Содержание к диссертации
Введение
1. Обзор состояния проблемы и постановка задач исследований 14
1.1. Краткая характеристика датчиков деформаций интегрального типа... 14
1.2. Методы регистрации и оценки структурных изменений датчиков деформаций интегрального типа ':. 18
1.3. Основные средства и задачи построения математических моделей и алгоритмов обработки изображений 23
1.4. Постановка задач исследования 27
2. Разработка новых математических моделей и алгоритмов компьютерной обработки и анализа цифровых изображений реакции датчиков деформаций интегрального типа 30
2.1. Проблематика создания математических моделей для компьютерной обработки и идентификации изображений реакции датчиков 30
2.2. Модели предварительной обработки изображений реакции ДЛИТ... 33
2.2.1. Сравнительный анализ известных моделей фильтрации 33
2.2.2.Модель маркировочной фильтрации 35
2.3. Модель автоматической сегментации объектов бинарных
изображений реакции ДДИТ на основе маркировки связных компонент 44
2.4. Модели линеаризации изображений реакции ДДИТ 50
2.4.1. Методы выделения контуров. Линейная модель построения непрерывного контура объектов изображений 50
2.4.2. Модель скелетизации бинарных (Изображений 54
2.4.3. Способы улучшения скелетизированных изображений 61
2.5. Модели восстановления тарировочных зависимостей 63
2.5.1. Задача восстановления функциональных зависимостей по выборкам ограниченного объема 64
2.5.2. Метод структурной минимизации эмпирического риска 66
2.5.3. Восстановление одномерных тарировочных зависимостей для ДДИТ в классе алгебраических полиномов 67
2.5.4. Модифицированная многофакторная модель построения полиномиального приближения многомерной тарировочной зависимости 71
2.6. Выводы '.'. 74
3. Компьютерная реализация и результаты тестирования математических моделей и алгоритмов обработки изображений рекции датчиков деформаций интегрального типа 76
3.1. Структурная схема системы автоматизированной обработки цифровых изображений реакции ДДИТ 76
3.2. Прикладное программное обеспечение и исследование эффективности разработанных математических моделей и алгоритмов ...79
3.2.1. Улучшение визуального качества изображений реакции ДДИТ при помощи модели маркировочной фильтрации. Классификация изображений реакции ДДИТ. Модифицированная модель маркировочной фильтрации 79
3.2.2. Сегментация объектов бинарных изображений реакции ДДИТ по принципу их связности 87
3.2.3. Тестирование моделей выделения контуров и скелетизации бинарных изображений реакции ДДИТ 89
3.2.4. Модель слежения скелетной линии. Идентификация вида напряженного состояния образцов на;'основе структурного анализа
скелетизированных изображений реакции ДДИТ 92
3.2.5. Модель построения полиномиального приближения одномерной тарировочной зависимости и ее компьютерное тестирование 96
3.2.6. Компьютерная реализация модели восстановления двумерной тарировочной зависимости 101
3.3. Выводы по разделу 105
4. Общая стратегия получения прогнозируемых оценок накопления усталостных повреждений в материале конструкций магистральных трубопроводов на основе компьютерной обработки цифровых изображений реакции ДЦИТ 1 106
4.1. Проблематика и выбор средств оценки усталостных повреждений в конструкциях нефтегазового трубопроводного оборудования 106
4.2. Расчетно-экспериментальная методика регистрирования и оценки накопленного усталостного повреждения с помощью ДДИТ 109
4.2.1. Краткое изложение методологии решения задачи диагностики остаточного ресурса металлоконструкций по показаниям ДДИТ. Построение кривой выносливости 109
4.2.2. Постановка эксперимента для исследования прочностных свойств конструкций магистральных трубопроводов при циклическом растяжении по показаниям ДДИТ 112
4.2.3. Результаты тарировочных испытаний. Взаимосвязь реакции ДДИТ с процессом накопления усталостных повреждений в материале образцов при испытаниях на выносливость 115
4.2.4. Оценка величины накопленного усталостного повреждения в образце трубопровода на основе цифровых изображений реакции ДДИТ. Калибровка ДДИТ по относительной площади "темных пятен" 117
4.2.5. Определение режима нагружения тарировочного образца на основе компьютерного анализа топологической структуры скелетизированного изображения реакции ДЛИТ 120
4.3. Математическая обработка результатов тарировочных испытаний.
Основные расчетные зависимости метода прогнозирования 121
4.3.1. Определение одномерной функциональной зависимости между одним из параметров циклического нагружения и количественным выражением реакции ДДИТ. Прогнозирование числа циклов нагружения образцов на основе корреляционной связи с реакцией ДЦИТ 121
4.3.2. Регрессионный анализ результатов тарирования ДЦИТ. Проверка значимости одномерной тарировочной зависимости. Оценка метрологической точности измерений 126
4.3.3. Дисперсионный анализ оценки влияния двух одновременно действующих факторов на величину усталостного деформирования тарировочного образца 131
4.3.4. Построение полиномиального приближения двумерной тарировочной зависимости. Определение величины напряжений и накопленного усталостного повреждения по показаниям ДЦИТ 133
4.4. Выводы по разделу 137
Заключение 139
Список использованных источников
- Методы регистрации и оценки структурных изменений датчиков деформаций интегрального типа
- Модели предварительной обработки изображений реакции ДЛИТ...
- Прикладное программное обеспечение и исследование эффективности разработанных математических моделей и алгоритмов
- Краткое изложение методологии решения задачи диагностики остаточного ресурса металлоконструкций по показаниям ДДИТ. Построение кривой выносливости
Введение к работе
Анализ ситуации, сложившейся на современном этапе развития
отечественного машиностроения, показывает, что создание
конкурентоспособных образцов продукции неразрывно связано с необходимостью технической диагностики изделий, конечная цель которой заключается в получении данных для оценки их нагруженности и работоспособности в заданных условиях эксплуатации. Данная проблема особенно актуальна для строительных, авиационных конструкций, для нефтепроводов, газопроводов, где развитие усталостных трещин может повлечь за собой крупные аварии и катастрофы. Чтобы их исключить, необходимо иметь надежные средства и методы регистрации фактического усталостного повреждения.
Многочисленные теоретические и экспериментальные методы, разработанные к настоящему времени, несмотря на свой достаточно высокий уровень, не позволяют с высокой степенью достоверности предсказывать индивидуальный ресурс деталей машин и металлоконструкций [7-Ю, 20, 27-28, 33, 37, 42, 58, 59, 63-69, 72]. Основными причинами сложившегося положения являются неопределенность характеристик важнейших величин, используемых в расчетах на длительную прочность: предела выносливости материала деталей и предела выносливости деталей, напряжений, возникающих в местах вероятного разрушения деталей, а также ошибки, вносимые использованием гипотез суммирования усталостных повреждений. Поэтому разработка новых средств и методов, позволяющих экспериментально оценивать нагруженность и накопление усталостных повреждений в деталях различных конструкций, является актуальным направлением в науке и технике.
Существенный вклад в развитие данного направления внесли ученые В.Н. Сызранцев [64-69], В.В. Болотин [9], С.А. Тимашев [71], В.И. Бойко [78], Э.Г. Керимов [27,28], В.А. Копнов [33], Д.А. Троценко [73] и другие.
Одним из перспективных направлений решения указанной проблемы является использование методик, основанных на применении датчиков
7 деформации интегрального типа (ДЦИТ). ДДИТ представляют собой новые средства экспериментального исследования. Благодаря универсальности и большим потенциальным возможностям датчиков, появилась уникальная возможность решения широкого спектра задач по исследованию характера изменения напряжений и деформаций на поверхностях деталей, восстановлению закона их распределения и определению эквивалентных напряжений, оценке мест и сроков вероятного разрушения деталей при стендовых и эксплуатационных испытаниях машин.
Интенсивное развитие и интеграция информационных и компьютерных технологий в научные исследования, актуальность развития существующих способов определения усталостных повреждений и прогнозирования ресурса деталей и конструкций машин на основе показаний ДДИТ привели к необходимости создания новых автоматизированных методов обработки экспериментальных данных, полученных при помощи датчиков. Проведенные исследования подтверждают, что это новое направление позволит не только существенно расширить область применения ДДИТ, но и существенно повысить информационность и достоверность методов диагностики усталости деталей машин в заданных условиях эксплуатации, обеспечить однозначность идентификации выявленных параметров.
Решение задач компьютерной обработки показаний реакции ДДИТ во многом зависит от интенсификации научных исследований и практического применения их результатов. В свою очередь интенсификация научных исследований требует широкого применения и развития методов хранения, обработки и анализа экспериментальной информации на базе современных вычислительных средств. Среди комплекса проблем, которые должны решаться в этом направлении, особенное значение приобретает создание теоретических и эмпирических предпосылок для построения автоматизированных систем обработки экспериментальной информации, представленной изображениями реакции ДДИТ. Несмотря на огромный интерес к цифровой обработке экспериментальных данных, в литературе
8 вопросам анализа и идентификации изображений уделяется недостаточное внимание. Анализ существующих методов обработки изображений свидетельствует о том, что все они применительно непосредственно к изображениям реакции ДЦИТ, помимо ограниченных возможностей, неэффективны в реализации и поэтому не могут непосредственно использоваться и требуют либо конструктивного изменения, либо создания принципиально новых подходов. Поэтому задача компьютерной обработки и распознавания изображений реакции ДЦИТ, которой посвящена данная работа, представляется актуальной и имеет научную новизну.
Для решения поставленной задачи необходимо разработка новых математических моделей и алгоритмов, которые предназначены для реализации в автоматических системах анализа изображений и позволят осуществлять научные исследования усталости на основе компьютерной обработки изображений реакции ДЦИТ. При этом для того, чтобы предотвратить отрыв между теоретически разработанными методами и их практической реализацией, необходима тщательная разработка соответствующего математического и программного обеспечения. Принимая во внимание эти факторы, в диссертации предлагается развитие известных методов и разработка новых математических моделей, предназначенных для компьютерной обработки и анализа изображений реакции ДЦИТ. Практическая реализация этих моделей обеспечивает получение необходимых оценок уровня и характера распределения деформаций на исследуемых участках деталей машин в процессе ходовых испытаний, что в свою очередь дает возможность целенаправленно осуществлять конструкторско-технологическую доработку.
Для достижения данной цели в диссертации автором были поставлены следующие задачи:
1. Рассмотреть различные модели шумовых воздействий и провести сравнительный анализ известных моделей фильтрации для предварительной обработки изображений реакции ДЦИТ.
И'
Разработать новые модели обработки показаний ДДИТ, адаптированные к особенностям исследуемых изображений, которые обеспечат построение эффективного формального описания и позволят осуществить калибровку ДДИТ по относительной площади «темных пятен».
Разработать новую модель автоматической сегментации информативных объектов изображений реакции ДДИТ, исследовать ее эффективность и точность.
Разработать новые способы линеаризации бинарных изображений реакции ДДИТ (скелетизация, выделение контура).
Установить зависимость между изменением вида напряженного состояния образцов и ориентацией скелетных линий изображений реакции ДДИТ. Разработать методику идентификации условий циклического нагружения на основе анализа скелетизированных изображений.
Разработать новые математические модели восстановления одно- и двумерных тарировочных зависимостей с применением строгих математических критериев оптимальности.
Разработать специализированное и > программное обеспечение, объединяющее все предложенные модели и обеспечивающее алгоритмизацию и автоматизацию решения задач структурного и ситуационного анализа показаний ДДИТ.
Решение поставленных задач ориентировано на разработку соответствующих математических моделей и алгоритмов и подразумевает их адекватность исследуемым свойствам физической модели, под которой имеется в виду реакция ДДИТ в виде измененного состояния его поверхности, зафиксированная на соответствующем цифровом изображении. Эффективное использование перспективных новинок в технологии программирования позволяет обеспечить преемственность и правильность получаемых результатов и осуществить рациональное проектирование прикладного математического обеспечения.
Объект и предмет исследования. Исследования выполнены в области
10 предварительной обработки и анализа цифровых изображений и экспериментальных данных, полученных при помощи ДДИТ. Предметом исследования являются объекты на полутоновых изображениях реакции датчиков деформации интегрального типа в виде "темных пятен", которые являются следствием необратимых смещений атомов кристаллической решетки в результате накопления пластических деформаций в материале ДДИТ при циклическом нагружении.
Методы исследований. В качестве теоретических методов исследования использовались методы цифровой обработки сигналов и изображений, теории вероятностей, математической статистики, теории случайных функций, математического анализа и математического моделирования. Для программной реализации разработанных математических моделей и алгоритмов использовались методы создания программных систем, методы оптимизации программных комплексов и программирование на языках высокого уровня (Visual C++).
Моделирование и основной вычислительный эксперимент проводились с использованием математических пакетов (Matchcad, MatLab для предварительных исследований и проверки гипотез) и пакета программ, реализованных в среде Visual C++ (основной вычислительный эксперимент).
Научную новизну диссертационной работы определяют впервые полученные и перечисленные ниже результаты:
1. Модель комбинированной фильтрации представляет собой новый перспективный подход к дифференцированному сглаживанию фрагментов изображений реакции ДДИТ. Предложенные способы модификации данной модели базируются на свойствах локальной адаптации комплекса применяемых преобразований к особенностям изображений. Задачи построения моделей фильтрации, связанные с получением качественных формальных описаний изображений реакции ДДИТ, как объектов анализа, решаются при помощи изучения структуры и содержания изображений.
Модель сегментации, разработанная на основе маркировки связных объектов («темных пятен»), представляет собой иерархическую кластер-процедуру и обеспечивает автоматическое разделение малоконтрастных объектов, расположенных на сложном фоне изображений реакции ДДИТ. Эта модель является основой для реализации последующих процедур структурного и морфологического анализа изображений.
Новые модели скелетизации бинарных изображений реакции ДДИТ, позволяют решить проблему сохранения геометрических и топологических характеристик изображений. На основе компьютерного анализа структуры скелетизированного изображения реализована методика идентификации некоторых условий нагружения образцов деталей и конструкций машин в месте наклейки ДДИТ (изгиб, кручение, изгиб с кручением, растяжение).
Разработаны новые математические модели восстановления одно- и двумерных тарировочных зависимостей, которые позволяют реализовать степень оптимального соотношения между точностью аппроксимации эмпирического материала и надежностью полученного результата, равной 0.95, в условиях ограниченного объема данных (л < 20).
Разработан и внедрен программный комплекс Image Analyser, который, реализуя построенные модели и алгоритмы, объединяет в себе результаты проведенных теоретических и экспериментальных исследований и позволяет осуществлять научные исследования усталости на основе компьютерной обработки изображений реакции ДДИТ.
Научные положения диссертации, выносимые на защиту: 1. Разработанная модель комбинированной фильтрации изображений представляет собой способ эффективной формализации изображений реакции ДДИТ, который дает возможность работать с представлениями, отражающими семантику изображения, т.е. информацию, заключенную в его внутренней структуре и структуре внешних связей с изменениями, происходящими в материале исследуемой детали. Использование данной модели позволяет получить количественные оценки измененного состояния поверхности ДДИТ и
12 осуществить калибровку датчиков по величине относительной площади "темных пятен".
Новая модель маркировки бинарных изображений реакции ДЦИТ позволяет решить проблему автоматического, обнаружения и сегментации малоконтрастных объектов на сложном фоне изображений. При помощи данной модели можно выделить различные объекты изображений, выявить пространственные связи между ними, оценить их количество и размеры.
Разработанные модели линеаризации изображений (выделение контура, скелетизирования) не нарушают условия связности (непрерывности) объектов и сохраняют их топологию. Компьютерный анализ топологической структуры скелетизированных изображений реакции ДДИТ позволяет определить ориентацию "темных пятен" на поверхности датчика, идентифицировать условия нагружения, что дает возможность получать качественную информацию о характере усталостных повреждений в процессе испытаний объектов на выносливость.
Математические модели восстановления одно- и двумерных тарировочных зависимостей позволяют решить целый комплекс нетривиальных проблем интерпретации экспериментальных данных, одна из важнейших задач которого состоит в определении функциональных связей между характеристиками процесса нагружения и фиксируемыми результатами наблюдений по заданному критерию оценки реакции ДДИТ. Использование этих моделей позволяет с заданной надежностью (порядка 0,95) добиться оптимальной степени близости аппроксимирующей функции к экспериментальным значениям.
Личный вклад соискателя. Все предлагаемые математические модели и алгоритмы были разработаны и программно реализованы лично автором.
Научный руководитель принимал участие в постановке задач, определении возможных путей решения и их предварительном анализе.
Достоверность результатов диссертационной работы обеспечивается строгим характером использованных методов, адекватностью и корректностью
13 примененного математического аппарата и подтверждается результатами практической реализации и внедрения разработанных математических моделей.
Практическая значимость работы.
1. Разработанные математические модели и алгоритмы обеспечивают
однозначность идентификации выявленных параметров деформирования
исследуемой детали или конструкции (число и амплитуда нагружения,
поврежденность материала по заданному критерию оценки реакции датчика в
виде относительной площади «темных пятен»), повышают информативность и
достоверность методов диагностики усталости по показаниям ДДИТ. Простота
и вычислительная эффективность разработанных моделей обеспечивают
обработку экспериментальных данных в режиме реального времени.
2. Модули пакета программ, разработанного автором на языке Visual C++
и оптимизированного по критерию минимума показателя вычислительной
сложности, легко интегрируются в другие цифровые системы анализа и
обработки изображений для решения практических задач оценки остаточной
работоспособности деталей и конструкций машин по заданному критерию
усталостного повреждения на основе показаний ДЦИТ.
Реализация результатов исследования. Программный комплекс ImageAnalyser, включающий в себя разработанные математические модели, используется для обработки показаний ДДИТ и оценки усталостного повреждения элементов ходовой части легковых автомобилей марки ВАЗ-2110, ВАЗ-2111, ВАЗ-2112, проходящих регулярное техническое обслуживание и ремонт в «Автоцентре на Омской» (ЗАО «Апрель», г. Курган), что подтверждается соответствующим актом о внедрении.
ТО'
Методы регистрации и оценки структурных изменений датчиков деформаций интегрального типа
Методология применения ДДИТ для экспериментальных исследований элементов машин в эксплуатационных условиях предполагает регистрацию реакции на датчиках и ее оценку. Сложные физические процессы, происходящие в ДДИТ при циклическом нагружении, недоступны для непосредственного наблюдения и анализа и поэтому могут изучаться лишь по их косвенным проявлениям. Изменение состояния поверхности или свойств ДДИТ, принимаемых в качестве их реакции на величину циклических деформаций, проявляются в различных формах и зависят от условий нагружения деталей, поэтому методы оценки реакции ДДИТ, т.е. получения объективных данных об их чувствительности, обеспечивающих возможность измерения, достаточно разнообразны.
Оценка реакции /ЩИТ, которые подвергаются действию циклически меняющейся нагрузки в условиях известного напряженно-деформированного состояния, с точки зрения накопления пластических деформаций может выполняться разными методами: я. по моменту появления первых "темных пятен"; по первым зернам измененной структуры; по измерению микротвердости датчика; с помощью оригинальных оптических средств измерения отражательной способности поверхности датчика; по относительной площади "темных пятен" на основе компьютерной обработки цифровых фотографий реакции ДДИТ.
Первый способ оценки реакции ДДИТ основан на определении момента появления на поверхности ДДИТ внешнего эффекта - первых "темных пятен". При реализации этого метода датчики, изготовленные в виде полосок, наклеивают вдоль рабочей части исследуемых образцов, которые подвергаются циклическим деформациям на машине усталостных испытаний МУИ-6000. В ходе испытаний машину периодически останавливают, и датчики осматривают под микроскопом на предмет выявления на них реакции в виде "темных пятен" [59]. Очевидно, что в этом случае задача анализа деформированного состояния и определения концентрации деформаций, является нетривиальной, поскольку деформация поверхности датчика может быть вызвана как шероховатостью поверхности образца, так и структурными неоднородностями материала.
Экспериментальные исследования на основе использования данного метода обычно сводятся к визуальному осмотру поверхности ДДИТ под микроскопом. Вследствие этого снижается эффективность подобного использования первого способа, поскольку его реализация непосредственно зависит от квалификации и опыта исследователя, причем нельзя исключить субъективные моменты при оценке реакции. ;Эти же факторы затрудняют однозначность определения момента окончания экспериментальных работ и выявления границы реакции ДДИТ, и в совокупности могут привести к возникновению неконтролируемых погрешностей, что снижает универсальность данной методики, и ограничивает область ее применения.
Разновидностью первого способа оценки реакции ДДИТ является метод, основанный на определении момента возникновения в материале датчика зерен измененной структуры, которые предшествуют появлению на его поверхности внешней реакции. Методика выявления структуры медных ДДИТ представлена в работах [48, 67, 83]. Она основана на химическом травлении предварительно полированных механическим способом поверхности датчиков. Характер изменения микроструктуры датчика в целом копирует внешний эффект, т.е. после травления зерна измененной структуры ДДИТ располагаются аналогично полосам скольжения. Методика обеспечивает четкое выделение растущих зерен и их границ на фоне неизменной структуры датчика, что позволяет не только определить момент появления первых зерен в его структуре, но и достаточно надежно производить количественную оценку микроструктуры.
Результаты экспериментального применения этого способа показывают, что при химическом травлении медной поверхности ДДИТ недостаточная чувствительность этих датчиков ограничивает область их использования. Чувствительность ДДИТ, изготовленных на основе алюминиевой фольги, по числу циклов нагружения на два порядка и более, выше, чем чувствительность медных датчиков. Однако структурные изменения алюминиевых ДДИТ зафиксировать сложно, и попытки реализации указанной методики на основе применения этих датчиков успеха не имели. Кроме того, оценка реакции датчика по первым "темным пятнам" и по первым зернам измененной структуры сопряжена с многократными прерываниями процесса испытания деталей для определения момента появления указанной реакции. Повышение точности измерений (по числу циклов нагружения) достигается увеличением числа остановок испытательного стенда, что в ряде случаев нежелательно.
Оценка реакции ДДИТ по измерению микротвердости в исследуемом месте детали заключается в том, что деталь с датчиком подвергают испытанию в течение некоторого числа циклов нагружения, после чего ДДИТ снимают и измеряют его микротвердость. В работе [67] проанализированы процессы, происходящие в ДДИТ при циклическом деформировании, и показано, что величина микротвердости датчика может быть использована в качестве его реакции на уровень циклических деформаций. Этот способ обладает рядом достоинств.
Модели предварительной обработки изображений реакции ДЛИТ...
Маркировочный фильтр относится к числу комбинированных фильтров. Принцип его работы основан на обработке изображения несколькими способами, что существенно улучшает точность и эффективность преобразований. Проведенные исследования показали, что доля имеющихся на изображениях искажений и помех зависит от выбора сглаживающих (фильтрующих) алгоритмов. Поэтому для повышения качества сглаживания помех и устранения нежелательных последствий общее преобразование изображений реакции ДДИТ необходимо проводить итеративно, причем для этого необходим постоянный контроль результатов фильтрации. Количество используемых преобразований и очередность использования соответствуют особенностям существующих шумов на изображениях реакции ДДИТ.
При разработке этой модели были учтены некоторые ограничения на используемую процедуру преобразований. Эти ограничения обусловлены следующими целями. Во-первых, сглаживание шумов не должно приводить к потере содержащейся информации и искажать получаемые в информационной системе данные. Во-вторых, преобразования должны обеспечивать максимальное сглаживание шумовой составляющей. Это означает, что выходное описание исходного информационного образа должно быть максимально приспособлено для последующего анализа.
Маркировочная фильтрация представляет собой эвристический метод обработки, ее алгоритм не является математическим решением строго сформулированной задачи. Также как и в методах масочной фильтрации, при применении этого фильтра происходит последовательная обработка каждой точки изображения, а для вычисления оценки используется некоторая окрестность (окно или апертура). Размеры окна изменяются в зависимости от задачи и характера помех, присутствующих на изображении. Отсчеты изображения, оказавшиеся в пределах окна, образуют рабочую выборку текущего шага. Таким образом, идеология фильтрации основывается на рациональном использовании данных, как из рабочей точки, так и из ее окрестности. Задача заключается в том, чтобы найти такую рациональную процедуру, которая позволяла бы достичь наилучших результатов.
Маркировочный фильтр представляет собой комплекс следующих последовательно выполняемых преобразований: фильтрация изображения при помощи энтропийного фильтра. Назначение этого фильтра состоит в снижении уровня высокочастотных помех, сглаживании "неинформативных" деталей изображения реакции ДДИТ, а также частичная компенсация неравномерности основного фона; бинаризация изображения с целью повышения детальности объектов и выявления отдельных участков, представляющих собой главную информативную ценность; фильтрация случайных отклонений для удаления мелкозернистого аддитивного шума и заполнение пустот; сегментация объектов изображения. Цель этого этапа - окончательное устранение оставшихся помех на основе их автоматического выделения и последующего удаления как объектов с нежелательными параметрами, особенности которых будут рассмотрены далее.
Характерной особенностью используемых преобразований является то, что они не связаны с изменением общей геометрии изображения и поэтому могут быть выполнены в рамках локальных операций.
а) преобразование на основе энтропийного фильтра
Энтропийный фильтр [52] осуществляет нелинейное преобразование изображения и при этом обладает свойствами локальности и простоты вычислений. Он основан на измерении лекальных ранговых статистик изображений и поэтому относится к алгоритмам ранговой фильтрации.
Поскольку любые ранговые статистики можно найти из локальных гистограмм, а локальные гистограммы можно вычислить рекурсивно, в принципе вычислительная сложность методов ранговой фильтрации почти не зависит от размеров окрестности. Кроме того, энтропийный фильтр, как и все ранговые алгоритмы, обладает важным свойством локальной адаптации к характеристикам обрабатываемого изображения. Действие фильтра основано на движении некоторой апертуры (маски) вдоль дискретного изображения, нахождении "шумового" пиксела и замены его на пиксел, яркость которого рассчитывается на основе яркостей всех пикселов, попавших в апертуру фильтра.
Для того чтобы установить, является ли тестируемый пиксел "шумовым", определяется отклонение значения его яркости от среднего значения яркости и оценивается влияние этого отклонения на энтропию рассматриваемого фрагмента изображения. Если пиксел является "шумовым", то его значение заменяется новым, посчитанным на основе значений яркостей окружающих пикселов апертуры. В результате фильтрации яркость каждой точки исходного изображения, искаженного помехой, заменяется некоторым другим значением яркости, которое признается в наименьшей степени искаженным помехой, что в целом сказывается на ослаблении действия помех на изображении.
Критерий определения шумового пиксела состоит в следующем: 1. Рассматривается п пикселов, попавших в заданную область. Находится сумма отклонений значений яркостей пикселов от среднего значения: где А, = /-/, , /,- значение яркости пикселов, f = -Yf.- среднее значение яркости пикселов.
2. Определяется относительный вклад отклонения Ак тестируемого пиксела в значение суммы S: А=А4/5, где к- номер тестируемого пиксела. Заметим, что т.е. если в рассматриваемом фрагменте изображения наблюдается равномерное распределение яркостей всех пикселов, то и значения p.t не будут сильно отличаться от 1/я. "Шумовой" пиксел "бросается в глаза" именно благодаря тому, что его яркость значительно отличается от средней яркости окружающих его пикселов. Величина Ак такого пиксела больше, чем у остальных, а, значит, и его вклад в значение суммы S будет больше. В результате значение рк превышает 1/и. Отсюда следует критерий для определения "шумового" пиксела: если рк \1п, то пиксел & является "шумовым".
4. После нахождения "шумового" пиксела можно осуществить несколько вариантов его замены: а) заменить "шумовой" пиксел средним значением /; б) заменить "шумовой" пиксел средним значением, посчитанным с учетом значений всех пикселов за исключением самого "шумового" пиксела; в) заменить "шумовой" пиксел средним значением, посчитанным с учетом значений всех пикселов, не удовлетворяющих критерию отбора "шумового" пиксела. Здесь предполагается, что в рассматриваемый фрагмент может попасть более одного пиксела, удовлетворяющих критерию "шумового", и при расчете нового значения их следует не учитывать.
Прикладное программное обеспечение и исследование эффективности разработанных математических моделей и алгоритмов
Улучшение визуального качества изображений реакции ДДИТ при помощи модели маркировочной фильтрации. Классификация изображений реакции ДДИТ. Модифицированная модель маркировочной фильтрации
Реальные изображения реакции ДДИТ не являются стационарными, они Предварительная обработка изображений реакции ДЦИТ в рамках преобразований, предусмотренных алгоритмом маркировочной фильтрации, основана на первоначальном применении энтропийного фильтра. Основная проблема, возникающая при фильтрации изображений, состоит в удалении шумов различной природы без «размытия» и искажения важных деталей. Большие потенциальные возможности энтропийного фильтра обусловлены свойством его локальной адаптации к характеристикам обрабатываемого изображения. При исследовании результатов фильтрации различных изображений реакции ДДИТ был сделан вывод о том, что эффективность этого преобра -содержат как монотонные области, так и изображения перепада яркости (рис. 7 а), б)), поэтому на практике очень трудно подобрать оптимальные размеры апертуры фильтра, общие для всех изображений.
Компьютерные тестирования показали, что качество обработки изображений можно улучшить, если использовать апертуру с большими размерами в монотонных областях изображения и апертуру с малыми размерами вблизи областей перепада. Кроме того, если на изображении имеются импульсные помехи, которые не является точечными, а покрывают локальную область, то они могут быть подавлены, если увеличить размеры апертуры фильтра так, чтобы размер этой локальной области был меньше, чем половина размера апертуры фильтра. При малом размере апертуры операции усреднения подвергается меньшее число пикселов, что обеспечивает лучшее сохранение контрастных деталей, но в этом случае шум будет сглажен в малой степени. При большом размере апертуры наблюдается обратная картина, т.е. сглаживание шума будет происходить лучше, но при этом возможна "потеря" некоторых контрастных деталей, присутствующих в исходном изображении.
Для улучшения качества обработки изображения при реализации модели маркировочной фильтрации использовано условие подбора подходящего размера апертуры. Такой принцип подавления помех позволил добиться более эффективного ослабления шума на изображениях при сохранении информативных деталей. При этом необходимо учитывать, что размер апертуры не должен превышать минимального размера информативных деталей изображений реакции ДДИТ. зования можно повысить, если отнести размер апертуры фильтра к При анализе размера апертуры фильтра были рассмотрены различные ее виды: каузальная (а), некаузальная (б) и полукаузальная (в) (рис. 8).
Понятие каузальности (причинно-следственной зависимости) определяется соотношением координат текущей точки и точек, входящих в окрестность. При каузальной фильтрации обе координаты, т.е. номер строки и номер столбца всех пикселов окрестности, не превышают соответствующих координат текущей точки (рис. 8 а). Хороших результатов фильтрации изображений реакции ДДИТ удалось достичь при использовании некаузального принципа, при котором некоторые точки окрестности, удовлетворяют принципу каузальности, и вместе с тем, имеются такие точки, обе координаты которых превышают соответствующие координаты рабочей точки. При этом двумерный характер окна позволяет выполнять двумерную фильтрацию, поскольку для образования оценки привлекаются данные как из текущих строки и столбца, так и из соседних.
В ходе дальнейших компьютерных исследований возможностей энтропийного фильтра было установлено, что его эффективность можно повысить, если изменить критерий определения "шумового" пиксела. В частности, условие, заключающееся в том, что если рк \1п, то пиксел к является "шумовым", было приведено к виду рк с/п, где с- пороговый коэффициент, влияющий на чувствительность критерия. Наилучшие экспериментальные результаты для достаточно широкого диапазона исследуемых изображений были получены при значениях с = 1,5...2,0.
Причем при реализации последнего этапа энтропийной фильтрации при замене "шумового" пиксела последний (третий) вариант, указанный в разделе 2.2.2 данной работы, оказался более результативным. it-Использование представленных модификаций при компьютерном тестировании энтропийного фильтра в сравнении с другими (фильтр Винера, медианный фильтр и его модификации, статистический фильтр, низкочастотный и высокочастотный пространственные фильтры и др.) позволило добиться главного преимущества: это преобразование сохраняет перепады яркости на изображениях реакции ДДИТ. Данный момент явился определяющим, поскольку информационная ценность деталей изображения возрастает пропорционально плотности среды, т.е. яркости пикселов. Области с небольшой яркостью (низкая плотность) могут допускать схематическое отображение, а области с высокой яркостью (высокая плотность) нужно отображать с большей точностью восстановления.
При тестировании методов бинарного квантования в рамках модели маркировочной фильтрации изображений реакции ДДИТ были проанализированы все рассмотренные способы. В результате был сделан вывод о том, что гистограмму можно непосредственно использовать для улучшения качества изображений или рационального кодирования, поскольку наличие резких «провалов» во внутренней ее части свидетельствуют о неэффективном применении допустимых уровней квантования исследуемого изображения реакции ДДИТ. Для устранения этих ситуаций можно использовать процедуры оценивания и последующего выравнивания гистограмм. Тем не менее, для изображений реакции ДДИТ рассматриваемый вид обработки нельзя применять необдуманно, поскольку выравнивание гистограммы часто является причиной ухудшения их качества.
Для некоторых изображений с целью обнаружения информативных объектов требуется различать близкие уровни серого тона. Тогда выравнивание гистограммы можно применить для расширения диапазона яркостей, встречающихся в исследуемой области изображения.
Краткое изложение методологии решения задачи диагностики остаточного ресурса металлоконструкций по показаниям ДДИТ. Построение кривой выносливости
Цель настоящего раздела состоит в изложении методики, которая позволит оценить накопление усталостных повреждений в металлоконструкциях нефтегазового оборудования, выявить среди исследуемых мест наиболее опасные, где это накопление происходит наиболее интенсивно, и оценить их остаточный ресурс.
Диагностика остаточного ресурса металлоконструкций при помощи ДДИТ включает в себя ряд задач, решаемых до начала проведения исследований, а также операции, выполняемые непосредственно на конструкции трубопровода в процессе ее эксплуатации. Для реализации комплекса экспериментальных исследований образцов трубопроводов при помощи ДДИТ необходимо иметь кривую выносливости стали, из которой изготовлены исследуемые образцы, а также тарировочные зависимости для ДДИТ, построенные по различным критериям оценки их реакции.
На первом этапе реализации получают данные о кривой выносливости (усталости) для исследуемых конструкций. Ее построение осуществляется на основе обработки данных усталостных испытаний образцов. В основе этой части экспериментального комплекса лежит взаимосвязь уровня накопленных усталостных повреждений в основном металле трубопровода, определяемых с помощью ДДИТ, с числом циклов нагружения до разрушения N или амплитудой циклических напряжений cr .
Методика построения кривых выносливости для различных образцов стали, применяемой в металлоконструкциях, изложена в работах [65, 67]. Согласно этой методике для получения экспериментальных данных об усталости изготовляются плоские образцы, которые в условиях нулевого цикла изменения напряжений испытываются до поломки при ряде фиксированных значений амплитуд деформирования. При этом в качестве аппроксимирующей обычно используется зависимость, которая является обобщением трехпараметрической кривой выносливости в форме кривой Гатса [31, 66]: где N - число циклов нагружения образца; К - коэффициент пропорциональности, о - амплитуда циклического напряжения; JR0 - предел выносливости материала образца в исходном состоянии; 77, = aRj / хЛ0-мера повреждения, характеризующая в относительных единицах снижение предела выносливости, 0 77. 1, при поврежденности материала, равной единице, образец ломается; т т - предел выносливости материала датчика получившего предварительную наработку (при коэффициенте асимметрии цикла напряжений 7? ); or в - аналог предела прочности материала. При 77, = 1 это уравнение описывает трехпараметрическую кривую выносливости материала.
Выбор такой зависимости для аппроксимации данных испытаний образцов на выносливость объясняется тем, что при наличии определенной физической модели, которая отражает процесс накопления усталостных повреждений в материале при циклическом нагружении, это выражение позволяет получать кривые усталости для различных уровней поврежденности материала П t.
Полученные данные в дальнейшем могут быть использованы при аппроксимации результатов тарирования ДДИТ. Методика определения неизвестных параметров К , сгй0, crв для зависимости (4.1) на основе имеющейся совокупности экспериментальных данных ((7,,./ ,), i = \,m рассмотрена в [67].
В качестве альтернативного варианта выбора аппроксимирующей зависимости для кривой усталости можно использовать разработанную модель восстановления полиномиального приближения одномерных зависимостей.
На втором этапе реализации метода осуществляется тарирование (калибровка) применяемых ДДИТ. В экспериментальной части этого этапа проводятся усталостные испытания образцов, которые изготовлены из того же материала и прошли то же поверхностное упрочнение, что и исследуемая конструкция. Образцы испытывают на машине МУИ-6000 при поэтапно возрастающем числе циклов N На каждом этапе нагружения фиксируют число N и поперечное сечение образца с одинаковым уровнем накопленных усталостных повреждений. В фиксированных сечениях образца определяют уровни действующих напряжений ст. При завершении второго этапа по соответствующим значениям N и а устанавливают необходимую в условиях поставленной задачи тарировочную зависимбеть для применяемых ДДИТ, например, S = S(N) или S = S(cr,N), которая является результатом обработки полученных экспериментальных данных.
Третий этап метода предусматривает получение данных о работоспособности конструкции трубопровода с помощью ДДИТ по результатам ее стендовых испытаний. В начале этого этапа при заданных параметрах проводят кратковременные испытания конструкции с наклеенными ДДИТ. В процессе испытаний датчики периодически осматривают до выявления на них реакции, например, в виде "темных пятен". Используя результаты тарирования ДДИТ и фиксированный уровень накопленного усталостного повреждения, определяют, необходимые параметры, например, максимальную величину напряжений о, действующих в стенках испытываемого образца.
Похожие диссертации на Математические модели и алгоритмы компьютерной обработки цифровых изображений реакции датчиков деформации интегрального типа
