Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: machined surfaces

Sortuj według:

Ogranicz wyniki do:

A non-contact laser method based on the imaging and analysis of scattered light used for assessment of surface imperfections

Kapłonek W., Nadolny K., Valicek J.

Pomiary Automatyka Kontrola

2012

R. 58, nr 6

554-558

In the work laser scatterometry supported by image processing and analysis techniques was used for assessment of surface imperfections (SIM) of machined surfaces presented and discussed. During the experiment the ground and polished samples made from aluminium, brass, cast iron and steel, with visible SIM, were used. Surface topographies (Talysurf CLI 2000 - Fig. 1) and images of scattered light (experimental setup - Fig. 2) were acquired for selected areas of those surfaces. Analysis of the data obtained was carried out using Image-ProŽ Plus and TalyMap Silver software (Fig. 3). The results of the experiment enabled us to conclude that the methods used were both useful and could offer an interesting assessment of machine parts characterized by various types of SIM.

Jednym z ważniejszych problemów we współczesnym wytwarzaniu i eksploatacji maszyn oraz urządzeń jest ich odpowiednia diagnostyka. Proces diagnostyczny może dotyczyć m.in. detekcji i analizy skaz powierzchni powstających w sposób niezamierzony lub przypadkowy podczas obróbki, przechowywania lub użytkowania powierzchni części maszyn. Ocena skaz powierzchni może być przeprowadzana z wykorzystaniem szeregu metod pomiarowych. Ważną rolę odgrywają tutaj metody optyczne w największym stopniu wykorzystywane w warunkach produkcyjnych. W pracy pokazano, iż optyczne metody skaterometrii laserowej wspomagane przez techniki przetwarzania i analizy obrazu mogą stanowić ciekawą alternatywę w przypadku oceny części maszyn, charakteryzujących się występowaniem różnego rodzaju skaz powierzchni. W pracy opisano metodę ARS wykorzystującą obrazowanie i analizą światła rozproszonego przeznaczoną do detekcji skaz powierzchni elementów maszyn obrabianych różnymi technikami obróbkowymi. Zaproponowana metoda charakteryzowała się m.in. dużą czułością, bezstykowym sposobem pomiaru oraz krótkim czasemprzeprowadzenia oceny. Parametry uzyskane z analizy obrazu (oprogramowanie Image ProŽ-Plus) porównywano z wybranymi dwu- i trójwymiarowymi mapami powierzchni skaz (oprograowanie TalyMap Silver) rejestrowanymi profilometrem optycznym Talyscan CLI2000 firmy Taylor Hobson. Przeprowadzone badania potwierdziły dużą użyteczność zastosowanej metody rozpraszania światła, mogącej stanowić jedną z propozycji rozwiązania problemu diagnostyki części maszyn i urządzeń w warunkach laboratoryjnych lub

Measurement, modeling and evaluation of surface parameter using capacitive-sensor-based measurement system

Murugarajan A., Samuel G. L.

Metrology and Measurement Systems

2011

Vol. 18, nr 3

403-418

Surface roughness parameter prediction and evaluation are important factors in determining the satisfactory performance of machined surfaces in many fields. The recent trend towards the measurement and evaluation of surface roughness has led to renewed interest in the use of newly developed non-contact sensors. In the present work, an attempt has been made to measure the surface roughness parameter of different machined surfaces using a high sensitivity capacitive sensor. A capacitive response model is proposed to predict theoretical average capacitive surface roughness and compare it with the capacitive sensor measurement results. The measurements were carried out for 18 specimens using the proposed capacitive-sensor-based non-contact measurement setup. The results show that surface roughness values measured using a sensor well agree with the model output. For ground and milled surfaces, the correlation coefficients obtained are high, while for the surfaces generated by shaping, the correlation coefficient is low. It is observed that the sensor can effectively assess the fine and moderate rough-machined surfaces compared to rough surfaces generated by a shaping process. Furthermore, a linear regression model is proposed to predict the surface roughness from the measured average capacitive roughness. It can be further used in on-machine measurement, on-line monitoring and control of surface roughness in the machine tool environment.