Komputerowe wspomaganie klasyfikacji wad identyfikowanych metodami radiograficznymi w odlewach ze stopów aluminium

• Autorzy: Dobrzański L. A. , Krupiński M. , Maniara R. , Kasprzak W. , Sokołowski J.

Warianty tytułu

EN

Computer aided classification of defects identified with radiographic methods in aluminium cast alloys

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono komputerową metodykę klasyfikacji wad (tabl. 2), powstałych w stopach Al w trakcie wykonywania z nich elementów silników samochodowych produkowanych metodą niskociśnieniowego odlewania. Identyfikacji wad dokonano na podstawie danych uzyskanych z cyfrowych obrazów rejestrowanych metodami rentgenowskiej analizy defektoskopowej (rys. 1). Do rozwiązania tego zagadnienia wykorzystano opracowaną metodykę i związane z nią programy komputerowe do analizy obrazów rentgenowskich (rys. 2÷3), przygotowania danych wejściowych do sieci neuronowych oraz samą kontrolę jakości odlewów. Z zastosowanych w badaniach sieci neuronowych, w pracy przedstawiono wyniki klasyfikacji wad dla najlepszej sieci każdego typu. Parametry sieci o najlepszych wynikach klasyfikacji przedstawiono w tablicy 3. Zagadnienia klasyfikacyjne oceniano analizując, wyznaczoną dla danych testowych, liczbą poprawnych klasyfikacji (rys. 6÷7).

EN

In the paper a computer aided methodology of classification of defects (tabl. 2), which are formed in aluminium alloys during production of elements for car engines with the low-pressure casting method is presented. The defect identification was performed on the basis of digital recorded data registered by the use of X-ray image analysis method (fig. 1). In order to solve this problem an elaborated methodology and related computer programmes for X-ray images analysis (fig. 2÷ 3), as well as the preparation of entrance data for neuronal networks and also the quality cast control were used. The classification results of the best type of every network investigated are presented. The network parameters with the best classification results are showed in table 3. Analysing a number of correct classifications of pointed out test data (fig. 6÷7), the classifying problems are evaluated.

Słowa kluczowe

PL

stopy aluminium; wady odlewnicze; analiza obrazu; sieci neuronowe

EN

aluminium alloys; cast defects; neuronal networks; images analysis

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Rudy i Metale Nieżelazne
• Rocznik: 2005
• Tom: R. 50, nr 5
• Strony: 229--236
• Opis fizyczny: Bibliogr. poz. 21, rys., tab.

Twórcy

autor

Dobrzański L. A.

• Politechnika Śląska, Wydział Mechaniczny Technologiczny, Instytut Materiałów Inżynierskich i Biomedycznych, Zakład Technologii Procesów Materiałowych i Technik Komputerowych w Materiałoznawstwie, Gliwice

autor

Krupiński M.

• Politechnika Śląska, Wydział Mechaniczny Technologiczny, Instytut Materiałów Inżynierskich i Biomedycznych, Zakład Technologii Procesów Materiałowych i Technik Komputerowych w Materiałoznawstwie, Gliwice

autor

Maniara R.

• Politechnika Śląska, Wydział Mechaniczny Technologiczny, Instytut Materiałów Inżynierskich i Biomedycznych, Zakład Technologii Procesów Materiałowych i Technik Komputerowych w Materiałoznawstwie, Gliwice

autor

Kasprzak W.

• Politechnika Śląska, Wydział Mechaniczny Technologiczny, Instytut Materiałów Inżynierskich i Biomedycznych, Zakład Technologii Procesów Materiałowych i Technik Komputerowych w Materiałoznawstwie, Gliwice

autor

Sokołowski J.

• NSERC /Ford - NEMAK/ University of Windsor Industrial Research Chair in Light Metals Casting Technology, 401 Sunset Ave., N9B 3P4, Windsor. Ontario. Kanada

Bibliografia

• 1. Biczyk F.: Konstrukcyjne stopy odlewnicze. Wydaw. Polit. ŚL, Gliwice 2003.
• 2. Dudek P., Fajkiel A., Sąk-Sas G.: Odlewnictwo XXI w. Kierunki rozwoju metalurgu i odlewnictwa stopów metali lekkich. Stopy aluminium. Stopy magnezu. Instytut Odlewnictwa, Kraków 2002.
• 3. Saternus M., Botor J.: Metody usuwania zanieczyszczeń z ciekłego aluminium i jego stopów. Wydaw. Czasopism i Książek Technicznych SIGMA- NOT, Warszawa, 2004.
• 4. Tadeusiewicz R.,Korohoda P.: Komputerowa analiza i przetwarzanie obrazów. Wydaw. Fundacji Postępu Telekomunikacji, Kraków 1997.
• 5. Szala J.: Zastosowanie metod komputerowej analizy obrazu do ilościowej oceny struktury materiałów. Zesz. Nauk. Polit. ŚL, Hutnictwo, Gliwice 2001.
• 6. Wojnar L, Kurzydlowski K. J., Szala J.: Praktyka analizy obrazu. Polskie Towarzystwo Stereologiczne, Kraków 2002.
• 7. Dobrzański L. A., Sitek W., Krupiński M., Dobrzański J.: Journal of Materials Processing Technology, 2004, nr 157-158, s. 102.
• 8. Dobrzański L. A., Dobrzański J., Madejski J., Zadana J.: Journal of Materials Processing Technology, 1995, nr 48, s. 551.
• 9. Dobrzański L. A., Dobrzański J., Madejski J., Zaclona J.: Journal of Materials Processing Technology, 1996, nr 56, s. 718.
• 10. Dobrzański L. A., Sitek W., Krupimki M.: Zastosowanie sieci neuronowych do analizy obrazów metalograficznych, Achievements in Mechanical and Materials Engineering, AMME'2001.
• 11. Dobrzański LA., Trzaska J., Pozimska K.: Zastosowanie sztucznych sieci neuronowych do wyznaczania temperatur Aci i Ac2 stali konstrukcyjnych, Achievements in Mechanical and Materials Engineering, AMME'2001.
• 12. Dobrzański L. A.: Podstawy nauki o materiałach i metaloznawstwo-materiały inżynierskie z podstawami projektowania materiałowego. Wydaw. Nauk.-Techn., Gliwice — Warszawa 2002.
• 13.DolanK. W.: Designand Produkt Optimization for Cast Ligot Metals, Livermore, 2000.
• 14. Praca zbiorowa pod red. Nalącza M.: Sieci neuronowe. Akademicka Oficyna Wydaw. EXIT, Warszawa 2000.
• 15. Krupiński M.: Wykorzystanie narzędzi sztucznej inteligencji dla opracowania metodyki zautomatyzowanej oceny jakości i wad strukturalnych w stopach Al i Mg [pr. doktor, w toku].
• 16. SuchomskiP.: Wybrane cyfrowe filtry liniowe w zastosowaniach do poprawy jakości obrazów. Zesz. Nauk. Politech. Gdańskiej, Wydział Elektrotechniki i Automatyki, Gdańsk 2000.
• 17. Kielczyk J.: Niepewność pomiaru wad przy badaniach radiograficznych złączy spawanych, Materiały V Sympozjum Klubu Polskie Forum ISO 9000, Metrologia w Systemach Jakości, Mikołajki 1997.
• 18. Sheleg V. K., KapustinA. E., Bardusoval /., Kolosov V. V., Volokov D. V.: Computer analysis of radiographic images of Welds, Second International Congress, Mechanical Engineering and Technologies, Jan. VI, Yolume 7, Sptember 1999, Sofia, Bułgaria.
• 19. Zheng H., Kong L. X., NaliavandS.: Journal of Materials Processing Technology, 2002, nr 125*126, s. 427.
• 20. Smith L. N., German R. M., Smith M. L: A neural network approach for solution of the inverse problem for selection of powder metallurgy materials. Journal of Materials Processing Technology Yolume: 120, Issue: 1-3, January 15, 2002, s. 419-425
• 21. Mai M., Erach R., Novotny D.: Neural network approach in image analysis of complex systems. Yacuum Yolume: 61, Issue: 2-4, May 14,2001, s. 223-227.