Низкая цена
Всего 249a за скачивание одной диссертации
Скидки
75 диссертаций за 4900a по акции. Подробнее
О проекте

Электронная библиотека диссертаций — нашли диссертацию, посмотрели оглавление или любые страницы за 3 рубля за страницу, пополнили баланс и скачали диссертацию.

Я впервые на сайте

Отзывы о нас

Контроль геометрии цилиндрических вращающихся промышленных объектов путем многократных измерений дальностей до их поверхности : диссертация ... кандидата технических наук : 25.00.32

Год: 2006

Номер работы: 307167

Автор:

Стоимость работы: 249 e

Без учета скидки. Вы получаете файл формата pdf

Оглавление и несколько страниц
Бесплатно

Вы получаете первые страницы диссертации в формате txt

Читать онлайн
постранично
Платно

Просмотр 1 страницы = 3 руб



Оглавление диссертации:

3.3 Определение периода вращения по данным с нескольких датчиков.71

3.4 Порядок обработки данных с группы датчиков

Глава 4. Практическое использование предложенных методов

4.1 Объект работ

4.2 Обмер бандажа и роликов работающей печи

4.3 Сравнение результатов полученных с помощью датчиков и с помощью электронного тахеометра

Заключение Литература 100 ПО 112 73 83 83 85 Основные характеристики триангуляционных датчиков положения разных производителей Программ

Онределение геометрических характеристик вращающихся агрегатов в условиях современного производства является важной задачей. Подобные афегаты присутствуют на многих промышленных объектах. Это и вращающиеся печи, и валы бумагоделательных машин, бронировочные машины и многое другое. От своевременности и качества проводимых контрольных обмеров зависит эффективность и качество работы оборудования, его безаварийность. Требования, предъявляемые к точности изготовления и выверки подобных агрегато

Глава 1. Средства и методы определения геометрических характеристик вращающихся иромышлеииых объектов

1.1 Средства коитроля вращающихся объектов "•''^^т Многие существующие определения геометрических средства измерения, применяемые для вращающихся объектов, параметров предназначены для применения на статических (остановленных) объектах [9; 44; 55; 65; 74], Однако зачастую в силу технологических и экономических причин необходимо выполнять контроль без остановки оборудования. В связи с этим разрабатывались средства для обмера вращающихся объектов в динамике. На первом этапе распростране

1.2 Триангуляционные лазерные датчнки С точки зрения геодезии термин триангуляционные, используемый в названии датчиков, не совсем корректен. Для описания геометрической схемы датчика скоре подойдет понятие параллактического треугольника. Однако практически все производители и разработчики таких датчиков называют их триангуляционные. Учитывая, что в зарубежной [79; 80; 81; 83] и отечественной [7; 8; 24; 31; 46; 57] научно-технической литературе и в каталогах фирм производителей укоренился это

Появление новых приборов обусловило необходимость разработки новых методик выполнения обмеров, использующих более совершенные методы обработки получаемой информации, чему также способствует стремительное наращивание мощности вычислительных систем. Если раньше основными были графоаналитические методы [60; 63], в которых массив набранных данных обрабатывался графически с помощью шаблонов, а затем полученные обобщающие параметры использовались в вычислениях, то теперь место графических заняли м

1. Анализ технической параметров литературы показал, что контроль современного геометрических и других характеристик промышленного оборудования должен выполняться на работающих агрегатах. 2. Традиционные способы измерений в машиностроении и большинство геодезических методов не могут применяться на работающих агрегатах, так как требуют контакта с объектом, что зачастую невозможно. Те же геодезические методы, которые позволяют выполнять бесконтактный обмер оборудования, трудоемки и не позв

Глава 2. Выявление деформаций сечения вращающегося объекта путем измерения дальностей до новерхности объекта с одной точки Данные поступают с датчика последовательно через равноотстоящие моменты времени, то есть представляют собой временной ряд. Анализ временных рядов представляет собой самостоятельную область математической статистики. Существует довольно большое количество методов анализа временных рядов. Среди них можно выделить следующие группы: корреляционный анализ [62], спектральный а

Основная задача для такого случая это фильтрация «белого шума». Кроме того, если форма объекта близка к симметричной, а влияние эксцентриситета значительно, то необходимо выделить составляющую ряда, соответствующую этому влиянию. При неправильной форме объекта об эксцентриситете можно говорить лишь условно, как о движении центра тяжести сечения относительно точки вращения.

Задача выделения (фильтрации) шума может быть решена разными способами. Рассмотрим ее с точки зрения средней квадратической коллокации. Этот подход подробно изложен в [28; 47]. Приведем основные его положения. Предположим, что данные ряда 1=(/,) {i=l,2,...n) представляют собой аддитивную смесь двух векторов. l = t + r. Требуется из данных 1 выделить сигнальную часть (

2.2) t, т.е. отфильтровать шум г. Если сигнал и шум между собой не коррелированы и известна автоковариационная матрица

Влияние функцией: /=^-sin(?./ + >v), (

2.8) эксцентриситета может быть описано следующей где i=0,l,2,...,n - номер наблюдения, / - угол поворота объекта между моментами наблюдений, w - начальная фаза, е - величина эксцентриситета. В разделе

2.1 был описан алгоритм определения периода вращения. Зная величину периода р можно легко определить угол поворота / = Р . Другие два параметра функции (

2.8) можно определить последовательными приближениями по методу наименьших ква

Если форма сечения объекта неправильная, а центр тяжести сечения совпадает с центром вращения или описывает вокруг него окружность, то форму объекта предлагается определить следующим образом. Рассмотрим объект, имеющий сечение изображенное на рис.

2.12. v\ Ч f X /i Рис.

2.12 Сечение смоделированного объекта. Одна его часть представляет собой половину эллипса, другая часть половина окружности. Разница между радиусом окружности и больщой полуосью эллипса равна 20. 31 При его

2.3 Разложение ряда на адднтнвные комноненты с помощью метода анализа сингулярного снектра «Гусеннца» - SSA

Метод «Гусеница» - SSA (Singular Spectrum Analysis) подробно изложен в [25; 26]. Изложим кратко алгоритм метода по [26], поменяв лишь некоторые символы. Алгоритм можно разбить на четыре шага: вложение, сингулярное разложение, группировка и диагональное усреднение. Первые два в совокупности называются разложением, последние - восстановлением. Рассмотрим вещественнозначный временной ряд L,^ ={1^,...,1^_^) длины Л^, N>2. Основным параметром алгоритма служит так называемая длина окна W, \<W

Разберем работу алгоритма на примере из

2.1, ограничившись длинной ряда п=2000. Длину окна возьмем равной половине длины ряда W=1000. Ниже приведен фрагмент ряда данных после центрирования - L и фрагмент траекторной матрицы - X. 34

0.364

0.217 -

0.009

0.327

0.245

0.226

0.558 L=

0.448

0.448

0.342

0.529

0.604

0.527

0.582

0.706

0.655 л— у _

0.364

0.217 -

0.009

0.327

В алгоритме есть два параметра. Первый - это длина окна W, второй параметр является структурным - это способ группировки компонент сингулярного разложения. Длина окна является основным параметром алгоритма SSA. Выбор длины окна зависит от решаемой задачи и предварительной информации о ряде. В [26] рассмотрены несколько основных принципов для выбора длины окна. • Сингулярные разложения траекторных матриц одного и того же ряда длины N, соответствующие выбору длины окна W и N-W+1 эквивалентны (с

2.3.4 Общие замечания о применении метода «Гусеннца» - SSA Метод SSA является гибким инструментом, позволяющим разделять временные ряды на интерпретируемые аддитивные составляющие. Его преимуществом является отсутствие требования априорного знания модели ряда. Платой за это является трудно формализуемая процедура группировки компонент сингулярного разложения. Кроме этого при использовании метода на реальных объектах отдельной задачей становится интерпретация полученных составляющих ряда прим

Каждый из изложенных методов имеет свои преимущества и недостатки. Использование того или иного метода или их сочетания зависит от особенностей конкретной задачи. Так в достаточно простых случаях, при наблюдениях за отдельно вращающимися объектами, когда мы достаточно хорошо представляем себе модель ряда, можно сразу использовать методы, описанные в разделах

2.1 и

2.2. В общем случае, когда априорная информация отсутствует или ее недостаточно, необходимо сначала воспользоваться м