LibRar.Org.Ua — Бібліотека українських авторефератів

Загрузка...

Головна Легка промисловість → Розробка та застосування методів аналізу та контролю якості текстильних матеріалів

визначається як:

З іншого боку, кількість інформації що служить підставою для ухвалення рішення при заданому еталоні можна визначити як . Представимо логарифм у вигляді ряду . Інформація, що отримується за m кроків, визначиться, як сума інформації отриманої на кожному кроці , що визначає повні приведені витрати управління в задачі ухвалення рішення про управління еталоном. Тоді задача може бути сформульована у вигляді, де можна безпосередньо оцінювати взаємну інформацію

Розглядаються потоки і як зустрічні з мірою відхилення , де – умовна інформація . У даній постановці рішення задачі оптимального управління для еталону : пов'язано з рішенням задачі розпізнавання в класі образів : . При такій постановці структурна схема системи набуває вигляду, приведеного на рис.3.

Вектор управління оцінюється по лінійному наближенню звідки в загальному випадку слідує зв'язок Причому, внаслідок того, що v і u рівноцінні управління, , де: x – чутливість системи сканування до управління. У загальному випадку оптимальне управління в x околиці отримується як рішення рівняння

Очевидно, що умова досягнення оптимуму і відсутності деформацій A = I і Dx = const доставляє мінімум Du(t), Du = 0. Це і визначає принцип мінімального управління при збігу образів.

Таким чином, відкривається можливість оцінки не тільки локальних, але і поширених дефектів тканин.

Четвертий розділ роботи присвячено розробці методів виявлення і оцінки нерівноти тканин. Збіг теоретичних і дослідницьких даних підтверджує можливість опису тканини з полотняним переплетенням першою гармонікою ряду Фур'є. Матриця дефектів основи при цьому описується виразом: Do = {doi,j}, де dо = 0 – відповідає відсутності дефекту; dо = -1 – відповідає відсутності нитки основи; d > 0 – відповідає наявності дефекту, який викликає збільшення оптичної щільності полотна; d < 0 – відповідає наявності дефекту, який викликає зменшення оптичної щільності полотна. Аналогічний вигляд має матриця дефектів ниток утоку.

Для опису всього полотна тканини необхідно виконати накопичування інформації по рапортах. Враховуючи, що при скануванні відбувається послідовне зчитування елементів матриці П, функції, які описують перебір елементів структури тканини для рапорту з розмірами l і h, мають наступний вигляд:

Прийнявши дxy=дxдy , отримаємо наступний вираз сигналу дефектній області:

де Fd(x,y) – функція, яка описує дефектну область; f(x,y) – функція, яка описує у межах рапорту ділянку тканини без дефектів.

Отже, сигнал сканування, міститиме періодичну складену F і аперіодичну Fo:

Враховуючи вирази (10) - (12) сигнал сканування тканини з дефектами порушення структури описується рівнянням: F(x,y) = f(x,y) - дxyf(x,y) + дxyFo(x,y), а без порушення структури рівнянням: F(x,y) = f(x,y) + (дxyf(x,y)Fo(x,y)).

Враховуючи, що спектральний склад сигналу сканування дефекту залежить від геометричних розмірів дефектів, для отримання чисельних оцінок проведено статистичні дослідження потоку дефектів і оцінено математичні очікування параметрів основних типів дефектів.

Нерівнота тканини достатньо легко контролюється у разі відсутності інших відхилень і дефектів. Введення в модель тканини додаткових гармонік дозволяє компенсувати нерівноту зміною моделі тканини в допустимих межах. Аналіз коефіцієнтів модифікованої моделі тканини (рис.4), яка відповідає контрольованому фрагменту, дозволяє оцінити нерівноту виділеного фрагмента.

Для визначення параметрів моделі сигналу дефекту на макетній установці досліджено відношення відгуків від дефектних ділянок і від ділянок бездефектного полотна тканини. Показано можливість формування оцінки сортності з урахуванням розподілених властивостей полотна, проте, як випливає з викладеного, необхідний новий підхід до побудови системи контролю, який дозволив би реалізувати рівну чутливість системи як до дефектів основи або утоку, так і до дефектів всього полотна.

П'ятий розділ включає результати моделювання і експериментального дослідження методів і системи контролю візуальних показників тканини з визначенням сортності. Для виявлення ділянок тканини з відхиленням від нормального стану в роботі використано модифіковане перетворення Радону. Даний підхід дозволяє погоджувати алгоритм фільтрації із структурою тканини. Перетворення виконується по ортогональних напрямах, що дозволяє виділяти дефекти орієнтовані по утоку і основі тканини. З іншого боку, дане перетворення засновано на операції інтегрування, що підвищує чутливість до поширених дефектів. Як видно з рис. 5 відгук зберігає інформацію про структуру тканини і одночасно забезпечує різке збільшення сигналів дефектних ділянок. Значення x і y на рисунках подано в точках з щільністю 300 точок на дюйм.

При аналізі кадру з використанням перетворення Радону немає необхідності аналізувати все поле відгуку, оскільки вся інформація про стан ділянки тканини міститься в граничних перетинах відгуку (рис.6).

Аналіз результатів порівняння виділеного растру, що проходить через дефектну область і перетвореного сигналу сканування (рис.7) показав, що хоча в сигналі растру сканування спостерігається значна нерівномірність, яка може служити ознакою дефекту, проте виділити локалізацію дефекту досить складно із-за переривистого характеру сигналу. З іншого боку, перетворений сигнал сканування чітко виділяє дефектну область. Як видно з результатів порівняння, аналізувати перетворений сигнал набагато вигідніше, оскільки відношення рівня сигналу дефектної області в перетвореному сигналі до сигналу дефекту в растру більше 100.

Проведено моделювання виявлення найбільш складних для контролю поширених дефектів, пов'язаних з відхиленням кольору, режиму апретування, щільності і т.д. на зразках тканини з реальними дефектами.

Як видно з рис.8, наявність розподіленої по тканині зміни властивостей викликає різку деформацію відгуку.

Дана властивість використаного перетворення викликана тим, що в точках границі відгук визначається як інтеграл, а, отже, незначні відхилення від нормального стану накопичуються. Так само як і для інших дефектів, виділення дефектній області з використанням перетвореного сигналу дає багатократний виграш. Моделювання процесу розпізнавання дефектних станів текстильних матеріалів довело можливість застосування перетворення Радону для сучасного рівня розвитку телевізійних датчиків, що істотно знижує об'єм обчислень при виявленні і попередній обробці дефекту.

Запропоновано структуру автоматичної системи розбраковування тканин по дефектам зовнішнього вигляду, яка використовує метод компенсації інформаційних потоків, настройку еластичного еталону бездефектного рапорту та аналіз витрат на управління. Аналізуючи витрати на управління допустимими деформаціями еталону , можна зробити висновки не тільки про наявність дефектів, але і оцінити деформації в рулоні тканини.

Для якісного розбраковування немає необхідності вирішувати проблему розпізнавання в повному обсязі, тобто розділяти в просторі ознак суміжні дефекти, якщо вони при цьому набирають однакову кількість балів. При об'єднанні дефектів, на які нараховується однакова кількість балів (, , , , ) можна досягти імовірності правильної класифікації дефектів не менше 87 % (табл.1).

Таблиця 1

Матриця частот імітаційного моделювання процесу розпізнавання

по повному алгоритму класифікації після