Исследование сложных поверхностей винтовых движителей транспортных средств мехатронным профилографом

Обложка

Цитировать

Полный текст

Аннотация

Введение. Рассматривается технология исследования сложных поверхностей винтовых движителей, к которым относят гребневые и воздушные винты транспортных средств, мехатронным профилографом для реализации обратного инжиниринга. Обзор научной литературы показывает, что в настоящее время вопрос контроля сложных поверхностей изделий на различных стадиях их жизненного цикла требует дальнейших исследований, поскольку применение известных приборов и методов не всегда обеспечивает необходимую точность, технологичность и достаточную информативность измерений. Цель работы: разработка новой технологии исследования сложных поверхностей винтовых движителей, к которым относят гребневые и воздушные винты транспортных средств, мехатронным профилографом для реализации обратного инжиниринга. Методы. В работе предложена инновационная технология исследования сложных поверхностей винтовых движителей, реализуемая с применением разработанного мехатронного профилографа. Мехатронный профилограф оригинальной конструкции предназначен для измерения профиля и исследования формы сложных поверхностей различных изделий, а также определения геометрических и морфологических параметров этих поверхностей. Для разработанного мехатронного профилографа на основании теоретических исследований выявлены основные конструктивно-технологические параметры и установлена гиперболическая  зависимость угловой скорости перемещения лазерного датчика от радиуса сканирования. Например, для постоянного шага траектории по спирали Архимеда величиной 2 мм значение угловой скорости датчика должно плавно уменьшаться от максимального значения в 2 рад/с до минимального значения 0,574 рад/с, т. е. в 3,484 раза. Результаты и обсуждение. Выявлено, что использование цилиндрических координат для обработки полученных данных профилографом логично и имеет ряд преимуществ. Проведен экспресс-анализ поверхностей винтов, имеющих поворотную симметрию, и установлены различия форм поверхностей лопастей винта по величинам отклонений в продольном и поперечном направлении для разных радиусов. На основании экспериментальных данных получена двухфакторной степенная модель, описывающая отклонения формы лопасти с коэффициентом детерминации 0,967, по анализу которой видно,, что в среднем угол отклонения в перпендикулярном радиусу направлении d возрастает от 0 до 0,3°, а угол отклонения вдоль радиуса g возрастает от 0 до 5,4°.

Об авторах

С. А. Васильев

Email: Vsa_21@mail.ru
доктор техн. наук, доцент, Чувашский государственный университет им. И.Н. Ульянова, пр. Московский, 15, г. Чебоксары, Чувашская Республика, 428015, Россия, Vsa_21@mail.ru

В. В. Алексеев

Email: av77@list.ru
доктор техн. наук, доцент, Чувашский государственный университет им. И.Н. Ульянова, пр. Московский, 15, г. Чебоксары, Чувашская Республика, 428015, Россия, av77@list.ru

А. А. Федорова

Email: e_a_a@mail.ru
Чувашский государственный университет им. И.Н. Ульянова, пр. Московский, 15, г. Чебоксары, Чувашская Республика, 428015, Россия, e_a_a@mail.ru

Д. В. Лобанов

Email: lobanovdv@list.ru
доктор техн. наук, доцент, Чувашский государственный университет им. И.Н. Ульянова, пр. Московский, 15, г. Чебоксары, Чувашская Республика, 428015, Россия, lobanovdv@list.ru

Список литературы

  1. Feature-based reverse modeling strategies / Y. Ke, S. Fan, W. Zhu, A. Li, F. Liu, X. Shi // Computer-Aided Design. – 2006. – Vol. 38, iss. 5. – P. 485–506. – doi: 10.1016/j.cad.2005.12.002.
  2. Jeyapoovan T., Murugan M. Surface roughness classification using image processing // Measurement. – 2013. – Vol. 46 (7). – P. 2065–2072. – doi: 10.1016/j.measurement.2013.03.014.
  3. Lushnikov N., Lushnikov P. Methods of assessment of accuracy of road surface roughness measurement with profilometer // Transportation Research Procedia. – 2017. – Vol. 20. – P. 425–429. – doi: 10.1016/j.trpro.2017.01.069.
  4. Non-contact surface roughness measurement of crankshaft journals using a super-continuum laser / V.V. Alexander, H. Deng, M.N. Islam, F.L. Terry // Conference on Lasers and Electro-Optics 2010. – San Jose, CA, 2010. – P. AFA3. – doi: 10.1364/CLEO_APPS.2010.AFA3.
  5. Rao C.B., Raj B. Study of engineering surfaces using laser-scattering techniques // Sadhana. – 2003. – Vol. 28, pt. 3–4. – P. 739–761. – doi: 10.1007/BF02706457.
  6. Abidin F.Z., Hung J., Zahid M.N. Portable non-contact surface roughness measuring device // IOP Conference Series: Materials Science and Engineering. – 2019. – Vol. 469. – P. 012074. – doi: 10.1088/1757-899X/469/1/012074.
  7. Kiran R., Amarendra H.J., Lingappa S. Vision system in quality control automation // MATEC Web of Conferences. – 2018. – Vol. 144. – P. 03008. – doi: 10.1051/matecconf/201814403008.
  8. Shih F.Y. Image processing and pattern recognition: fundamentals and techniques. – Piscataway, NJ: IEEE Press; Hoboken, NJ: Wiley, 2010. – 537 p. – ISBN 978-0-470-40461-4.
  9. Wang T., Groche P. Sheet metal profiles with variable height: numerical analyses on flexible roller beading // Journal of Manufacturing and Materials Processing. – 2019. – Vol. 3 (1). – P. 19. – doi: 10.3390/jmmp3010019.
  10. Stoudt M., Hubbard J.B. Analysis of deformation-induced surface morphologies in steel sheet // Acta Materialia. – 2005. – Vol. 53 (16). – P. 4293–4304. – doi: 10.1016/j.actamat.2005.05.038.
  11. Разработка и исследование профилографа для измерения отклонений формы поверхности изделий методом лазерного спиралевидного сканирования / С.А. Васильев, В.В. Алексеев, М.А. Васильев, А.А. Федорова // Обработка металлов (технология, оборудование, инструменты). – 2020. – Т. 22, № 4. – С. 71–81. – doi: 10.17212/1994-6309-2020-22.4-71-81.
  12. Simulation of channel development on the surface of agrolandscapes on slopes / I.I. Maksimov, V.I. Maksimov, S.A. Vasil’;ev, V.V. Alekseev // Eurasian Soil Science. – 2016. – Vol. 49, iss. 4. – P. 475–480. – doi: 10.1134/S1064229316040074.
  13. Васильев С.А., Алексеев В.В., Речнов А.В. Экспресс-метод количественной оценки пожнивных остатков на поверхности почвы // Аграрный научный журнал. – 2015. – № 9. – С. 11–13.
  14. Hockauf R., Grove T., Denkena B. Prediction of ground surfaces by using the actual tool topography // Journal of Manufacturing and Materials Processing. – 2019. – Vol. 3 (2). – P. 40. – doi: 10.3390/jmmp3020040.
  15. Vasiliev S., Kirillov A., Afanasieva I. Method for controlling meliorative technologies on sloping cultivated lands using large scale profilometer // Engineering for Rural Development. Proceedings. – 2018. – Vol. 17. – P. 537–542.
  16. Васильев С.А. Разработка метода и профилографа для оценки мелиоративных технологий на склоновых агроландшафтах // Известия Нижневолжского агроуниверситетского комплекса: наука и высшее профессиональное образование. – 2016. – № 3. – С. 220–226.
  17. Васильев С.А. Обоснование конструктивно-технологических параметров профилографов для контроля мелиоративных технологий на склоновых агроландшафтах // Научный журнал Российского НИИ проблем мелиорации. – 2016. – № 4. – С. 40–54.
  18. Campana C., Moslehpour S. Non contact surface roughness measurement instrumentation // American Society for Engineering Education. – 2007. – AC 2007-2557. – P. 12.1107.
  19. Development and verification of a one-step-model for the design of flexible roll formed parts / P. Groche, A. Zettler, S. Berner, G. Schneider // International Journal of Material Forming. – 2010. – Vol. 4 (4). – doi: 10.1007/s12289-010-0998-3.
  20. Schilling R.J. Fundamentals of robotics: analysis and control. – New Delhi: Prentice Hall, 2005. – ISBN 81-203-1047-0.
  21. Yanyushkin A.S., Lobanov D.V., Arkhipov P.V. Research of influence of electric conditions of the combined electro-diamond machining on quality of grinding of hard alloys // IOP Conference Series: Materials Science and Engineering. – 2015. – Vol. 91. – P. 012051. – doi: 10.1088/1757-899X/91/1/012051.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».