بهینه سازی و طراحی روش اسکن x-ray برای کنترل ابعادی و عیب یابی اتوماتیک قطعات متقارن پرتیراژ
چکیده
در این پژوهش به بررسی امکان کنترل ابعادی اتوماتیک قطعات متقارن با رادیوگرافی و پردازش تصویر پرداخته شده است. جهت کاربردی کردن پژوهش، بررسی ها روی قطعه ای صورت پذیرفته که در تیراژ 200000 عدد در سال تولید می شود و از حساسیت بسیار بالایی در مجموعه خود برخوردار است به طوری که هم اکنون نیز با وجود دقت در ساخت و کنترل های حین تولید، تمام قطعات تولید شده به صورت دستی به وسیله سنجه های برو- نرو برای سطوح داخلی، گوی های کروی برای زاویه داخلی و سنجه های نعلی شکل برو- نرو برای سطوح خارجی، از نظر ابعادی کنترل می شوند. به منظور اتوماسیون فرایند کنترل ابعادی برای تغذیه ی اتوماتیک قطعات، تغذیه کننده ی ارتعاشی کاسه ای با تعبیه ی تله های مناسبی برای جهت دهی مطلوب قطعات در مسیر خروجی تغذیه کننده طراحی و متغیرهای تغذیه کننده ارتعاشی برای دسترسی به سرعت لازم انتخاب شده است. همچنین مکانیزم های آزادکننده، انتقال قطعات جهت دهی شده به صورت تک تک به قسمت تصویربرداری و خروج قطعه ی اندازه گیری شده به سمت مکانیزم جداساز ضمن ادغام در یکدیگر به صورت آماده برای ساخت، طراحی شده است. مکانیزم جداسازی نیز طراحی شده که با توجه به فرمانی که از واحد اندازه گیری دریافت می کند قطعات را در سه دسته ی سالم، قابل اصلاح و معیوب از هم جدا کند. علاوه بر طراحی مفهومی تمام مکانیزم های معرفی شده، ابعاد آن ها نیز طراحی شده است. در تمام مراحل طراحی این مکانیزم ها عواملی چون کاهش قیمت تمام شده، کارایی و سادگی مدنظر قرار گرفته به طوری که اتوماسیون کامل فرایند تنها با دو الکترومغناطیس و چهار جک پنوماتیک میسر شده است. برای بررسی اثر عوامل مختلف روی تصویر رادیوگرافی، از شبیه سازی این تصاویر توسط نرم افزار mcnpx که مبتنی بر روش مونته کارلو در محاسبات خود می باشد، استفاده شده است. برای تایید عملکرد نرم افزار شبیه سازی، از قطعه ی موجود توسط دستگاه ماموگرافی دیجیتال مستقر در مرکز رادیوگرافی جم اصفهان تصاویر رادیوگرافی تهیه شده است. با پیاده سازی کامل شرایط تصویربرداری و مدل سازی متغیرهای منبع، جسم، چیدمان و آشکارساز دستگاه ماموگرافی در نرم افزار mcnpx، تصاویر گرفته شده شبیه سازی شده اند که تطابق بسیار خوب بین آن ها بررسی و تایید شده است. همچنین با بررسی اثر اندازه ی نقطه ی کانونی، نوع منبع و نوع آشکارساز روی وضوح و دقت تصویر، حداقل های لازم برای دسترسی به دقت کنترل ابعادی 01/0 میلی متری معرفی شده اند. الگوریتم شناسایی لبه های تصویر (که معرف سطوح قطعه هستند) به کمک لاپلاسین تابع گوسی دو بعدی تعریف شده است. مقدار شیب عبور از صفر نمودار مشتق دوم هر سطر از تصویر به عنوان معیاری برای قدرت شناسایی لبه معرفی شده و متغیرهای موثر در تصویر قطعه مانند انرژی الکترون منبع، فاصله ی محور قطعه تا نقطه ی کانونی مولد اشعه ایکس و فیلترهای ثانویه در محدوده ای که تجهیزات موجود، قادر به ارائه ی آن هستند، شبیه سازی شده است و مقدار بهینه ی آن ها برای قطعه ی نمونه طبق معیار معرفی شده وبرای اولین بار در این پژوهش، به دست آمده است. جهت تشخیص عیوب هندسی عدم هم مرکزی و بیضوی بودن سطوح به همراه عیوب ساختاری مانند ترک، حفره و ناخالصی، الگوریتمی بر مبنای شناسایی محل لبه ها، تعیین ضخامت دیواره ها در هر مقطع و مقایسه ی تصویر گرفته شده با تصویر ذخیره شده برای اندازه هایی که از قطعه به دست آمده است، معرفی شده و عملکرد آن بررسی تایید شده است. الگوریتم تشخیص لبه ها در نرم افزار صنعتی labview پیاده سازی شده است و عملکردآن روی تصاویر تهیه شده از قطعه بررسی شده و اندازه های قطعه پس از اعمال ضرایب اصلاح استوانه ای و زاویه ای از تصویر استخراج شده است. با وجود اینکه تصویر قطعه در آشکارساز تنها از دقتی 422×528 پیکسلی برخوردار بود، دقت اندازه های محاسبه شده توسط الگوریتم پیاده سازی شده در نرم افزار در مقایسه با اندازه های واقعی به 03/0 میلی متر رسیده است. نشان داده شده که دسترسی به هدف پژوهش که اندازه گیری با دقت 01/0 میلیمتر است در صورت استفاده از مولد اشعه ایکس مناسب و تهیه ی تصاویر با دقت بالاتر، به راحتی محقق می شود. دقت خروجی برنامه ی پردازش تصویر در محاسبه ی زاویه ی داخلی قطعه از تصاویری که با آشکارساز 4096×3328 پیکسلی و شرایط بهینه ی پیشنهاد شده برای منبع و فاصله ها، شبیه سازی شده اند نیز کمتر از 1/0 درجه و در محاسبه ی قطرها کمتر از 005/0 میلی متر به دست آمده است. این دقت ها محدوده ی وسیعی از قطعات صنعتی را پوشش می دهد، که اتوماسیون فرآیند کنترل ابعادی قطعات متقارن، با استفاده از رادیوگرافی و پردازش تصویر را امکان پذیر می کند. همچنین معیار بهینه سازی معرفی شده در این پژوهش قابلیت استفاده برای قطعات دیگر را فراهم کرده است




