Методы и аппаратно-программные средства систем принятия решений при ультразвуковом контроле транспортного металлопроката тема диссертации и автореферата по ВАК РФ 05.11.13, кандидат технических наук Кособоков, Дмитрий Вячеславович

• Кособоков, Дмитрий Вячеславович
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Кособоков, Дмитрий Вячеславович

ВВЕДЕНИЕ.

1. АНАЛИЗ АЛГОРИТМОВ И СРЕДСТВ АВТОМАТИЗИРОВАННОЙ ОБРАБОТКИ СИГНАЛОВ ПРИ УЛЬТРАЗВУКОВОМ КОНТРОЛЕ.

1.1 Особенности конструкции и дефектность элементов пути и деталей подвижного состава.

1.2 Методы и автоматизированные средства ультразвукового контроля объектов железнодорожного транспорта.

1.2.1 Методики ультразвукового контроля.

1.2.2 Средства автоматизированного ультразвукового контроля.

1.3 Методы и общие алгоритмы распознавания образов.

1.3.1 Обзор методов распознавания.

1.3.2 Основные задачи построения систем распознавания.

1.4 Анализ опыта реализации систем распознавания в области неразрушающего контроля.

1.5 Постановка задач исследований.

2. МЕТОДЫ ПОВЫШЕНИЯ ПОМЕХОЗАЩИЩЕННОСТИ ПРИ УЛЬТРАЗВУКОВОМ КОНТРОЛЕ ТРАНСПОРТНОГО МЕТАЛЛОПРОКАТА.

2.1 Исследование и математическое описание сигналов помех.

2.2 Выбор методов предварительной фильтрации сигналов помех.

2.3 Исследование методов линейной фильтрации.

2.4 Исследование методов нелинейной фильтрации.

2.5 Обоснование рациональных процедур фильтрации.

Введение диссертации (часть автореферата) на тему «Методы и аппаратно-программные средства систем принятия решений при ультразвуковом контроле транспортного металлопроката»

Железные дороги России являются ведущим видом транспорта страны, выполняющим свыше 80% грузооборота и около 40% пассажирооборота транспорта общего пользования. Железные дороги играют решающую роль в выполнении перевозок важнейших грузов, обеспечивающих бесперебойное функционирование промышленного комплекса страны [1]. Несмотря на постоянное развитие альтернативных видов транспорта, перевозки по железной дороге занимают лидирующее место - около 84% от общего грузооборота приходится именно на железнодорожный транспорт.

Главные показатели эксплуатации дорог, от которых в наибольшей степени зависит выход рельсов по дефектам, является число тонн груза брутто, перевезенного по рельсам, нагрузка на ось подвижного состава, скорость движения поездов.

С увеличением объема перевозок растет силовое воздействие на путь, усложняются условия его эксплуатации. В таких случаях в элементах верхнего строения пути и ответственных деталях подвижного состава (элементах колесных пар, буксовых узлах и т.п.) возникают дефекты усталостного происхождения, предпосылкой развития которых часто являются дефекты металлургического происхождения.

Необходимость обеспечения безопасности движения за счет своевременного обнаружения дефектов обуславливает большой объем проводимого нераз-рушающего контроля (НК) при производстве, эксплуатации и ремонте ответственных элементов пути и подвижного состава. Так, за 2008г. по данным, предоставленным Департаментом пути и сооружений ОАО «РЖД» проконтролировано 3,7 млн км пути, при этом всеми средствами НК выявлено более 34 тыс. критических дефектов.

Ведущую роль в системах НК объектов пути и подвижного состава ж.д. транспорта играют акустические (ультразвуковые) методы, обеспечивающие обнаружение внутренних и поверхностных дефектов на ранней стадии их развития.

Одним из главных направлений развития средств ультразвукового (УЗ) контроля является повышение достоверности обнаружения дефектов и вследствие этого технической эффективности средств НК за счет совершенствования схем прозвучивания, слежения за качеством акустического контакта, предварительной обработки сигналов с целью уменьшения влияния помех, внедрением систем автоматического распознавания типов дефектов.

Актуальность создания высокопроизводительной системы в любой области НК может быть объяснена стремлением к уменьшению времени на операцию контроля, снижению затрат, связанных с НК изделия. Помимо областей машиностроения, где НК является одним из звеньев технологического процесса, существуют области, в которых проведение НК является единственно доступным средством обеспечения должного уровня безопасности состояния технических объектов.

С целью повышения надежности обнаружения дефектов разработчики аппаратуры НК идут по пути усложнения схем прозвучивания. Такая избыточность увеличивает надежность обнаружения, так как дефект может быть выявлен сразу несколькими каналами. Но при этом значительно возрастает информационная нагрузка на оператора, так как увеличивается время поиска нужных данных, их опознавание, интерпретация, вследствие чего появляются ошибки при принятии решения. Структура представления информации также оказывает существенное влияние на оперативность и адекватность принимаемых решений оператором по результатам ультразвукового контроля.

Изложенное подтверждает актуальность проблемы обеспечения высокого качества расшифровки дефектограмм. Очевидное решение — автоматизация процесса принятия решения. Пока же единственный способ повышения объективности заключений — принятие окончательного решения по результатам независимой оценки несколькими операторами.

Создание системы, которая бы выполняла функции распознавания различных объектов, во многих случаях открывает возможность дополнения человека как элемента сложной системы специализированным автоматом. Такое дополнение позволяет значительно расширить возможности различных систем, выполняющих сложные информационно-логические задачи. Заметим здесь, что качество работ, выполняемых человеком на любом рабочем месте, зависит от квалификации, опыта, добросовестности, психофизического состояния. В то же время автомат действует однообразно и обеспечивает всегда одинаковое качество, если он исправен [2].

Процесс принятия решения в реальных ситуациях требует выполнения ряда операций, одни из которых более эффективно выполняет человек, а другие — машина. Эффективное объединение их достоинств, при одновременной компенсации недостатков и воплощается в автоматизированных системах поддержки принятия решений [3].

Человек лучше чем машина принимает решения в условиях неопределенности, но и ему для принятия верного решения необходима адекватная (полная и достоверная) информация, характеризующая предметную область [4]. Однако известно, что человек плохо справляется с большими объемами необработанной информации. Поэтому роль машины в поддержке принятия решений может заключаться в том, чтобы осуществить предварительную подготовку информации, а также в том, чтобы представить всю эту информацию в наглядном и удобном для принятия решения виде.

Автоматизированные системы поддержки принятия решений (АСППР) компенсируют слабые стороны человека, освобождая его от рутинной предварительной обработки информации, и обеспечивают ему комфортную информационную среду, в которой он может лучше проявить свои сильные стороны. Отметим, что эти системы ориентированы не на автоматизацию функций лица, принимающего решения, (и, как следствие, отчуждение от него этих функций, а значит и ответственности за принятые решения, что часто вообще является неприемлемым), а на предоставлении ему помощи в поиске хорошего решения [57].

Внедрение АСППР позволит повысить достоверность результатов ультразвукового контроля за счет:

1. Наиболее полного использования информации о сигналах контроля для принятия решения о состоянии объекта. Вследствие этого уменьшится число отметок, выдаваемых на вторичный контроль.

2. Сокращения ручного труда при расшифровке и вторичном контроле, что ведет к повышению производительности труда.

• Именно интегрированная система распознавания позволит повысить общую производительность и надежность системы неразрушающего контроля за счет снижения вероятности пропуска дефекта.

Эффективность систем автоматизированного и механизированного УЗ контроля может быть существенно повышена благодаря созданию и введению в средства НК систем автоматизированной обработки информации и принятия решений о качестве проконтролированного объекта — в этом и состоит актуальность настоящей работы.

Научная цель работы состоит в разработке аналитических и алгоритмических решений по выделению полезных сигналов с целью повышения информативности результатов УЗ контроля.

Практическая цель работы заключается в повышении эксплуатационной надежности и безопасности движения на железнодорожном транспорте за счет обеспечения достоверности результатов УЗ контроля путем создания и внедрения автоматизированной системы принятия решений с интегрированным модулем распознавания и классификации выявленных дефектов по типам.

Таким образом, объектом исследования в данной работе являются автоматизированные системы распознавания образов, а предметом исследования станут вопросы создания и применения автоматизированной системы поддержки принятия решения. Объектом распознавания в данной работе будут выступать сигналы, получаемые в процессе ультразвукового контроля.

Для достижения указанной цели потребовалось решить следующие основные задачи:

1. На основе анализа отечественных и зарубежных средств ультразвукового контроля, а также изучения методов распознавания образов и принятия решений обосновать принципы построения эффективных систем обеспечения принятия решений с интегрированным модулем распознавания типа выявленных дефектов.

2. Исследовать методы одномерной и двумерной обработки сигналов для повышения помехоустойчивости систем НК. i

3. Исследовать информативные признаки последовательностей сигналов, регистрируемых современными автоматизированными и механизированными средствами УЗ контроля. Эвристически и алгоритмически сформировать обобщенные характеристики полезных сигналов и сигналов помех и отобрать наиболее информативные признаки, отвечающие требованиям физической объективности, помехоустойчивости, а также простой расчетной и аппаратурной реализации. Формализовать классы дефектов по их информативным признакам применительно к ответственным деталям железнодорожного пути и подвижного состава - рельсам и бандажам.

4. .Обосновать алгоритмы и разработать адаптивную систему распознавания сигналов дефектов на фоне помех при автоматизированном и механизированном УЗ контроле транспортного металлопроката.

5. Реализовать системы обеспечения принятия решения в виде программного приложения на базе персонального компьютера; провести внедрение системы при расшифровке данных УЗ приемочного и эксплуатационного контроля транспортного металлопроката; обеспечить возможность долгосрочного хранения полных протоколов сигналов УЗ контроля.

Научную новизну работы составляют:

1. Принцип построения систем принятия решений при распознавании эхосигналов УЗ контроля, включающий трехэтапную процедуру обработки сигналов: повышение отношения сигнал-помеха; распознавание эхосигналов от дефектов и от конструктивных отражателей; классификация сигналов от дефектов различного типа в соответствии с действующими нормативными документами.

2. Метод повышения отношения сигнал-помеха, основанный на двухпа-раметровой обработке сигналов. Метод учитывает пространственную корреляцию между сигналами от несплошностей и предназначен для подавления электрических и акустических импульсных помех.

3. Набор информативных признаков, базирующихся на измерении условных размеров дефектов и пространственной формы эхосигналов, необходи9 мых и достаточных для построения алгоритмов классификации эхосигналов при УЗ контроле изделий металлопроката.

4. Система распознавания эхосигналов от дефектов различного типа, построенная на основе метода статистического анализа с возможностью ее обучения в процессе эксплуатации по результатам дефектоскопирования и экспертных оценок качества объектов с целью повышения достоверности УЗ контроля.

5. Метод снижения избыточности информации сигналов УЗ контроля при длительном хранении протоколов контроля на основе дискретного преобразования Фурье.

В первом разделе на основании анализа существующих средства ультразвукового контроля на железнодорожном транспорте, применяемых схем про-звучивания и статистики обнаружения дефектов обоснована целесообразность построения экспертной системы поддержки принятия решения. Проведен обзор существующих методов и алгоритмов распознавания образов, определены задачи, решаемые при построении системы распознавания. Выполнена постановка задачи исследования.

Во втором разделе решается задача повышения помехозащищенности при различных условиях эксплуатации аппаратуры УЗ контроля и скоростей сканирования. Проанализирован состав и выполнена оценка параметров акустических и электрических помех, возникающих в процессе проведения эксплуатационного контроля рельсов (передвижная аппаратура) и приемочного контроля бандажей (стационарные установки). Определен базовый набор процедур фильтрации, обеспечивающих эффективное подавление импульсных помех при эхо-импульсном ультразвуковом контроле.

В третьем разделе на основании аналитического моделирования эхосигналов проведено обоснование и разработаны методы расчета информативных характеристик эхосигналов при ультразвуковом контроле металлопроката, выполнено априорное описание классов распознавания сигналов.

В четвертом разделе разработан общий принцип построения системы поддержки принятия решения при УЗ контроле. Обоснована структура системы распознавания при контроле длинномерных изделий металлопроката, определены численные значения информативных характеристик полезных сигналов и сигналов помех, построена автоматизированная система поддержки принятия решения при контроле бандажей и рельсов.

В пятой главе приведены результаты практического применения системы распознавания, разработанной автором. Внедрение выполнено на базе установки УКБ-1Д, работающей в составе линии выходного контроля бандажей Нижнетагильского металлургического комбината.

На защиту выносятся:

1. Автоматизированная система принятия решений при УЗ контроле длинномерных объектов, включающая трехэтапную процедуру обработки эхо-сигналов: повышение отношения сигнал-помеха; распознавание эхосигналов от дефектов и от конструктивных отражателей; классификация сигналов от дефектов различного типа.

2. Метод двухпараметровой фильтрации эхосигналов как эффективный способ подавления импульсных электрических и акустических помех при автоматизированном УЗ контроле изделий металлопроката.

3. Методика построения алгоритмов классификации эхосигналов от дефектов различного типа при УЗ контроле изделий металлопроката на базе измеряемых условных размеров дефектов и предложенной в работе пространственной формы эхосигнала.

4. Система обеспечения принятия решений оператором при УЗ контроле длинномерных изделий металлопроката.

5. Алгоритм уменьшения избыточности информации в сигналах УЗ контроля, построенный на основе дискретного преобразования Фурье.

Экономический эффект от внедрения автоматизированной системы принятия решений при УЗ контроле длинномерных объектов, по данным Нижнетагильского металлургического комбината, составляет 1,86 млн рублей в год.

Заключение диссертации по теме «Приборы и методы контроля природной среды, веществ, материалов и изделий», Кособоков, Дмитрий Вячеславович

Основные результаты выполненной работы могут быть сформулированы следующим образом.

1. На основании проведенного анализа общих закономерностей формирования огибающей сигнала на выходе первичных преобразователей, используемых в средствах НК изделий металлопроката, и экспериментальных исследований вероятностных характеристик огибающей эхосигналов установлено, что динамика изменения сигнала в момент начала и окончания озвучивания дефекта определяется скоростью сканирования, частотой следования зондирующих импульсов, размерами приемно-излучающей системы и она в 3-4 раз ниже, чем скорость изменения огибающих, вызванных помехами различного вида.

2. Для повышения помехозащищенности многоканальных автоматизированных систем УЗ контроля металлопроката обоснована эффективность применения метода двумерной медианной фильтрации. Количественная оценка качества процедуры фильтрации сигналов УЗ контроля подтвердила целесообразность использования данного алгоритма на стадии предварительной обработки сигналов.

3. Создана система распознавания, в которой на основании аналитического моделирования огибающей эхосигналов предложена система информативных признаков, включающих: условные геометрические размеры, характеристики огибающей (скорость изменения, пространственная огибающая), оценку корреляционной зависимости между временем задержки прихода эхосигнала и положения ПЭП. Показано, что использование подобной системы признаков позволяет решать задачу не только обнаружения дефектов, но и их классификацию по типу.

4. Разработана общая структура АСППР при автоматизированном ультразвуковом контроле. Проведено обоснование требований к системе распознавания как части АСППР. Предложена трехэтапная система распознавания сигналов НК. В основе алгоритма распознавания применен последовательный критерий отношения вероятностей. На основе функций плотностей распределения вероятностей получено описание информативных характеристик сигналов от дефектов и сигналов помех.

5. Проведена экспериментальная оценка достоверности предложенных алгоритмов распознавания. При классификации сигналов контроля бандажей вероятность правильного обнаружения находится в диапазоне от 0,8 до 0,94.

6. Предложена общая функциональная и структурная схема программного обеспечения для реализации автоматизированной системы поддержки принятия решения при дефектоскопии длинномерных изделий транспортного металлопроката.

7. На основе дискретных преобразований разработан проблемно-ориентированный метод снижения избыточности информации в сигналах УЗ контроля. Реализация данного метода позволяет получить коэффициент сжатия порядка 20 - 70.

8. При участии и под руководством автора разработана и введена в эксплуатацию автоматизированная система обработки сигналов приемочного НК бандажей на Нижнетагильском металлургическом комбинате. За время промышленной эксплуатации установкой УКБ-1Д, действующей в круглосуточном режиме, проверено более 100 000 бандажей. Многократно увеличилась производительность контроля по сравнению с ручным УЗ контролем. Практически исключена возможность пропуска дефектов за счет влияния человеческого фактора (невнимательность, несоблюдение параметров контроля), обеспечено полное протоколирование и хранение информации о параметрах и сигналах контроля в соответствии с требованиями действующих норм. Также разработанные в диссертационной работе алгоритмы обработки и классификации сигналов дефектов внедрены на сети железных дорог при эксплуатационном контроле рельсов в пути в программном обеспечении к серийному регистратору УР-ЗР дефектоскопа РДМ-2. Использование системы позволяет сократить в два и более раза объем вторичного контроля без снижения достоверности результатов.

Экономический эффект от внедрения автоматизированной системы обработки сигналов при ультразвуковом контроле бандажей на установке УКБ-1Д, по данным Нижнетагильского металлургического комбината, составляет 1,86 млн рублей в год.

Список литературы диссертационного исследования кандидат технических наук Кособоков, Дмитрий Вячеславович, 2009 год

1. Стратегия развития железнодорожного транспорта в Росской Федерации до 2030 года: утв. распоряжением Правительства Рос. Федерации от 17.06.2008 № 877-р.

2. Белозерский, Л. А. Основы построения системы распознавания образов: учеб. пособие / Л.А. Белозерский. Донецк: ДонГИИИ, 1998.

3. Макаров, И.М. Теория выбора и принятия решений / И.М. Макаров. М.:НаукаД987. 350 с.

4. Куропаткин, П.В. Оптимальные и адаптивные системы / П.В. Куропаткин. М.: Высшая школа, 1980. — 270 с.

5. Борисов, А.Н. Методы интерактивной оценки решений / А.Н. Борисов, А.С. Левченков. Рига: Зинатне, 1982. — 250 с.

6. Беллман, Р. Принятие решений в расплывчатых условиях / Р. Беллман,

7. Л. Задэ; в кн. "Вопросы анализа и процедуры принятия решений". М.: Мир, 1976. С. 172-215.

8. Орловский, С.А. Проблемы принятия решений при расплывчатой информации / С.А. Орловский. М.:Наука, 1981. 370 с.

9. Ильин, В.А. Дефектоскопия деталей подвижного состава железных дорог и метрополитенов / В.А. Ильин, Г.И. Кожевников, Ф.В. Левыкин, Ю.Н.Штремер; Под ред. В.А. Ильина. М.: Транспорт, 1983. — 315 с.

10. Неразрушающий контроль рельсов при их эксплуатации и ремонте / А.К. Гурвич, Б.П. Довнар, В.Б. Козлов и др; под ред. канд. техн. наук А.К. Гурвича. М.: Транспорт, 1983. — 318 с.

11. Ю.Марков, А.А. Ультразвуковая дефектоскопия рельсов / А.А.Марков,

12. Д.А.Шпагин. СПб.: «Образование Культура», 1999.230 с. И.Кретов, Е.Ф. Ультразвуковая дефектоскопия в машиностроении /

13. Е.Ф.Кретов. СПб.: «Радиоавионика», 1995. 335 с. 12.Гурвич, А.К. Зеркально-теневой метод ультразвуковой дефектоскопии / А.К.Гурвич. М.: Машиностроение, 1976. — 35 с.

14. Гурвич, А.К. Схемы прозвучивания и эффективность средств сплошного контроля рельсов / А.К. Гурвич, А.В. Давыдкин // В мире неразрушагощего контроля. 2003. №3(21). С.71-73.

15. Wbstenberg, Н. Scanning Modes at the Application of Ultrasonic Phased Array Inspection Systems / H. Wbstenberg, A. Erhard, G. Schenk // NDT.NET, 2001. Vol 6.

16. Otto, A.B. Handbook automated ultrasonic testing systems / A.B. Otto. Auflage, Berlin, 2006. 110 p.

17. Jeffrey, B. D. Assessment of Rail Flaw Inspection Data / B.D. Jeffrey, M.L.Peterson. Colorado State University Fort Collins, Colorado, 1999.

18. The specification for ultrasonic rail inspection car / Tokimec Rail Techno Inc (Japan), 2003.21 .Aharoni, R. A Novel high-speed rail inspection system /R. Aharoni, Eli Glikman, G. Krug. //NDT.NET, 2002. Vol 7.

19. Krull, R. Eddycurrent Detection of Head Checks on the Gauge Corners of Rails: Recent Results / R. Krull, H. Hintze, M. Luke M. Thomas, R. Pohl // NDT.NET, 2006. Vol 7.

20. Hansen, W. Ultrasonic testing of railway axles with phased array technique / W.Hansen, H. Hintze // NDT.NET, 2002. Vol 7.

21. Wbstenberg, H. Recent Advances in Ultrasonic Inspection of Railway -Axles and Wheels / H. Wbstenberg, A. Erhard, N. Bertus, T. Hauser // NDT.NET, 2001. Vol 6.

22. Система автоматизированного контроля колес AURA Электронный ресурс. http://www.bip-i.com/Whel 1 .htmffdest 1 - Загл. с домашней страницы Интернета.

23. Цьмкии, Я.З. Основы информационной теории идентификации / Я.З.Цыпкин. М.: Наука, 1984. 520 с.

24. Ту, Дою. Принципы распознавания образов / Дж. Ту, Р. Гонсалес; пер. с англ. И.Б. Гуревича; под ред. Ю.И. Журавлева. М.: Мир, 1978. 411 с.

25. Фукунага, К. Введение в статистическую теорию распознавания образов / К. Фукунага; пер. с англ. Главная редакция физико-математической литературы. М.: Наука, 1979. 368 с.

26. Кузин, JI.T. Основы кибернетики. (Основы кибернетических моделей) / Кузин Л.Т. М.: Энергия, Т.2. 1979. 584 с.

27. ЪО.Барабаш, Ю.Л. Вопросы статистической теории распознавания /

28. Ю.Л.Барабаш, и др; под ред. Б.В. Барского. М.: Советское радио, 1967. -400 с.

29. Горелик, А.Л. Методы распознавания: учеб. пособие для вузов /

30. A.Л.Горелик, В.А. Скрипкин. М.: Высш. шк., 1977. 223 с.

31. Горелик, A.JI. Современное состояние проблемы распознавания / АЛ.Горелик, И.Б. Гуревич, В.А. Скрипкин; под ред. А.Л. Горелика. М.: Радио и связь, 1985. 162 с.33 .Ким, Дж.-О. Факторный, дискриминантный и кластерный анализ /

32. Дж.-О Ким; пер. с англ. М.: Финансы и статистика, 1989. 215 с. 2>А.Горелик, А.Л. Методы распознавания: учеб. пособие / А.Л. Горелик,

33. B.А. Скрипкин; 2-е изд., перераб. и доп. М.: Высш. шк., 1984. 208 е., ил. 35.Стасеев, В.Г. Разработка принципов автоматической классификации дефектов ультразвуковым спектральным методом / В.Г. Стасеев, И.Н.Ермолов. // Дефектоскопия. 1978, №7. С. 56-67.

34. Ъб.Алкин, И.К. Автоматизация обработки результатов дефектоскопии крупногабаритных изделий из полимерных композитных материалов: автореф. дис. . канд. техн. наук: 16.03.1983 / Апкин ИгорьКемальевич. Л., 1983. 22 с.

35. Шилов, М.И. Методическое, алгоритмическое и программное обеспечение регистрации и анализа дефектограмм при ультразвуковом контроле рельсов: автореф. дис. канд. техн. наук: 20.06.2007 / Шилов Максим Николаевич. СПб., 2007. 22 с.

36. Камардин, В.М. Неразрушающий контроль качества проката из конверторной стали / В.М. Камардин // Сталь. 2008. № 6. С. 49-51.

37. Неразрушающий контроль. В 5 кн. Кн.5: Интроскопия и автоматизация контроля: Практ. пособие/ В.В. Сухорукое, Э.И. Вайнберг, Р.-Й.Ю. Кажис, А.А. Абакумов; Под ред. В.В. Сухорукова. М.: Высш. шк., 1993. - 326 е.: ил.

38. Маркое, А.А. Регистрация и анализ сигналов ультразвукового контроля рельсов. Энциклопедия рельсовой дефектоскопии / А.А. Марков, Д.А.Шпагин; СПб.: «Образование — Культура». 2003. — Т. 3. 148 с.

39. Лончак, В.А. Вероятностные параметры обнаружения дефектов при автоматизированном ультразвуковом контроле рельсов / В.А. Лончак // тез. докл. Научно-технической конференции «Ультразвуковая дефектоскопия сварных конструкций» / Л., 1973. С. 78-81.

40. Акимов, П. С. Обнаружение радиосигналов / П.С. Акимов, Ф.Ф. Евстратов, С.И. Захаров и др.; под ред. А.А. Колосова. М.: Радио и связь, 1989. — 288 с.

41. Денисенко, А.Н. Сигналы. Теоретическая радиотехника. Справочное пособие / А.Н. Денисенко. М.: Горячая линия Телеком, 2005. - 704 е.: ил.

42. Айфичер, Э. Цифровая обработка сигналов: практический подход /

43. Э. Айфичер, Б. Джервис; пер. с англ. 2-е издание. М.: Издательский дом «Вильяме», 2004. 992 с.

44. Добротны, Д.Д. Обработка и анализ случайных сигналов: учеб. пособие / Д.Д. Добротин, С.К. Паврос. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2006. 84 с.

45. Yang, G. Matching pursuit-based adaptive wavelet packet atomic decompression applied in ultrasonic inspection / G. Yang, Q. Zhang, P. Que // Дефектоскопия. 2007. №1. С. 80-87.

46. Yimei, M. Noise suppression and flaw detection of ultrasonic signals using empirical mode decomposition / M. Yimei, P. Que // Дефектоскопия. 2007. №1. С. 78-86.

47. Черницер, B.M. Акустические сигналы и их обработка: учебное пособие / В.М. Черницер. Таганрог: ТРТИ, 1981. 82 с.51 .Розеншелъд А. Распознавание и обработка изображений / А. Розеншельд. М.: Мир, 1972.-232 с.

48. Smith В., Rowe L. Algorithm for manipulating compressed images / B. Smith, L. Rowe // Computer Graphics and applications. September 1993.

49. Александров, B.B. Представление и обработка изображений: рекурсивный подход / В.В. Александров, Н.Д. Горский. JL: Наука, 1985 — 190 с.

50. Ярославский, Л.П. Введение в цифровую обработку изображений / Л.П.Ярославский. М.:Сов. радио, 1969. — 312 с.

51. Горбунов, В.И. О возможном использовании линейно-разностных фильтров в дефектоскопии / В.И. Горбунов, JI.B. Старцева // Дефектоскопия. 2008. №1

52. Старцева, JI.B. Применение линейно-разностного фильтра в дефектоскопии / JI.B. Старцева // Дефектоскопия. 1985. №1

53. Приборы для неразрушающего контроля материалов и изделий. Справочник. В 2-х книгах. Кн.2 / под ред. В.В. Клюева. 2-е изд., перераб. и доп.

54. М.: Машиностроение, 1986. 352 с.

55. Методы компьютерной обработки изображений / под ред. В.А.Сойфера 2-е изд., испр.; М.: ФИЗМАТЛИТ, 2003. - 784 с.

56. Прэтт, У. Цифровая обработка изображений / У. Прет; пер. с англ. М.: Мир, 1982.-Кн.1 312 с.

57. Гонсалес, Р. Цифровая обработка изображений / Р. Гонсалес, Р. Вудс; М.: ТЕХНОСФЕРА, 2005. 1072 с.виСуанг, Т.С. Быстрые алгоритмы цифровой обработки изображений /

58. Т.С. Хуанг, Дж.-О. Эклунд, Г. Дж. Нуссбамер и др.; под ред. Т.С. Хуанга; пер. с англ. М.: Радио и связь, 1984. — 224 с.

59. Голубев, А. С. Акустическое поле искателей ультразвуковых дефектоскопов / А.С. Голубев, С.К. Паврос; Л.: Изд-во ЛЭТИ, 1975. 93 с.

60. Ермолов, И.Н. Физические основы эхо- и теневого методов ультразвуковой дефектоскопии / И.Н. Ермолов. М.: Машиностроение, 1969. 108 с.

61. Ермолов, И.Н. Неразрушшощий контроль. В 5 кн. Кн 2. Акустические методы контроля: практ. пособие / И.Н. Ермолов, Н.П. Алешин, А.И. Потапов; под ред. В.В. Сухорукова; М.: Высш. ппс., 1991. 283 с.

62. Гурвич, AiC Ультразвуковой контроль сварных швов / А.К. Гурвич, И.Н.Ермолов. Изд-во «Техшка», 1972. — 460 с.

63. Шторм, Р. Теория вероятностей. Математическая статистика. Статистический контроль качества / Р. Шторм; пер. с нем. М.: Мир, 1970. 368 с.

64. Секерин, А.Б. Комплексное преобразование Радона распределений и аналитических функционалов / А.Б. Секерин, Д.Е. Ломакин // Владикавказский математический журнал. 2005. Т7. Выпуск 3.

65. Гонсалес, Р. Цифровая обработка изображений в среде MATLAB / Р. Гонсалес, Р. Вудс, С. Эддинс. М.: ТЕХНОСФЕРА, 2006. 616с.

66. Экспертные системы. Принципы работы и примеры / под ред. Р.Форсайта. М.: Радио и связь, 1987. 350 с.

67. ЪЗ.Стефанюк, В.Л. Некоторые аспекты теории экспертных систем /

68. B.Л.Стефанюк // Известия АН СССР. Техническая кибернетика. 1987. № 2.1. C. 85-91.

69. Знание, 1971.-58 с. 88 .Райфа, Г. Анализ решений. Введение в проблемы выбора в условиях неопределенности / Г. Райфа. М.: Наука, 1977. 120 с.

70. Андреев, Н.И. Теория статистически оптимальных систем управления / Н.И. Андреев. М.: Наука, 1980. 155 с.

71. М.: Мир, 1976.-511 с. 94.Вентцель, Е.С. Теория вероятности и ее инженерные приложения: учеб. пособие для втузов / Е.С. Вентцель, Л.А. Овчаров. 2-е изд., стер. М.: Высш. шк., 2000.-480 с.

72. Кендалл, М. Теория распределений / М. Кендалл, А. Стьюарт; пер. с англ. М.: Наука, 1966.-588 с.

73. Иглин, С.П. Математические расчеты на базе MatLab / С.П. Иглин. СПб.: БХВ-Петербург, 2005. 640 с.

74. Юдин, Д.Б. Математические методы управления в условиях неполной информации / Д.Б. Юдин. М.: Советское радио, 1974. — 120 с.

75. Щербинский, В.Г. Ультразвуковой контроль сварных соединений, — 3-е изд., перераб. и доп. / В.Г. Щербинский, Н.П. Алешин / — М.:Изд-во МГТУ им. Н.Э. Баумана, 2000. 496 е., ил.

76. Цомук, С.Р. Опыт УЗК рельсов в пути с регистрацией результатов устройством УР-ЗР / С.Р. Цомук, И.З. Этинген // В мире неразрушающего контроля. 2003. №4(22).ь

77. Ватолин, Д. С. Тенденции развития алгоритмов архивации графики / Д.С.Ватолин // Открытые системы. № 4, 1995.

78. Ватолин, Д. С. Методы сжатия данных: устройство архиваторов, сжатие изображений и видео / Д.С. Ватолин, А.В. Ратушняк, М.Ю. Смирнов, В.Б.Юкин. М.: Диалог-МИФИ, 2002. 384 с.

79. Новиков, Ю.Н. Электротехника и электроника. Теория цепей и сигналов, методы анализа: учеб. пособие / Ю.Н. Новиков. СПб.: Питер, 2005. 384 с.

80. Яншин, В.В. Анализ и обработка изображений (принципы и алгоритмы) / В.В. Яншин. М.: Машиностроение, 1995. 365 е.: ил.

81. Павлидис, Т. Алгоритмы машинной графики и обработка изображений / Т. Павлидис. М.: Радио и связь, 1986. 400 е.: ил.

82. Яковлев, А.Н. Введение в вейвлет-преобразования: учеб. пособие / А.Н.Яковлев. НГТУ, 2003, 104 с.S

83. Экспериментальное исследование алгоритма цифровой фильтрации приобработке радиосигналов

84. Для снижения влияния уровня помех исследуем возможность применения алгоритмов цифровой фильтрации сигналов УЗ контроля. Достоинством цифровых фильтров (ЦФ) является:

85. Линейная фазовая характеристика.

86. Стабильность параметров обработки сигналов — отсутствует зависимость от свойств окружающей среды, например, от температуры.

87. Простота перестройки передаточной характеристики фильтра.

88. На одном блоке цифрового фильтра можно обрабатывать информацию с нескольких каналов.

89. Значение затухания в полосе подавления может превышать 60 70 дБ.

90. Высокая точность обработки.

91. Имеют линейную фазовую характеристику, следовательно, отсутствуют фазовые искажения выходного сигнала.

92. Нерекурсивная реализация КИХ фильтра обеспечивает им устойчивость работы.

93. Шум округления и ошибки квантования менее существенны для КИХ фильтров.

94. Блок-схема фильтра представлена на рисунке А.1. Соответствующее разностное уравнение записывается в виде:1. К") = 2>(0-*(«-0, (1)j=0где у{п) значение выхода фильтра, h{i) - импульсная характеристика фильтра, х{п) - отсчеты входного сигнала.

95. Рисунок А.1 Блок-схема КИХ фильтра. Определим спецификацию к разрабатываемому ЦФ:

96. Частота дискретизации fs входного сигнала 8 ОМгц.

97. Частота Найквиста: fN = 40 МГц.

98. Тип фильтра — полосовой КИХ-фильтр.

99. Полоса пропускания: нижняя частота среза ^=4,0 МГц, верхняя частота среза fch = 6,0 МГц.

100. Ширина полосы перехода: 0,5 МГц.

101. Полоса подавления^ 3,5 МГц и 6,5 — 40 МГц.

102. Коэффициент затухания А в полосе подавления: 60 дБ.

103. Неравномерность в полосе пропускания: 0,42 дБ.

104. Параметр /5 для весовой функции Кайзера рассчитывается как:

105. Р = 0,1102-(Л-8,^7), при А> 50 дБ. (3)

106. На основании уравнений (2) и (3) получено: N = 145; = 5,6533.

107. Значения полученных коэффициентов фильтра приведены в таблице А. 1.