اندازه گیری زبری سطح قطعات در فرآیند تراشکاری به کمک سیستم بینایی
نام نخستين پديدآور
/سعید پورامینی
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: دانشکده فنی و مهندسی مکانیک
مشخصات ظاهری
نام خاص و کميت اثر
۸۲ص
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
رشته مهندسی مکانیک گرایش ساخت و تولید
زمان اعطا مدرک
۱۳۹۱/۱۱/۲۵
کسي که مدرک را اعطا کرده
دانشگاه تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
در سالصهای اخیر ,مدل سازی و پیشصبینی زبری سطح مورد توجه بسیاری قرار گرفته است .مشکل اصلی چگونگی رسیدن به اندازه گیریصهای قابل اعتماد و واقعی زبری سطح قطعهصکار است .یکی از این روشصهای اندازهصگیری سیستم بینایی است .از مزیتصهای این روش نسبت به روشصهای تماسی میصتوان به عدم تماس با قطعه-کار ,امکان بررسی تمام نقاط سطح ,دقت بالاتر و امکان بازرسی بهصهنگام اشاره نمود .بنابراین هدف ما در این تحقیق استقاده از دادهصهای سیستم بینایی برای رسیدن به اندازهصگیری قابل قبول پارامترهای زبری با استفاده از شبکهصی چندجملهصای بر روی زبری سطح می باشد .در این تحقیق یک روش بینایی برای اندازهصگیری زبری سطح قطعات در عملیات تراشکاری پیشنهاد شد .ابتدا ماشینکاری قطعه در شرایط مشخص صورت پذیرفت و تصویربرداری از قطعه در حال ماشینکاری توسط دوربین دیجیتال انجام شد .سپس تصاویر جهت پردازش به نرمصافزار LabVIEW انتقال یافته و پردازش شدند .نمودار سطح خاکستری و مقادیر انحراف استاندارد در این مرحله بهصدست آمدند .میزان زبری سطح از ویژگیصهای بافت تصویر) فرکانس قلهصی اصلی F_۱ ، مربع میزان مولفه اصلی F_۲ ، انحراف استاندارد سطح خاکستری ( STD حاصل میصشود .جهت دستیابی به این مقادیر ار تبدیل فوریه استفاده شد .پس از به دست آمدن مقادیر F_۱, F_۲ و ,STD میزان زبری سطح با قرار دادن این مقادیر در معادلات چند جملهصای عددی که از شبکهصی چندصجملهصای به-دست آمده است ,حاصل میصشود .جهت بررسی صحت نتایج کسب شده ,از روش تماسی سوزنی جهت اندازهصگیری زبری سطح استفاده شد .در نهایت ,مقایسهصی مقادیر حاصل از دو روش اختلاف ناچیزی را نشان داد که صحت روش بینایی مود استفاده را اثبات نمود
متن يادداشت
based system -based method were utilized in order to check roughness values which were calculated by Vision-piece was carried out by digital camera. Then images were transferred to LabVIEW software for processing. Greyscale histograms and the amount of standard deviation (STD) were acquired in this stage. Roughness can be measured by using of image texture (major peak frequency F_1, principal component magnitude squared value F_2, and the standard deviation of grey level STD). These values can be obtained by using Fast Fourier Transform (FFT). Following that, by putting these values in polynomial equations that derived from abductive network, roughness was calculated. Moreover, Stylus-piece was performed in various machining conditions. Simultaneously, photographing work-based method for roughness measurement has been proposed. Initially, the turning operation of work-based data to acquire acceptable surface roughness values by using abductive network. In this thesis, a vision-piece, ability to inspect whole part of surface, high accuracy, and capability of online inspection. Therefore, the aim of this thesis is to evaluate the suitability of using vision-based technique has many advantages such as no contact with work-based method, Vision-based data is a proper procedure for this measurement. In comparison to Stylus-piece by computer vision has received increasing attention in recent years. Vision-The modeling and prediction of surface roughness of a work
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )