Диссертация (1152203), страница 5
Текст из файла (страница 5)
Зависимость размера баночного конца отдавления в банке представлена на рисунке 11 [2]. Такой подход позволяетΔ, ммконтролировать давление в банке и ее герметичность без нарушения целостности.6A54Б32100 0,1 0,250,35 0,4 0,650,75 1 1,15 1,3 1,5P105, ПаА и Б – соответственно подъем и сброс давления в банкеРисунок 11. Зависимость размера баночного конца для жести №20 приподъеме и сбросе давленияВ работе [2] для преобразования деформации баночных концов вэлектрический сигнал используется емкостной преобразователь.
Аналогичныйрезультат можно достичь, используя систему технического зрения для измеренияразмеров баночных концов [41].Качество закаточного шва консервных банок исследуют и с помощьюмикрофокусной рентгенодефектоскопии [38]. Этот подход позволяет определять32негерметичные консервы.
Рассеянное излучение в зависимости от энергиипервичного излучателя изменяет качество снимка, снижает контрастность ичеткость изображения, а, следовательно, и чувствительность самого метода.Вследствие этого дефекты малого размера тяжело различать. Недостатком этогоспособа является дороговизна технической реализации.Помимо указанных способов для контроля герметичности консервов могутприменяться оптические методы. Из негерметичных банок выделяется субстанция,которая на внешней поверхности банки образует подтеки.
Для регистрацииподтеков используются оптические методы контроля [29].Оптические методы могут использоваться и для измерения геометрическихразмеров закаточного шва, включая толщину, ширину и глубину посадки крышки.Автоматизировать эти измерения можно с помощью системы технического зрения.Механическое вскрытие шва делает возможным определение не только внешних,но и внутренних параметров шва – перекрытие, ширина крючков крышки и банки.При исследовании внутренней поверхности банок рационально использоватьэндоскоп, позволяющий обнаруживать царапины, трещины, коррозийные пятна,выбоины и другие дефекты размером 0,03 …0,08 мм в консервных банках.Достоверность получаемых результатов являются основными критериями,обосновывающими их выбор.2.3 Истечение парожидкостной среды из консервов при испытании ихна герметичностьВ зависимости от места образования негерметичность может контактироватьс паром или жидкостью.
Если негерметичность контактирует с жидкостью, то избанки вытекает жидкость, оставляя на стенках банки подтеки, которые и являютсяпредметом исследования. Если негерметичность контактирует с паром, то из банкиистекает пар, который конденсируясь образует подтеки на внешней поверхностибанки.33Объем жидкости, вытекающий из банки через микродефект определяетсязависимостью:p V k p f 0 2 g h ,g где(13) – площадь отверстия дефекта в банке; = – коэффициентрасхода; α – коэффициент сжатия струи [1].Коэффициент скорости φ вычислялся с помощью коэффициента местногосопротивления ξ по формуле: = 1⁄.√1 + Массовая скорость истечения жидкости, вытекающей из банки зависит отразности давлений Δp в банке и внешней среды, плотности продукта ρ и уровняпродукта в банке h:=ρ 0 √2(ℎ +)(14)Пример.
При диаметре отверстия микродефекта в корпусе банки равном 1мкм, из банки за 5 мин при Δp = 40кПа, ρ = 1020кг/м3, α = 0,62 и ξ = 0,5 вытечетоколо 1,1 млг растительного масла. Скорость истечения масла при прочих равныхусловиях существенно зависит от вязкости, которая уменьшается с повышениемтемпературы (рисунок 6, стр.20).При истечении пара его расход определяется зависимостью [1]:2 = 0 ∙ √2 ∙∙1 ∙(−1)∙∙1 ∙ [( 2 )1где к = 9/7 для трехатомных газов;M – молекулярная масса воды;P1 – давление в банке;2+1−( )1],(15)34P2 – давление вне банки.Эта формула описывает истечение газа из отверстия малой протяженности,когда трением о стенки канала можно пренебречь.Водяной пар перемешивается с парами масла. На поверхности жестиконденсируются пары воды и масла. Давление пара воды больше, чем пара масла,поэтому на жести остаются масляные пятна.
Образование масляных пятен можнофиксироватьспомощьюсистемытехническогозрения,чтопозволяетконтролировать герметичность банок дистанционно.2.4 Использование адаптивных алгоритмов для анализа ираспознавания дефектов консервных банокУправление базируется на результатах текущих измерений и априорнойинформации. К адаптивным относятся системы, в которых недостаток априорнойинформациикомпенсируетсяболеедетальнымиспользованиемтекущейинформации.
Поэтому адаптивное управление применяется для управлениямалоизученными технологическими процессами и объектами [59]. В неадаптивныхсистемах качество управления может обеспечиваться использованием систем спеременной структурой, алгоритмов регулирования с большим коэффициентомусиления.В последнее время развивается адаптивное управление, т.е.
управление смаксимальным использованием естественных, собственных движений объекта[56].Текущее информационное обеспечение можно подразделить на высокое,среднее и малое. Возможности управления в условиях малого априорного иапостериорного обеспечения, т.е. управления в условиях неопределенностиограничены. Алгоритм адаптивного автоматического управления эффективноиспользуется при высоком апостериорном информационном обеспечении.
Переходк адаптивным алгоритмам требует разработки методов синтеза управления в35процессе функционирования системы. Формирование управляющих воздействий внеадаптивных системах происходит на основе детерминированных законов(формул, записанных в памяти ЭВМ).Адаптивныесистемыподразделяютсянасамонастраивающиесяисамообучающиеся. Самонастраивающиеся системы применяются, если структурауправляющего устройства может быть определена на основе априорнойинформации и требуется установить лишь алгоритм адаптации, т.е.
алгоритмнастройки параметров управляющего устройства.Самонастраивающиесясистемыподразделяютнапоисковыеибеспоисковые. В поисковых системах экстремальное значение показателя качествауправленияищетсяспомощьюпоисковыхвоздействий,производимыхнебольшими шагами, величина которых ограничивается тем сильнее, чемнеопределенней исходная информация. Беспоисковые системы в своей структуресодержатмоделиуправленияобъектов.Впроцессефункционированиябеспоисковых адаптивных систем может иметь место скачкообразное, т.е. безкаких-либо промежуточных изменений параметров устройства управления.Самообучающиеся системы – это системы с самонастройкой структуры.
Напрактике часто встречаются ситуации, когда отсутствует необходимая исходнаяинформация.Обучениемашиныраспознаваниюобразовзаключаетсявформировании правила распознавания образов на основе информации о некоторыхобразах из исходной совокупности. Обучение может базироваться на основедетерминированной или стохастической информации [12,61].Первоначально задача обучения была сформулирована в связи с проблемоймоделирования особенностей человеческого мозга: человек, познакомившийся снебольшим числом рукописных начертаний умеет читать любой подчерк, т.е.машина должна обучаться знанию технических образов путем знакомства снебольшим числом их представлений.
При обучении необходимо заранееограничить классы объектов, распознаванию которых машина должна обучаться.Здесь под образом понимается некоторое специальное множество объектов,наделенное особыми свойствами. Любая математическая теория распознавания36образов исходит из некоторой гипотезы о свойствах объекта. Детерминированнойпостановки задачи соответствует достаточно простое по форме множество.Изображение можно закодировать разными способами, позволяющими, вчастности, разделить исходное множество на подмножества, которые отделяютсядруг от друга некоторыми правилами, что и служит основой для обучения машиныраспознаванию образов.
Задача распознавания образов в вероятностной постановкеможет быть решена после формирования исходных предположений, например,предпочтений касающихся свойств самих функций степени достоверности,которые подлежат восстановлению. Существуют и иные математическиепостановки задач распознавания образов. При этом предпочтения должныотражать требования, упрощающие задачу распознавания, что достигаетсяиспользованием простых и гладких функций. В результате решения задачиобучениямашиныраспознаваниюобразовввероятностнойпостановкеиспользуются функции достоверности, которые затем могут использоваться дляпрогнозирования принадлежности новых объектов к определенному образу.Задача анализа изображений дефектов консервных банок может решаться сприменением алгоритмов машинного обучения.
В работе был проведенэксперимент, в котором исследовались выборки герметичных и негерметичныхбанок с различными видами дефектов [24]. Для анализа изображений дефектовиспользовались самообучающиеся алгоритмы.Решение задачи анализа и классификации может быть представлено в видеследующей последовательности действий:- идентификация исследуемого объекта;- выделение исследуемого объекта;- классификация характеристик исследуемого объектаВ процессе идентификации исследуемого объекта определялись областиинтереса (прямоугольник окружающий банку), позволяющая сократить объемпоследующих вычислений путем отбрасывания частей изображения, находящихсявне пределов этой области.37Алгоритм идентификации распознает объект с использованием нечёткихпризнаков.
В качестве алгоритма идентификации исследуемого объекта выбраналгоритм Виолы-Джонса [79].Алгоритм отделения исследуемого объекта от фона основывается на анализекорреляции изображений как с исследуемым объектом, так и без него.При запуске алгоритма идентификации исследуемое изображение (рисунок12) переводится в одноцветный формат.Рисунок 12. Исходное исследуемоеизображениеРисунок 13. Фоновое изображениеФоновые изображения (рисунок 13) хранятся в одноцветном формате.Небольшие неточности в позиционировании камеры при получении фоновыхизображений и изображений исследуемых объектов нивелируются в ходепоследующей обработке и классификации.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
