LibRar.Org.Ua — Бібліотека українських авторефератів

Загрузка...

Головна Легка промисловість → Розробка системи аналізу та контролю якості готової текстильної продукції

складну структуру:

(12)

При врахуванні деформації тканини відбувається поділ спектральних векторів(13):

(13)

Відповідно для збуреної структури розбивається і спектральна матриця:

(14)

Таким чином, зберігається вид моделі взаємодії тканини і датчика (15):

(15)

Деформації полотнини тканини призводить до змішування компонентів, в наслідок чого стає неможливою роздільна оцінка всіх компонентів спектральних векторів моделі (16).

(16)

З огляду на те, що в задачі контролю структурних характеристик тканини з використанням сучасних методів сканування, характерним є представлення скануючого елемента як прямокутника довжиною L, висотою h і рівномірним розподілом чутливості, елементи спектральної матриці Smn здобувають вид (17). Таке представлення елементів спектральної матриці моделі підтверджує наявність істотної залежності результатів контролю від геометричних розмірів вікна датчика.

,

,

(17)

,


Одержати опис тканини як об'єкта контролю зі збереженням топологічних властивостей можливо за рахунок використання чотирьохкомпонентної моделі з просторовим зміщенням відліків у межах рапорту:

(18)

Враховуючи рівномірність чутливості перетворювача у вікні і те, що рапорт Dx, Dy вписано в прямокутник, модель сигналу сканування можемо представити у виді (19):

(19)

де відліки беруться в точках(x,y), (x+Dx, y), (x, y+Dy), (x+Dx, y+Dy).

Таким чином, збереження чутливості моделі до топологічних властивостей тканини при її скануванні досягається контролем сигналу в чотирьох точках рапорту.

Для вирішення задачі контролю матеріалів, які мають ворсовий шар, нульова гармоніка моделі виділена в самостійну складову, що описує випадкове аперіодичне поле.

(20)

Таким чином, показана можливість побудови узагальненої математичної моделі, яка враховує структурні особливості тканини, її колориметричні властивості, вплив шумових складових та параметрів вікна датчика, а також збурювань полотнини тканини.

Третій розділ присвячено дослідженню адекватності моделі.

Висока варіативність тканини, як об'єкта контролю, вимагає від математичної моделі врахування впливу всіх основних явищ, які виникають в процесі контролю якості готових тканин.

Для ідентифікації випадкової складової тканини досліджена автокореляційна функція R(x) сигналу сканування ділянки тканини.

Аналіз отриманих результатів експериментів дозволяє зроблений висновок про те, що випадкова складова має вид "хитавиці", з явно вираженою складовою структури переплетень, як короткохвильової складової і структури рапорту, як довгохвильової складової. Проведені дослідження показали, що випадкова складова має нормальний закон розподілу, а аперіодична складова має час кореляції не більш 10 періодів переплетення.

Специфіка представлення моделі у виді ряду визначає необхідність оцінки збіжності моделі. Як показали експериментальні дослідження для досягнення максимальної помилки менш 5% для тканин простого переплетення достатнє використання п'яти перших членів ряду.

На якість контролю істотно впливають ефекти, які виникають при взаємодії полотнини тканини і скануючого елемента датчика. Для оцінки адекватності моделі стосовно впливу параметрів розкладаючого елемента проведені експериментальні дослідження залежності сигналу оцінки компонент вектора колірності від розмірів вікна контролю.

Очікувана на основі моделі залежність (17) адекватна експериментальним даним.

У даному випадку вплив розмірів вікна на точність визначення координат вектора колірності знижується при збільшенні розмірів вікна.


Одним з істотних моментів, що вимагає врахування при аналізі моделі, є дозволяюча спроможність датчика. У даному випадку помилка формується за рахунок шуму квантування, і при досягненні дозволяючою спроможністю значення, достатнього для виділення мінімального фрагмента тканини, варто очікувати різкого зменшення впливу даної складової.


Дійсно, як показують експериментальні дані при дозволяючій спроможності більшій ніж 600 пікселів на дюйм дана складова помилки є несуттєвою.

Через те, що модель містить постійну складову, інтерес становить вплив параметрів вікна сканування на точність виміру складових колірного вектора при контролі матеріалів придатних для формування колірних еталонів. Проведено експериментальні дослідження впливу дозволяючої спроможності на точність визначення координат кольору паперового еталона.


Тут адекватною є модель, яка враховує характеристику вікна і наявність структурного сигналу. При малій дозволяючій спроможності вплив параметрів вікна є не суттєвим. В області середніх значень дозволяючої спроможності - достатніх для виділення нерівномірності структури папера, досить різко виявляється залежність від характеристики вікна, що зникає при дозволяючій спроможності достатній для виділення мінімальних фрагментів.

Важливим моментом, що вимагає аналізу, є вивчення випадкових складових, які з'являються у модель при використанні конкретного апаратурного рішення датчика. В роботі проведені експерименти по вивченню апаратурних погрішностей сканера, результати яких доводять, що найбільший внесок у помилку вносить часовий дрейф чутливості перетворювача сканера.

Як видно з результатів експерименту вплив дрейфу сканера є дуже значним. Характер дрейфу типовий для електронних пристроїв.

Таким чином зроблено висновок про адекватність математичної моделі задачі опису явищ, які відбуваються при контролі тканини одновіконним датчиком із прямокутною зоною контролю.

Четвертий розділ роботи присвячений розробці методів підвищення точності оцінки характеристик тканин при використанні сучасних скануючих датчиків. Запропоновано використання методу порівняння з координатним еталоном, як найбільш просте й ефективне рішення задачі підвищення точності визначення колірних характеристик тканин.

У даному випадку висока точність позиціонування, характерна для сучасних сканерів, дозволяє усунути часовий дрейф і уніфікувати колірні характеристики сканерів. Експериментально перевірена гіпотеза про рівність дрейфу еталону і тканині.

Апроксимуючою кривою регресійної моделі по червоній компоненті кольору є поліном п'ятого ступеню, з рівнянням виду:

y = 3.4℮-0.09·x5 - 1.1℮-006·x4 + 0.00013·x3 - 0.0064·x2 + 0.11·x + 38

(20)

Для регресійних моделей по зеленій та синій компонентах, апроксимуючою кривою є відповідно поліноми шостого ступеню з рівняннями:

y = 1,5℮-010·x6 – 5,8℮-008·x5 + 8,4℮-006·x4 – 0,00056·x3 + 0,917·x2 – 0,2·x + 45

(21)

y = 4.5℮-011·x6 – 1.7℮-008·x5 + 2.4℮-006·x4 – 0.00015·x3 + 0.0039·x2 +0.038·x + 95

(22)

Аналіз рівнянь (20-22) свідчить, що помилкою, яка