельности
Матис Владимир Иванович	Доктор педагогических наук, кандидат философских наук	ФГБОУ ВО «Алтайский государственный институт культуры»	Профессор кафедры социально-культурной деятельности
Микерова Галина Жоршовна	Доктор педагогических наук	ФГБОУ ВО «Кубанский государственный университет»	Профессор кафедры педагогики и методики начального образования
Моисеева Людмила Владимировна	Доктор педагогических наук, кандидат биологических наук	Институт педагогики и психологии детства ФГБОУ ВО «Уральский государственный педагогический университет»	Профессор кафедры теории и методики обучения естествознанию математике и информатике в период детства
Рахимбаева Инга Эрленовна	Доктор педагогических наук	Институт искусств ФГБОУ ВО «Саратовский государственный университет им. Н.Г. Чернышевского»	Директор института, заведующий кафедрой теории, истории и педагогики искусства
Собянин Федор Иванович	Доктор педагогических наук	ФГАОУ ВО «Белгородский государственный национальный исследовательский университет»	Профессор кафедры теории и методики физической культуры
Ульянова Ирина Валентиновна	Доктор педагогических наук	ФГКОУ ВО «Московский университет Министерства внутренних дел Российской Федерации имени В.Я. Кикотя»	Профессор кафедры педагогики
Хода Людмила Дмитриевна	Доктор педагогических наук	Технический институт (филиал) ФГАОУ ВО «Северо-Восточный федеральный университет им. М.К. Аммосова»	Заведующий кафедрой общеобразовательных дисциплин

Контактная информация

Ответственный секретарь редакции: Бизенкова Мария Николаевна, +7 (499) 705-72-30

E-mail: [email protected]

Почтовый адрес: 101000, г. Москва, а/я 47, АКАДЕМИЯ ЕСТЕСТВОЗНАНИЯ, редакция журнала «СОВРЕМЕННЫЕ НАУКОЕМКИЕ ТЕХНОЛОГИИ»

Учредитель: МОО «Академия Естествознания»

Издательство и редакция: Издательский Дом «Академия Естествознания»

Замечания и рекомендации по работе редакции и сайта просим направлять по адресу: [email protected]

Официальный сайт НПК — Рекомендуемые интернет-ресурсы

Образовательные ресурсы:

Издательский центр «Академия» http://academia-moscow.ru
Каталог Российского общеобразовательного портала http://www.school.edu.ru
Единая Коллекция цифровых образовательных ресурсов http://school-collection. edu.ru
Сайт Министерства просвещения РФ https://edu.gov.ru
Сайт Российского образования http://www.edu.ru/
Федеральный образовательный портал: учреждения, программы, стандарты, ВУЗы, тесты ЕГЭ, ГИА http://www.edu.ru/index.php?pa
Федеральный центр информационно-образовательных ресурсов (ФЦИОР) http://fcior.edu.ru
Региональный портал Образовательного сообщества Оренбургской области http://www.orenport.ru
Общероссийский профсоюз образования http://www.eseur.ru/
Образование, учитель, школа. ПЕДСОВЕТ: интернет портал для учителей http://pedsovet.org
Открытый класс Сетевые образовательные сообщества http://www.openclass.ru/node
Единая система регистрации пользователей http://priem.edu.ru
Издательство «Просвещение» http://www.prosv.ru/
Министерство образования Оренбургской области http://minobr.orb.ru/
научная библиотека ОГУ http://artlib. osu.ru/site/index
МАУК «Централизованная библиотечная система муниципального образования г.Новотроицк»http://biblio56.ucoz.ru/
НСТ Новотроицк http://www.nst-56.ru/
НФ МИСиС http://nf.misis.ru/
областная библиотека им.Крупской http://orenlib.ru/
Всероссийская общественная организация «Боевое братство» https://bbratstvo.com/
Официальная страница департамента молодежной политики Оренбургской области молодежь56.рф
АИС Молодежь России https://myrosmol.ru/
Добровольцы России — https://добровольцыроссии.рф/

Образовательные Интернет-ресурсы по дисциплинам/МДК:

Телекоммуникационные технологии http://book.itep.ru/
Электронно-библиотечная система «Лань» https://e.lanbook.com
Море аналитической информации из области Интернет-технологий http://citforum.ru
КонсультантПлюс http://consultant.ru
Сообщество учителей https://novator. team
Студенту и школьнику конспекты https://конспекты-уроков.рф
Центр онлайн-обучения «Фоксфорд» http://foxford.ru
GIMP — графический редактор для фотографии, дизайна, живописи https://www.gimp.org
Новосибирский государственный технический университет https://www.nstu.ru
Inkscape — профессиональный векторный графический редактор http://inkscape.org
ITandLife — блок о комьютерах, компьютерных сетях, программировании и жизни http://itandlife.ru
САПР Компас http://kompas.ru
Казанский (Приволжский) федеральный университет http://kpfu.ru
Библиотека Максима Мошкова http://lib.ru
Факультет математики, информатики и физики http://mif.vspu.ru
Библиотека Revolution http://revolution.allbest.ru
LibreOffice — офисный пакет http://ru.libreoffice.org
Школьный помощник — учебники онлайн, правила, задачи, примеры http://school-assistant. ru
Конкурс современной русской литературы http://teneta.rinet.ru
Образовательные тесты http://testedu.ru
Видеоуроки в Интернет — сайт для учителей и школьников http://videouroki.net
Архитектура России http://www.archi.ru
Банк рефератов, дипломы, курсовые работы, сочинения, доклады http://www.bestreferat.ru
Металлический форум http://www.chipmaker.ru
Большая онлайн библиотека e-Reading http://www.e-reading.by
Федеральный институт педагогических измерений http://www.fipi.ru
Русский язык для детей и школьников http://www.goldrussian.ru
Институт открытого образования — дистанционное образование МГУП http://www.hi-edu.ru
International Association of Teachers of English as a Foreign Language http://www.iatefl.org
Библиотека русской литературы http://www.klassika.ru
Кольский Научный Центр Российской Академии Наук http://www. kolasc.net.ru
Научно-техническая бибилиотека Томского политехнического университета им. В.А.Обручева http://www.lib.tpu.ru
ELT Courses and Teacher’s Resources from Macmillan Education http://www.macmillanenglish.com
Музеи России http://www.museum.ru
Большая энциклопедия нефти и газа http://www.ngpedia.ru
Издательство «Открытые системы» http://www.osp.ru
Философия http://www.philosophy.ru
Политерм http://www.politerm.com
Издательство журналов: кадровые решения, Секретарь-референд, Справочник экономиста, СанЭпидемКонтроль, Планово-экономический отдел, справочник Эколога http://www.profiz.ru
Издательство «Просвещение» http://www.prosv.ru
Новые версии популярных программ http://www.slo.ru
SQL.ru — Все про SQL, базы данных, программирование и разработку информационных систем http://www.sql.ru
Файловый архив для студентов http://www. studfiles.ru
Научно-практический и учебно-методический журнал «Безопасность жизнедеятельности». www.novtex.ru/
Журнал «безопасность труда в промышленности https://www.btpnadzor.ru/ru»
Журнал «мир ПК» http://www.osp.ru/
Журнал «наука и жизнь» http://www.nkj.ru/
Журнал «популярная механика» http://www.popmech.ru/
Журнал «сварка и диагностика» http://www.svarka.naks.ru/
Журнал «металлург» http://www.metallurgizdat.com
Журнал «локомотив» http://www.lokom.ru/
Журнал «железнодорожный транспорт» http://www.zdt-magazine.ru/
Журнал «кадровые решения» http://www.profiz.ru/kr/
Журнал «честь отечества» http://www.rusol.ru/
Журнал «новости теплоснабжения http://www.ntsn.ru/»
«Современная библиотека» http://sb.litera-ml.ru/ журнал
Журнал «студенческий меридиан» http://www.stm.ru/
Журнал «основы безопасности жизнедеятельности» http://obj. mchsmedia.ru/
Журнал «информатика и образование» http://infojournal.ru/

Диагностика сварки с помощью оптимизации роя частиц и выбора характеристик

На этой странице

АннотацияВведениеЭкспериментальное заключениеБлагодарностиСсылкиАвторское правоСтатьи по теме

В предыдущей статье был представлен подход к диагностике сварки, основанный на оптической спектроскопии плазмы. Он заключался в использовании алгоритмов оптимизации и синтетических спектров для получения профилей участия видов, участвующих в плазме. Здесь обсуждается модификация модели: с одной стороны, алгоритм контролируемого случайного поиска был заменен реализацией оптимизации роя частиц. С другой стороны, был включен этап выбора признаков для определения тех спектральных окон, в которых будет происходить процесс оптимизации. Будут показаны как экспериментальные, так и полевые испытания, чтобы проиллюстрировать производительность решения, улучшающего результаты предыдущей работы.

1. Введение

Сварочные процессы играют важную роль в современной промышленности, поскольку они используются в самых разных производственных сценариях. Некоторые типичные примеры, которые следует упомянуть, — это изготовление тяжелых компонентов для атомных электростанций (например, парогенераторов), автомобилей, двигателей для аэронавтики и труб для различных энергетических применений или гражданского строительства. В некоторых из этих применений требования к качеству сварки очень строгие: хорошим примером в этом отношении является пористость, возникающая в процессе сварки трубы с трубной решеткой парогенератора.

Одной из основных проблем, с которыми сталкиваются инженеры на ранних стадиях определения конкретной процедуры сварки, является сложность физических процессов, связанных с процессом [1, 2]. Хотя были предприняты как теоретические, так и экспериментальные работы, опыт показывает, что определение оптимальных параметров для данного сценария требует проведения предварительных исследований в лаборатории, а затем проведения испытаний сварки на образцах для проверки прогнозируемого поведения. Несмотря на все эти усилия, в процессе будут возникать дефекты, даже если все переменные тщательно контролируются. Это подразумевает использование как разрушающих, так и неразрушающих методов оценки для проверки полученных швов и проверки их соответствия требуемым стандартам.

Предложены различные подходы к мониторингу процессов как лазерной, так и дуговой сварки, основанные на использовании электрических [3–5], акустических [6, 7] и оптических датчиков [8, 9]. Также использовались промышленные камеры в видимом диапазоне, обычно с помощью фильтров и источников освещения [10, 11], а инфракрасная термография также использовалась как для оперативного, так и для автономного контроля [12, 13]. Среди всех этих альтернатив только первая была серьезно коммерциализирована, поскольку она позволяет установить надежное технологическое окно. Однако некоторые дефекты, такие как идентификация ложных материалов в стыке, при таком подходе обнаружить невозможно. Помимо выбранной сенсорной технологии, большие усилия были также направлены на стратегии обработки, предназначенные для обнаружения дефектов [14, 15] и классификации [16–18].

Оптическая спектроскопия плазмы изучалась также для ее применения в диагностике сварки [19, 20] и в настоящее время является одним из наиболее перспективных решений в этой области. Невосприимчивость оптического волокна к сильным электромагнитным помехам, возникающим во время процесса, надежность спектроскопического анализа различных частиц, обнаруживаемых в плазме, и возможность идентификации ложных материалов в сварочной ванне являются одними из наиболее важных преимущества. Типичным подходом при использовании спектроскопии плазмы в этом контексте было определение электронной температуры плазмы с помощью двух или более эмиссионных линий одного вида [19].–22]. Однако он имеет свои ограничения, такие как неопределенность в идентификации эмиссионных линий плазмы, что привело к исследованию других параметров мониторинга [23–25].

Недавно были предложены новые альтернативы анализа: например, Sibilano et al. [26] представил так называемую Covariance Mapping Technique для анализа динамики плазмы при лазерной сварке, а Groslier et al. [27] изучали применение анализа шага к сигналам напряжения и тока процесса сварки внахлестку (MIG-MAG). Другой метод основан на генерации синтетических спектров для их сопоставления с реальными экспериментальными данными с помощью алгоритмов оптимизации [28]. Таким образом, результирующие профили выбранных видов показали четкую корреляцию с событиями качества. Однако некоторые проблемы привели к пересмотру и усовершенствованию предыдущей модели. С одной стороны, ранее выбранный алгоритм оптимизации CRS6 (управляемый случайный поиск-6) был заменен простой реализацией PSO (оптимизация роя частиц) [29].]. С другой стороны, было примечательно, что профили Ar II показали отсутствие чувствительности к некоторым дефектам в некоторых экспериментальных результатах, обсуждавшихся в [28], что, как предполагалось, было связано с использованием относительных интенсивностей из NIST [30] локальная база данных для генерации синтетических спектров. Для решения этой проблемы в модели был рассмотрен алгоритм выбора признаков, обеспечивающий выбор более узкого спектрального диапазона, в котором будет происходить оптимизация.

2. Параметры спектроскопического контроля для оперативного контроля сварки

Электронная температура плазмы 𝑇𝑒 является спектроскопическим параметром, обычно используемым в качестве параметра мониторинга в этой структуре. Хотя более точную оценку этой температуры можно получить с помощью графика Больцмана [31], это решение, подразумевающее учет нескольких эмиссионных линий и дополнительный процесс регрессии, обычно заменяют упрощенным выражением [19]: 𝑇𝑒=𝐸𝑚(2)−𝐸𝑚(1)𝐼𝑘ln(1)𝐴(2)𝑔𝑚/𝐼(2)𝜆(1)(2)𝐴(1)𝑔𝑚,(1)𝜆(2) (1) где 𝐸𝑚 — энергия верхнего уровня, 𝑘 постоянная Больцмана, 𝐼 интенсивность линии излучения, 𝐴 вероятность перехода, 𝑔 статистический вес и 𝜆 длина волны, связанная с соответствующей линией излучения. Для частного случая дуговой сварки (1) меняется, включая в логарифм знаменателя частное между энергиями верхнего уровня линии излучения [32].

Появление дефектов связано с возникновением возмущений на профиле 𝑇𝑒, но, хотя корреляция между этим спектроскопическим параметром и качеством швов доказана [19–22], есть некоторые вопросы, такие как выбор эмиссионных линий для участия в оценке 𝑇𝑒, что привело к исследованию альтернативных подходов.

Некоторые решения, которые недавно были исследованы. Совершенно другой подход был предложен в [28], где модель, основанная на определении так называемых профилей участия частиц плазмы, была построена путем создания синтетических спектров, а затем с использованием алгоритмов оптимизации, чтобы попытаться сопоставить реальные спектры сварки. . Синтетические спектры создаются после идентификации наиболее значимых видов, участвующих в процессе, и с использованием локальной копии базы данных со спектроскопической информацией о необходимых элементах. При этом используются как центральные длины волн, так и относительные интенсивности, но последние порождают проблемы сходимости на этапе оптимизации, если рассматривается широкий спектральный диапазон. Эта проблема была определена в [28] как Ar II, преобладающий вид в нашем сценарии в анализируемом диапазоне длин волн (195–535 нм), не показал ожидаемого отклика на некоторые дефекты, а другие профили (Fe I, Mn I, Ar I) позволили провести корректную дефектоскопию.

Возможное решение этой проблемы заключается в определении более узких спектральных окон, в которых будет выполняться процесс оптимизации и, следовательно, генерация профилей участия. Очевидно, это порождает неопределенность в выборе наиболее подходящих спектральных диапазонов с точки зрения обнаружения дефектов. Похожая задача исследовалась в [24], где алгоритм выбора признаков (SFFS) [33] использовался для определения тех эмиссионных линий, которые наиболее различимы с точки зрения обнаружения дефектов. Результаты показали высокую зависимость между выбранным спектральным диапазоном и соответствующим выходным профилем мониторинга. Помимо этой модификации, вместо оригинального CRS6 будет использоваться простая реализация алгоритма PSO (Particle Swarm Optimization), поскольку будет продемонстрировано, что первый демонстрирует улучшенную вычислительную производительность.

3. Модификации оригинальной модели

3.1. Алгоритм оптимизации: PSO

В исходной реализации (см. рис. 1) для выполнения этапа оптимизации использовался алгоритм контролируемого случайного поиска CRS6. Естественная эволюция модели заключается во включении лучшего алгоритма с точки зрения вычислительной производительности всего решения. В связи с этим стоит отметить, что эта модель изначально не предназначена для использования в сценарии анализа в реальном времени, а предназначена для лучшего понимания динамики различных частиц в плазме и их поведения при появлении различных дефектов в процессе сварки. . Однако его можно использовать в качестве поддержки других спектроскопических подходов для онлайн-мониторинга (например, в технико-экономических обоснованиях), что оправдывает поиск более эффективных реализаций.

После некоторых первоначальных исследований PSO был выбран как хороший кандидат, учитывая его простоту и широкое использование в нескольких сценариях. В области сварки некоторые авторы выбрали алгоритмы PSO для решения задачи оптимизации ключевых параметров сварки [34] или для этапа обучения нейронных сетей [35]. Первоначально PSO был предложен в 1995 году [29], и он основан на социальном поведении птиц и стайках рыб, претерпев множество изменений с момента его первоначальной формулировки, с новыми версиями и приложениями. Помимо уже упомянутых, типичными областями применения PSO являются анализ изображений и видео, проектирование антенн или производство электроэнергии и системы, и это лишь некоторые примеры.

Первоначальный алгоритм PSO можно обобщить следующим образом. (1) Инициализировать массив частиц со случайным положением и скоростью в D измерениях в пространстве поиска. (2) Оценить предопределенную функцию пригодности оптимизации для каждой частицы. (3) Сравните последнюю оценку пригодности текущей частицы с ее «предыдущим лучшим» 𝑝best. Если текущее значение лучше, то 𝑝best будет обновлено, а 𝑝𝑖 (предыдущая лучшая позиция) будет обновлена до текущего местоположения 𝑥𝑖. (4) Определите частицу в рое с наибольшим успехом на данный момент (𝑔best) и назначьте ее местоположение на 𝑝𝑔. (5) Продолжайте изменять скорость и положение каждой частицы в рое в соответствии со следующим выражением: 𝑣id(𝑡+1)=𝑤𝑣id(𝑡)+𝑐1𝑟1𝑝id(𝑡)−𝑥id(𝑡)+𝑐2𝑟2𝑝gd(𝑡)−𝑥id,𝑥(𝑡)id(𝑥)= +𝑣id(𝑡+1).(2)(6)Если условие остановки выполнено, то выйти с лучшим результатом на данный момент; в противном случае повторите с точки 2. Каждая частица в рое определяется ее положением 𝑋𝑖 и скоростью 𝑉𝑖 в 𝐷-мерном пространстве поиска, где 𝑋𝑖=𝑥𝑖1,𝑥𝑖2,…,𝑥𝑖𝐷𝑉,(3)𝑖=𝑣𝑖1,𝑣𝑖2,…,𝑣𝑖𝐷.(4)

В (2) 𝑤 — вес инерции, 𝑐1 и 𝑐2 — положительные константы, обычно определяемые как скорости обучения, а 𝑟1 и 𝑟2 — случайные функции в диапазоне [0,1]. Уравнение (2) описывает базовый алгоритм PSO, где значения параметров 𝑤, 𝑐1 и 𝑐2 могут существенно влиять на поведение алгоритма [15], даже делая его нестабильным. Вес инерции можно интерпретировать как текучесть среды, в которой движутся частицы роя, и типичные значения можно найти между 0,4 и 0,9. Параметрам 𝑐1 и 𝑐2 обычно присваивается значение 2, хотя они могут оказывать существенное влияние на результаты поиска. Кроме того, рекомендуется поддерживать скорости частиц в диапазоне [−𝑉max,+𝑉max], но оптимальное значение 𝑉max зависит от конкретной анализируемой задачи. Альтернативой (2) является использование так называемого метода перетяжки [36]: 𝑣id𝑣(𝑡+1)=𝜒id(𝑡)+𝑐1𝑟1𝑝id(𝑡)−𝑥id(𝑡)+𝑐2𝑟2𝑝gd(𝑡)−𝑥id,𝑥(𝑡)id(𝑑id) (𝑡)+𝑣id(𝑡+1),(5) куда 2𝜒=√𝜙−2+𝜙2−4𝜙,𝜙=𝜙1+𝜙2>4.(6)

Типичные значения этих параметров: 𝜙=4,1, 𝜙1=𝜙2 и 𝜒=0,7298. Хотя это и не обязательно, рекомендуется установить 𝑉max=𝑋max.

После реализации решения, описанного в (5), были проведены некоторые тесты для сравнения производительности PSO с результатами, предложенными CRS6, которые сведены в Таблицу 1, где Условие — условие остановки 𝜀 алгоритма: ||𝑓∗−𝑓̂𝑥∗||≤𝜀, (7) где 𝑓(𝑥) — минимизируемая функция, 𝑓∗ — минимум, 𝑥∗ — значение, которое необходимо найти в процессе оптимизации, а ̂𝑥∗ — приближение к 𝑥∗.

Используя спектр сварочной плазмы, захваченный во время экспериментальных испытаний в лаборатории, были определены как сходимость, так и время обработки PSO при различных условиях, описанных в таблице 2. Частицы — количество частиц, рассматриваемых в рое для процесс оптимизации, Итерации, количество итераций, учитываемых при каждом поиске, Участие, относительная концентрация веществ (нейтральных атомов и ионов), участвующих в плазме, и Время обработки общее предполагаемое время вычислений процесса оптимизации. Были рассчитаны как средние значения, так и значения стандартного отклонения (std) участия Ar I и Ar II, что указывает на способность PSO сходиться к ожидаемому решению. Следует отметить, что процесс оптимизации проводился по набору из 150 одинаковых спектров, таким образом моделируя идеальный шов без каких-либо дефектов.

С точки зрения вычислительной производительности можно заметить, что PSO предлагает в этом случае время обработки от 0,035 до 0,248 с (с использованием 20 частиц), в то время как результаты для CRS6 в таблице 1 варьировались от 0,11 до 0,79.. Также стоит упомянуть, что значения сходимости для Ar I и Ar II довольно схожи, но стандартное отклонение (std) явно выше для CRS6, и, хотя параметры, которые необходимо настроить в обоих случаях, различны, кажется очевидным, что вычислительная производительность PSO превосходит представленную CRS6, что оправдывает включение первого в анализируемую модель.

3.2. Использование алгоритма SFFS для выбора спектрального диапазона

В области распознавания образов, то есть в автоматическом распознавании, описании, классификации и группировке образов в различных дисциплинах, от биологии и психологии до компьютерного зрения или дистанционного зондирования [37], Методы уменьшения размерности используются до распознавания/классификации. Эти попытки найти минимальное количество измерений, в которых набор данных может быть выражен без значительной потери информации, уменьшают количество переменных представления шаблона (т.е. количество признаков), необходимых для анализа. Есть две основные причины, по которым количество признаков должно быть как можно меньше: стоимость измерения и точность классификации. Небольшое количество признаков может смягчить проклятие размерности [38], если количество обучающих выборок ограничено, но, что более важно, частота попаданий при классификации также может быть значительно повышена, если разделимость классов или расстояние между образцами, принадлежащими разным кластерам, одновременно максимизирован. Существует большое разнообразие методов характеризации [37], которые достигают этих целей по существу двумя различными способами. Алгоритмы выбора признаков выбирают (надеюсь) лучшее подмножество входного набора признаков, в то время как методы, которые создают новые признаки на основе преобразований или комбинации исходного набора признаков, называются алгоритмами извлечения признаков. Хотя обе альтернативы направлены на максимальную разделимость классов, выбор признаков предпочтительнее при работе со спектральными данными, поскольку он также обеспечивает физическое понимание проблемы [39].]. Кроме того, уменьшение размерности может быть выполнено обратно или заранее, чтобы определить спектральные полосы, которые лучше всего разделяют классы (правильные швы и дефекты), и использовать их для построения сигнала мониторинга. Таким образом, отношение сигнал/шум последнего и, как следствие, чувствительность к дефектам явно возрастут. Осуществимость этого подхода была продемонстрирована в предыдущей работе [24], где метод линии к континууму (т. е. отношение между линиями интенсивности и соседним фоновым излучением) использовался для генерации выходных профилей мониторинга и расстояния Бхаттачарьи [40]. ] использовался в качестве критерия для измерения разделения классов при выборе длины волны. Это вероятностное расстояние очень удобно для оценки разделимости классов для нормальных распределений, но даже для ненормальных случаев оно кажется разумным уравнением [41]. Расстояние Махаланобиса, определяемое формулой (8), является частным случаем расстояния Бхаттачарьи, предполагающим равные ковариации классов: 𝐽𝑀=𝜇2−𝜇1𝑇Σ−1𝜇2−𝜇1, (8) где 𝜇𝑖 — среднее значение класса 𝑖, а Σ — ковариационная матрица. Он также широко используется в качестве меры несходства, потому что требует около 𝑝2 флопов для многомерного признака, характеризуемого его средним вектором 𝜇∈𝑅𝑝 и ковариационной матрицей Σ∈𝑅𝑝×𝑝, в то время как вычисление расстояния Бхаттачарьи требует 𝑝3/3+2𝑝2 флопов [ 42].

Учитывая упомянутую выше необходимость ограничить процесс оптимизации более узкими спектральными диапазонами, чем тот, который обеспечивает спектрометр, использование алгоритма SFFS для определения подходящих спектральных областей кажется интересным в этом сценарии, поскольку он представляет собой автоматическую процедуру, а не для выполнения конкретных исследований для новых процессов или спектрометров. В этом случае здесь будет оцениваться эффективность использования расстояния Махаланобиса для поиска наиболее подходящих длин волн, которые составят выходной контрольный сигнал. Пусть 𝑋 — количество областей спектра, в которых будет выполняться процесс оптимизации и, следовательно, генерация профилей участия, то есть 𝑋 — количество полос, которые необходимо выбрать. В определенный момент процесса выбора 𝑆 — это текущий набор ранее выбранных каналов, а 𝑅 — набор оставшихся или невыбранных каналов. Процесс выбора начинается с 𝑆=∅. Псевдокод, описывающий процедуру выбора, выглядит следующим образом: В то время как | 𝑆 | <𝑋 DO SELECT BAND 𝑆INC = ARGMAX [𝐽𝑀 (𝑆𝑈𝑆INC)] 𝑆 = 𝑆𝑈𝑆INC 𝑅 = 𝑅⧵𝑆INC В то время как | 𝑆 |> 2 SELECT BAND 𝑆EXC = ARGMAX [𝐽𝑀 (𝐽𝑀 ( 𝑆⧵𝑆exc)] if 𝐽𝑀(𝑆⧵𝑆exc)>𝐽𝑀(𝑆) 𝑆=𝑆⧵𝑆exc 𝑅=𝑅𝑈𝑆exc else break end end end ,where “𝑆𝑈𝑆inc” denotes that the лента 𝑆inc входит в множество 𝑆, «𝑆⧵𝑆exc» означает, что полоса 𝑆exc исключена из множества 𝑆, а 𝜙 — пустое множество.

4. Проверка экспериментальных и полевых испытаний

Первые исследования были направлены на улучшение результатов, полученных для соединений Ar II в [28], учитывая уже отмеченное отсутствие реакции на некоторые дефекты. После первоначального анализа с помощью SFFS некоторые спектральные диапазоны были выбраны алгоритмом как наиболее подходящие с точки зрения различения спектров, связанных с правильными швами и дефектами соответственно. Детали экспериментальных испытаний описаны в предыдущей работе, но следует отметить, что для сварки пластин из нержавеющей стали AISI-304 использовался процесс GTAW (дуговая сварка вольфрамовым электродом). Дефекты провоцировались преднамеренно путем внесения возмущений в расход защитного газа (аргона). Первые спектральные полосы, выбранные алгоритмом SFFS с использованием расстояния Махаланобиса, представлены в таблице 3.

Из этих длин волн те, что в диапазоне от 460 до 490 нм, связаны с эмиссионными линиями Ar II, что предполагает пригодность выбора этого спектрального окна для процесса оптимизации. На рисунке 2 показан результат использования окон между 470 и 483 нм и 470 и 480 нм соответственно по сравнению с исходным профилем участия Ar II, полученным при использовании всего спектрального диапазона спектрометра ( Ocean Optics USB2000: от 195 до 535 нм). Можно заметить, что корреляция между дефектом в шве (вызванным возмущением расхода защитного газа) и результирующим профилем участия Ar II значительно усиливается, если спектральный диапазон процесса оптимизации уменьшается. Результат лучше для более узкого спектрального диапазона, что можно объяснить плохим совпадением, полученным в процессе оптимизации между синтетическим и реальным спектрами для эмиссионной линии Ar II, расположенной на 480,5 нм.

Аналогичное сравнение установлено на рисунке 3, где можно наблюдать еще один шов с двумя разрывами. Опять же, дефекты на 𝑥≈4,5 и 6,5 см четко не обнаруживаются при использовании всего спектрального диапазона, но использование окна от 470 до 480 нм дает более чувствительный контрольный сигнал.

Чтобы распространить анализ на другие процессы и материалы, было проведено несколько исследований данных полевых испытаний [25]. В данном случае свариваемыми материалами были Inconel-718 и Titanium 6Al-4V толщиной 2 и 1,6 мм соответственно. Для первого использовалась присадочная проволока, а в качестве защитного газа использовался аргон (10 л/мин), который также направлялся на нижнюю сторону пластин (30 л/мин). Оптическая установка в основном состояла из 600 9Оптическое волокно с диаметром сердцевины 0019 мкм м, соединяющее спектрометр (снова USB2000), и конец волокна, действующий как входная оптика, расположен примерно в 10 см от кончика электрода. Помимо правильных швов, при анализе провоцировались различные дефекты для получения желаемых спектроскопических данных.

На рис. 4 показан шов из сплава Inconel-718, признанный правильным после визуального и рентгеновского контроля. Изображенные профили участия Ar II не показывают каких-либо явных возмущений, хотя оба сигнала демонстрируют значительный уровень шума. Стоит отметить, что другие спектроскопические параметры, такие как среднеквадратический профиль плазмы [25], также демонстрируют такое поведение. Возможное объяснение этому можно найти в воздействии на процесс возмущений, не приводящих к возникновению дефектов. Соответствующий профиль тепловложения (полученный компанией Tecnalia [43] с помощью системы электрических датчиков) также является постоянным (рис. 4(с)), как и ожидается для шва без дефектов.

Анализ дефектного шва на рис. 5, где траектория сварочной горелки над стыком была отклонена (рис. 5(а)). Можно принять во внимание, что сигнал подводимого тепла указывает на наличие дефекта при 𝑥≈25-30 с, в то время как остальная часть профиля почти постоянна. На рисунке 5(b) показаны два разных профиля участия, соответствующие двум спектральным диапазонам: от 340 до 350 нм и от 470 до 480 нм. Первая полоса была выбрана с учетом того, что алгоритм выбора признаков указывает на полосу 344.15, являющуюся в данном случае разновидностью Fe I, выбранной для процесса. Это окно генерирует контрольный сигнал с сильным возмущением, коррелирующим с наблюдаемым в сигнале подводимого тепла, хотя другие области также указывают на наличие дефектов. Для сравнения, профиль Ar I не демонстрирует в этом случае столь явных возмущений.

Шов, показанный на рис. 6, был выполнен для соединения двух пластин Inconel-718 с перекосом примерно 1 мм, что является максимально допустимым в данном случае 0,3 мм (15% толщины пластины). Сигнал подводимого тепла, изображенный на рис. 6(с), не претерпевает каких-либо возмущений и остается постоянным в течение всего процесса. Почти такую же ситуацию можно наблюдать на профиле 𝑇𝑒, представленном на рис. 6(d), рассчитанном с использованием эмиссионных линий Ar II, расположенных на 460,96 и 487,99 нм соответственно. Однако профиль участия в этом случае несколько зашумлен, что свидетельствует о наличии дефектной ситуации.

Дефекты, вызванные отсутствием чистоты, исследовали также на пластинах Ti6Al-4V, моделируя эту ситуацию нанесением масла на стык перед процессом сварки. В испытании, описанном на рисунке 7, присутствие масла приводит к явному дефекту при 𝑥≈30 с, о чем свидетельствует профиль подводимой теплоты. Уменьшение спектрального диапазона для создания профиля участия Ar II (рис. 7(b)) дает отклик, аналогичный полученному для всего диапазона спектрометра, хотя чувствительность последнего оказывается несколько хуже, особенно около 𝑥= 40с. Следует отметить изменение сигнала Ar II при 𝑥≈18 с, что может быть связано с нанесением масла на середину пути сварки. Интерпретация появления дефекта в более позднем шве может быть объяснена увлечением сварочной дугой масла до места дефекта.

Этот же дефект пытались повторить для шва, изображенного на рисунке 8, но при визуальном осмотре дефектов в этом случае не наблюдалось. Опять же, сигнал подводимого тепла остается постоянным в течение всего процесса, в то время как профиль 𝑇𝑒 демонстрирует четкий наклон и некоторые тонкие возмущения. Сигнал частиц Ar II (470–480 нм) четко указывает на наличие дефектов, что, по-видимому, хорошо согласуется с анализируемым сценарием.

5. Заключение

Эволюция спектроскопической модели, предложенной в предыдущем вкладе для диагностики сварки, была представлена и обсуждена в этой статье. Первоначальное предложение было основано на генерации синтетических спектров и использовании алгоритмов оптимизации для создания профилей участия тех частиц, которые вносят свой вклад в сварочную плазму. Было показано, что существует прямая зависимость между этими профилями и результирующим качеством шва, т. е. появлением дефектов. Однако экспериментальные тесты показали, что Ar II, преобладающий вид в анализируемом спектральном диапазоне, не проявлял такого же отклика, который связан с некоторыми дефектами, правильно сигнализируемыми другими видами. Пересмотр предложенной модели показал, что проблема может быть вызвана использованием относительных интенсивностей из спектроскопической базы данных NIST для создания синтетических спектров. В частности, использование широких спектральных диапазонов с такими интенсивностями, по-видимому, привело к упомянутому недостатку чувствительности, обнаруживаемому в профилях участия Ar II. Возможное решение этой проблемы заключается в уменьшении спектрального окна, в котором происходит процесс оптимизации, что было реализовано в этой статье с помощью алгоритма выбора признаков, помогающего указать подходящие спектральные диапазоны для использования. Было продемонстрировано, что этот новый подход значительно улучшил результаты, полученные в исходной работе, учитывая, что теперь сигнал участия Ar II показывает хорошую корреляцию с дефектами, изученными в экспериментальных тестах. Кроме того, для повышения достоверности модели в анализ были включены полевые испытания образцов Inconel-718 и Ti6Al-4V, что также позволило обнаружить различные дефекты сварного шва: отклонение траектории, несоосность и отсутствие чистоты.

Помимо использования алгоритма SFFS с расстоянием Махалонобиса для сокращения спектрального диапазона для процесса оптимизации, алгоритм CRS6, использовавшийся для выполнения этой задачи в исходном вкладе, также был заменен простой реализацией PSO, улучшающей таким образом, вычислительная производительность схемы обработки.

Некоторые вопросы остаются нерешенными и должны быть решены в будущем для улучшения предлагаемой модели. С одной стороны, следует избегать использования относительных интенсивностей при генерации синтетических спектров: решение, которое необходимо изучить, может быть основано на схеме обратной связи, в которой интенсивности выбранных эмиссионных линий могут быть рассчитаны на основе оценки спектроскопического спектра. такой параметр, как температура плазмы 𝑇𝑒, используя в процессе разные виды. Было бы также интересно попытаться связать профили относительного участия последовательных стадий ионизации для данного элемента с помощью уравнения Саха, хотя следует изучить, не будет ли этот подход чрезмерно дорогостоящим с точки зрения вычислительной производительности модели. Применение этого метода может лежать в рамках LIBS (лазерной индуцированной спектроскопии пробоя), где его можно использовать для количественной оценки состава образцов.

Благодарности

Эта работа была поддержана проектами TEC2010-20224-C02-02 и OPENAER CENIT 2007–2010. Авторы хотят поблагодарить Хосе Дж. Вальдианде (Photonics Engineering Group), Хуана М. Этайо (Tecnalia) за данные о подводимой теплоте, а также Марту Давила и Рауля Льоренте (ITP) за помощь и поддержку во время полевых испытаний. Кроме того, авторы также благодарят ITP за разрешение опубликовать данные полевых испытаний, которые были получены в рамках проекта OPENAER CENIT 2007–2010.

Ссылки

Ву К.С., Ушио М. и Танака М., «Анализ поведения сварочной дуги ВИГ», Computational Materials Science , vol. 7, нет. 3, pp. 308–314, 1997.
Посмотреть по адресу:
Google Scholar
Т. В. Игар, «Физика процессов дуговой сварки», в Advanced Joining Technologies , TH North, Ed., London, UK , 1990.
Просмотр по адресу:
Google Scholar
Л. Ли, Д. Дж. Брукфилд и В. М. Стин, «Датчик плазменного заряда для бесконтактного мониторинга процесса лазерной сварки в процессе», Измерительная наука и техника , том. 7, нет. 4, стр. 615–626, 1996.
Посмотреть по адресу:
Сайт издателя | Google Scholar
В. Лу, Ю. М. Чжан и Дж. Эммерсон, «Обнаружение поверхности сварочной ванны с помощью датчика непереносимого плазменного заряда», Измерительная наука и технология, , том. 15, нет. 5, стр. 991–999, 2004.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Д. Гролье, С. Пеллерин, Ф. Валенси, Ф. Ришар и Ф. Бриан, «Исследовательский подход инструментов спектрального анализа к обнаружению дефектов сварки при сварке внахлестку», Неразрушающий контроль и оценка , том. 26, нет. 1, стр. 13–33, 2011 г.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Х. Гу и В. В. Дулей, «Статистический подход к акустическому мониторингу лазерной сварки», Journal of Physics D , vol. 29, нет. 3, стр. 556–560, 1996.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Д. Ф. Фарсон и К. Р. Ким, «Генерация оптического и акустического излучения в факелах лазерной сварки», Журнал прикладной физики , том. 85, нет. 3, pp. 1329–1336, 1999.
Посмотреть по адресу:
Google Scholar
А. Кобо, Ф. Бардин, Дж. Мирапикс, Д. для неинвазивного измерения фокальной точки и управления процессом лазерной сварки», Measurement Science and Technology , vol. 16, нет. 3, стр. N1–N6, 2005.
Посмотреть по адресу:
Сайт издателя | Академия Google
Дж. О. Коннолли, Г. Дж. Бейрн, Г. М. О’Коннор, Дж. Т. Глинн и А. Дж. Конни, «Оптический контроль лазерной плазмы во время лазерной сварки», в Laser Plasma Generation and Diagnostics , vol. 3935 of Proceedings of the SPIE , стр. 132–138, Сан-Хосе, Калифорния, США, 2000. обнаружение сварочной ванны при сварке ВИГ алюминиевых сплавов с переменной полярностью», Transactions of Nonferrous Metals Society of China , vol. 16, нет. 3, стр. 522–526, 2006 г.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Р. Ковачевич, Ю. М. Чжан и С. Руан, «Определение и контроль геометрии сварочной ванны для автоматизированной сварки GTA», Journal of Engineering for Industry-Transactions of the ASME , vol. 117, нет. 2, pp. 210–222, 1995.
Просмотр по адресу:
Google Scholar
Б. А. Чин, Н. Х. Мэдсен и Дж. С. Гудлинг, «Инфракрасная термография для обнаружения процесса дуговой сварки», Сварочный журнал , том. 62, нет. 9, 1983.
Посмотреть по адресу:
Google Scholar
Викле Х. К., Коттилингам С., Зи Р. Х. и Чин Б. А. Методы инфракрасного зондирования для контроля глубины проплавления процесса дуговой сварки под флюсом, Журнал Технология обработки материалов , вып. 113, нет. 1–3, стр. 228–233, 2001.
Посмотреть по адресу:
Сайт издателя | Google Scholar
А. Анкона, Т. Маджипинто, В. Спаньоло, М. Феррара и П.М. Лугара, «Оптический датчик для обнаружения дефектов сварки в режиме реального времени», в Датчики и системы камер для применения в научной, промышленной и цифровой фотографии III , M.M. Blouke, J. Canosa, and N. Sampat, Eds., vol. 4669 из Труды SPIE , с. 217, Сан-Хосе, Калифорния, США, 2002 г.
Посмотреть по адресу:
Сайт издателя | Google Scholar
D. Bebiano and SCA Alfaro, «Система обнаружения дефектов сварки на основе спектрометра», Sensors , vol. 9, стр. 2851–2861, 2009.
Посмотреть по адресу:
Google Scholar
И. С. Ким, Дж. С. Сон, С. Х. Ли и П. К. Д. В. Ярлагадда, «Оптимальный дизайн нейронных сетей для управления роботизированной дуговой сваркой», Robotics and Computer-Integrated Manufacturing , vol. 20, нет. 1, стр. 57–63, 2004 г.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Х. Луо, Х. Цзэн, Л. Ху, С. Ху и З. Чжоу, «Применение искусственной нейронной сети в диагностике дефектов лазерной сварки», Journal of Materials Processing Technology , том. 170, нет. 1–2, стр. 403–411, 2005 г.
Посмотреть по адресу:
Сайт издателя | Google Scholar
J. Mirapeix, P.B. García-Allende, A. Cobo, O.M. Conde и JM López-Higuera, «Обнаружение и классификация дефектов дуговой сварки в реальном времени с анализом основных компонентов и искусственными нейронными сетями», NDT и E International , vol. 40, нет. 4, стр. 315–323, 2007 г.
Посмотреть по адресу:
Сайт издателя | Академия Google
Сфорца П. и Де Блазис Д., «Система оптического контроля в реальном времени для дуговой сварки», NDT and E International , vol. 35, нет. 1, стр. 37–43, 2002 г.
Посмотреть по адресу:
Сайт издателя | Google Scholar
А. Анкона, В. Спаньоло, П. М. Лугара и М. Феррара, «Оптический датчик для мониторинга процесса лазерной сварки CO ₂ в реальном времени», Applied Optics , vol. 40, нет. 33, стр. 6019–6025, 2001.
Посмотреть по адресу:
Google Scholar
J. Mirapeix, A. Cobo, C. Jaúregui и JM López-Higuera, «Быстрый алгоритм спектральной обработки с применением для обеспечения качества сварки в режиме онлайн», Measurement Science and Technology , vol. 17, нет. 10, арт. 013, стр. 2623–2629, 2006.
Посмотреть по адресу:
Сайт издателя | Google Scholar
А. Анкона, П. М. Лугара, Ф. Оттонелли и И. М. Каталано, «Чувствительная горелка для онлайн-мониторинга процесса дуговой сварки стальных труб газовой вольфрамовой дугой», Измерительная наука и техника , том. 15, нет. 12, стр. 2412–2418, 2004.
Посмотреть по адресу:
Сайт издателя | Google Scholar
J. Mirapeix, A. Cobo, S. Fernandez, R. Cardoso и JM Lopez-Higuera, «Спектроскопический анализ излучения континуума плазмы для обнаружения дефектов дуговой сварки в режиме реального времени», Journal of Физика Д , вып. 41, нет. 13, ID статьи 135202, 2008 г.
Посмотреть по адресу:
Сайт издателя | Академия Google
П. Б. Гарсия-Альенде, Дж. Мирапикс, О. М. Конде, А. Кобо и Х. М. Лопес-Хигера, «Обнаружение дефектов в процессах дуговой сварки с помощью метода непрерывной сварки и выбора признаков», Датчики , том. 9, нет. 10, стр. 7753–7770, 2009.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Дж. Мирапикс, А. Кобо, Дж. Фуэнтес, М. Давила, Дж. М. Этайо и Дж. М. Лопес-Хигера, «Использование среднеквадратичного значения сигнала спектра плазмы для диагностики дуговой сварки», Датчики , том. 9, нет. 7, стр. 5263–5276, 2009.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Т. Сибиллано, А. Анкона, В. Берарди, Э. Шингаро, П. Паренте и П. М. Лугара, «Корреляционная спектроскопия как инструмент для обнаружения потерь лигандных элементов при лазерной сварке алюминиевых сплавов». Оптика и лазеры в технике , том. 44, нет. 12, стр. 1324–1335, 2006.
Посмотреть по адресу:
Сайт издателя | Академия Google
D. Groslier, S. Pellerin, F. Valensi, F. Richard и F. Briand, «Исследовательский подход инструментов спектрального анализа к обнаружению дефектов сварки при сварке внахлест», Неразрушающий контроль и оценка , том. 26, нет. 1, стр. 13–33, 2011 г.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Дж. Мирапикс, А. Кобо, Д. А. Гонсалес и Х. М. Лопес-Хигера, «Метод анализа плазменной спектроскопии, основанный на алгоритмах оптимизации и спектральном синтезе для обеспечения качества дуговой сварки», Оптика Экспресс , том. 15, нет. 4, стр. 1884–1897, 2007.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Дж. Кеннеди и Р. К. Эберхарт, «Оптимизация роя частиц», в Proceedings of the IEEE International Conference on Neural Networks , vol. 4, стр. 1942–1948, Перт, Австралия, 1995.
Посмотреть по адресу:
Google Scholar
Национальный институт стандартов и технологий (NIST), «база данных атомных спектров», http://physics.nist .gov/cgi-bin/AtData/main_asd.
Посмотреть по адресу:
Google Scholar
Грим Х.Р., Принципы спектроскопии плазмы , глава 5, Cambridge University Press, 1997. , Journal of Physics D , vol. 27, нет. 2, стр. 268–272, 1994.
Посмотреть по адресу:
Сайт издателя | Google Scholar
P. Pudil, J. Novovičová, and J. Kittler, «Плавающие методы поиска в выборе признаков», Письма о распознавании образов , том. 15, нет. 11, стр. 1119–1125, 1994.
Просмотр по адресу:
Google Scholar
П. Сатья, С. Аравиндан, А. Н. Хак и К. Панирсельвам, «Оптимизация параметров сварки трением с использованием эволюционных вычислительных методов, Journal of Materials Processing Technology , vol. 209, нет. 5, стр. 2576–2584, 2009.
Посмотреть по адресу:
Сайт издателя | Google Scholar
П. Чжан, Л. Конг, В. Лю, Дж. Чен и К. Чжоу, «Контроль лазерной сварки в режиме реального времени на основе нескольких датчиков», в Proceedings of the Chinese Control and Decision Conference (CCDC ’08) , стр. 1746–1748, июль 2008 г.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Р. Поли, Дж. Кеннеди и Т. Блэквелл, «Оптимизация роя частиц: обзор», Swarm Intelligence , том. 1, pp. 33–57, 2007.
Просмотр по адресу:
Google Scholar
А. К. Джайн, Р. П. В. Дуин и Дж. Мао, «Статистическое распознавание образов: обзор», IEEE Transactions on Pattern Analysis and Machine Intelligence , vol. 22, нет. 1, стр. 4–37, 2000.
Посмотреть по адресу:
Сайт издателя | Google Scholar
Г. Ф. Хьюз, «О средней точности распознавателей статистических образов», IEEE Transactions on Information Theory , vol. 14, pp. 55–63, 1968.
Просмотр по адресу:
Google Scholar
Л. Гомес-Чова, Дж. Кальпе, Г. Кэмпс-Валлс и др., «Выбор признаков гиперспектральных данных с помощью локальных Корреляция и SFFS для классификации культур», в Международный симпозиум IEEE по геонаукам и дистанционному зондированию (IGARSS ’03) , IEEE Cat. № 03Ch47477, стр. 555–557, июль 2003 г.
Просмотр по адресу:
Google Scholar
А. Бхаттачарья, «О мере расхождения между двумя полиномиальными совокупностями», Индийский журнал статистики, об. 7, стр. 401–406, 1946.
Посмотреть по адресу:
Google Scholar
К. Фукунага, Введение в статистическое распознавание образов , M. Kaufmann Academic Press, Сан-Диего, Калифорния, США, 1990.
Д. Команичиу, П. Меер, К. Сюй и Д. Тайлер, «Повышение производительности поиска с помощью поправок низкого ранга», в . Материалы семинара IEEE по контент-ориентированному доступу к библиотекам изображений и видео , стр. 50–54, 1999 г.

Copyright

Copyright © 2012 J. Mirapeix et al. Это статья с открытым доступом, распространяемая в соответствии с лицензией Creative Commons Attribution License, которая разрешает неограниченное использование, распространение и воспроизведение на любом носителе при условии надлежащего цитирования оригинальной работы.

Мониторинг профиля и диагностика неисправностей с помощью датчика Fusion для ультразвуковой сварки | Дж. Мануф. науч. англ.

Пропустить пункт назначения навигации

Научная статья

Вэйхун (Грейс) Го,

Цзюнхуа (Джуди) Джин,

С. Джек Ху

Информация об авторе и статье

1Ответственный автор.

Рукопись получена 17 мая 2018 г.; окончательный вариант рукописи получен 1 мая 2019 г.; опубликовано онлайн 10 июня 2019 г. Доц. Редактор: Драган Джурджанович.

J. Изготовитель. науч. Eng . август 2019 г., 141(8): 081001 (13 страниц)

Номер статьи: МАНУ-18-1338 https://doi.org/10.1115/1.4043731

Опубликовано в Интернете: 10 июня 2019 г.

История статьи

Получено:

17 мая 2018 г.

Редакция Получено:

1 мая 2019 г.

Принято:

3 мая 2019 г.

Разделенный экран
Просмотры
- Содержание артикула
- Рисунки и таблицы
- Видео
- Аудио
- Дополнительные данные
- Экспертная оценка
PDF
Делиться
- Твиттер
- LinkedIn
Иконка Цитировать Цитировать
Разрешения
Поиск по сайту

Citation

Guo, W. (., Jin, J. (., and Jack Hu, S.) (10 июня 2019 г.). «Мониторинг профиля и диагностика неисправностей с помощью сплавления датчиков для ультразвуковой сварки». ASME. J Производственный научный инженер , август 2019 г., 141(8): 081001, https://doi.org/10.1115/1.4043731

Скачать файл цитаты:

Рис (Зотеро)
Менеджер ссылок
EasyBib
Подставки для книг
Менделей
Бумаги
КонецПримечание
RefWorks
Бибтекс
Процит
Медларс

панель инструментов поиска

Расширенный поиск

Сигналы датчиков, полученные в процессе производства, содержат обширную информацию, которую можно использовать для облегчения эффективного мониторинга качества работы, раннего обнаружения системных аномалий и быстрой диагностики основных причин неисправности. В данной статье разрабатывается метод эффективного мониторинга и диагностики мультисенсорных данных разнородного профиля на основе мультилинейного дискриминантного анализа. Предлагаемый метод работает непосредственно с многопотоковыми профилями, а затем извлекает некоррелированные отличительные признаки посредством тензорно-векторной проекции и, таким образом, сохраняет взаимосвязь различных датчиков. Извлеченные функции затем передаются в классификаторы для обнаружения ошибочных операций и распознавания типов ошибок. Разработанный метод продемонстрирован как на смоделированных, так и на реальных данных ультразвуковой сварки металлов.

Раздел выпуска:

Исследования

Ключевые слова:

мониторинг профиля, диагностика неисправностей, тензорное разложение, Sensor fusion

Темы:

Диагностика неисправностей, Металлы, Датчики, Сигналы, Тензоры, Сварка, Моделирование, ультразвуковая сварка, Производство, Извлечение признаков, Алгоритмы, Размеры

Сигналы датчиков, полученные в ходе процесса, содержат обширную информацию, которую можно использовать для облегчения эффективного мониторинга качества работы, раннего обнаружения системных аномалий и быстрой диагностики основных причин неисправности. В дискретном производстве и во многих других приложениях измерения датчиков, обеспечиваемые технологией онлайн-зондирования и сбора данных, представляют собой зависящие от времени или пространства функциональные данные, также называемые данными профиля [1,2]. В этой статье нас особенно интересуют данные профиля на основе циклов при ультразвуковой сварке металлов [3], которые собираются из повторяющихся рабочих циклов дискретного производственного процесса.
Ультразвуковая сварка представляет собой процесс соединения в твердом состоянии, в котором используется высокочастотная ультразвуковая энергия для создания колебательных сдвигов между металлическими листами, зажатыми под давлением [4,5], как показано на рис. 1. Преимущества ультразвуковой сварки при соединении разнородных и проводящих материалов материалы получили широкое признание [6]. По мере ускорения продаж электромобилей и расширения производства в последние годы ультразвуковая сварка все чаще используется для соединения литий-ионных аккумуляторов для электромобилей [4]. Испытания на растяжение проводятся для изучения разрушения сустава, соотношения нагрузки и растяжения и прочности на растяжение [3,4,6,7]. Однако, поскольку испытание на растяжение является разрушительным и может быть выполнено только в автономном режиме, важно разработать мониторинг и оценку на месте, чтобы обеспечить возможности для более быстрого осуществления корректирующих действий.
Рис. 1
Увеличить Скачать слайд
Процесс ультразвуковой сварки металлов (адаптировано из Lee et al. [4])
Рис. [4]. . На рис. 2 показаны два сигнала для четырех выборок. Ли и др. обнаружили, что существует корреляция между сигналами онлайн-датчиков и атрибутами сварки [3]. Гуо и др. разработали алгоритм онлайн-мониторинга для обеспечения качества сварки и обнаружения плохих сварных швов [8]. Однако в этих исследованиях анализировались только определенные характеристики сигналов датчиков, такие как максимальная мощность и максимальное смещение, в то время как богатая информация, скрытая в сигналах реального времени, не извлекалась и не исследовалась. Более того, существующие исследования ограничиваются либо характеристикой характеристик сварного шва, либо обнаружением плохих сварных швов, в то время как диагностика дефектов плохих сварных швов не исследовалась. Кроме того, несколько сигналов необходимо моделировать вместе, поскольку один сигнал может быть недостаточно информативным для идентификации неисправности. Таким образом, эта статья направлена на разработку нового метода сплавления датчиков и диагностики неисправностей, позволяющего проводить неразрушающую оценку ультразвуковой сварки металлов на месте.
Рис. 2
Увеличить Загрузить слайд
Примеры сигналов мощности и смещения при ультразвуковой сварке
Рис. 2
Увеличить Загрузить слайд
Примеры сигналов мощности и смещения при ультразвуковой сварке

4 Модальный

В литературе имеются обширные исследования по моделированию и мониторингу данных профилей на основе циклов, включая как линейные, так и нелинейные профили. Обзор параметрических и непараметрических подходов для данных профиля, а также областей применения можно найти в Kuljanic et al. [9]. В последние годы в промышленности наблюдается большой интерес к многосигнальным приложениям, особенно в тех случаях, когда один сигнал не дает достаточно информации для принятия решений. Это приводит к растущему спросу на методы объединения нескольких датчиков для анализа нескольких сигналов, полученных от разных датчиков, для мониторинга процесса и диагностики системы.

Было предпринято множество исследований по объединению данных от нескольких датчиков в производственных операциях, например обнаружение вибрации при фрезеровании [10], мониторинг состояния инструмента [11,12], диагностика неисправностей двигателя [13] и т. д. Большая часть Методы слияния мультисенсорных данных основаны на извлечении единого синтетического показателя из сигналов мониторинга, например, пикового значения, взвешенного суммирования сигналов и т. д. Основные ограничения этого подхода включают потерю информации, связанной с процессом выделения признаков, потерю корреляции между датчиками и проблемно-зависимый характер схемы синтеза. Хотя было продемонстрировано, что методы мониторинга профилей более эффективны, чем методы, основанные на синтетических индексах, в процессах мониторинга, характеризующихся повторяющимися шаблонами [9].], только несколько авторов изучали подходы к мониторингу профиля в области слияния датчиков [14–16]. В последнее время, с быстрым развитием многолинейных методов распознавания лиц, Paynabar et al. [17] предложили многоканальный метод мониторинга профиля и диагностики неисправностей, основанный на некоррелированном многолинейном анализе главных компонентов (UMPCA) [18], тогда как Grasso et al. [19] исследовали задачу мониторинга многопотокового профиля с помощью мультилинейного PCA (MPCA) [20]. Многоканальные профили являются однородными, в которых все датчики измеряют одну и ту же переменную, тогда как многопотоковые сигналы являются неоднородными, в которых разные датчики измеряют разные переменные.

В этом исследовании мы изучаем использование многолинейных расширений линейного дискриминантного анализа (LDA) для работы с многопотоковыми сигналами с целью мониторинга процессов и диагностики неисправностей. LDA широко используется как эффективный инструмент для уменьшения размерности и дискриминантного анализа сложных данных. Обычный LDA — это линейный алгоритм, который может работать только с векторами, поэтому его нельзя напрямую применять к многопотоковым профилям. Чтобы применить LDA к многопотоковым профилям, эти профили необходимо сначала объединить и преобразовать (векторизировать) в векторы. Поэтому этот метод называется векторизованным LDA (VLDA). Применение LDA к этому многомерному вектору создает высокую вычислительную сложность из-за размерности матриц рассеяния. Более того, векторизация нарушает естественную структуру и корреляцию в исходных данных, например корреляцию между датчиками, и потенциально теряет более полезные представления, которые можно было получить в исходной форме. Лу и др. [21] представили некоррелированную мультилинейную структуру LDA (UMLDA) в качестве альтернативы VLDA. UMLDA — это многолинейный метод уменьшения размерности и извлечения признаков, который работает непосредственно с многомерными объектами, известными как тензорные объекты, а не с их векторизованными версиями. UMLDA извлекает некоррелированные отличительные признаки непосредственно из тензорных данных посредством решения тензорно-векторной проекции (TVP). Хотя MPCA и UMPCA также являются многолинейными алгоритмами извлечения признаков подпространства, работающими непосредственно с тензорными представлениями, подобно PCA, они оба являются неконтролируемыми методами, которые не используют информацию о классе. В производстве и во многих других приложениях обучающие выборки из различных классов могут быть легко и эффективно собраны. В этих приложениях контролируемые многолинейные методы, такие как UMLDA, учитывают информацию о классе и, следовательно, могут быть более подходящими для распознавания ошибок. Хотя есть некоторые предварительные исследования по применению UMLDA для обработки изображений в задачах распознавания лиц и походки [21], в литературе можно найти очень мало исследований по использованию метода UMLDA для анализа многопотоковых нелинейных профилей с целью обнаружения ошибок и диагноз.

Таким образом, основной целью данной статьи является разработка подхода на основе UMLDA для анализа многопоточных профилей на месте при ультразвуковой сварке, который учитывает взаимосвязь датчиков. Признаки, извлеченные с помощью метода на основе UMLDA, могут эффективно различать разные классы и предоставлять результаты диагностики неисправностей. Эффективность предлагаемого метода проверяется как на моделировании, так и на реальных примерах процесса ультразвуковой сварки металлов.

Оставшаяся часть этого документа организована следующим образом. В разделе 2 представлен метод анализа и уменьшения размеров многопотоковых профилей с использованием UMLDA. VLDA также рассматривается в этом разделе. В разделе 3 сравнивается предлагаемый метод на основе UMLDA с VLDA и его вариантами, а также с другими конкурирующими методами, включая методы на основе UMPCA и MPCA, по производительности извлечения отличительных признаков и распознавания типа ошибок. Пример процесса ультразвуковой сварки металлов приведен в гл. 4. Наконец, гл. 5 завершает статью обсуждением более широких воздействий.

8″ data-legacyid=»s2a»> Основные понятия полилинейной алгебры и преобразование тензора в вектор.

L -полосный массив A является L тензорным объектом A∈RI1×I2×⋯×IL такого порядка, что I _l представляет размерность l -моды, l = 1, …, L , где термин mode относится к общему набору сущностей [25]. l -модовые векторы A∈RI1×I2×⋯×IL определяются как I _L -мерные векторы, полученные из A, варьируя индекс I _L ( I _L = 1, 757575757575757575757575757575757575757575757575757575757575757415

4159577. L. _{. фиксированные индексы. В полилинейной алгебре матрицу A можно рассматривать как тензор второго порядка. Векторы-столбцы и векторы-строки рассматриваются как векторы 1-моды и 2-моды матрицы соответственно. Произведение l мод тензора A на матрицу U∈RJl×Il⁠, обозначаемое A×lU⁠, является тензором с элементами (A×lU)(i1,…,il−1,jl,il +1,…,iL)=∑ilA(i1,…,iL)⋅U(jl,il)⁠.}

Для проецирования тензорных данных в подпространство для лучшего распознавания существуют две основные формы полилинейной проекции: тензорно-тензорная проекция (ТТР) и тензорно-векторная проекция (ТВП). TVP проецирует тензор на вектор, и его можно рассматривать как несколько проекций тензора на скаляр. Тензор A∈RI1×I2×⋯×IL можно спроецировать в точку от y до L единичных проекционных векторов {u(1)T,u(2)T,…,u(L)T} при y =A×1u(1)T×2u(2)T×⋯×Lu(L)T⁠, u(l)∈RIl×1⁠, ||u(l)=1|| на l = 1, …, L , где || · || — евклидова норма для векторов. Эта проекция {u(1)T,u(2)T,…,u(L)T} называется элементарной полилинейной проекцией (EMP), которая является проекцией тензора на одну прямую (получающую скаляр) и он состоит из одного проекционного вектора в каждой моде. TVP тензорного объекта A для вектора y∈RP в P -мерном векторном пространстве состоит из P ЭМИ, которые можно записать как {up(1)T,up(2)T,…,up (L)T}p=1,…,P={up(l)T,l=1,…,L}p=1P⁠. Тогда TVP от A до y записывается как y=A×l=1L{up(l)T,l=1,…,L}p=1P⁠, где p -й компонент y получается из p -го ЭМИ как y(p)=A×1up(1)T×2up(2)T×⋯×Lup(L)T⁠.

В кадре данных многопотокового профиля простейший L -полосный массив, представляющий сигналы, представляет собой тензорный объект третьего порядка A∈RI1×I2×M такой, что I ₁ число датчиков, I ₂ — количество точек данных, собранных по каждому профилю, а M — количество многопотоковых профилей или выборок. Обратите внимание, что более четко сформулированные наборы данных могут быть созданы путем введения дополнительных режимов, например, путем добавления дополнительного режима для группировки различных семейств датчиков.

Несколько EMP решаются один за другим, чтобы максимизировать дискриминантный критерий с принудительным ограничением нулевой корреляции. Чтобы сформулировать задачу UMLDA, пусть {ymp,m=1,…,M} обозначает p -й проекции скалярных признаков, где M — количество обучающих выборок, а ymp — проекция м -й образец Am по p -й ЭМИ {up(1)T,up(2)T}:
ymp=Am×1up(1)T×2up(2)T⁠. Адаптируя классический дискриминантный критерий Фишера к скалярной выборке, разброс между классами SBpy и разброс внутри классов SWpy составляют −y¯cmp)2
(1)
где C – количество классов, N _c – количество образцов для класса c , c 0325 m — метка класса для m -й обучающей выборки, y¯p=(1/M)∑mymp=0 в предположении, что обучающие выборки имеют нулевое среднее, y¯cp=(1/Nc)∑ m,cm=cymp⁠, а y¯cmp — среднее значение класса, к которому принадлежит ymp. Пусть gp обозначает p -й координатный вектор, а gp(m)=ymp⁠. Целью UMLDA является определение набора P ЭМИ, которые максимизируют коэффициент рассеяния при создании некоррелированных признаков. Математическая формулировка UMLDA может быть записана как
{up(1)T,up(2)T}=argmaxFpy=argmaxSBpy/SWpy
(2)
с учетом
∥up(1)∥=1,∥up(2)∥=1,gpTgq ∥GP∥G∥GQ∥ = ΔPQ, P, Q = 1,…, P
, где Δ _PQ = 1 для P = Q и Δ 40575 575 Q и Δ 5 40575574 Q и Δ 757574. 0 иначе.
Решение этой задачи обеспечивается с помощью подхода последовательного определения [21,26]. ЭМИ P {up(1)T,up(2)T}p=1P определяются последовательно в P шагов, с p -го шага получение p -го ЭМИ. Реализация UMLDA, предложенная Lu et al. [21] для целей распознавания лиц вводится параметр регуляризации γ (regularized UMLDA (R-UMLDA)). Чтобы найти up(l) в режиме l−⁠, предполагая, что задано {up(l),l≠l}, выборки тензора проецируются в этих ( L − 1 режимах) {l≠ l} для получения векторов y~mp(l)=Am×l=1,l≠lL{up(l)T,l=1,…,l−1,l+1,…, L} р = 1P⁠. Регуляризованная матрица рассеяния внутри класса S~Wp(l) определяется как
S~Wp(l)=∑m=1M(y~mp(l)−y~¯cmp(l))(y~mp(l)−y~¯cmp(l)) T+γ⋅λmax(SˇW(l))⋅IIl
(3)
где γ ≥ 0 — параметр регуляризации, IIl* — единичная матрица размера Il×Il⁠, а λmax (SˇW(l)) — максимальное собственное значение SˇW(l)⁠, которое представляет собой матрицу рассеяния внутри класса для l векторов мод обучающих выборок.
Целью введения параметра регуляризации является улучшение алгоритма UMLDA при малом размере выборки, когда размерность входных данных высока, но количество обучающих выборок для некоторых классов слишком мало, чтобы представить истинные характеристики их классы. Это распространенный случай в мелкосерийном производстве, таком как прототипирование или индивидуальное производство. Этот сценарий также может иметь место, когда определенный тип неисправности существует, но встречается редко, и данные по этому случаю неисправности ограничены. Если количество обучающих выборок слишком мало, итерации имеют тенденцию минимизировать разброс внутри класса к нулю, чтобы максимизировать коэффициент разброса. Наличие параметра регуляризации в разбросе внутри класса гарантирует, что во время итерации меньше внимания будет уделяться сокращению разброса внутри класса. Базовый UMLDA получается установкой γ = 0,
На основании наблюдений в [1]. [21], чувствительность R-UMLDA к инициализации и регуляризации предполагает, что R-UMLDA не является очень стабильным экстрактором признаков и хорош для обучения на основе ансамбля. Следовательно, регуляризованная UMLDA с агрегацией (R-UMLDA-A) введена для агрегирования нескольких по-разному инициализированных и регуляризованных экстракторов функций UMLDA для достижения лучших результатов классификации. Чтобы сосредоточиться на производительности извлечения признаков, в R-UMLDA-A реализована простая агрегация на уровне оценки совпадения с использованием расстояния до ближайшего соседа. Пусть A обозначает количество экстракторов функций R-UMLDA, которые необходимо объединить. Чтобы классифицировать тестовую выборку A⁠, она проецируется на A векторов признаков {y(a)}a=1,…,A с использованием сначала A TVP. Далее, для экстрактора признаков a th R-UMLDA расстояние ближайшего соседа тестовой выборки A до каждого класса-кандидата c равно
d(A,c,a)=minm,cm=c|| y(a)−ym(a)||
(4)
d(A,c,a) затем масштабируется до интервала [0, 1] как d~(A,c,a)=(d(A,c,a)−mincd(A ,c,a))/(maxcd(A,c,a)−mincd(A,c,a))⁠. Агрегированное расстояние до ближайшего соседа получается с использованием простого правила сумм
d(A,c)=∑a=1Ad~(A,c,a)
(5)
Следовательно, тестовому образцу A присваивается метка c=argmincd(A,c)⁠.*

VLDA — это обобщение LDA для тензорных данных, которое применяет обычный LDA к тензорному объекту, преобразованному в вектор. В кадре данных многопотокового профиля тензорный объект третьего порядка A∈RI1×I2×M, представляющий сигналы, разворачивается послойно; затем срезы перестраиваются в большую двумерную матрицу A∈RI1I2×M⁠, где I ₁ — количество датчиков, I ₂ — количество точек данных, собранных на каждом профиле, и M — количество выборок. Затем классический LDA выполняется на матрице A⁠. Мы ищем матрицу преобразования W, которая максимизирует отношение разброса между классами к разбросу внутри классов
W=argmaxJ(W)=argmax|WTSBW||WTSWW|
(6)
при условии||wi||=1,i=1,…,c−1
где S _B и S _W — разброс между классами 4 и 905 внутри классов, соответственно. Образцы преобразованного сигнала могут быть получены с помощью y=WTA⁠. Подробнее о расчете S _B и S _{W 3 можно найти с помощью линейного индискриминатора Fish. [27].}
Имитационное исследование распространено, когда кто-то хочет проверить эффективность метода, изучить, как на производительность влияют определенные параметры, сравнить различные методы или получить данные, которые трудно получить другим способом.
Многопотоковые сигналы при моделировании генерируются так же, как в Ref. [19]: Набор данных профиля с четырьмя потоками создается на основе трех эталонных сигналов, предложенных Донохо и Джонстоном [28]. Сложные закономерности в эталонных сигналах затрудняют моделирование профиля с использованием параметрического подхода. На рисунке 3 показаны три эталонных сигнала: «блоки», «тяжелый синусоидальный сигнал» и «выбросы». Они обозначены как x ₁ , x ₂ и x ₃ соответственно.
Рис. 3
Посмотреть в большом размереСкачать слайд
Эталонные сигналы «блоки», «тяжелая синусоидальная форма» и «удары»
Рис. 3
Посмотреть увеличенная версияСкачать слайд
Близкий модальный
Пусть χ ∈ ℝ ^{N × K × M} обозначает тензорный объект третьего порядка9, где0574 N = 4 — количество потоков или датчиков, K = 128 — количество точек данных для всех сигналов и M — количество выборок. χ is generated to contain different types of correlation structures: linear correlation (e.g., χ _{1,·, m} and x ₁ , χ _{2,·, m} и x ₃ и т. д.), криволинейная корреляция (например, χ _{2, ·, M} и x ₁, χ _{3, · M}
9 _{3, ·, M}
_{3, ·, M}
9 _{. correlation (e.g., χ _{3,·, m} and x ₁ , χ _{4,·, m} and x ₃ , etc. ). χ определяется следующим образом: mx22+b6,mx32+ε3,mχ4,⋅,m=b7,mx1x2+ε4,m(m=1,…,M)}
(7)
где εn,m∼N(0,0,52) — случайный шум, bm=[b1,m,…,b7,m]T∼MVN(μb,Σb) — вектор параметров модели, n = 1, …, 4, m = 1, …, M . Подобно набору данных, использованному в Ref. [19] для формирования набора данных используются следующие настройки: σb12,…,σb72)=diag(0,08,0,015,0,05,0,01,0,09,0,03,0,06)⁠. На рис. 4 показаны 100 образцов контрольных профилей, созданных при этих настройках. Как видно из уравнения (7), четыре потока сигналов не являются независимыми, но корреляционная структура сложна для моделирования профиля.
Рис. 4
Просмотр LARGEDOWNLOAD SLIDE
Смоделированные 100 образцов профиля в контроле
Рис. 4
Посмотреть Largedownload Slide
Смоделированные 100 в профиле. Сценарии управления (OOC) генерируются для имитации различных видов отклонений от естественного шаблона многопотока. Каждый сценарий OOC связан с назначаемой причиной. В контексте ультразвуковой сварки металлов (а также многих других производственных процессов) эти назначаемые причины представляют собой различные неисправности, например, неправильное расположение сварного шва, деформацию листового металла, загрязнение поверхности и т. д. В этой статье мы предполагаем, что множественные неисправности не возникают. одновременно на одной детали, т. е. одна деталь имеет не более одной неисправности. Рассматриваются следующие сценарии OOC:
Сценарий (a) : Среднее смещение опорного сигнала 0,075,0,1}σxu — величина сдвига, σxu — стандартное отклонение опорного сигнала x _u, u = 1, 2, 3 и 7
4 3 7 3 ×1 — вектор-столбец из единиц.
Сценарий (b) : Наложение синусоидального члена на опорный сигнал
xu→xu+δbys(u=1,2,3)
(9)
где δb∈{0,025,0,05,0,075,0,1,0,125}σxu⁠, а — функция синуса в области [0, K ], с периодом K и размахом амплитуды, равным 1, u = 1, 2, 3.
Сценарий (c) : увеличение стандартного отклонения ошибки0574 c ∈ {1.1, 1.5, 2, 2.5, 3}, а σεn.m — стандартное отклонение члена ошибки ɛ _{n . м} .
Сценарий (d) : Среднее смещение параметра модели 5}σbw⁠, μbw и σbw – среднее значение и стандартное отклонение w -го параметра модели b _w , w = 1, …, 7.
Сценарий (e) : увеличение стандартного отклонения параметра модели , 2. 5, 3, 4}.
Сценарий (f) : Постепенное среднее смещение опорного сигнала — величина сдвига, а 1 _{K × 1} — вектор-столбец из единиц. Этот сценарий введен для представления влияния износа инструмента на данные профиля. По мере износа инструмента опорный сигнал ( м + 1)-я выборка будет иметь большее среднее смещение, чем у м -й выборки. С учетом степени износа инструмента пусть δf1∈[0,01,0,05]σxu представляет собой отклонения, вызванные малоизношенным инструментом, δf2∈(0,05,0,1]σxu представляет собой отклонения, вызванные инструментом со средним уровнем износа, а δf3∈ (0,1,0,15]σxu представляет сильно изношенный инструмент, u = 1, 2, 3.
Для линейных методов, таких как VLDA, многопотоковые сигналы должны быть векторизовать в матрицу, а затем выполнить нормализацию. Метод извлечения признаков, например, UMLDA или VLDA, затем создает векторные признаки, которые могут быть переданы в стандартные классификаторы для классификации. Результатом является метка класса тензора, которая представляет «нормальный» или какой-то тип неисправности.
Рис. 5
Посмотреть большойСкачать слайд
Структура мониторинга профиля и диагностики неисправностей с использованием многопотоковых сигналов
Рис.
Сравнение производительности проводится на двух уровнях: (1) производительность извлечения признаков и (2) производительность классификации. Чтобы сравнить производительность извлечения признаков, мы используем следующие четыре полилинейных и три линейных метода извлечения признаков: R-UMLDA, R-UMLDA с агрегацией (R-UMLDA-A), UMPCA, MPCA, VLDA, некоррелированный LDA (ULDA) и регуляризованный LDA (RLDA). Полученные векторы признаков затем передаются в классификатор ближайшего соседа (NNC) с мерой евклидова расстояния для классификации.
В R-UMLDA параметр регуляризации γ эмпирически установлен равным 0,001. Если мы позволим Q обозначать количество обучающих выборок на класс, то интуитивно более сильная регуляризация более желательна для меньшего Q , а более слабая регуляризация рекомендуется для большего Q . Поскольку тензорный объект χ ∈ ℝ ^{4×128× M} , один R-UMLDA извлечет до четырех признаков. В R-UMLDA-A до 90 574 A 90 575 = 20 по-разному инициализированных и регуляризованных экстракторов UMLDA комбинируются, каждый из которых создает до 4 признаков, что дает в общей сложности 80 признаков. 9Параметр 0574 γ изменяется от 10 ⁻⁷ до 10 ⁻² .
UMPCA и MPCA — это неконтролируемые многолинейные методы, которые ищут набор проекций, чтобы максимизировать изменчивость, захваченную спроецированным тензором. UMPCA будет давать до 4 некоррелированных признаков, в то время как MPCA будет давать примерно 80 скоррелированных признаков, чтобы охватить не менее 99% вариации в каждом режиме. Подробности о теоретическом развитии UMPCA и MPCA можно найти в работах. [18,20].
В дополнение к VLDA для сравнения включены еще два линейных метода, ULDA и RLDA. ULDA и RLDA улучшают LDA при проблемах недостаточной выборки и проблемах малого размера выборки соответственно. Каждый метод будет проецировать до C − 1 функций, где C — это количество классов. Подробности о теоретическом развитии ULDA и RLDA можно найти в Refs. [29,30].
Чтобы еще больше повысить эффективность классификации, мы передаем функции, извлеченные несколькими экстракторами R-UMLDA, в метод случайных подпространств и сравниваем его производительность с R-UMLDA-A, который использует простую агрегацию ближайших соседей. Поскольку классификация не является основным направлением данной работы, мы не будем подробно обсуждать ансамблевые методы обучения. Читатели, интересующиеся методом случайных подпространств и ансамблевым обучением, могут обратиться к ссылкам. [31,32].
В этом подразделе обсуждаются результаты моделирования в трех основных случаях A, B и C.
Рис. 6
Просмотр LARGEDOWNLOAD SLIDE
Случай. Набор данных: 1200 образцов в 6 классах
Рис. 6
Просмотр LargedOwnload Slide
Case A Dataset: 1200 Образцы в 6 классах
20202 Modal
в 6 классах
20202 Из пяти приведенных выше сценариев OOC все профили в потоках 1, 2 и 4 затронуты в (a) и (b), тогда как в (c), (d) и (e) только профили в потоке 1 затронуты. неконтролируемые шаблоны. Поскольку большое количество ε~1,m, генерируемых разломом (c), будет перекрываться с контролируемыми ε1,m’s⁠, и что b~1,m генерируются b~1,m ∼N(μb1,(4σb1)2) в разломе (e) будет сильно перекрываться с контрольными b1,m’s⁠, разломы (c) и (e) будет очень трудно отделить от контрольного класса .
Половина из этих 1200 образцов используется для обучения. Перед моделированием UMLDA сгенерированные данные нормализуются путем удаления общего среднего всех обучающих выборок из исходных данных. Используя процедуры, описанные в пп. 2 и 3.1, к нормализованным данным применяется регуляризованный UMLDA. В UMLDA собственные датчики, соответствующие p -му ЭМИ, Up∈R4×128⁠, p = 1, 2, 3, 4, получаются как up(1)∘up(2)⁠, где up( 1)∈R4×1 и up(2)∈R128×1⁠. На рис. 7 показано Up, полученное из обучающего набора данных в одном прогоне моделирования случая A. Как видно из рис. 7, собственные векторы, соответствующие первому EMP, показывают эффективное различение потоков 1 и 4, тогда как соответствующие второму EMP показывают сильное различение потока 2. Собственные векторы, соответствующие третьему и четвертому EMP, демонстрируют слабое различение потока 4, тогда как из потока 3 извлекается ограниченная полезная информация для дискриминантного анализа. Эти результаты полностью совместимы с моделью генерации данных, что означает, что R-UMLDA может эффективно извлекать информацию для дискриминантного анализа о многопотоковых профилях.
Fig. 7
View largeDownload slide
Eigentensors from R-UMLDA in simulation case A
Fig. m — прогнозируемый класс для выборки 9м>0, см>0)/Мтест⁠. Как видно на рис. 8, первые два признака, извлеченные R-UMLDA, являются наиболее мощными признаками для классификации. Добавление третьей и четвертой функций немного улучшает правильную скорость классификации. Рис. 8 тестовый набор данных
Закрыть модальный
Таблица 1
Матрица путаницы NNC для функций R-UMLDA в случае тестового набора данных
Точность = 35% .
Normal Fault (a) Fault (b) Fault (c) Fault (d) Fault (e) Normal Fault (a) Fault (b) Fault (c) Fault (d) Fault (e)
Actual One feature Actual Two features
Normal 23 23 23 25 1 5 Normal 42 0 5 41 1 11
Fault (a) 18 25 25 26 0 6 Fault (a) 0 98 1 0 0 1
Fault (b) 18 27 26 24 0 5 Fault (b) 4 1 74 17 0 4
Fault (c) 17 29 21 23 1 9 Fault (c) 38 0 12 41 0 9
Fault (d) 1 0 0 1 77 21 Fault (d) 0 0 0 1 81 18
Fault (e) 8 12 12 19 15 34 Fault (e) 17 0 2 28 13 40
Accuracy = 35% Classified as Accuracy = 63% Classified as
Normal Fault (a) Fault (b) Fault (c) Fault (d) Fault (e) Normal Fault (a) Fault (b) Fault (c) Fault (d) Fault (e)
Actual One feature Actual Two features
Normal 23 23 23 25 1 5 Normal 42 0 5 41 1 11
Fault (a) 18 25 25 26 0 6 Fault (a) 0 98 1 0 0 1
Fault (b) 18 27 26 24 0 5 Fault (b) 4 1 74 17 0 4
Fault (c) 17 29 21 23 1 9 Fault (c) 38 0 12 41 0 9
Fault (d) 1 0 0 1 77 21 Fault (d) 0 0 0 1 81 18
Fault (e) 8 12 12 19 15 34 Fault (e) 17 0 2 28 13 40
Яркостью = 66% Классифицированный как Точность = 67% . 1498 Неисправность (c) Неисправность (d) Неисправность (e) Норма Неисправность (a) Неисправность (b) Неисправность (c) Неисправность )
Actual Three features Actual Four features
Normal 38 0 1 46 1 14 Normal 45 0 0 40 0 15
Fault (a) 0 98 1 0 0 1 Fault (a) 0 98 1 0 0 1
Fault (b) 0 1 98 0 0 1 Ошибка (б) 0 0 99 1 0 0
Fault (c) 38 0 2 44 1 15 Fault (c) 49 0 1 33 1 16
Fault (d) 0 0 0 2 79 19 Fault (d) 0 0 0 2 80 18
Fault (e) 16 0 0 29 17 38 Fault (e) 16 0 0 25 15 44
. классификатор показан в матрицах путаницы в таблице 1. Из таблицы 1 мы можем легко наблюдать улучшение точности классификации при использовании двух или более EMP вместо использования только первого. Мы также замечаем, что когда используются два или более признаков, большинство ошибок классификации происходит из-за разделения контролируемого класса, ошибки (c) и ошибки (e) друг от друга. Это наблюдение точно совместимо с моделью генерации данных, на основании которой мы ожидали, что неисправности (c) и (e) являются наиболее сложными для отделения от класса in-control.
Применение методов конкурентов, описанных в гл. 3.1, рис. 9 (a) показывает эффективность классификации NNC для различных методов извлечения признаков в случае тестового набора данных. Представленные результаты представляют собой средние правильные показатели классификации в 100 прогонах моделирования. На рис. 9 (а) кривые с треугольными маркерами соответствуют эффективности классификации для функций UMPCA и MPCA. Очевидно, что эти результаты значительно хуже, чем у методов на основе LDA, независимо от количества используемых признаков. Это согласуется с нашим пониманием экстракторов признаков на основе PCA, которые не используют информацию о классе и ищут только прогнозы, чтобы максимизировать захваченную изменчивость, а не различение классов.
Рис. 9
Посмотреть большойСкачать слайд
Рис. 9 тестовый набор данных, ( c ) набор тестовых данных для случая C и ( d ) набор тестовых данных для случая C’ (включая LDA, ULDA и RLDA), тогда как кривые с квадратными и кружковыми маркерами соответствуют методам UMLDA. Из рис. 9(а) видно, что первые два признака, извлеченные R-UMLDA, являются наиболее мощными признаками в классификации. Помимо первых двух функций, производительность R-UMLDA улучшается очень медленно с увеличением числа используемых функций. Первые три признака, извлеченные векторизованными методами LDA, также эффективны, но улучшение от использования первых двух признаков R-UMLDA незначительно.
Наилучшая скорость правильной классификации достигается при использовании R-UMLDA-A. Рисунок 9(а) показывает, что R-UMLDA-A превосходит все другие алгоритмы. Это демонстрирует, что агрегирование является эффективной процедурой, и действительно существует дополнительная дискриминационная информация от по-разному регуляризованных экстракторов признаков R-UMLDA.
По мере того, как в классификатор подается больше признаков, точность классификации значительно повышается. Мы также наблюдаем, что ошибки классификации возникают только в следующих трех ситуациях: различие между нормальным классом и дефектом (f — 1) легкий износ инструмента, различие между (f — 1) легким износом инструмента и (f — 2) средним износом, и различая (f — 2) легкий износ и (f — 3) сильный износ.
Таблица 2
Матрица путаницы NNC для функций R-UMLDA в наборе тестовых данных для случая B
Accuracy = 66% Classified as Accuracy = 67% Classified as
Normal Fault (a) Fault (b) Fault (c) Fault (d) Fault (e) Normal Fault (a) Fault (b) Fault (c) Fault (d) Fault (e)
Actual Three features Actual Four features
Normal 38 0 1 46 1 14 Normal 45 0 0 40 0 15
Fault (a) 0 98 1 0 0 1 Fault (a) 0 98 1 0 0 1
Fault (b) 0 1 98 0 0 1 Fault (b) 0 0 99 1 0 0
Fault (c) 38 0 2 44 1 15 Fault (c) 49 0 1 33 1 16
Fault (d) 0 0 0 2 79 19 Fault (d) 0 0 0 2 80 18
Fault (e) 16 0 0 29 17 38 Ошибка (E) 16 0 0 25 15 44935 25 15 44 15 449 15 449
Accuracy = 69% Classified as Accuracy = 71% Classified as
Normal Fault (f − 1) Fault (f − 2) Fault (f − 3) Normal Fault (f − 1) Fault (f − 2) Fault (f − 3)
Actual One feature Actual Two features
Normal 67 33 0 0 Normal 68 32 0 0
Fault (f − 1) 1 64 35 0 Fault (f − 1) 3 64 33 0
Fault (f − 2) 0 0 44 56 Fault (f − 2) 0 0 52 48
Fault (f − 3) 0 0 0 100 Fault (f − 3) 0 0 0 100
Accuracy = 69% Classified as Accuracy = 71% Classified as
Normal Fault (f − 1) Fault (f − 2) Fault (f − 3) Normal Fault (f − 1) Fault (f − 2) Fault (f − 3)
Actual One feature Actual Two features
Normal 67 33 0 0 Normal 68 32 0 0
Fault (f − 1) 1 64 35 0 Fault (f − 1) 3 64 33 0
Fault (f − 2) 0 0 44 56 Fault (f − 2) 0 0 52 48
Fault (f − 3) 0 0 0 100 Неисправность (f − 3) 0 0 0 100
Accuracy = 80% Classified as Accuracy = 87% Classified as
Normal Fault (f − 1) Ошибка (f − 2) Ошибка (f − 3) Норма Ошибка (f − 1) Ошибка (f − 2) Ошибка (f − 3) 9153 2 9153 9153 2 9153 9153 9153
Фактический Three features Actual Four features
Normal 68 32 0 0 Normal 73 27 0 0
Fault (f − 1) 3 74 23 0 Fault (f − 1) 0 91 9 0
Fault (f − 2) 0 0 76 24 Fault (f − 2) 0 0 84 16
Fault (f − 3) 0 0 0 100 Fault (f − 3) 0 0 0 100
Accuracy = 80% Classified as Точность = 87% классифицируется как
Нормальная Неисправность (F — 1) Неисправность (F — 2) ошибка (F — 3) Нормальный ошибка (F — 1) Нормальная ошибка (F — 1) (F — 1) (F — 1) . 2) Fault (f − 3)
Actual Three features Actual Four features
Normal 68 32 0 0 Normal 73 27 0 0
Fault (f − 1) 3 74 23 0 Fault (f − 1) 0 91 9 0
Fault (f − 2) 0 0 76 24 Fault (f − 2) 0 0 84 16
Fault (f − 3) 0 0 0 100 Fault (f − 3) 0 0 0 100
Figure 9(b) показывает эффективность классификации с точки зрения средней правильной скорости классификации в 100 запусках моделирования NNC для различных методов извлечения признаков в тестовом наборе данных для случая B. Как и в случае A, признаки, извлеченные UMPCA и MPCA, являются самыми слабыми признаками в классификации. Хотя первые несколько (1-2) признаков, извлеченных с помощью VLDA, ULDA и RLDA, являются наиболее различимыми, использование трех или более признаков R-UMLDA приводит к заметно улучшенным результатам. Рисунок 9(b) также показывает значительное улучшение, вызванное агрегированием. В целом R-UMLDA и R-UMLDA-A превосходят все остальные алгоритмы.
По мере того, как в классификатор подается больше признаков, точность классификации значительно повышается. Из таблицы 3 также видно, что почти все ошибки классификации возникают в следующих четырех ситуациях: различение нормального класса и ошибки (f − 1), различение (f − 1) и (f − 2), различение (f − 2) и (f − 3), а также отделение разлома (e) от нормального. Очень трудно отделить неисправность (e) от контролируемого класса из-за того, что b~1,m, генерируемые в неисправности (e), будут сильно перекрываться с контролируемыми b1,m’s⁠.
Таблица 3
Матрица путаницы NNC для функций R-UMLDA в случае C-тестового набора тестирования
Точность = 42% Классифицируется как Точность = 56% . Неисправность (f — 1) Неисправность (f — 2) Неисправность (f — 3) Неисправность (d) Неисправность (e) Норма Неисправность (f — 1) 8 f − 2) Неисправность (f − 3) Fault (d) Fault (e)
Actual One feature Actual Two features
Normal 29 30 13 5 4 19 Normal 47 28 2 0 2 21
Fault (f − 1) 18 30 27 8 1 16 Fault (f − 1) 9 31 46 9 0 5
Fault ( f − 2) 7 13 43 22 0 15 Fault (f − 2) 1 5 46 45 0 3
Неисправность (f − 3) 3 6 16 49 0 26 Fault (f − 3) 0 0 12 88 0 0
Fault ( d) 3 4 0 0 83 10 Fault (d) 1 1 0 0 81 17
Fault ( д) 11 12 15 21 22 19 Fault (e) 21 19 3 0 17 40
Accuracy = 42% Classified as Accuracy = 56% Classified as
Normal Fault (f − 1) Fault (f − 2) Fault (f − 3) Fault ( г) Fault (e) Normal Fault (f − 1) Fault (f − 2) Fault (f − 3) Fault (d) Fault (e)
Actual One feature Actual Two features
Normal 29 30 13 5 4 19 Normal 47 28 2 0 2 21
Fault (f − 1) 18 30 27 8 1 16 Fault (f − 1 ) 9 31 46 9 0 5
Fault (f − 2) 7 13 43 22 0 15 Fault (е − 2) 1 5 46 45 0 3
Fault (f − 3) 3 6 16 49 0 26 Fault (f − 3 ) 0 0 12 88 0 0
Fault (d) 3 4 0 0 83 10 Fault (d ) 1 1 0 0 81 17
Fault (e) 11 12 15 21 22 19 Fault (e) 21 19 3 0 17 40
9150 9 Неисправность)
Accuracy = 65% Classified as Accuracy = 75% Classified as
Норма Неисправность (f — 1) Неисправность (f — 2) Неисправность (f — 3) Неисправность (d) Неисправность (e) Нормальная работа ( Fault (f − 2) Fault (f − 3) Fault (d) Fault (e)
Actual Three features Actual Четыре функции
Обычный 51 21 0 0 1 27 Normal 52 20 0 0 3 25
Fault (f − 1) 3 61 35 0 0 1 Fault (f − 1) 0 88 12 0 0 0
Fault (f − 2) 0 0 66 34 0 0 Fault (f − 2) 0 0 90 10 0 0
Fault (f − 3) 0 0 0 100 0 0 Fault (f − 3) 0 0 0 100 0 0
Неисправность (d) 1 2 0 0 73 24 Fault (d) 3 0 0 0 78 19
Fault (e) 26 16 1 0 18 39 Fault (e) 29 11 0 0 19 41
Accuracy = 65% Classified as Accuracy = 75% Classified as
Normal Fault (f − 1) Fault (f − 2) Fault (f − 3) Неисправность (d) Неисправность (e) Нормальная Неисправность (f — 1) Неисправность (f — 2) Неисправность (f — 3) Неисправность (d) Неисправность
Фактический Три функции Actual Four features
Normal 51 21 0 0 1 27 Normal 52 20 0 0 3 25
Fault (f − 1) 3 61 35 0 0 1 Fault (f − 1) 0 88 12 0 0 0
Fault (f − 2) 0 0 66 34 0 0 Fault (f − 2) 0 0 90 10 0 0
Fault (f − 3) 0 0 0 100 0 0 Fault ( е − 3) 0 0 0 100 0 0
Fault (d) 1 2 0 0 73 24 Fault (d) 3 0 0 0 78 19
Fault (e) 26 16 1 0 18 39 Fault (e) 29 11 0 0 19 41
На рисунке 9(c) показана эффективность классификации с точки зрения средней правильной скорости классификации в 100 прогонах моделирования NNC для различных методов извлечения признаков в тестовом наборе данных C. Подобно случаям A и B, признаки, извлеченные с помощью UMPCA и MPCA, не так эффективны, как другие признаки в классификации. Хотя первые несколько (1-2) признаков, извлеченных с помощью VLDA, ULDA и RLDA, являются наиболее различимыми, использование трех или более признаков R-UMLDA приводит к заметно улучшенным результатам. Рисунок 9(c) также показывает, что агрегирование может эффективно улучшить результаты и что R-UMLDA и R-UMLDA-A превосходят все другие алгоритмы.
В рамках случая C мы дополнительно исследуем, как количество обучающих выборок в каждом классе повлияет на результаты извлечения признаков. Мы рассматриваем вариант случая C, обозначаемый как C’, когда в каждом из 6 классов генерируется 20 выборок профилей. На рисунке 9 (d) показана правильная скорость классификации NNC для различных методов извлечения признаков в случаях набора тестовых данных C ‘. Сравнение рис. 9(c) с рис. 9(d), мы замечаем, что хотя показатели правильной классификации на рис. 9(d) немного хуже, чем на рис. 9(c) из-за меньших размеров выборки, эффективность классификации не снижается. значительно различаются, учитывая разное количество образцов. В обоих случаях наилучший результат всегда дает R-UMLDA-A. Если мы хотим ограничить количество выбранных признаков 3 или 4, то первые 3–4 признака, извлекаемые R-UMLDA, всегда являются самыми мощными в классификации. Тот же вывод можно сделать, если размер выборки дополнительно уменьшится до 10 на класс. С другой стороны, при сравнении этих четырех имитационных экспериментов в дисперсионном анализе P — значение меньше 0,01, что подтверждает, что эти четыре случая действительно различны. Таким образом, результаты моделирования показывают, что R-UMLDA-A обеспечивает наилучшую общую производительность во всех экспериментах по моделированию и что R-UMLDA-A является надежным и эффективным алгоритмом извлечения признаков и уменьшения размеров для многопотоковых профилей.
Улучшение классификации с помощью ансамблевого обучения.
В этом подразделе исследуется возможность дальнейшего улучшения эффективности классификации при диагностике неисправностей с помощью ансамблевого обучения. В R-UMLDA-A 20 по-разному инициализированных и регуляризованных экстракторов функций UMLDA объединяются на соответствующем уровне оценки с использованием расстояния до ближайшего соседа. Хотя R-UMLDA-A достигает наилучших результатов в предыдущих исследованиях моделирования, ожидается, что более продвинутые алгоритмы обучения на основе ансамбля, такие как бустинг, бэггинг и метод случайных подпространств, достигнут лучших результатов. Однако изучение альтернативных комбинированных методов не является главной темой этой главы. Поэтому мы покажем только эффективность классификации методом случайных подпространств и оставим углубленные исследования в этом направлении на будущее.
Метод случайного подпространства — это групповой классификатор, который состоит из нескольких классификаторов, каждый из которых работает в подпространстве исходного пространства признаков, и выводит класс на основе выходных данных этих отдельных классификаторов. Классификаторы k — ближайших соседей используются здесь как отдельные классификаторы. В качестве примера мы рассматриваем набор данных из одного прогона моделирования случая А, как описано в разд. 3.2.1. Используя те же 20 экстракторов признаков R-UMLDA, что и в R-UMLDA-A, мы наносим результаты классификации на рис.0574 к ). Сравнивая эти результаты с R-UMLDA-A, которые нанесены квадратными маркерами, мы видим, что ансамбль случайных подпространств значительно повышает точность классификации при правильном выборе k . С k = от 20 до 25 ансамбль случайных подпространств может достичь относительно высокой скорости правильной классификации, используя только 15 признаков, тогда как R-UMLDA-A требуется не менее 20 признаков для достижения аналогичной производительности. Это также указывает на более многообещающие возможности использования UMLDA для извлечения признаков и уменьшения размерности при обработке многопотоковых сигналов.
Рис. 10
Просмотреть большой Загрузить слайд
Производительность классификации метода случайных подпространств для нескольких экстракторов R-UMLDA в случае Набор тестовых данных
Рис. 10
Просмотреть большой Загрузить слайд
несколько экстракторов R-UMLDA в случае Набор тестовых данных
Близкий модальный
Практический пример многослойной ультразвуковой сварки металлов
В этом тематическом исследовании исследуются сварочные эксперименты по соединению трех слоев меди с одним слоем никелированной меди. . Давление зажима составляет 34 фунта на кв. дюйм, а амплитуда вибрации — 40 9 .0574 мк м. Для сбора сигналов на месте используются четыре датчика: измеритель мощности регистрирует сигнал мощности контроллера, датчик силы измеряет усилие зажима, датчик дифференциального преобразователя с линейной переменной (LVDT) измеряет смещение между рупором и наковальней, а микрофон улавливает звук в вибрация. В таблице 4 приведены датчики и сигналы [33,34]. Обратите внимание, что в этом примере датчики используют одинаковую частоту дискретизации. Если датчики имеют разную частоту дискретизации, потребуются дополнительные этапы предварительной обработки данных.
Таблица 4
Применяемые датчики, типы сигналов и цели (адаптировано из ссылки. Выходная мощность ультразвука на пьезокерамическом модуле Сигнал входной мощности контроллера монитора Датчик усилия Выходное усилие зажима на пьезокерамическом модуле Измерение усилия зажима на ультразвуковом преобразователе LVDT sensor Displacement between horn and anvil Measure indentation and sheet thickness variation during welding Microphone Sound wave form Detect cracking and slipping during welding
Датчик Тип сигнала Назначение
Ваттметр Ультразвуковая выходная мощность на пьезокерамическом модуле Monitor controller power input signal
Force sensor Clamping force output at the piezoceramic module Measure clamping force at the ultrasonic transducer
LVDT sensor Displacement between horn and anvil Measure indentation and sheet изменение толщины во время сварки
Микрофон Форма звуковой волны Обнаружение растрескивания и проскальзывания во время сварки
На рис. 11(a) показаны приваренные выступы при нормальном процессе сварки и трех ошибочных процессах: (1) поверхностное загрязнение, (2) аномальная толщина и (3) сварка со смещением/кромкой. На рис. 11(b) показаны сигналы, связанные с этими сварными швами, от четырех датчиков. Как правило, при нормальном процессе сварки получаются хорошие сварные швы с прочными соединениями, в то время как неправильные процессы, как правило, создают соединения низкого качества, что может отрицательно сказаться на работе аккумуляторной батареи. Если образцы загрязнены, например, маслом, трение между слоями металла меньше, что вызывает недостаточную вибрацию в начале сварного шва. Следовательно, сигнал мощности не растет так быстро, как при обычном сварном шве. Как только масло удаляется вибрацией, включается сигнал питания. Неправильная толщина сварного шва может быть вызвана ошибками при обращении с материалом, деформацией листового металла или ошибками в работе. Сигнал смещения четко показывает, как на смещение между рогом и наковальней влияют более толстые слои. Смещение сварного шва/кромки может быть вызвано ошибками в работе или ошибками совмещения. При кромочном сварном шве вся сила зажима прилагается к меньшей области сварного шва, что приводит к большему смещению между рогом и наковальней к концу сварного шва. Из рис. 11 видно, что, с одной стороны, каждый сигнал содержит более богатую информацию о качестве продукта и состоянии процесса, чем может дать любая отдельная точка, а с другой стороны, одиночный поток сигналов недостаточно информативен для распознавания тип неисправностей.
Рис. 11
Увеличить Загрузить слайд
Сигналы датчиков и образцы процессов ультразвуковой сварки металлов. ( a ) Сварные швы в результате нормального процесса сварки и трех ошибочных процессов: загрязнение поверхности, ненормальная толщина и сварка со смещением/кромкой (слева направо). ( b ) Сигналы датчика от нормального процесса сварки и трех ошибочных процессов.
Рис. 11
Увеличить Загрузить слайд
Сигналы датчиков и образцы процессов ультразвуковой сварки металлов. ( a ) Сварные швы в результате нормального процесса сварки и трех ошибочных процессов: поверхностное загрязнение, ненормальная толщина и сварка со смещением/кромкой (слева направо). ( b ) Сигналы датчика от нормального процесса сварки и трех ошибочных процессов.
Близкий модальный
Данные выборки организованы в тензорном объекте A∈R4×700×17⁠, который включает 4 датчика, 700 точек данных в каждом профиле и 17 выборок. Выборки делятся на обучающие и тестовые наборы. Методы R-UMLDA и VLDA тренируются с использованием восьми нормальных образцов, двух образцов с дефектом 1 (замасленная поверхность), одного образца с дефектом 2 (аномальная толщина) и одного образца с дефектом 3 (краевой сварной шов).
Используя один экстрактор признаков R-UMLDA с γ = 0,001, собственные датчики, соответствующие четырем ЭМИ, показаны на рис. )∘up(2)⁠, где Up∈R4×700⁠, up(1)∈R4×1⁠, up(2)∈R700×1⁠, и p = 1, 2, 3, 4. Это Из этого рисунка видно, что собственные датчики, соответствующие первому ЭМИ, демонстрируют эффективную дискриминацию и сильную отрицательную корреляцию в потоках 2 и 3. Собственные датчики, соответствующие второму ЭМИ, демонстрируют сильную дискриминацию в потоке 1, тогда как соответствующие третьему и четвертые EMP предоставляют аналогичную информацию о дискриминации в потоке 4.
РИС. После обучения UMLDA и VLDA экстракторы признаков и NNC применяются к пяти тестовым образцам: двум из нормального процесса, двум из ошибки 1 и одной из ошибки 2. На рисунке 13 показана правильная скорость классификации NNC для UMLDA и VLDA в пробные образцы. Для пяти тестовых образцов видно, что R-UMLDA-A может легко достичь 100% правильной классификации, используя только четыре признака, в то время как R-UMLDA достигает 80%. Однако векторизованные методы LDA не работают так же хорошо, как UMLDA. Признаки, извлекаемые RLDA, достигают того же уровня точности классификации, что и R-UMLDA, тогда как LDA и ULDA извлекают гораздо более слабые признаки. Результаты показывают, что методы на основе UMLDA, особенно R-UMLDA-A, превосходят методы VLDA (включая LDA, ULDA и RLDA) в обнаружении аномальных процессов и диагностике неисправностей.
Fig. 13
View largeDownload slide
Classification results of NNC for UMLDA and VLDA in ultrasonic welding
Fig. 13
View largeDownload slide
Classification results of NNC for UMLDA and VLDA in ultrasonic welding
Близкая модальная
Заключение
В этой статье, основанной на UMLDA, мы предложили метод эффективного анализа мультисенсорных данных разнородного профиля. Поскольку различные датчики измеряют разные переменные, следует учитывать информацию от каждого датчика, корреляцию между датчиками и корреляцию между классами. Было проведено имитационное исследование для оценки производительности предложенного метода и его превосходства в производительности по сравнению с VLDA и другими конкурирующими методами. Результаты показали, что функции, извлеченные с помощью VLDA и методов конкурентов, не так эффективны, как UMLDA, в распознавании профилей и классификации. Была дополнительно изучена возможность повышения эффективности классификации при диагностике неисправностей с использованием ансамблевого обучения с UMLDA. Мы также применили как UMLDA, так и VLDA к процессу многослойной ультразвуковой сварки металлов с целью определения характеристик процесса и диагностики неисправностей. Результаты показывают, что UMLDA превосходит VLDA не только в обнаружении ошибочных операций, но и в классификации типов ошибок.
Поскольку предлагаемый метод использует тензорную нотацию, все выборки должны иметь одинаковое количество точек данных, чтобы данные измерений можно было организовать в тензорном формате. В реальной производственной среде временная изменчивость сигнала может быть обычным явлением. Чтобы справиться с этой ситуацией, потребуется предварительная обработка сигнала. Например, чтобы справиться с непостоянной частотой дискретизации, мы можем использовать субдискретизацию или интерполяцию; чтобы иметь дело с непостоянной продолжительностью важных паттернов, мы можем обрезать до определенного сегмента профиля или взять самую большую продолжительность. Исследования по мультимодальному слиянию данных с разным разрешением — бурно развивающееся направление, но оно выходит за рамки данной работы.
В будущем несколько оставшихся вопросов в этой структуре будут изучены более подробно, например, интеграция ансамблевого обучения с R-UMLDA, разработка самообновления метода при обнаружении невидимых ошибок и добавление вероятностных выходных данных к классификации. В будущем будет проведено более подробное тематическое исследование, поскольку мы собираем больше образцов в ходе сварочных экспериментов. Разработка тензорных методов мониторинга производственных процессов с помощью технологии машинного зрения станет интересной темой для будущих исследований. Кроме того, расширение разработанного метода для онлайн-мониторинга процессов и онлайн-обучения было бы интересным событием.
Funding Data
References
1.
Woodall
,
W. H.
,
Spitzner
,
D. J.
,
Montgomery
,
D. C.
, and
Гупта
,
S.
,
2004
, «
Использование контрольных диаграмм для мониторинга профилей качества процессов и продуктов
»,
J.Qual. Технол.
,
36
(
3
), стр.
309
–
320
3.
2.
Woodall
,
W. H.
,
2007
, “
Current Research on Profile Monitoring
,”
Produção
,
17
(
3
), стр.
420
–
425
.
3.
Lee
,
S. S.
,
Shao
,
C.
,
Kim
,
T. H.
,
Hu
,
S. J.
,
Kannatey-Asibu
,
E.
,
CAI
,
W. W.
,
Spicer
,
J.
,
,
J.
,
,
J.
,
,
J.
,
,
J.
,
,
J.
,
,
J.
.0003
Wang
,
H.
и
ABELL
,
J. A.
,
2014
, «
Характеристика
. ”,
ASME J. Изготовитель. науч. англ.
,
136
(
5
), с.
051019
.
4.
Ли
,
S. S.
,
Kim
,
T. H.
,
Hu
,
S. J.
,
Cai
,
W. W.
, and
Abell
,
J. A.
,
2010
, «
Объединение технологий для производства автомобильных литий-ионных аккумуляторов — обзор
»,
0003
,
Эри, Пенсильвания
,
12–15 октября
, стр.
541
–
04 90 002 549
5.
Kalpakjian
,
S.
и
Schmid
,
S. R.
,
2008
,
Производство производства для инженерных материалов
,
,
.
,
Аппер-Сэдл-Ривер, Нью-Джерси
.
6.
Kim
,
T. H.
,
Yum
,
J.
,
Hu
,
S. J.
,
Spicer
,
J. P.
, и
Abell
,
J. A.
,
2011
, “
Материалы Wesimilar0003
”,
CIRP Ann. Произв. Технол.
,
60
(
1
), стр.
17
–
20
3 .
7.
Shao
,
C.
,
Kim
,
T. H.
,
Hu
,
S. J.
,
Jin
,
J
,
Абелл
,
J. A.
и
Spicer
,
J. P.
,
2015
, «
Мониторинг износа инструмента для ультразвуковой металлической сварки литий-ионо Дж. Мануф. науч. англ.
,
138
(
5
), с.
051005
.
8.
Го
,
З.
,
Shao
,
C.
,
Kim
,
T. H.
,
Hu
,
S. J.
,
Jin
,
J.
,
Spicer
,
J. P.
и
Wang
,
H.
,
2016
, «
Мониторинг процессов с ближним неверным номером для ультразвуковой сварки Батареи: интеграция одномерных и многомерных методов
”,
J. Изготовитель. Сист.
,
38
, стр.
141
–
150
.
9.
Kuljanic
,
E.
,
Totis
,
G.
, and
Sortino
,
M.
,
2009
, “
Разработка интеллектуальной мультисенсорной системы обнаружения вибрации при фрезеровании
»,
Мех. Сист. Сигнальный процесс.
,
23
(
5
), стр.
1704
–
1718
3 .
10.
CHO
,
S.
,
Binsaeid
,
S.
и
ASFOUR
,
S.
,
444444444444444444444444444444444444444444444444449,
. “
Проектирование мультисенсорной системы контроля состояния инструмента на основе Fusion при концевом фрезеровании
»,
Междунар. Дж. Адв. Произв. Технол.
,
46
, стр.
681
–
694
.
11.
Noorossana
,
R.
,
Saghaei
,
A.
, and
Amiri
,
A.
,
2012
,
Статистический анализ мониторинга профиля
,
Wiley
,
Нью-Йорк
.
12.
Grasso
,
M.
,
Albertelli
,
P.
, and
Colosimo
,
B. M.
,
2013
, “
Адаптивный подход SPC для объединения нескольких датчиков и мониторинга изменяющихся во времени процессов
”,
Proc. ЦИРП
,
12
, стр.
61
–
66
.
13.
Basir
,
O.
и
Yuan
,
X.
,
2007
, «
Диагностика двигателя, основанный на Multisensory Information Fuse Fuse Fuse Fuse Fusiser Fusister Fusister Fusinstory Fusstery Fusister Gresstory Fusinstory Fussterstor Fusinstory Fussterster Fussterstory Fussterstor Fusinstory Fussterstory Fussterstory Fusister Fusinesory Fussterstory Fusister Fusistorsory Fusister S. – Shafer Evidence Theory
”,
Inf. Фьюжн
,
8
(
4
), стр.
379
–
386
.
14.
KIM
,
J.
,
Huang
,
Q.
,
SHI
,
J.
, и
Chant
,
,
J.
, и
4,
, J.
, и
,
J.
, и
,
.
Т.-С.
,
2006
, “
Мониторинг тоннажа многоканальной поковки в режиме онлайн и распознавание типов неисправностей с использованием основной кривой
”,
ASME J. Manuf. науч. англ.
,
128
(
4
), стр.
944
–
950
3 9.
15.
Amiri
,
A.
,
Zou
,
C.
, and
Doroudyan
,
M. H.
,
2013
, “
Мониторинг коррелированного профиля и многомерных характеристик качества
”,
Квал. Надежный англ. Междунар.
,
30
(
1
), стр.
133
–
142
3 90.
16.
Chou
,
S. H.
,
Chang
,
S. I.
, and
Tsai
,
T. R.
,
2014
, “
О мониторинге нескольких нелинейных профилей
»,
Междунар. Дж. прод. Рез.
,
52
(
11
), стр.
3209
–
3224
4 .
17.
Paynabar
,
K.
,
Jin
,
J.
, and
Pacella
,
M.
,
2013
, “
Мониторинг и диагностика многоканальных нелинейных вариаций профиля с использованием некоррелированного многолинейного анализа главных компонент
»,
ИИЕ Транс.
,
45
(
11
), стр.
1235
–
1247
3 .
18.
Lu
,
H.
,
Plataniotis
,
K. N.
, and
Venetsanopoulos
,
A. N.
,
2009
, “
Некоррелированный многолинейный анализ главных компонентов для неконтролируемого многолинейного обучения подпространств
»,
IEEE Trans. Нейронная сеть.
,
20
(
11
), стр.
1820
–
1836
3 .
19.
Grasso
,
M.
,
Colosimo
,
B. M.
, and
Pacella
,
M.
,
2014
, “
Мониторинг профиля с помощью объединения датчиков: использование методов PCA для многоканальных данных
»,
Междунар. Дж. прод. Рез.
,
52
(
20
), стр.
6110
–
6135
4 .
20.
Lu
,
H.
,
Plataniotis
,
K. N.
, and
Venetsanopoulos
,
A. N.
,
2008
, “
MPCA: многолинейный анализ главных компонент тензорных объектов
»,
IEEE Trans. Нейронная сеть.
,
19
(
1
), стр.
18
–
39
3
21.
Lu
,
H.
,
Plataniotis
,
K. N.
, and
Venetsanopoulos
,
A. N.
,
2009
, “
Некоррелированный многолинейный дискриминантный анализ с регуляризацией и агрегированием для распознавания тензорных объектов
»,
IEEE Trans. Нейронная сеть.
,
20
(
1
), стр.
103
–
123
3 90.
22.
De Lathauwer
,
L.
,
De Moor
,
B.
, and
Vandewalle
,
J.
,
2000
, “
Полилинейная сингулярная декомпозиция
”,
SIAM J. Matrix Anal. заявл.
,
21
(
4
), стр.
1253
–
1278
3 .
23.
Kolda
,
T. G.
и
Bader
,
B. W.
,
2009
, «
Tensors Decomprosotions и Applionshations
,«
Tensorsho
,
51
(
3
), стр.
455
–
500
.
24.
ACAR
,
E.
и
Yener
,
B.
,
2009
, «
. ”,
IEEE Trans. Знай. Инж. данных
,
21
(
1
), стр.
6
–
20
.
25.
Kiers
,
H. A. L.
,
2000
, «
На пути к стандартизированной нотации и терминологии в многообещающем анализе
»,
J. Химинология.
,
14
(
3
), стр.
105
–
122
3 90.
26.
Jin
,
Z.
,
Yang
,
J. Y.
,
Hu
,
Z. S.
, and
Lou
,
Z
,
2001
, “
Распознавание лиц на основе некоррелированного дискриминантного преобразования
”,
Распознавание образов.
,
34
(
7
), стр.
1405
–
1416
.
27.
Duda
,
R. O.
,
Hart
,
P. E.
, and
Stork
,
D. G.
,
2012
,
Pattern Классификация
,
John Wiley & Sons
,
Нью-Йорк
.
28.
Donoho
,
D. L.
и
Johnstone
,
I. M.
,
1994
, «
Идеально -пространственная адаптация.
,
81
(
3
), стр.
425
–
455
3 90.
29.
Е
,
Дж.
,
2005
, “
Характеристика семейства алгоритмов для обобщенного дискриминантного анализа задач с недостаточной выборкой
”,
J. Mach. Учиться. Рез.
,
6
, стр.
483
–
502
.
30.
YE
,
J.
,
Xiong
,
T.
,
LI
,
Q.
,
Janardan
,
R.
,
Bi
,
J.
,
Cherkassky
,
V.
, and
Kambhamettu
,
C.
,
2006
, «
Эффективный отбор модели для регуляризованного линейного дискриминационного анализа
»
Слушания 15 -й ACM Internation0003
,
Арлингтон, Вирджиния
,
6–11 ноября
, стр.
532
–
04
539.
31.
HO
,
T. K.
,
1998
, «
Метод случайного подпространства для построения решающих лесов
,
IEEE Trans. Анальный узор. Мах. Интел.
,
20
(
8
), стр.
832
–
844
.
32.
Hastie
,
T.
,
Tibshirani
,
R.
, and
Friedman
,
J.
,
2008
,
Элементы статистического обучения
, 2-е изд.,
Springer
,
Нью-Йорк
.
33.
BRANSON Ultrasonics Corporation
,
2007
, «
BRANSON, BRANSON Ultraweld® L20
»,
BRANSON Ultrasonics Corporation
3 9.
34.
HU
,
S. J.
,
2011
,
Технический отчет: Система мониторинга качества онлайн для ультразвуковой батареи. Мичиганский университет
,
Анн-Арбор, Мичиган
.
Сварщик с пневмосидерозом: история болезни
Список журналов
Случаи J
т.2; 2009 г.
PMC2827098
Дела J. 2009; 2: 6639.
Опубликовано онлайн 2009 апреля 20. DOI: 10.1186/1757-1626-2-6639
, ¹, ² и ¹
Информация о статье.
Пневмосидероз, или легкое сварщика, представляет собой профессиональное заболевание легких, которое обычно наблюдается после хронического воздействия железной пыли. Мы представляем случай 64-летнего сварщика, у которого диагноз пневмосидероз был поставлен при биопсии легкого. Мы также кратко рассмотрим литературу о заболевании, его прогнозе и связи с развитием рака легкого. Избегание контакта с железной пылью и реализация стратегий профилактики у людей из группы риска являются основой терапии.
Пневмосидероз, или легкое сварщика, представляет собой профессиональное заболевание легких, которое обычно наблюдается после хронического воздействия железной пыли, особенно у сварщиков. Мы представляем случай пневмосидероза и краткий обзор литературы по этому заболеванию.
64-летний афроамериканец был направлен в пульмонологическую клинику для оценки патологических изображений. Его лечащий врач сделал рентгенограмму грудной клетки после двухнедельного продуктивного кашля. В остальном пациент был бессимптомным. У него диагностировали хроническую обструктивную болезнь легких, сахарный диабет, аллергический ринит и доброкачественную гипертрофию предстательной железы. Его лекарства, которые адекватно контролировали его медицинские проблемы, включали ингаляционный триамцинолон, альбутерол, метформин и тамсулозин. Он был активным курильщиком до 8 лет назад и до этого курил 60 пачек в год. Он не употреблял алкоголь и никогда не употреблял запрещенные наркотики. Он проработал на автомобильном заводе около двадцати пяти лет. Однако в течение последних пятнадцати лет его единственной работой была сварка стали, где он занимался сваркой стальных рам для автомобилей. В то время это была единственная работа, которую он выполнял на заводе. Он использовал защитные очки для глаз и маску для лица, которые ему предоставили. Часть здания, в которой он работал, была маленькой и закрытой, а выхлопная система тоже не была оптимальной. Около десяти лет назад работодатель не реализовывал программы наблюдения за здоровьем сотрудников. Однако это делалось нечасто, и пациент не подвергался ни одному из них во время работы.
Когда пациент был осмотрен в пульмонологической клинике, он по-прежнему жаловался на периодический продуктивный кашель, но в остальном отрицал лихорадку, ночную потливость, боль в груди, одышку, ортопноэ или непреднамеренную потерю веса. При медицинском осмотре его жизненно важные органы показали кровяное давление 123/73, пульс 68 в минуту, частоту дыхания 17 в минуту и температуру 97,8 по Фаренгейту. При осмотре легких хрипов и хрипов не обнаружено. Остальные показатели обследования также были в пределах нормы. Спирометрическая оценка выявила ОФВ ₁ 2,59 литра (104% от прогноза) и ФЖЕЛ 3,83 литра (113% от прогноза). Однако соотношение ОФВ ₃ /ФЖЕЛ было снижено, что свидетельствует об умеренной обструкции в среднем диапазоне кровотока. Рентгенограмма его грудной клетки (CXR) показала картину ретикулярно-узелковых затемнений с обеих сторон с преобладанием нижнего поля легкого (рис. ). Компьютерная томография (КТ) грудной клетки показала множественные небольшие ретикулонодулярные затемнения без лимфаденопатии (рис. 1). Поскольку у пациента были повторяющиеся эпизоды продуктивного кашля, для оценки основной инфекции ему была проведена бронхоскопия с бронхоальвеолярным лаважем (БАЛ) и трансбронхиальной биопсией. Культуры бактериальных, вирусных, грибковых и кислотоустойчивых бацилл из жидкости БАЛ были отрицательными. Образцы биопсии показали плотный узелковый интерстициальный фиброз, содержащий скопления и пласты макрофагов, имеющих пигмент цитоплазмы железа (рис. ). Это также было подтверждено окрашиванием берлинской лазурью. Был поставлен диагноз пневмосидероз (легкое Сварщика). Уровни ферритина в БАЛ не измерялись, так как диагноз был легко установлен по образцу биопсии. Больному было рекомендовано сменить работу, так как даже после профилактических мероприятий у него развилось легкое Сварщика от значительного воздействия железной пыли. Его прерывистые приступы продуктивного кашля лечили бронхолитиками и стероидами.
Открыть в отдельном окне
Рентгенограмма органов грудной клетки: увеличение ретикулонодулярных интерстициальных затемнений на двусторонней основе, более выраженное в нижних отделах легких .
Открыть в отдельном окне
Компьютерная томография (КТ) органов грудной клетки: стрелками показаны множественные небольшие ретикулонодулярные затемнения .
Открыть в отдельном окне
Биопсия легкого: плотный узелковый интерстициальный фиброз, содержащий скопления и пласты макрофагов с цитоплазматическим железным пигментом . «Вставка А» показывает окрашивание железного пигмента берлинской лазурью.
Пациент уволился с работы после первичного осмотра. Его респираторные симптомы, которые впервые появились примерно через пятнадцать лет после первоначального воздействия железной пыли, разрешились в течение месяца с помощью поддерживающей терапии. Через год после первого обращения он чувствует себя хорошо, жалоб на легкие нет.
Пневмосидероз, или чаще называемый легким сварщика, представляет собой профессиональное заболевание легких, которое возникает после хронического вдыхания частиц железной пыли, особенно у сварщиков. Хотя для появления симптомов у пациента требуются годы воздействия, сообщалось о быстром развитии симптоматического заболевания в течение года после воздействия [1]. Кроме того, кратковременное воздействие железной пыли высокой интенсивности также может привести к появлению симптомов в будущем [2]. Симптомы обычно неспецифичны и чаще всего включают одышку, кашель и выделение мокроты [3]. При длительном воздействии у пациентов может развиться хроническое интерстициальное заболевание легких, хронический бронхит независимо от курения, снижение функции легких и стойкие симптомы [2-4]. Развитие прогрессирующего массивного фиброза наблюдается относительно редко. Уровни ферритина в сыворотке обычно повышены вместе с повышенным ферритином в БАЛ [5]. КТ обычно показывает множественные небольшие центрилобулярные узелки в легких [5,6]. Описан также случай спонтанного пневмоторакса у больного с легким Вельдера [6].
Лечение обычно симптоматическое. Прогноз, как правило, благоприятный, если строго избегать контакта с железной пылью. Однако у этих пациентов была постулирована связь с раком легких [7,8]. Среди сварщиков нержавеющей стали риск развития рака легких значительно возрастает с увеличением кумулятивного воздействия сварочных частиц и продолжительности воздействия [8]. Этот риск сохраняется даже после контроля статуса курения человека [7,8].
Пневмосидероз или легкое сварщика — профессиональное заболевание, возникающее в основном у сварщиков после длительного воздействия железной пыли. Избегание контакта с железной пылью и применение строгих стратегий профилактики являются основой терапии этих пациентов.
ОФВ ₁ : Объем форсированного выдоха ОФВ за 1 секунду; ФЖЕЛ: форсированная жизненная емкость; ОФВ ₃ : Объем форсированного выдоха ОФВ за 3 секунды; БАЛ: бронхоальвеолярный лаваж.
От пациента было получено письменное информированное согласие на публикацию данного клинического случая и прилагаемых изображений. Копия письменного согласия доступна для ознакомления главному редактору этого журнала.
Авторы заявляют, что у них нет конкурирующих интересов.
IK написал введение и часть описания случая рукописи. TJK написал обсуждение. JHJ внес большой вклад в подготовку изображений и внесение критических изменений во всю рукопись. Все авторы прочитали и одобрили окончательный вариант рукописи.
Исида Ю., Сера К., Охта К., Кагешита Т. Случай быстрого развития легких дугового сварщика в течение года. Нихон Кокюки Гаккай Дзаси. 2003; 41: 351–355. [PubMed] [Академия Google]
Гласс В.И., Тейлор Д.Р., Донохью А.М. Хроническое интерстициальное заболевание легких у сварщика оцинкованной стали. Оккупай Мед. 1994; 44: 158–160. doi: 10.1093/occmed/44.3.158. [PubMed] [CrossRef] [Google Scholar]
Оздемир О., Нуманоглу Н., Гёнюллю У., Сава§ И., Альпер Д., Гюрсес Х. Хронические последствия сварочного воздействия на легочные функциональные тесты и респираторные симптомы. Оккупируйте Окружающая среда Мед. 1995; 52:800–803. doi: 10.1136/oem.52.12.800. [Бесплатная статья PMC] [PubMed] [CrossRef] [Google Scholar]
Beckett WS, Pace PE, Sferlazza SJ, Perlman GD, Chen AH, Xu XP. Реактивность дыхательных путей у сварщиков: контролируемое проспективное когортное исследование. J оккупировать Environ Med. 1996; 38: 1229–1238. doi: 10.1097/00043764-19
00-00008. [PubMed] [CrossRef] [Google Scholar]
Йошии С., Мацуяма Т., Такадзава А., Ито Т., Ятера К., Хаяши Т., Иманага Т., Кидо М. Пневмокониоз Сварщика: диагностическая ценность компьютерной томографии высокого разрешения и определения ферритина в жидкости бронхоальвеолярного лаважа. Интерн Мед. 2002;41:1111–1117. дои: 10.2169/внутренняя медицина.41.1111. [PubMed] [CrossRef] [Google Scholar]
Фидан Ф., Эсме Х., Унлу М., Акар М., Албайрак Р., Дилек Ф.Х. Легкое сварщика, ассоциированное с пневмотораксом. J Торакальная визуализация. 2005; 20:120–122. doi: 10.1097/01.rti.0000155039.51662.fc. [PubMed] [CrossRef] [Google Scholar]
Hansen KS, Lauritsen JM, Skytthe A. Заболеваемость раком среди сварщиков мягкой и нержавеющей стали и других рабочих-металлистов. Am J Ind Med. 1996; 30: 373–382. doi: 10.1002/(SICI)1097-0274(199610)30:4<373::AID-AJIM1>3.0.CO;2-X. [PubMed] [CrossRef] [Академия Google]
Соренсен А.Р., Тулструп А.М., Хансен Дж., Рамлау-Хансен К.Х., Меерсон А. , Скитте А., Бонде Дж.П. Риск рака легких при сварке низкоуглеродистой стали и нержавеющей стали. Scand J Work Environment Health. 2007; 33: 379–386. [PubMed] [Google Scholar]
Статьи из Cases Journal предоставлены здесь BioMed Central
Research Papers — 2001: Welding Journal: Publications: American Welding Society
Навигация
Опубликованные исследовательские работы доступны ТОЛЬКО в формате PDF. Для просмотра PDF-версии документа вам понадобится Adobe Acrobat Reader.
1970S 1980S 1990S 2000S 2010S 2020S
2000 2001 2002 2003 2004 2005 2006 2007 2009 2009
Статистические модели для оценки количества разма6195 Исследование по прогнозированию коррелированной формы сигнала разбрызгивания для различных условий сварки с целью разработки четырех различных моделей.
M.J. Kang, et al.
Опубликовано в январе 2001 г.
Зона частичного расплава в сварных швах алюминия: сегрегация растворенных веществ и механическое поведение
Зона частичного расплава в дуговой сварке сплава 2219 в среде защитного газа показала слабость к горячему растрескиванию.
BY Huang, et al.
Опубликовано в январе 2001 г.
Восприимчивость новой ферритной стали к растрескиванию при снятии напряжения Часть 2. Многопроходное моделирование зоны термического влияния
Метод многопроходной сварки был исследован как средство уменьшения растрескивания сталей при снятии напряжений, которые обычно требуют термической обработки после сварки.
J.G. Nawrocki, et al.
Опубликовано в январе 2001 г.
Механические свойства плазменно-упрочненной инструментальной стали с содержанием 5% хрома, наплавленной дуговой сваркой
Обработка высококонцентрированной плазменной струей создала очень твердую поверхность, устойчивую к разрушению при ударе.
Автор Л. К. Лещинский и С. С. Самотугин
Опубликовано в январе 2001 г.
Система нечеткой логики для мониторинга процесса и оценки качества в GMAW
Система нечеткой логики была разработана для распознавания распространенных нарушений при автоматической дуговой сварке металлическим электродом в среде защитного газа.
BY C. S. Wu, T. Polte and D. Rehfeldt
Опубликовано в феврале 2001 г.
Влияние поверхностной депрессии на конвекцию и геометрию ванны в стационарной GTAW
Более точный контроль ширины валика и проплавления сварного шва будет возможен благодаря лучшему пониманию конвекции сварочной ванны.
BY S.H.Ko, S.K.Choi and C.D.Yoo
Опубликовано в феврале 2001 г.
Частично расплавленная зона в сварных швах алюминия — плоское и ячеистое затвердевание
Теории затвердевания для литья металлов и роста кристаллов были применены к изучению затвердевания в частично расплавленной зоне.
BY C. Huang and S. Kou
Опубликовано в феврале 2001 г.
Модифицированное активное управление переносом металла и импульсным GMAW титана
Предлагается технология активного управления для обеспечения воспроизводимого и стабильного режима переноса одна капля на импульс.
Y.M. Zhang and P.J. Li
Опубликовано в феврале 2001 г.
Экспериментальная оценка Fe-Al плакировок в высокотемпературных сульфидирующих средах
Коррозионное поведение и свариваемость Fe-Al плакирования были охарактеризованы в агрессивной восстановительной среде.
, автор S.W. Banovic, et al.
Опубликовано в марте 2001 г.
Влияние термических циклов на сварные швы трением с перемешиванием алюминиевых сплавов 2195 Allos
Было показано, что термические циклы в зоне динамической рекристаллизации влияют на рост зерна
BY G. Oertelt, et al.
Опубликовано в марте 2001 г.
Влияние раскрытия корня на механические свойства, деформацию и остаточное напряжение сварных соединений
Разработана новая модель для прогнозирования остаточного напряжения и деформации в сварной стальной конструкции
BY G. B. Jang, et al.
Опубликовано в марте 2001 г.
Моделирование развития микроструктуры при дуговой сварке самозащитной порошковой проволокой
Было исследовано развитие микроструктуры между двумя самозащитными порошковыми электродами с различным содержанием алюминия в их составе.
С. С. Бабу и др.
Опубликовано в апреле 2001 г.
Образование включений в дуговой сварке самозащитной порошковой проволокой
Ответ на вопрос, можно ли использовать те же аналитические модели, которые используются для прогнозирования оксидных включений, для прогнозирования образования нитридов.
BY M.A. Quintana, et al.
Опубликовано в апреле 2001 г.
Эталонные материалы для металла сварного шва Форрит Содержание: Калибровка датчика и характеристика материала
Точность значений, присвоенных ферритовым эталонным материалам, была установлена как этап проверки процедур калибровки ферритовых датчиков.
BY C. N. McCowan, et al.
Опубликовано в апреле 2001 г.
Определение распределения водорода в сварных соединениях высокопрочной стали Часть 1: Методы лазерной абляции
Для измерения распределения водорода по сварному шву были исследованы различные типы приборов.
BY R.D. Smith II, et al.
Опубликовано в мае 2001 г.
Определение распределения водорода в сварных деталях из высокопрочной стали. Часть 2. Оптоэлектронный датчик диффузионного водорода
Разработан и успешно испытан быстродействующий датчик для измерения диффузионного водорода.
BY R.D. Smith II, et al.
Опубликовано в мае 2001 г.
Достижения в уравнениях эквивалента кислорода для прогнозирования свойств сварных швов титана
Новые уравнения эквивалента кислорода были разработаны посредством статистического регрессионного анализа данных механических свойств.
BY D.D. Harwig, et al.
Опубликовано в мае 2001 г.
Усталостная прочность в зависимости от положения поперечных трещин в процессе FCAW
Проведено исследование использования процесса FCAW на толстых сварных швах и их характеристик усталостной прочности.
H.W. Lee, et al.
Опубликовано в июне 2001 г.
Прецизионная лазерная пайка с использованием неизображающей оптической концентрации
Лазерный процесс используется для пайки трубных узлов, используемых в аэрокосмической и медицинской промышленности.
BY V.R. Dave’, et al.
Опубликовано в июне 2001 г.
Достижения в уравнениях кислородного эквивалента для прогнозирования свойств сварных швов титана
Новые уравнения кислородного эквивалента были разработаны посредством статистического регрессионного анализа данных о механических свойствах.
BY D.D. Harwig, et al.
Опубликовано в июне 2001 г.
Обнаружение и контроль провара шва на основе плазменного потока при дуговой плазменной сварке с замочной скважиной
Эффективная система контроля проплавления была установлена с использованием линейной зависимости от ширины задней сварочной ванны.
BY S Б. Чжан и Ю. М. Чжан
Опубликовано в июле 2001 г.
Газовая дуговая сварка металлическим электродом с лазерной стимуляцией листа HY-80 толщиной 25 мм
Гибридный процесс сварки многообещающий, но необходимо улучшить ударную вязкость сварного шва толстого листа HY-80.
BY C.V. Hyatt, et al.
Опубликовано в июле 2001 г.
Образование дыма при сварке сплошной и металлопорошковой проволокой
Результаты образования дыма при использовании одного и того же процесса, но двух разных типов электродов были зарегистрированы в широком диапазоне напряжений и скоростей подачи проволоки.
Автор: H. Xin, et al.
Опубликовано в июле 2001 г.
Оптимизация параметров процесса дуговой сварки с использованием генетического алгоритма
Установление параметров процесса для управления геометрией валика требует очень небольшого количества экспериментов при использовании генетических алгоритмов.
BY D. Kim and S. Rhee
Опубликовано в июле 2001 г.
Сварка мартенситных жаропрочных сталей
Была создана эффективная система контроля проплавления с использованием линейной зависимости от ширины задней сварочной ванны.
BY L , Береш и др.
Опубликовано в августе 2001 г.
Влияние сварки трением с перемешиванием на динамические свойства AA2024-T3 и AA7075-T7351
Некоторые интересные результаты исследования динамического поведения сжимающего потока расширяют наше понимание процесса сварки трением с перемешиванием.
Y. J. Chao, et al.
Опубликовано в августе 2001 г.
Приблизительные формулы напряжения для образца, сваренного многоосной точечной сваркой
Новый образец, сваренный многоосной точечной сваркой, позволяет проводить испытания при комбинированных нагрузках.
С. Чжан
Опубликовано в августе 2001 г.
Порообразование во время лазерной сварки литья под давлением магниевого сплава AM60B — Механизм и решение проблемы
Опубликовано в августе 2001 г.
Влияние высоты выступа на схлопывание выступа и формирование зародыша — исследование методом конечных элементов
Исследование тепловыделения в точке контакта проливает свет на ускорение формирования зародыша сварного шва и с меньшим током.
BY X. Sun
Опубликовано в сентябре 2001 г.
Формирование корневого шва при односторонней сварке с модифицированным огнеупорным флюсом: Часть 1. Влияние параметров сварки
Определено влияние параметров сварки на целостность сварных швов, выполненных методом с использованием огнеупорного флюса.
BY В. Малин
Опубликовано в сентябре 2001 г.
Формирование корневого шва при односторонней сварке с модифицированным огнеупорным флюсом: Часть 2 — Влияние геометрии соединения
Определено влияние геометрии соединения на целостность сварных швов, выполненных методом огнеупорного флюса.
BY В. Малин
Опубликовано в сентябре 2001 г.
Моделирование динамического поведения в системе GMAW
Предложена модель для прогнозирования изменения параметров сварки с режимом передачи с коротким замыканием.
BY J. H. Choi, et al.
Опубликовано в октябре 2001 г.
Тепловыделение при инерционной сварке разнородных труб
Предлагается простой подход к определению тепловыделения с обеих сторон разнородного соединения.
BY V.R. Davé, et al.
Опубликовано в октябре 2001 г.
Интеллектуальное управление формой сварочной ванны в импульсной GTAW с присадочным металлом
Исследование способов управления формой сварного шва будет полезно для автоматизации процесса газовольфрамовой дуги.
Д. Б. Чжао и др.
Опубликовано в ноябре 2001 г.
Лазерная сварка автомобильных петель
Структурная целостность автомобильных петель оценивалась при различных параметрах лазерной сварки.
Автор: L. Quintino, et al.
Опубликовано в ноябре 2001 г.
Механические свойства и микроструктура нержавеющей стали 416, сваренной инерционной сваркой трением
Сварка трением доказала свою жизнеспособность при соединении нержавеющей стали, которая считается непригодной для сварки плавлением.
BY K. S. Mortensen, et al.
Опубликовано в ноябре 2001 г.
Внутритканевая диффузия углерода и азота в зоны термического влияния сварных швов из 11-12% хромистой стали
Исследована возможность введения стабилизаторов аустенита в зону термического влияния во время сварки для ограничения роста зерна.
BY A. M. Meyer and M. du Toit
Опубликовано в декабре 2001 г.
Факторы, влияющие на свойства алюминиевых соединений внахлестку, сваренных трением с перемешиванием
Обширное исследование морфологии поверхности раздела и механических свойств сварных швов трением с перемешиванием позволило лучше понять процесс.
BY L. Cederqvist and A.P. Reynolds
Опубликовано в декабре 2001 г.
Усовершенствованная чашка Фарадея для быстрого определения распределения плотности мощности в электронных пучках луч.
BY J. W. Elmer and A. T. Teruya
Опубликовано в декабре 2001 г.
Повышение производительности сварки
Лазерный шаговой станок обеспечивает меньшую ширину полки, меньшее истирание механических частей и меньшее влияние покрытия листа. Он также может выполнять общую сварку различных комбинаций материалов, а также несимметричных комбинаций листов.
Во время недавнего дня открытых дверей IPG Photonics в Нови, штат Мичиган, Майк Клос, генеральный менеджер операций IPG на Среднем Западе, посетовал на снижение концентрации внимания в Америке. Согласно «тревожным» новостям, которые он слышал, восемь секунд — это время, в течение которого американцы, по-видимому, могли сосредоточиться на чем-то. Чтобы представить ситуацию в перспективе, он проверил, что действительно можно сделать за это время.
«Если вы гонщик родео, восемь секунд — это вечность», — сказал он. «Это также максимальное количество времени, которое люди будут ждать загрузки веб-сайта, прежде чем они расстроятся и произведут плохое впечатление. Правило восьми секунд в НБА — это количество времени, за которое мяч переместится на сторону соперника. Восемь секунд считаются допустимым временем для вашей презентации в лифте, прежде чем она станет неловкой. И это восемь секунд зрительного контакта в каждом фильме 80-х, которые заканчиваются либо поцелуем, либо дракой на кулаках, либо, если это фильм Сильвестра Сталлоне, перестрелкой».
По его словам, восемь секунд — это вдвое больше времени, необходимого для того, чтобы воочию увидеть преимущества сварки листового металла при использовании недавно представленного на рынке лазерного степпера IPG.
LSS имеет компактные размеры, мощность лазера до 4 кВт, встроенный охладитель, управление подачей воздуха и диагностику процесса. Конструкция доступна с C-пистолетом или сборщиком.
Определенные преимущества
Ультрасовременный лазерный степпер, или LSS, сочетает в себе преимущества контактной точечной сварки и сварки волоконным лазером. Отличительной чертой является встроенная технология зажима, которая обеспечивает усилие зажима до 3,0 кН или 750 фунтов. Эта конфигурация выводит лазерную сварку на автомобильную арену в некоторых областях, где традиционно использовалась контактная точечная сварка, например, для высокопрочных деталей, изготовленных методом горячей штамповки.
При использовании вместо контактной точечной сварки LSS предлагает пользователям значительные улучшения – как технические, так и экономические. Производители автомобильных запчастей увидят лучшие результаты краш-тестов и испытаний на прочность, а также смогут добиться сокращения времени цикла на 50 процентов. В производственных условиях, когда, например, 800 или более единиц продукции изготавливаются в три смены, снижение затрат может достигать 10 процентов.
В настоящее время используется в производстве Volkswagen Golf VII, LSS значительно сокращает количество необходимых сварных швов, а также повышает прочность сварных швов. Для панели крыши 10 точечных сварных швов сопротивления были заменены четырьмя сварными швами LSS. Для соединения панели порога с центральной стойкой 26 точечных сварных швов сопротивления были заменены девятью сварными швами LSS. Для стойки А шесть сварных швов LSS с шириной полки 10 мм были интегрированы для требований высокой прочности.
Большая часть улучшений связана с неотъемлемыми преимуществами лазерной сварки. Он выделяет гораздо меньше тепла на рабочую поверхность по сравнению с традиционными методами сварки. Низкое тепловложение снижает вероятность ухудшения микроструктуры материала. Этот процесс также обеспечивает более глубокое проплавление сварного шва, а также высокую скорость перемещения.
«Преимущества лазерного процесса также включают отсутствие повреждений обратной стороны для приложений класса A», — говорит Эрик Стайлз, менеджер по приложениям IPG Photonics. «Кроме того, при лазерной сварке требуется только односторонний доступ. Кроме того, его способность выполнять сварку с глубоким проплавлением позволяет выполнять сварку 3T или 4T».
При использовании LSS по сравнению с контактной точечной сваркой пользователи также выигрывают от меньшей ширины фланца, меньшего износа механических частей и меньшего влияния покрытия листа. Пользователи также могут выполнять общую сварку различных комбинаций материалов, а также несимметричных комбинаций листов.
Итерации конфигурации
LSS имеет компактные размеры, мощность лазера до 4 кВт, встроенный охладитель, управление подачей воздуха и диагностику процесса. Конструкция доступна с C-пистолетом или сборщиком. Лазер относится к классу 1 и не требует лазерной ячейки.
Для удовлетворения различных потребностей существует несколько версий LSS. Первая версия в настоящее время используется в трех компаниях. Полностью автоматизирован, вес шаговой головки 39 кг. Зажимной узел приводится в действие электродвигателем.
Оптимизированная вторая версия в настоящее время проходит испытания в двух компаниях. Целью его разработки было снижение эксплуатационных расходов. Третья версия представляет собой ручное ручное устройство для использования в серийном производстве. Его управление представляет собой сенсорную панель, и он поставляется со встроенным управлением шаговым двигателем, а также с монитором мощности лазера. Требуется внешнее охлаждение, а его энергоэффективность составляет примерно 36 процентов.
«Портативная версия была задумана для небольших объемов или прототипов, — объясняет Стайлз. «Поскольку им можно управлять вручную, он очень гибкий. Стандартная версия предназначена для установки на робота и автоматизации».
Также есть версия с оптимизированным контроллером, более компактная, чем первая итерация СЖО. Наконец, есть система лазерной точечной сварки, которая находится на стадии НИОКР.
21 мая 2015 г. компания IPG приняла несколько десятков посетителей на мероприятие по лазерному степперу для демонстрации возможностей нового инновационного сварочного инструмента.
Преимущества волоконного лазера
Независимо от версии, СЖО питается от источника волоконного лазера. По словам Клоса, технология волоконного лазера — лучший выбор.
«За последние пять лет мы прошли путь от тех, кто говорил, что CO2-лазеры никогда не перестанут быть основным генератором для флагманской резки, до сегодняшнего дня, когда все больше производителей привержены использованию волоконно-оптических лазеров», — говорит Клос. «Они режут быстрее, требуют меньше обслуживания, а с волоконным лазером вы можете делать больше».
Он добавляет: «Нет движущихся частей и зеркал. Это лучший источник питания, так как в нем нет расходных материалов для лазера, режима кипячения, продувочного газа и плановых технических посещений. Он доступен на всех уровнях мощности, которые вы можете захотеть. Это просто лучший выбор».
В дополнение к автомобильным приложениям, LSS будет полезен для различных производственных сред, где изготавливаются перегородки, железнодорожные транспортные средства, бытовая техника и стальная мебель.
Независимо от приложения, общая эффективность LSS будет очевидна, как только он начнет использоваться. На Дне открытых дверей IPG Клос представил эти преимущества в перспективе, предложив то, что он назвал восьмисекундным выносом из семинара по точечной сварке, который он недавно посетил.
«Эффективность точечной сварки переменным током составляет 26 процентов, точечная сварка постоянным током в лучшем случае составляет 37 процентов, тогда как LSS может достигать 40 процентов», — сказал он. «Точечная сварка постоянным током работает на контрольной частоте 1000 Гц, но LSS может работать на реальном уровне постоянного тока. Точечная сварка перескакивает с одной стороны на другую, тогда как LSS создает контрольную замочную скважину. На самом деле вы можете диктовать глубину и размер, которые вам нужны каждый раз».
Он также напомнил посетителям дня открытых дверей, что LSS экономически эффективен благодаря отсутствию необходимых дорогостоящих зажимных инструментов. Он имеет вдвое большую скорость обработки, чем контактная точечная сварка, более высокую прочность и жесткость компонентов благодаря качеству соединения, значительному уменьшению размера фланца и является безопасным процессом соединения даже при критических сочетаниях материалов.
«Это так просто», — заключил он. «Вы просто подключаете эту штуку и нажимаете на педаль».
Видео: Волоконно-оптические лазеры затмевают CO ₂ в качестве ведущих генераторов для резки, и IPG Photonics находится в авангарде этой технологии. Посмотрите видео, чтобы узнать больше о влиянии компании на отрасль. Нажмите здесь, чтобы посмотреть
Сварка | Совет по борьбе с раком
Сварка и рак
Существует множество различных методов сварки; но большинство из них относятся к категории электродуговой сварки или кислородно-топливной сварки.
Сварочные работы создают множество опасностей из-за образования загрязняющих веществ в сварочном дыму и ультрафиолетового (УФ) излучения в сварочной дуге. Оба они являются канцерогенами группы 1, что означает, что они могут вызывать рак у людей. Воздействие этих паров или УФ-излучения может увеличить риск развития меланомы глаза, легких и других видов рака.
Риск рака при сварке зависит от:
типа используемого сварочного процесса
свариваемый материал (включая любые поверхностные покрытия или обработку металла)
загрязняющие вещества в воздухе (например, пары чистящих растворителей или обезжиривающих средств)
используемые расходные материалы
защитный флюс или газ
настройки питания
, где проводится сварка (снаружи или в закрытом помещении)
продолжительность сварки.
Загрязняющие вещества в воздухе
Сварочный дым образуется, когда металл нагревается выше точки кипения. Металл охлаждается, а затем конденсируется в виде дыма и мелких частиц, которые можно вдыхать.
Некоторые сварочные дымы легко увидеть, но многие невидимы. В 2017 году все виды сварочного дыма были отнесены к канцерогенам 1-й группы. Сварочные дымы содержат потенциальные канцерогены (канцерогены), в том числе оксиды металлов, силикаты и фториды.
Таблица 1. Общие сварки рака
91583 Рисунок 1: При различных типах сварки выделяется разное количество сварочного дыма
Ультрафиолетовое (УФ) излучение
УФ-излучение также является известным канцерогеном. Электродуговая и лазерная сварка испускают ультрафиолетовое излучение. При сварке вы подвергаетесь прямому воздействию УФ-излучения, создаваемого дугой, и УФ-излучению, которое отражается от твердых и гладких поверхностей вокруг вас. Воздействие может вызвать меланому глаза, «вспышку сварщика» или «дуговой глаз» (болезненное воспаление роговицы), катаракту (помутнение хрусталика глаза) и ожоги открытых участков кожи.
Действие УФ-излучения зависит от:
типа сварки (электродуговая или лазерная сварка)
интенсивность излучения
как долго вы подвергаетесь воздействию радиации
расстояние, на котором вы находитесь от сварочных работ.
Серия профессиональных онкологических рисков — сварка
Загрузить файл в формате PDF
Эффективный контроль
Все рабочие места в Австралии должны соответствовать законам об охране труда и технике безопасности. Они немного различаются между штатами и территориями, но обязанность заботиться о работодателях и обязанности работников по всей Австралии схожи:
работодатели обязаны обеспечивать здоровье и безопасность своих работников на рабочем месте
работники должны заботиться о собственном здоровье и безопасности
работники не должны негативно влиять на здоровье и безопасность других людей
работников должны следовать всем разумным инструкциям и правилам охраны труда и техники безопасности на рабочем месте.
The Safe Work Australia’s Свод практических правил сварочных процессов и Пределы воздействия загрязняющих веществ в воздухе объясните, как работодатели и работники могут контролировать риски, связанные со сваркой, чтобы свести к минимуму воздействие загрязняющих веществ в воздухе. Руководство по минимизации дыма от Weld Australia также содержит дополнительную информацию о контроле загрязняющих веществ в воздухе. Сводка рекомендуемых элементов управления представлена в Таблице 2. Полную информацию см. в вышеуказанных документах.
При отсутствии надлежащих мер контроля сварщики и люди, работающие вблизи сварочных работ, подвергаются повышенному риску воздействия канцерогенов.
Устранить или уменьшить подверженность выявленным опасностям с помощью иерархии контроля (рис. 2) и внедрить процесс управления рисками. Рабочие всегда должны быть вовлечены в процесс управления рисками для выявления опасностей и выполнения мер контроля, которые подходят для рабочего места. Обучение работников опасностям, а также политикам и процедурам по управлению ими также является требованием охраны труда и техники безопасности.
Рис. 2. Иерархия управления рисками
Мониторинг воздуха в зоне дыхания сварщика можно использовать для проверки того, уменьшаются ли средства контроля за загрязнением при сварке. Профессиональная гигиена может помочь с мониторингом воздуха.
Таблица 2. Сводка контролей для опасностей сварки
Тип Источник Carcinogen Carcinogen 9158 9158 9158 88989989978
.0973 Hardening agent found in copper, magnesium, aluminium alloys and electrical contacts Known carcinogen
Cadmium Oxides Stainless steel containing cadmium or plated materials, zinc alloy Suspected carcinogen
Chromium Большинство нержавеющих сталей и высоколегированных материалов, сварочные прутки. Также используется в качестве материала покрытия Некоторые формы являются канцерогенами (шестивалентный хром)
Никель Нержавеющая сталь, никель-хром, никель-медь и другие высоколегированные материалы, сварочная проволока и сталь с покрытием Повышенный риск рака отмечен в профессиях, отличных от сварки

. Не используйте хлорсодержащие растворители для очистки.
Активность Контроль
Подготовка
Surfile Preparation 9153
Сварочный процесс и расходные материалы По возможности выбирайте сварочный процесс и расходные материалы, которые производят меньше дыма и/или УФ-излучения. Измените настройки мощности, чтобы уменьшить количество дыма.
Сварочные дымы и газы Лучшей практикой является сочетание местной вытяжной и принудительной вентиляции. Естественная вентиляция не должна использоваться в качестве меры контроля.
Средства индивидуальной защиты (СИЗ) Используйте средства защиты органов дыхания с подачей или очисткой воздуха, фильтрующие твердые частицы и озон. Они должны быть приспособлены для каждого работника индивидуально. Используйте полнолицевую сварочную маску с линзой с УФ-фильтром. Носить длинные брюки и рубашки с длинными рукавами без манжет из негорючего материала, закрывающие все открытые участки кожи; рекомендуется сварочная кожа. Наденьте изолирующие, огнестойкие сварочные перчатки и кожаные сапоги со стальным носком.
Изоляция Отделите сварочные работы от других работ. Большое количество сварщиков в одном помещении может увеличить количество сварочного дыма. Используйте сварочные экраны для защиты других рабочих от сварочной дуги. По возможности автоматизируйте сварочные работы.
Совместное использование действий Чередование заданий между работниками. Это поможет сократить продолжительность воздействия паров, газов и УФ-излучения.
Мониторинг здоровья используется для выявления работников с повышенным риском развития заболевания в результате трудовой деятельности. Если методы контроля отсутствуют, в соответствии с законодательством об охране труда и технике безопасности может потребоваться мониторинг состояния здоровья.
По любым вопросам, связанным с адекватностью мер контроля на вашем рабочем месте, обращайтесь:
к своему руководителю или руководству (если вы являетесь сотрудником)
ваш представитель по охране труда и технике безопасности или представитель профсоюза
регулирующие органы штата и территории по охране труда и технике безопасности
Безопасная работа Австралия
Как выявить рак на ранней стадии и снизить риск заболевания раком?
Если вы беспокоитесь о своем здоровье или считаете, что могли подвергнуться воздействию вызывающего рак агента, важно поговорить со своим врачом или медицинским работником. Чтобы узнать, что вы можете сделать для создания рабочего места, поддерживающего здоровый образ жизни и помогающего снизить риск развития рака, позвоните в Cancer Council 13 11 20.
Другие полезные веб-сайты
Управление по охране труда и технике безопасности Великобритании: руководство COSHH для конкретных задач по сварке, резке и смежным работам
hse.gov.uk
Сварочный дым — защитите своих работников дым – вам нужна экстракция или СИЗОД?
hse.gov.uk
Источники

Точность = 35%	.
Actual	One feature	Actual	Two features
Normal	23	23	23	25	1	5	Normal	42	0	5	41	1	11
Fault (a)	18	25	25	26	0	6	Fault (a)	0	98	1	0	0	1
Fault (b)	18	27	26	24	0	5	Fault (b)	4	1	74	17	0	4
Fault (c)	17	29	21	23	1	9	Fault (c)	38	0	12	41	0	9
Fault (d)	1	0	0	1	77	21	Fault (d)	0	0	0	1	81	18
Fault (e)	8	12	12	19	15	34	Fault (e)	17	0	2	28	13	40

Accuracy = 35%	Classified as	Accuracy = 63%	Classified as
Actual	One feature	Actual	Two features
Normal	23	23	23	25	1	5	Normal	42	0	5	41	1	11
Fault (a)	18	25	25	26	0	6	Fault (a)	0	98	1	0	0	1
Fault (b)	18	27	26	24	0	5	Fault (b)	4	1	74	17	0	4
Fault (c)	17	29	21	23	1	9	Fault (c)	38	0	12	41	0	9
Fault (d)	1	0	0	1	77	21	Fault (d)	0	0	0	1	81	18
Fault (e)	8	12	12	19	15	34	Fault (e)	17	0	2	28	13	40

Яркостью = 66%	Классифицированный как	Точность = 67%	. 1498	Неисправность (c)	Неисправность (d)	Неисправность (e)	Норма	Неисправность (a)	Неисправность (b)	Неисправность (c)	Неисправность )
Actual	Three features	Actual	Four features
Normal	38	0	1	46	1	14	Normal	45	0	0	40	0	15
Fault (a)	0	98	1	0	0	1	Fault (a)	0	98	1	0	0	1
Fault (b)	0	1	98	0	0	1	Ошибка (б)	0	0	99	1	0	0
Fault (c)	38	0	2	44	1	15	Fault (c)	49	0	1	33	1	16
Fault (d)	0	0	0	2	79	19	Fault (d)	0	0	0	2	80	18
Fault (e)	16	0	0	29	17	38	Fault (e)	16	0	0	25	15	44

Accuracy = 66%	Classified as	Accuracy = 67%	Classified as
Actual	Three features	Actual	Four features
Normal	38	0	1	46	1	14	Normal	45	0	0	40	0	15
Fault (a)	0	98	1	0	0	1	Fault (a)	0	98	1	0	0	1
Fault (b)	0	1	98	0	0	1	Fault (b)	0	0	99	1	0	0
Fault (c)	38	0	2	44	1	15	Fault (c)	49	0	1	33	1	16
Fault (d)	0	0	0	2	79	19	Fault (d)	0	0	0	2	80	18
Fault (e)	16	0	0	29	17	38	Ошибка (E)	16	0	0	25	15	44935 25	15	44	15	449	15	449

Accuracy = 69%	Classified as	Accuracy = 71%	Classified as
Actual	One feature	Actual	Two features
Normal	67	33	0	0	Normal	68	32	0	0
Fault (f − 1)	1	64	35	0	Fault (f − 1)	3	64	33	0
Fault (f − 2)	0	0	44	56	Fault (f − 2)	0	0	52	48
Fault (f − 3)	0	0	0	100	Fault (f − 3)	0	0	0	100

Accuracy = 69%	Classified as	Accuracy = 71%	Classified as
Actual	One feature	Actual	Two features
Normal	67	33	0	0	Normal	68	32	0	0
Fault (f − 1)	1	64	35	0	Fault (f − 1)	3	64	33	0
Fault (f − 2)	0	0	44	56	Fault (f − 2)	0	0	52	48
Fault (f − 3)	0	0	0	100	Неисправность (f − 3)	0	0	0	100

Accuracy = 80%	Classified as	Точность = 87%	классифицируется как
Actual	Three features	Actual	Four features
Normal	68	32	0	0	Normal	73	27	0	0
Fault (f − 1)	3	74	23	0	Fault (f − 1)	0	91	9	0
Fault (f − 2)	0	0	76	24	Fault (f − 2)	0	0	84	16
Fault (f − 3)	0	0	0	100	Fault (f − 3)	0	0	0	100

Точность = 42%	Классифицируется как	Точность = 56%	.	Неисправность (f — 1)	Неисправность (f — 2)	Неисправность (f — 3)	Неисправность (d)	Неисправность (e)	Норма	Неисправность (f — 1) 8 f − 2)	Неисправность (f − 3)	Fault (d)	Fault (e)
Actual	One feature	Actual	Two features
Normal	29	30	13	5	4	19	Normal	47	28	2	0	2	21
Fault (f − 1)	18	30	27	8	1	16	Fault (f − 1)	9	31	46	9	0	5
Fault ( f − 2)	7	13	43	22	0	15	Fault (f − 2)	1	5	46	45	0	3
Неисправность (f − 3)	3	6	16	49	0	26	Fault (f − 3)	0	0	12	88	0	0
Fault ( d)	3	4	0	0	83	10	Fault (d)	1	1	0	0	81	17
Fault ( д)	11	12	15	21	22	19	Fault (e)	21	19	3	0	17	40

Accuracy = 42%	Classified as	Accuracy = 56%	Classified as
Actual	One feature	Actual	Two features
Normal	29	30	13	5	4	19	Normal	47	28	2	0	2	21
Fault (f − 1)	18	30	27	8	1	16	Fault (f − 1 )	9	31	46	9	0	5
Fault (f − 2)	7	13	43	22	0	15	Fault (е − 2)	1	5	46	45	0	3
Fault (f − 3)	3	6	16	49	0	26	Fault (f − 3 )	0	0	12	88	0	0
Fault (d)	3	4	0	0	83	10	Fault (d )	1	1	0	0	81	17
Fault (e)	11	12	15	21	22	19	Fault (e)	21	19	3	0	17	40

Accuracy = 65%	Classified as	Accuracy = 75%	Classified as
Actual	Three features	Actual	Четыре функции
Обычный	51	21	0	0	1	27	Normal	52	20	0	0	3	25
Fault (f − 1)	3	61	35	0	0	1	Fault (f − 1)	0	88	12	0	0	0
Fault (f − 2)	0	0	66	34	0	0	Fault (f − 2)	0	0	90	10	0	0
Fault (f − 3)	0	0	0	100	0	0	Fault (f − 3)	0	0	0	100	0	0
Неисправность (d)	1	2	0	0	73	24	Fault (d)	3	0	0	0	78	19
Fault (e)	26	16	1	0	18	39	Fault (e)	29	11	0	0	19	41

Accuracy = 65%	Classified as	Accuracy = 75%	Classified as
Фактический	Три функции	Actual	Four features
Normal	51	21	0	0	1	27	Normal	52	20	0	0	3	25
Fault (f − 1)	3	61	35	0	0	1	Fault (f − 1)	0	88	12	0	0	0
Fault (f − 2)	0	0	66	34	0	0	Fault (f − 2)	0	0	90	10	0	0
Fault (f − 3)	0	0	0	100	0	0	Fault ( е − 3)	0	0	0	100	0	0
Fault (d)	1	2	0	0	73	24	Fault (d)	3	0	0	0	78	19
Fault (e)	26	16	1	0	18	39	Fault (e)	29	11	0	0	19	41

Датчик	Тип сигнала	Назначение
Ваттметр	Ультразвуковая выходная мощность на пьезокерамическом модуле	Monitor controller power input signal
Force sensor	Clamping force output at the piezoceramic module	Measure clamping force at the ultrasonic transducer
LVDT sensor	Displacement between horn and anvil	Measure indentation and sheet изменение толщины во время сварки
Микрофон	Форма звуковой волны	Обнаружение растрескивания и проскальзывания во время сварки

Международное агентство по изучению рака. Хром, никель и сварка, в монографиях IARC по оценке канцерогенных рисков для человека . 1990 г., IARC Всемирная организация здравоохранения: Лион, Франция.
Международное агентство по изучению рака. Радиация, в монографиях МАИР по оценке канцерогенных рисков для человека . 2012 г., IARC Всемирная организация здравоохранения: Лион, Франция.
Холли, Э.А. , и др. Внутриглазная меланома, связанная с профессией и химическим воздействием . Эпидемиология. 1996. 7(1): с. 55-61.
Gunnel, P., et al. Профессиональные факторы риска, ультрафиолетовое излучение и меланома глаза: исследование случай-контроль во Франции . Причины рака и борьба с ним. 12(5): с. 451-459.
Vajdic, C.M., et al. Воздействие солнца предсказывает риск меланомы глаза в Австралии . Международный журнал рака, 2002. 101(2): с. 175-182.
Tenkate, T. Опасность оптического излучения сварочной дуги . Rev Environ Health, 1998. 13(3): с. 131-146.
Kendzia, B., et al. Сварка и рак легких в объединенном анализе исследований случай-контроль . Американский журнал эпидемиологии, 2013. 178(10): с. 1513-1525 гг.
Международное агентство по изучению рака. Кадмий и соединения кадмия, в монографиях IARC по оценке канцерогенных рисков для человека . 2012 г., IARC Всемирная организация здравоохранения: Лион, Франция.
Международное агентство по изучению рака. Соединения хрома (VI) в монографиях IARC по оценке канцерогенных рисков для человека . 2012 г., IARC Всемирная организация здравоохранения: Лион, Франция.
Международное агентство по изучению рака. Никель и соединения никеля, в монографиях МАИР по оценке канцерогенных рисков для человека . 2012 г., IARC, Всемирная организация здравоохранения: Лион: Франция.
Канадский центр охраны труда и техники безопасности. OSH Answers Информационные бюллетени: Сварка – Дымы и газы . 2014 г., Канадский центр охраны труда и техники безопасности: Онтарио, Канада.
Безопасная работа, Австралия. Сварочные процессы – свод правил 2012 . Безопасная работа в Австралии: Канберра, ACT.
Управление по охране труда и технике безопасности. Сварочный дым – снижение риска . Мерсисайд. 2015 г., Управление по охране труда и технике безопасности: Мерсисайд, Великобритания.

Активность	Контроль
Подготовка
Surfile Preparation 9153
Сварочный процесс и расходные материалы	По возможности выбирайте сварочный процесс и расходные материалы, которые производят меньше дыма и/или УФ-излучения. Измените настройки мощности, чтобы уменьшить количество дыма.
Сварочные дымы и газы	Лучшей практикой является сочетание местной вытяжной и принудительной вентиляции. Естественная вентиляция не должна использоваться в качестве меры контроля.
Средства индивидуальной защиты (СИЗ)	Используйте средства защиты органов дыхания с подачей или очисткой воздуха, фильтрующие твердые частицы и озон. Они должны быть приспособлены для каждого работника индивидуально. Используйте полнолицевую сварочную маску с линзой с УФ-фильтром. Носить длинные брюки и рубашки с длинными рукавами без манжет из негорючего материала, закрывающие все открытые участки кожи; рекомендуется сварочная кожа. Наденьте изолирующие, огнестойкие сварочные перчатки и кожаные сапоги со стальным носком.
Изоляция	Отделите сварочные работы от других работ. Большое количество сварщиков в одном помещении может увеличить количество сварочного дыма. Используйте сварочные экраны для защиты других рабочих от сварочной дуги. По возможности автоматизируйте сварочные работы.
Совместное использование действий	Чередование заданий между работниками. Это поможет сократить продолжительность воздействия паров, газов и УФ-излучения.

Диагностика и сварка журнал: Сварка и диагностика — журнал

Публикации

Добро пожаловать на сайт журнала Контроль.

Advanced Engineering Research

Текущий выпуск

ЮБИЛЕЙ УЧЕНОГО

МЕХАНИКА

МАШИНОСТРОЕНИЕ И МАШИНОВЕДЕНИЕ

ИНФОРМАТИКА, ВЫЧИСЛИТЕЛЬНАЯ ТЕХНИКА И УПРАВЛЕНИЕ

Объявления

2021-10-02

Печать DOAJ

Добро пожаловать на сайт журнала «Справочник. Инженерный журнал»

Современные наукоемкие технологии — научный журнал ISSN 1812-7320

Редакция

Редакционная коллегия журнала

Контактная информация

Официальный сайт НПК — Рекомендуемые интернет-ресурсы

Образовательные ресурсы:

Образовательные Интернет-ресурсы по дисциплинам/МДК:

Диагностика сварки с помощью оптимизации роя частиц и выбора характеристик

1. Введение

2. Параметры спектроскопического контроля для оперативного контроля сварки

3. Модификации оригинальной модели

3.1. Алгоритм оптимизации: PSO

3.2. Использование алгоритма SFFS для выбора спектрального диапазона

4. Проверка экспериментальных и полевых испытаний

5. Заключение

Благодарности

Ссылки

Copyright

Мониторинг профиля и диагностика неисправностей с помощью датчика Fusion для ультразвуковой сварки | Дж. Мануф. науч. англ.

8″ data-legacyid=»s2a»> Основные понятия полилинейной алгебры и преобразование тензора в вектор.

<img loading='lazy' src='' />

Улучшение классификации с помощью ансамблевого обучения.

Практический пример многослойной ультразвуковой сварки металлов

Заключение

Funding Data

References

3.

3 .

4 .

3 .

3 .

4 .

3

3 .

Сварщик с пневмосидерозом: история болезни

Research Papers — 2001: Welding Journal: Publications: American Welding Society

Повышение производительности сварки

Определенные преимущества

Итерации конфигурации

Преимущества волоконного лазера

Сварка | Совет по борьбе с раком

Сварка и рак

Загрязняющие вещества в воздухе

Таблица 1. Общие сварки рака

Ультрафиолетовое (УФ) излучение

Эффективный контроль

Таблица 2. Сводка контролей для опасностей сварки

Как выявить рак на ранней стадии и снизить риск заболевания раком?

Другие полезные веб-сайты

Добавить комментарий Отменить ответ