Адаптивный алгоритм цифровой фильтрации локальных дефектов на профилях микронеровностей поверхности

УДК 531.717.81

в. В. пОРОШИН, д. Ю. бОГОМОЛОВ,

V. V. POROSHIN, D. G. BOGOMOLOV, A. G. KOSTYUK

АДАПТИВНЫЙ АЛГОРИТМ ЦИФРОВОЙ ФИЛЬТРАЦИИ ЛОКАЛЬНЫХ ДЕФЕКТОВ НА ПРОФИЛЯХ МИКРОНЕРОВНОСТЕЙ ПОВЕРХНОСТИ

ADAPTIVE ALGORITHM FOR DIGITAL FILTERING OF LOCAL DEFECTS ON THE SURFACE TEXTURE PROFILES

В статье представлен новый адаптивный алгоритм цифровой фильтрации локальных дефектов на двумерных профилях поверхности, полученных в результате измерения ее микронеровностей. Эффективность алгоритма по удалению влияния единичных локальных дефектов рассматривается в сравнении с традиционным фильтром Гаусса.

Ключевые слова: цифровой фильтр, микронеровности поверхности, локальные дефекты, адаптивный алгоритм.

Paper describes the adaptive algorithm of digital filtering for removing local defects on the surface texture profiles. The analysis of the filter efficiency in removing the local defects in comparison with the traditional Gaussian filter is shown.

Keywords: digital filter, surface texture, local defects, adaptive algorithm

Выделение из общей картины неровностей поверхности отклонения формы, волнистости, шероховатости, субшероховатсти и т. п. является одной из важнейших задач при анализе геометрии поверхностей. Необходимость такого выделения связана с перекрывающимися диапазонами измерения современных измерительных приборов [1]. Для решения данной задачи традиционно применяется частотный фильтр Гаусса [2]. Однако, этот фильтр имеет ряд известных недостатков:

1) погрешность вблизи границ фильтруемой области (пограничные эффекты);

2) погрешность при удалении значительной составляющей отклонения формы (например, при измерении участков деталей цилиндрической формы);

3) низкая эффективность при обработке профилей с единичными локальными дефектами.

Влияние первые двух недостатков устраняется за счет обрезки краев профиля и применения специализированных фильтров формы. Для фильтрации локальных дефектов могут быть применены морфологические фильтры. Однако, они сложны в реализации, требуют существенных вычислительных ресурсов и, поэтому, малоприменимы для реализации во встроенных электронных модулях приборов. Фильтр подавления впадин на основе методики двойной фильтрации не удаляет отдельные глубокие впадины, а лишь интегрально корректирует положение базовой линии с учетом их наличия. Он используется при наличии на профиле большого количества глубоких впадин (масляных карманов)

В то же время, локальные дефекты не отражают свойств поверхности, однако могут вызывать существенное искажение значения параметров микрогеометрии, в особенности экстремальных. В связи с этим авторским коллективом был разработан специализированный адаптивный алгоритм цифровой фильтрации локальных дефектов, позволяющий автоматически обнаруживать и устранять единичные аномалии на двумерном профиле поверхности. Фильтр может использоваться в сочетании с традиционным фильтром Гаусса.

В основе разработанного фильтра лежит поиск небольших по длине участков профиля поверхности, в пределах которых скачкообразно изменяется значение параметра (среднее арифметическое отклонение профиля от базовой линии) [3, 4]. Фильтр распознает локальный дефект, если тот порождает изменение параметра более чем в раз (рис. 1). Рекомендуется задавать параметра равным 1,5 и более. С помощью параметра определяется критическая ширина локального дефекта. Рекомендуется задавать параметра равным 0,5 и менее.

Рисунок. 1. - Параметры адаптивного фильтра локальных дефектов

На первом шаге алгоритма строится линия локальных дефектов. Узлы помечаются принадлежащими дефекту, если:

.

На втором шаге алгоритма определяются граничные узлы локального дефекта и . На третьем шаге алгоритма определяются граничные узлы зоны сглаживания локального дефекта по формулам:

, , .

На четвертом шаге алгоритма происходит сглаживание профиля внутри определенной зоны с помощью линейного распределения относительно высот профиля на двух ее границах.

Для оценки эффективности предложенного фильтра в удалении единичных дефектов был проведен его сравнительный анализ с традиционным фильтром Гаусса (табл. 1, 2). В анализе использовались смоделированный профиль поверхности, состоящий из гладких элементов полуэллипсной формы и профиль реальной поверхности, полученной после шлифования.

Таблица 1 – Фильтрация царапины на профиле равномерно-зернистой поверхности

Параметр	Значение параметра
исходный профиль	профиль с дефектом	отличие от исходного	фильтр локальных дефектов	отличие от исходного
	без применения фильтра Гаусса
Ra (мкм)	0.8057	0.8263	2.56 %	0.8057	0
Rmax (мкм)	2.0000	3.4876	74.4 %	2.0000	0
	с применением фильтра Гаусса
Ra (мкм)	0.8018	0.8222	2.54%	0.8017	0,01%
Rmax (мкм)	1.996	2.6332	31.92%	1.996	0

Таблица 2 – Фильтрация царапины на профиле поверхности после шлифования

Параметр	Значение параметра
исходный профиль	профиль с дефектом	отличие от исходного	фильтр локальных дефектов	отличие от исходного
	без применения фильтра Гаусса
Ra (мкм)	0.1288	0.1452	12.73%	0.1285	0.23%
Rmax (мкм)	0.9187	1.8640	102.9%	0.9187	0
	с применением фильтра Гаусса
Ra (мкм)	0.1242	0.1352	8,86%	0.1239	0.24%
Rmax (мкм)	0.9040	1.8030	99,45%	0.9040	0

На обоих профилях была искусственно смоделирована единичная узкая царапина, которая существенно исказила значения параметров (рис. 2).

а) смоделированная равномерно-зернистая поверхность

б) поверхность после полирования

Рисунок. 2. - Единичная царапина на профилях поверхности

Применение фильтра Гаусса позволило частично сгладить царапину (рис. 3). Ошибка сократилась с 13% до 9% для шлифованной поверхности. Ошибка сократилась с 74% до 32% для сгенерированного профиля.

а) смоделированная равномерно-зернистая поверхность

b) roughness profile after polishing

Рисунок. 3. - Фильтрация царапины фильтром Гаусса

Применение адаптивного фильтра локальных дефектов устранило царапину практически полностью (рис. 4). Погрешность составила 0,01% для искусственно поверхности и 0.24% для шлифованной.

б) поверхность после полирования

б) поверхность после полирования

Рисунок. 4. - Фильтрация царапины фильтром локальных дефектов

Предлагаемый адаптивный алгоритм цифровой фильтрации имеет преимущества над традиционным фильтром Гаусса при обработке профилей поверхности с локальными дефектами, не отражающими их эксплуатационные свойства. Комбинация данного фильтра с фильтром Гаусса позволит обеспечить достоверность полученных значений параметров шероховатости при ее измерении. Исследование проводилось при финансовой поддержке Министерства образования и науки РФ в рамках государственного задания на оказание услуг (выполнение работ) за гг.

СПИСОК ЛИТЕРАТУРЫ

1.  Уайтхауз, Д. Метрология поверхностей. Принципы, промышленные методы и приборы. [Текст] / Д. Уайтхауз, пер. с англ. – М.: Интеллект, 2009. – 472 с.

2.  International Organization for Standardization, ISO 11562:1996, Geometrical Product Specifications (GPS), Surface Texture: Profile Method, Metrological Characteristics of Phase Corrected Filters, ISO, Geneva, Switzerland.

3.  International Organization for Standardization, ISO 8587:1998. Geometrical Product Specification (GPS) - Surface imperfections - Terms, definitions and parameters book.

4.  , . Профильная оценка параметров шероховатости поверхности в международных и национальных стандартах // Приборы, 2010, №11 (125), с. 53-58.

, Международный институт «ИНФО-Рутения», д. т.н., проф., ректор, +7 (495) , *****@***ru

, Московский государственный индустриальный университет, к. т.н., доцент, +7 (495) , *****@***ru

, Московский государственный индустриальный университет, соискатель, +7 (495) , *****@***ru