Инжиниринг, Машинное обучение
Локальная двоичная диаграмма для оценки качества поверхности разнородных сварных соединений трением с перемешиванием
Процесс сварки трением с перемешиванием - это усовершенствованный процесс соединения твердотельных элементов, который находит применение в различных отраслях промышленности, таких как автомобилестроение, производство, авиакосмическая промышленность и железнодорожные компании. Входные параметры, такие как скорость вращения инструмента, скорость сварки, осевое усилие и угол наклона, определяют качество сварного соединения трением с перемешиванием. Неправильный выбор этих параметров дополнительно приводит к изготовлению соединения плохого качества, что приводит к краям канавок, образованию заусенцев и различным другим поверхностным дефектам. В настоящей работе алгоритм аналитического машинного обучения на основе текстур, известный как локальный двоичный образец (LBP), используется для извлечения текстурных особенностей сварных соединений трением с перемешиванием, которые свариваются с различной скоростью вращения. Было замечено, что алгоритм LBP может точно обнаруживать любые неровности на поверхности сварного соединения трением с перемешиванием.
Введение
Сварка трением с перемешиванием - это процесс соединения твердого тела, который был разработан Институтом сварки (TWI) в основном для соединения легких материалов, таких как алюминий и магниевые сплавы (Mishra and Ma, 2005; Pratik and Vishvesh, 2019; Ramona and Santos Jorge , 2013). Свариваемость алюминиевых сплавов трением с перемешиванием сравнивается с другим традиционным процессом сварки плавлением, показанным на рис. 1. Процесс сварки трением с перемешиванием приводит к высококачественным сварным швам, но эффективность сварки в основном зависит от правильного выбора различных входных параметров, таких как температура штифта, инструмент. скорость вращения, скорость подачи, скорость сварки, распределение температуры, вращающий момент инструмента, приложенная нисходящая ковочная сила к уступу инструмента и т. д.
Рабочий механизм процесса сварки трением с перемешиванием показан на рис.2.
Основная прелесть процесса сварки трением с перемешиванием заключается в том, что в нем используется неплавящийся металлический инструмент, который тверже, чем основной материал, который необходимо соединить (Rai et al., 2011). Инструмент состоит из выступа и штифта, как показано на рис. 3b). Инструмент погружают внутрь основного материала, прикладывая направленную вниз силу. Инструмент для сварки трением с перемешиванием имеет два типа скорости: скорость вращения и скорость перемещения в направлении сварки. Из-за вращения вращающегося инструмента возникает трение между заготовкой и вращающимся инструментом, что приводит к пластической деформации заготовки, как показано на рис. 3c).
Из-за генерируемого локального тепла заготовка размягчается вокруг зонда или области штифта, что приводит к перемещению размягчающегося или пластифицированного материала от передней части зонда к задней части зонда. Сварное соединение формируется путем деформации материала при температурах ниже точки плавления основного материала (Mijajlović and Milčić, 2012). В условиях очень холодной сварки могут возникать такие дефекты, как образование пустот и расслоение, в то время как в условиях очень горячей сварки могут возникать такие проблемы, как снижение прочности соединения, а также образование разборных самородков в зоне перемешивания. (Рудрапати, 2019).
В настоящей работе был разработан алгоритм машинного обучения под названием Local Binary Pattern (LBP) для оценки поверхностных дефектов, таких как непровар и образование заусенцев разнородных ультрамелкозернистых алюминиевых сплавов 1050 и 6061-T6, сваренных трением с перемешиванием.
Работа с локальным двоичным шаблоном
Локальный двоичный узор - это важный алгоритм машинного зрения для анализа текстуры изображения, устойчивый к любым типам изменений освещения в приложении реального времени (Cai et al., 2020). Локальный двоичный шаблон создает разницу значений серого между соседними пикселями и центральным пикселем в области выборки. В прямоугольной окрестности размером 3´3 определяется локальный двоичный шаблон. Во-первых, преобразование цветного изображения в изображение в оттенках серого выполняется со значением шкалы серого от 0 до 255. В качестве точки выборки используются пиксели прямоугольной области. f 0 - значение серого центрального пикселя, а f 1, f 2, f 3…, f 8 - значения оттенков серого для 8 пикселей вокруг него. Соответствующая позиция кодируется как 1, когда fi больше, чем равно f 0. Соответствующая позиция кодируется как 0, когда fi ‹f 0, как показано на рис. 4.
Уравнение 1 описывает формулу кодирования для алгоритма локального двоичного шаблона:
Камани и др.. (2011) использовали локальный двоичный образец для классификации кузова автомобиля и автоматического обнаружения дефектов окраски. Было замечено, что идентификация и классификация дефектов могут быть выполнены с высокой точностью. Махрам и др.. (2012) обнаружили трещины и сучки древесины, чтобы классифицировать устойчивые и прочные леса с помощью алгоритма локального двоичного образца. Агдам и др.. (2012) работали над обнаружением дефектов с использованием деревьев решений, применяемых к функциям на основе LBP. Результаты показали, что по сравнению с другими традиционными схемами предложенная система классификации работает быстрее. Луо и др.. (2018) для эффективной по времени классификации дефектов поверхности стали использовали обобщенный завершенный локальный двоичный образец. Результаты показали, что метод может быть реализован в системе онлайн-мониторинга горячекатаной стальной полосы.
Экспериментальная процедура
Сварка трением с перемешиванием проводилась на листе толщиной 2 мм из коммерческих пластин из алюминиевого сплава AA 6061-T6 и ультрамелкозернистого алюминиевого сплава 1050 (Sun et al., 2016). В качестве материала для инструмента для сварки трением с перемешиванием использовалась инструментальная сталь с вогнутой формой уступа. Во время операции сварки прикладывалась постоянная нагрузка 8000 кН при постоянной скорости вращения 800 об / мин и переменной скорости перемещения 400, 600, 800, 1000 мм / мин. На рисунке 5а показано разнородное сварное соединение трением с перемешиванием, полученное при скорости вращения инструмента 800 об / мин и 600 мм / мин, а на рисунке 5b показано разное сварное соединение трением с перемешиванием, полученное при скорости вращения инструмента 800 об / мин и скорости перемещения инструмента 800 мм / мин. . Точно так же на рис. 6а показано соединение, полученное сваркой трением с перемешиванием при скорости вращения инструмента 800 об / мин и скорости перемещения инструмента 400 мм / мин, на рис. 6b показано соединение, полученное при скорости вращения инструмента 800 об / мин и скорости перемещения инструмента. 600 мм / мин, на рис. 6c показано соединение, полученное при скорости вращения инструмента 800 об / мин и скорости перемещения инструмента 800 мм / мин, на рис. 6d показано соединение, полученное при скорости вращения инструмента 800 об / мин и скорости перемещения инструмента. 1000 мм / мин.
Полученные изображения были обрезаны и подвергнуты различным операциям, как показано на фиг.7.
Программирование на Python использовалось для кодирования алгоритма и проведения моделирования.
Результаты и обсуждения
Серые изображения, локальные двоичные структуры и гистограммы сварки трением с перемешиванием были получены, как показано на рис. 8–11. Локальный двоичный узор может легко отображать неоднородный характер изображения. Таким образом, различные поверхностные дефекты, такие как образование заусенцев, бороздки на краях и отсутствие контакта, присутствующие в соединениях, сваренных трением с перемешиванием, можно легко обнаружить с помощью локальных двоичных шаблонов.
Заключение
В этом исследовании предлагается алгоритм Local Binary Pattern для оценки качества поверхности сварных соединений трением с перемешиванием. Алгоритм Local Binary Pattern легко подтвердил обнаружение поверхностных дефектов, таких как отсутствие контакта и образование заусенцев в соединениях, сваренных трением с перемешиванием. Замечено, что, когда 6061-T6 находится на стороне отхода, преобразованное изображение LBP показывает более неоднородный характер по сравнению с компоновкой, когда 6061-T6 находится на стороне продвижения, также первая компоновка показывает меньше пиковых значений на гистограммах. Таким образом, можно сделать вывод, что алгоритм Local Binary Pattern (LBP) может быть успешно реализован при визуальном осмотре и при мониторинге в реальном времени.
Ссылки
Агдам С. Р., Амид Э. и Имани М. Ф. (2012, июль). Быстрый метод обнаружения дефектов стальной поверхности с использованием деревьев решений, применяемых к элементам на основе LBP. В 2012 году 7-я конференция IEEE по промышленной электронике и приложениям (ICIEA) (стр. 1447–1452). IEEE.
Цай, Ю., Сюй, Г., Ли, А., и Ван, X. (2020). Новый улучшенный локальный двоичный образец и его применение для диагностики неисправностей дизельного двигателя. Удар и вибрация, 2020.
Камани П., Нурсадеги Э., Афшар А. и Товидха Ф. (2011 г., ноябрь). Автоматическое обнаружение дефектов краски и классификация кузова автомобиля. В 2011 году 7-я Иранская конференция по машинному зрению и обработке изображений (стр. 1–6). IEEE.
Луо, К., Сан, Ю., Ли, П., Симпсон, О., Тиан, Л., и Хе, Ю. (2018). Обобщенные завершенные локальные бинарные шаблоны для быстрой классификации дефектов поверхности стали. IEEE Transactions on Instrumentation and Measurement, 68 (3), 667–679.
Махрам А., Шайесте М. Г. и Джафарпур С. (2012, июль). Классификация дефектов поверхности древесины с гибридным использованием статистических и текстурных признаков. В 2012 году 35-я Международная конференция по телекоммуникациям и обработке сигналов (TSP) (стр. 749–752). IEEE.
Мияйлович, М. (2012). Исследование и разработка аналитической модели для оценки количества тепла, выделяемого при ЖТС (докторская диссертация, докторская диссертация, факультет машиностроения Ниш, Университет Ниша, Ниш, Сербия).
Мияйлович, М., и Милчич, Д. (2012). Аналитическая модель для оценки количества тепла, выделяемого при сварке трением с перемешиванием: применение на пластинах из алюминиевого сплава 2024 T351. Сварочные процессы, 247–274.
Мишра, Р. С., & Ма, З. Ю. (2005). Сварка трением с перемешиванием и обработка. Материаловедение и инженерия: R: отчеты, 50 (1–2), 1–78.
Пратик, Х.С., и Вишвеш, Дж. Б. (2019). Сварка алюминиевых сплавов трением с перемешиванием: обзор экспериментальных результатов - процесс, переменные, развитие и применения. Труды Института инженеров-механиков, Часть L: Журнал материалов: дизайн и применение, 233 (6), 1191–1226.
Рай Р., Де А., Бхадешия Х. К. Д. Х. и Деброй Т. (2011). инструменты для сварки трением с перемешиванием. Наука и технология сварки и соединения, 16 (4), 325–342.
Рамона, Г., и Сантос Хорхе, Ф. Д. (2013). Разработка сварки трением с перемешиванием алюминиевых сплавов для конструкционных соединений. Известия румынской академии, Series A, 14 (1), 64–71.
Рудрапати, Р. (2019). Последние достижения в соединении алюминиевых сплавов с помощью сварки трением с перемешиванием. В процессах массового производства. IntechOpen.
Сунь Ю., Цудзи Н. и Фуджи Х. (2016). Микроструктура и механические свойства сварки трением с перемешиванием разнородных частиц ультрамелкозернистых алюминиевых сплавов 1050 и 6061-t6. Металлы, 6 (10), 249.
