نام پژوهشگر: کوشا ترک زاده

اندازه گیری زبری سطح ورق فولادی با استفاده از پرتوی لیزر و شبکه عصبی
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان - دانشکده مهندسی مکانیک 1388
  کوشا ترک زاده   علیرضا فدایی تهرانی

کیفیت سطح نهایی قطعات تولید شده, یکی از شاخصه های مهم در علم کنترل کیفیت محسوب می شود. یکی از مهم ترین پارامترهای سطح، زبری سطح است که بر عوامل متعددی چون اصطکاک و در نتیجه نیروهای سایشی، عمر خستگی و زیبایی قطعه تاثیر مستقیم دارد. رایج ترین ابزار اندازگیری زبری سطح, ابزار تماسی استایلوس است. این ابزار معایبی مختلفی دارد که یکی از مهم ترین آنها این است که می بایست قطعات بعد از اتمام مراحل تولید مورد تست و ارزیابی قرارگیرند. بنابراین تحقیقات زیادی برای ارایه روش های غیرتماسی که بتوانند زبری سطح را به صورت هم زمان با تولید اندازگیری کنند انجام شده و این تحقیقات همچنان ادامه دارند. در پایان نامه حاضر، روشی نوین برای اندازگیری زبری سطح به صورت غیرتماسی و اپتیکی ارایه شده است. در این روش با استفاده از پراکنش نور لیزر و پردازش تصویر پارامترهای مورد نظر از سطح استخراج می شوند و به کمک ابزار توانمند شبکه-های عصبی، زبری سطح در حد قابل قبولی تخمین زده می شود. این روش، علی رغم سادگی و کم هزینه بودن، روشی بسیار سریع، قابل اطمینان و کاملا مناسب برای استفاده در محیط های صنعتی و عملی است. در روش ارایه شده، از رابطه ای که بین پراکنش نور لیزر و زبری سطح وجود دارد استفاده شده و از آن به عنوان معیاری برای اندازگیری زبری سطح استفاده شده است. بدین منظور ابتدا نور لیزر به سطح قطعات با زبری های مختلف تابانده می شود و بازتابش آن توسط دوربین ccd دریافت می گردد. این بازتابش با شکل اولیه تابش لیزر تفاوت دارد که این تفاوت تابع زبری سطح است. با استفاده از پردازش تصاویر بدست آمده، چندین مشخصه مختلف از تصاویر استخراج می شود. برای بدست آوردن رابطه بین زبری سطح و بازتابش نورلیزر، از این مشخصه ها استفاده می گردد. این مشخصه ها به عنوان متغییرهای ورودی برای شبکه عصبی درنظر گرفته می شوند. با داشتن زبری سطح و مشخصه های تصویر و همچنین با داشتن تعداد کافی نمونه، می توان با استفاده از ابزار شبکه عصبی، رابطه ای بین مشخصه های تصویر و زبری سطح بدست آورد. انجام عملیات پردازش تصویر در نرم افزار matlab انجام شده است و همچنین طراحی و آموزش شبکه عصبی نیز در نرم افزارهای matlab و neuro-solution انجام شده است. در پایان، نتایج مربوط به این روش و روش رایج ابزار تماسی استایلوس برای مقایسه آورده شده اند. در نهایت می توان نتیجه گرفت که باداشتن شرایط تصویربرداری مناسب، دقت این روش با دقت ابزار تماسی استایلوس قابل مقایسه است. همچنین به خاطر غیرتماسی و بودن این روش و کامپیوتری بودن محاسبات، امکان اعمال این روش به صورت on-line برای خطوط تولید مختلف و همچنین امکان اتوماسیون کامل این روش وجود دارد.