WWW.DISS.SELUK.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА
(Авторефераты, диссертации, методички, учебные программы, монографии)

 

Pages:     || 2 |

«РАЗВИТИЕ МЕТОДОВ И СРЕДСТВ ВИХРЕТОКОВОГО И МАГНИТНОГО КОНТРОЛЯ МЕТАЛЛОПРОКАТА ДЛЯ ОЦЕНКИ ЕГО ОСТАТОЧНОГО РЕСУРСА ...»

-- [ Страница 1 ] --

УДК 620.179.14

На правах рукописи

Шубочкин Андрей Евгеньевич

РАЗВИТИЕ МЕТОДОВ И СРЕДСТВ ВИХРЕТОКОВОГО И

МАГНИТНОГО КОНТРОЛЯ МЕТАЛЛОПРОКАТА ДЛЯ

ОЦЕНКИ ЕГО ОСТАТОЧНОГО РЕСУРСА

Специальность 05.11.13 - Приборы и методы контроля природной

среды, веществ, материалов и изделий

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

Москва – 2014

Работа выполнена в ЗАО «НИИИН МНПО «Спектр», г. Москва

Официальные оппоненты: Шкатов Петр Николаевич доктор технических наук, профессор ФГБОУВПО «Московский государственный университет приборостроения и информатики», кафедра ПР Гаврюшин Сергей Сергеевич доктор технических наук, профессор МГТУ им. Н.Э. Баумана кафедра РК Покровский Алексей Дмитриевич доктор технических наук, профессор НИУ «Московский энергетический институт», кафедра ЭИ

Ведущая организация: ЗАО НПЦ «Молния»

Защита состоится «03» декабря 2014 г. в 10 часов на заседании диссертационного совета Д 520.010.01 ЗАО «НИИИН МНПО «Спектр»

По адресу: 119048, г. Москва, ул. Усачёва, 35, строение 1.

С диссертацией можно ознакомиться в библиотеке ЗАО «НИИИН МНПО «СПЕКТР»

Автореферат разослан «30» июля 2014 г.

Ученый секретарь диссертационного совета, д. т. н. Н.Р. Кузелев 1.

Общая характеристика работы

Актуальность темы 1.1.

Глобальная урбанизация, свойственная современному миру, неразрывно связана со все возрастающей ролью технического прогресса в жизни человека. Рост уровня жизни и потребления требует постоянного наращивания промышленного потенциала, внедрения новых наукоемких технологий. Мировая экономика поддерживается за счет постоянного увеличения производства. Для удовлетворения современных потребностей постоянно разрабатываются и внедряются все новые материалы на основе углеводородов.

Тем не менее, производство и потребление металлов во всем мире постоянно растет. За последние два десятилетия потребление металлов в мире удвоилось и составляет около 800 млн т в год, а общемировой металлофонд приближается к 8 млрд т. Металлы остаются основными конструкционными материалами, поскольку по своим свойствам, экономичности производства не имеют себе равных в большинстве сфер применения. В настоящее время 72…74% всего национального валового продукта составляет продукция, в производстве которой применялись черные и цветные металлы.

Россия является единственной страной в мире, обеспечивающей свои потребности во всех видах минеральных ресурсов. Важнейшим ресурсом является железная руда. С одной стороны, этот минерал является самым распространенный элементом земной коры, и разведанные мировые запасы оцениваются в 200 млрд т, которых при расчетных темпах использования должно хватить более чем на два века. Разведанные запасы железной руды на территории нашей страны также достаточно велики. С другой стороны прослеживается тенденция к сокращению запасов в традиционных, центрах добычи и переработки металлов. Так в Уральском регионе уже требуется завозить сырье для загрузки металлургических комбинатов, из центральных районов страны, при этом значительно увеличились издержки за счет транспортных расходов и себестоимости тонны породы добытой в тяжелых климатических условиях.

Контроль качества металлопродукции становится все более очевидным способом сбережения ресурсов и наиболее верным с экономической и экологической точек зрения. Гарантированное качество выпускаемой продукции в эпоху глобализации не только делает товары востребованными в конкурентной борьбе мировых производителей, продлевает срок их эксплуатации и экономит невосполнимые природные ресурсы, но и исключая техногенные аварии спасает бесценные человеческие жизни и экологическую среду.

Гонка технологий не могла не затронуть приборы и методы неразрушающего контроля (НК).

Высокий уровень развития промышленности во всем мире неразрывно связан с использованием методов неразрушающего контроля (НК) на всех этапах жизни металлоизделий. На сегодняшний день нет отрасли промышленности, в которой не использовались бы современные методы и средства НК. К шести основным методам контроля в последние годы добавился ряд новых методов совмещающих в себе несколько физических принципов и позволяющих, сохраняя основные достоинства классических методов, значительно расширить область их применения.

Широчайший класс изделий металлопроката подлежит контролю с начальных этапов производства. В дальнейшем, в зависимости от области эксплуатации, изделие из металлопроката может подвергаться периодической диагностике с использованием различных методов НК вплоть до принятия решения о его ненадежности и выводе из эксплуатации.

Важное место среди методов НК, применяемых для контроля изделий, использующих в своей конструкции сортовой, фасонный или листовой металлопрокат, занимают методы вихретокового (ВК) и магнитного контроля (МК). Средства контроля, реализующие в своей конструкции данные методы, обеспечивают высокую надежность при обнаружении поверхностных несплошностей металла, позволяют проводить контроль структуры, и электромагнитных свойств металла объекта контроля (ОК).



Благодаря лавинообразному развитию микропроцессорных технологий, приборы, реализующие принципы ВК и МК, перешли на новый качественный уровень. Появилась возможность использовать многоканальные системы контроля, сохранять полученную информацию в полном объеме, а также использовать математический аппарат для постобработки сохраненной информации. На первый план выходят требования по автоматизации контроля от техпроцесса съема информации до документирования результатов контроля.

Разработка методов обработки информации и принятия решения, исключающие влияние человеческого фактора, являются актуальными и востребованными при проведении диагностики металлопроката на этапах производства и на протяжении всего срока эксплуатации.

Недостаточно реализована и задача автоматизации процесса контроля. Требования по сохранению и документированию всех результатов проведенного контроля должны быть реализованы во всех выпускаемых приборах НК, что позволит не только повысить ответственность лиц ответственных за проведение диагностики, но и даст возможность оценивать состояние ОК в динамике на протяжении всего срока его эксплуатации.

В настоящее время в России и за рубежом созданы и внедрены в промышленности различные типы магнитных и вихретоковых дефектоскопов, позволяющих обнаруживать поверхностные трещиноподобные и коррозионные дефекты; структуроскопы и толщиномеры. Эффективные при решении конкретных задач НК приборы каждого из методов не способны оценить общее состояния обследуемого металлоизделия. В том случае, когда при диагностике изделий металлопроката обнаружить корреляцию между результатами различных методов НК не представляется возможным, то для оценки остаточного ресурса металлоизделий и определения срока их безаварийной эксплуатации комплексный подход является единственным логичным продолжением развития НК.

Создание новых и развитие существующих методов оценки остаточного ресурса и риска эксплуатации изделий металлопроката, на основе применения магнитного и вихретокового методов НК являются актуальными и экономически обоснованными научно-техническими задачами.

В современной дефектоскопии требования к процессу контроля непрерывно растут, в связи с чем, увеличивается объем обрабатываемых данных. По этой причине, задача совершенствования приборов и средств НК с использованием современной и высокопроизводительной вычислительной техники остается актуальной и сегодня.

В связи с этим настоящая работа посвящена развитию методов и средств вихретокового и магнитного контроля металлопроката для оценки его остаточного ресурса.

Цель данной диссертационной работы состоит в совершенствовании теории вихретокового и магнитного методов контроля сортового, трубного и листового металлопроката; повышении достоверности автоматизированного обнаружения дефектов и их идентификации; создании приборов и средств вихретокового и магнитного методов НК для диагностики технического состояния металлопроката и оценки его остаточного ресурса.

Основные задачи диссертационной работы:

Для достижения сформулированных целей потребовалось решить следующие задачи:

Провести анализ существующих методов магнитной и вихретоковой дефектоскопии, выявить их недостатки и определить круг задач по их совершенствованию.

Разработать способ автоматизированного определения образов дефектов, основанных на алгоритмах, применяющих формализацию образов дефектов с использованием регрессионного анализа;

сверточных нейронных сетей и самообучающихся классификаторов образов дефектов.

Совершенствование методов оценки остаточного ресурса металлопроката с использованием комплексирования результатов диагностики вихретокового, магнитного и ЭМА методов неразрушающего контроля.

Провести исследования и определить степень влияния локальной области с измененными магнитными свойствами на трещиностойкость металла ОК.

Провести исследования влияния анизотропии свойств листового металлопроката на скорость роста трещиноподобных дефектов.

Провести исследование применимости вихретокового контроля для контроля твердости трубного металлопроката.

На основе предложенных алгоритмов и решений разработать и создать средства магнитного и вихретокового контроля предназначенные для автоматизированного контроля металлопроката и документирования результатов диагностики.

Разработан алгоритм распознавания формализованного образа дефекта с помощью стохастической матрицы с использованием регрессионного анализа.

Разработаны алгоритмы распознавания образа дефекта с использованием сверточной нейронной сети и самообучаемых классификаторов новых образов дефектов, построенных по архитектуре адаптивно-резонансной теории.

Проведены теоретические и экспериментальные исследования, результатом которых стал алгоритм учитывающий комплексирование результатов диагностики магнитного и вихретокового методов неразрушающего контроля изделий трубного металлопроката.

Теоретическая и практическая значимость работы Предложены и программно реализованы алгоритмы автоматизированного определения образов дефектов с использованием регрессионного анализа; сверточных нейронных сетей и самообучающихся классификаторов бинарной и аналоговой нейронных сетей, построенных по архитектуре адаптивно резонансной теории.

Разработан алгоритм проведения диагностики металлоконструкций и изделий металлопроката с применением комплексирования результатов контроля магнитного и вихретокового методов с целью уточнения результатов расчетов оценки остаточного ресурса ОК, полученного при использовании существующих методик.

Разработан способ контроля твердости поверхностей газопроводных труб для морских переходов марки Х65 с переменным рабочим зазором вплоть до 7 мм без потери чувствительности.

Методология и методы исследования В работе используются аналитические, экспериментальные и численные методы исследования.

При разработке метода формализации образа дефекта используется регрессионная фильтрация, статистический анализ. При разработке нейронных сетей классификаторов применена архитектура адаптивной резонансной теории.

При проведении исследований применялись вихретоковый, магнитный, магнитопорошковый и электромагнитно-акустический методы неразрушающего контроля. Применен расчет оценки малоцикловой долговечности по критерию зарождения трещины из уравнения Менсона – Коффина.

Степень влияния областей подверженных стресс-коррозии исследовалась с использованием магнитной структуроскопии и разрушающего метода исследования скорости роста трещин с использованием симметричного цикличного нагружения.

Способ автоматизированного определения дефектов с применением формализации их образов с использованием регрессионного анализа;

Предложены подходы к построению и алгоритмы сверточной нейронной сети для выделения образов дефектов из массива данных, полученных при сканирования поверхности металлопроката и самообучающихся бинарной и аналоговой нейронных сетей, построенных по архитектуре адаптивно резонансной теории АРТ-1 и АРТ-2.

Методика оценки остаточного ресурса участков трубного металлопроката после проведения ремонтных работ на участках с дефектами типа стресс-коррозия и общее коррозионноэрозионное поражение с изменением коэрцитивной силы металла.

Предложены подходы к конструированию автоматизированных систем вихретокового, магнитного и ЭМА контроля.

Концепция построения вихретоковых дефектоскопов, позволяющих контролировать как поверхностные, так и внутренние дефекты в изделиях из ферромагнитных материалов.

Практическая значимость и реализация результатов работы Разработан и внедрен вихретоковый дефектоскоп ВД-41П предназначенный для проведения автоматизированного вихретокового контроля.

Разработана и внедрена система вихретокового контроля ВД-41П-ф для контроля ферромагнитных труб и прутков.

Разработана автоматизированная система вихретоковой дефектоскопии немагнитных металлов и сплавов ВД-41П-нф.

Разработана многоканальная система вихретокового контроля ВД-41П-н15.

Разработана программируемая роботизированная система для проведения неразрушающего контроля изделий сложной формы.

Разработан ручной вихретоковый дефектоскоп ВД-90НС и широкополосный сканерпреобразователь для контроля трубопроводов, баков и других протяженных объектов.

Разработан ручной малогабаритный вихретоковый дефектоскоп ВД-93.

1.10.

Основные результаты работы докладывались на V Международной научно-практической конференции «Фундаментальные и прикладные проблемы приборостроения, информатики, экономики и права» (Москва, 2002); 1-ой Национальной конференции “Методы и средства неразрушающего контроля и технической диагностики” (Молдова, Кишинев, 2003); III, VI и VII Международных выставках и конференциях «Неразрушающий контроль и техническая диагностика в промышленности» (Москва, 2004, 2007, 2008); XV Международной конференции и выставки, «Современные методы и средства неразрушающего контроля и технической диагностики»(Ялта, 2007); 13-ой и 17-ой Международных деловых встречах «Диагностика – 2003» и «Диагностика – 2007» (Сочи, 2003, 2007); III Российской научно-технической конференции “Разрушение, контроль и диагностика материалов и конструкций” (Екатеринбург, 2007); XV международной конференции "Современные методы и средства НК и ТД" (Ялта, 2007); XVIII всероссийской научно-техническая конференции по неразрушающему контролю и технической диагностике (Нижний Новгород 2008); XVII Всемирной конференции и выставке по неразрушающему контролю (Китай, Шанхай, 2008); Международной конференции "Неразрушающий контроль и диагностика – 2009" (Литва, Каунас, 2009); 3-й международной научно-техническая конференции и выставке «Современные методы и приборы контроля качества и диагностика состояния объектов» (Беларусь, Могилев, 2009); X-ой Европейской конференции по неразрушающему контролю (Москва, 2010); XIX Всероссийская Конференция по НК и ТД (Самара, 2011); XVII Всемирной конференции по неразрушающему контролю (Южная Африка, Дурбан, 2012); XX Всероссийской научно-технической конференции по НК и ТД (Москва, 2014); 5-я Международной научно-технической конференции и выставке «Современные методы и приборы контроля качества и диагностики состояния объектов», (Республика Беларусь, Могилев, 2014); XI-ой Европейской конференции по неразрушающему контролю (Чехия, Прага, 2014).

По материалам диссертации опубликовано 47 печатных работ, в том числе 1 монография, статей в изданиях из списка ВАК (журналы «Дефектоскопия», «Контроль. Диагностика»). На технические решения, реализованные в разработанных вихретоковых средствах контроля и намагничивающем устройстве, получены 1 патент РФ на изобретение и 6 патентов РФ на полезную модель.

Разработанный вихретоковый дефектоскоп ВД-90НП занял 1-е место в конкурсе «ИННОВАЦИЯ 2009», проводившемся в рамках VIII Международной выставки и конференции NDT-2009 и награжден золотой медалью IX-го международного форума «Высокие технологии XXI века».

1.11.

Диссертационная работа состоит из введения, 5-и глав, основных выводов и рекомендаций, библиографического списка использованной литературы, включающего 257 наименований.

Объем работы составляет 237 страниц, включая 7 таблиц и 66 иллюстраций.

2. Содержание работы Во введении приведено обоснование актуальности выбранной темы диссертации, сформулированы цель работы и задачи исследований, отражена научная новизна и показана практическая ценность работы.

В первой главе проведен литературный обзор и анализ развития и современного состояния теоретических и экспериментальных исследований в области магнитной и вихретоковой дефектоскопии.

Среди ученых и инженеров, внесших своими исследованиями и разработками существенный вклад в развитие магнитного и вихретокового методов неразрушающего контроля, В.В. Клюев, В.Ф. Мужицкий, Ю.К. Федосенко., В.Е. Шатерников, А.Б. Сапожников, Ю.М. Шкарлет, А.Л. Дорофеев, П.И. Беда, В.Г. Герасимов, М.Н. Михеев, Э.С Горкунов, В.Е. Щербинин, П.Н. Шкатов, Н.Н. Зацепин, В.В. Сухоруков., Г.С. Шелихов, В.В. Власов, А.Н. Коваленко, Р.В. Загидулин и др., а также иностранные ученые Ф. Фёрстер, Г. Строп, К. Шеболд.

Рассмотрены существующие методы и приборы магнитного и вихретокового контроля направление и основные тенденции развития на основании продукции мировых лидеров в области НК.

Исследованы вопросы применимости методов численного решения краевых задач электродинамики для выполнения проектов и интерпретации измерений и уровень развития их программной реализации.

Из анализа современного уровня теоретических и практических исследований, сделаны нижеследующие выводы. Дальнейшее развитие вихретокового метода контроля должно быть направлено на решение важнейшей проблемы НК – определению остаточного ресурса действующего оборудования. Поскольку ВК позволяет диагностировать такие параметры металла, как наличие нарушений сплошности, коррозионные повреждения, зоны концентрации внутренних механических напряжений и зоны резкого изменения структуры, то его развитие и использование, как одного из основных методов НК для построения алгоритмов и методик определения действительного и остаточного ресурса объектов различных отраслей промышленности, является важной научной и технической задачей. Положительный экономический эффект от внедрения таких методик должен многократно превысить все затраты на проведение исследований в данной области; разработку средств НК и внедрение их в промышленность; повышение уровня знаний и профессиональных навыков персонала.

Уже сегодня инструкции и руководящие документы предписывают при проведении работ на технически опасных объектах применять различные методы НК взаимно дополняющие друг друга для подтверждения результатов контроля, либо исключения белых пятен из данных о состоянии объекта контроля. Проведенный анализ существующих методов оценки остаточного ресурса и риска эксплуатации показывает целесообразность дальнейшего усовершенствования методик более точного обнаружения дефектов изделий на ранней стадии эксплуатации. Оценка остаточного ресурса при использовании таких методик характеризуется применением большого числа многофакторных зависимостей. Модели изнашивания для оценки остаточного ресурса изделий, применяемые сегодня, в большинстве случаев являются статическими.

Таким образом, актуальными являются следующие задачи: разработка новых динамических моделей, учитывающих сложные многофакторные фазовые и структурные изменения технического изделия; создание методик получения наиболее информативных признаков изделия с целью дальнейшего диагностирования и оценивания вероятности выхода объекта из строя.

Построение подобных методик и алгоритмов невозможно без применения комплексирования различных методов НК. Нахождение связок взаимодействующих методов НК становится первоочередной задачей при комплексном подходе к решению задачи по продлению срока службы технических объектов.

Создание новых средств вихретокового метода НК, также остается актуальной задачей. Новые средства НК должны совмещать в себе низкую погрешность и повторяемость получаемых измерений, надежность и быстродействие. Сегодняшние требования, предъявляемые к оборудованию, основываются на потребности в максимально возможной автоматизации процесса контроля, документировании его результатов.

Вторая глава посвещена разработке автоматизированных методов определения образов дефектов, основанных на алгоритмах, применяющих формализацию образов дефектов с использованием регрессионного анализа; сверточных нейронных сетей и самообучающихся бинарной и «аналоговой»

нейронных сетях классификаторов, построенных по архитектуре адаптивно резонансной теории АРТ-1 и АРТ-2.

Диагностика металлопроката с использованием методов неразрушающего контроля (НК) требует максимальной автоматизации на всех этапах ее проведения. Очевидно, что исключение человеческого фактора из процессов получения первичной информации о состоянии объекта контроля (ОК), позволяет увеличить скорость контроля и добиться большей повторяемости результатов, при этом исключаются многие ошибки и погрешности, вызванные случайными действиями персонала. Еще одним явным преимуществом автоматизированного контроля является возможность координатной привязки результатов измерений к ОК. Точная привязка позволяет сопоставлять данные о состоянии ОК полученные при: различных режимах контроля и при сопоставлении результатов полученных различными методами НК, а так же при проведении комплексного контроля и определения динамики изменения состояния ОК при периодическом проведении его диагностики. Автоматизированная дефектоскопия и многоканальная дефектометрия изделий металлопроката, особенно если она проводится непосредственно в производственном цикле и ее результат должен быть получен в реальном времени с минимальной задержкой, ставит достаточно сложную задачу выделения сигнала дефекта из потока информации.

Полученные при проведении дефектометрии ОК результаты измерения представляют собой массив данных. Каждый элемент такого массива соответствует некоторой точке с определенными координатами, в которой проводились измерения первичными преобразователями. Размер матрицы зависит от шага контроля и дискретности произведенных измерений. Оба параметра, в общем случае, являются постоянными величинами для каждого режима контроля. Они определяются исходя из требований к минимально выявляемым дефектам и временем, отведенным на диагностику.

Разработан метод формализации образа дефекта.

Для применения предлагаемого метода необходима библиотека образов дефектов характерных для конкретного типа ОК. Образы могут быть получены как отображение реального выявленного дефекта, так и рассчитаны теоретически.

Формализация образ дефекта производится с помощью стохастической матрицы значений, полученной из показаний преобразователя дефектоскопа. Каждый элемент матрицы соответствует показанию в дискретной точки области образца с дефектом, а все элементы составляют двумерный массив, целиком покрывающий исследуемый дефект.

Где: W(t) – идентификатор стохастической модели образа дефекта;Wi(tj) – значение показаний датчика дефектоскопа в точке мониторинга с координатами i, j (i=1, 2, …,C; j= 1, 2, …,n).

Каждая строка матрицы (1), в терминах теории случайных функций, может рассматриваться, как одна реализация случайного процесса со значениями процесса в «n» точках. Как видно из (1) ансамбль случайного процесса состоит из «С» реализаций.

Разработана следующая процедура распознавания образа дефекта:

А) Для каждого ОК (под объектом понимается образец с определенным набором характеристик) дефектоскопии создается стохастическая матрица модели образа эталонного вида дефекта Wэ(t). В общем случае предполагается использовать библиотеку эталонных дефектов, из которой по алгоритму пошагового приближения выбирать наиболее близкий к исследуемому дефекту. Отличия при практическое применение для различных ОК сводится к созданию библиотеки характерных образов для поставленной задачи, что значительно сокращает время проведения контроля).

Б) Дефектометрия реального образца выполняется сканированием всего образца локальными областями с точками измерений соответствующими точкам эталонной матрицы, т.е. шаг и дискретность совпадают. Матрицу «Т»-той локальной области реального образца обозначим WТ(t). (Т=1,2,…,N).

В) При обработке матриц выполняются следующие операции:

По каждой «Т»-той матрице вычисляется матрица невязок. Формула невязки в каждой точке с координатами i, j имеет следующий вид:

Для каждой матрицы невязок Wн(t) вычисляются оценка вероятного отклонения остаточной дисперсии од(c,n) и доверительный интервал на остаточную дисперсию Dод.

Разработана следующая методика определения вероятностного отклонения остаточной дисперсии регрессии.

Введены следующее ограничения на случайный процесс: случайные числа (значения показания датчика в точках с координатами i, j), входящие в матрицу (2) подчиняются любому многомерному распределению, у которого все моменты, выше второго, равны нулю.

Рассмотрим операции над значениями матрицы (2) для получения оценок промежуточных величин, являющихся аргументами функций регрессии случайного процесса, остаточной дисперсии и доверительного интервала на неё.

По матрице (2) определяются ковариационная K и корреляционная R матрицы c ковариационными ki,j и корреляционными ri,j моментами между случайными числами сечений i и j.:

С учетом введенных ограничений на закон распределения случайных чисел определяются:

Оценка математического ожидания случайных величин процесса в сечении tj:

Оценка стандартного (среднеквадратического) отклонения процесса случайных величин процесса Оценка элементов соответственно ковариационной и корреляционной матриц между сечениями j и l:, определяются посредством следующих формул:

Нормируя оценки ковариаций оценками среднеквадратичных отклонений сечений j и l, получим оценку коэффициента корреляции:

Операция по оценке коэффициента линейной регрессии j по каждому j-му столбцу матрицы (2) определяется по следующей формуле:

Где: i(tj) – оценка i-го коэффициента линейной регрессии в сечении tj матрицы (2);

|ki,j| – детерминант ковариационной матрицы (3);

k0,l - оценка элемента ковариации между сечениями 0 и l матрицы;

Ki,l – алгебраическое дополнение элемента ki,l (l=1,2…n-1) ковариационной матрицы.

Операция по оценке остаточной дисперсии (од(с,n))2 регрессии параметра П1 по данным матрицы (2) определяется по следующей формуле:

Где: (од(с,n)) – оценка остаточной дисперсии регрессии параметра П1; j = 1,2….n-1.

Статистика отношения квадратов остаточной дисперсии к её оценке помноженная на число реализаций ансамбля С распределена по закону 2 с V = C-n-1 степенями свободы, т.е.:

где: (о) – значение остаточной дисперсии параметра, (од(c,n))2– оценка его остаточной дисперсии.

Плотность вероятностей распределения 2определяется формулой Для целочисленных Z Доверительный интервал стандартного отклонения остаточной дисперсии с вероятностью доверия равной РД = Рmax- Рmin определяется формулой:

где - коэффициент, определяющий долю вероятного отклонения остаточной дисперсии, которая равна доверительному интервалу на стандартное отклонение остаточной дисперсии.

Для получения достоверных оценок остаточной дисперсии и доверительного интервала на остаточную дисперсию необходимо оценить количество измерений при дефектоскопии. Достоверность оценок остаточной дисперсия и доверительного интервала стандартного отклонения остаточной дисперсии зависят от количества статистики, по которой строится матрица (2).

Доверительный интервал на остаточную дисперсию зависит от квантилей распределения 2, которые определяются количеством реализаций случайного процесса изменения параметров С, количеством точек в каждой реализации n и вероятностью доверия, с которой мы хотим получить доверительный интервал на оценку. Число реализаций С и число точек в реализации определяют число степеней свободы распределения V посредством следующего соотношения: V=C – n – 1.

Величина n должна быть не менее той, которая достаточна для обеспечения достоверности характеристик матрицы (2). Обозначим эту величину через Nд.

Для определения величины Nд, т. е. количества реализаций случайного процесса С и числа измерений в каждой реализации n, были проведены расчеты характеристик распределения 2, которые приведены в табл. 1. Расчет производился для вероятности доверия: Рд = Pmin – Pmax = 0,996.

Где: Pmin – нижняя граница вероятности доверия а Pmax – вероятность определяющая верхнюю границу доверительного интервала стандартного отклонения остаточной дисперсии.

Где: tmin – квантиль нижней границы вероятности доверия определяющий нижнюю границу доверительного интервала стандартного отклонения остаточной дисперсии определяемой по формуле (17); tmax– квантиль верхней оценки вероятности доверия определяющий верхнюю границу доверительного интервала стандартного отклонения остаточной дисперсии определяемой по формуле (17).

В столбцах 11 и 12 приведены значения соответственно математического ожидания и стандартного отклонения дисперсии. Таблица составлена для трех количеств измерений N=C*n= 205, 1000, 8100. Из таблицы видно:

При N=205, числе реализаций с=41 и числе точек в каждой реализации n=5 доверительный интервал стандартного отклонения остаточной дисперсии составляет 0,645 от оценки При N=1000, числе реализаций с=100 и числе точек в каждой реализации n=10 доверительный интервал стандартного отклонения остаточной дисперсии составляет 0,403 от оценки При N=8100, числе реализаций с=270 и числе точек в каждой реализации n=30 доверительный интервал стандартного отклонения остаточной дисперсии составляет 0,247 от оценки стандартного отклонения остаточной дисперсии Dод од Алгоритм работы модуля определения образа дефекта с использованием регрессионной фильтрации представлен на рисунке.1.

Матрица данных Al+30,k … A1+30,k+ Перечень матриц Рис. 1. Алгоритм работы модуля определения образа дефекта с использованием регрессионной фильтрации Во второй главе также представлен разработанный способ автоматизированного анализа данных диагностики металлопроката с использованием сверточной нейронной сети. Показаны подходы, реализующие применение технологии нейронных сетей, применительно к задачам определения образов дефектов.

Исходными данными для метода поиска дефектов по их образу являются матрицы значений параметров контроля с координатной привязкой к контролируемому объекту. Приведены методики получения матриц данных для каждого из использованных методов НК – вихретокового, магнитопорошкового, магнитного, рентгеновского и ЭМА, отличающиеся размерностью, уровнем дискретизации и представлением. При проведении комплексного контроля изделий трубного, листового и сортового металлопроката формируется многомерная база данных измерений различных параметров.

Разработанный метод автоматизированного определения дефекта по его образу предполагает использование с приборами НК разработанными в ЗАО «НИИИН МНПО «Спектр».

Магнитный метод НК: магнитометр дефектоскопический МФ-23ИМ при измерений нормальной и тангенциальной составляющих магнитного поля;

магнитный структуроскоп МС-10, предназначенный для измерения магнитных свойств материала ОК, и определения степени их анизотропии.

ЭМА метод: электромагнитно-акустический толщиномер ЭМАТ-100. К особенностям входной матрицы данных диагностики этого метода относится шаг контроля, определяемый требованием к минимальному размеру несплошности или утонению, выявляемому при проведении толщинометрии, а также характерный для данного типа контроля резкий градиент информации от ОК.

Данные, полученные при проведении рентгеновской толщинометрии, представляют собой массив точек, значение которых определяется RGB форматом представления цифровой информации. Для метода характерно одномерное представление информации, поскольку она может быть представлена в градациях серого цвета, т.е. данные по трем каналам цветности совпадают.

Магнитопорошковый контроль: Данные этого метода НК, в зависимости от применяемого типа магнитного порошка (черный, цветной, флуоресцентный), для использования с предложенным методом обработки образов дефектов могут быть представлены в различных вариантах. От бинарной матрицы, до многомерного информационного поля, состоящего из данных каждого канала цветности RGB формата.

Вихретоковый контроль. Разработаны вихретоковые дефектоскопы, позволяющие в автоматическом режиме представлять результат контроля в виде изменения фазы сигнала: ВД-90НП, ВД-93, ВД-12НФП, – вихретоковые дефектоскопы представляющие результат контроля в виде временной развертки; ВД-91НМ, ВД-92НП – вихретоковые дефектоскопы представляющие информацию о результате проведенного контроля в виде временной развертки сигналов соответствующих изменению амплитуды и фазы измерительной катушки ВТП; ВД-41П, ВД-87НСтМ – вихретоковый дефектоскопы представляющие результаты контроля на комплексной плоскости.

Библиотеки образов, используемые с каждым из приборов, отличаются, однако алгоритм обработки данных и структура сети остается практически неизменной для каждого из вышеперечисленных методов и приборов НК.

Для построения нейронной сети выявления образов дефектов можно использовать сверточные сети, позволяющие устранить недостатки наиболее распространённой на сегодняшний день архитектуры нейронных сетей типа многослойный персептрон.

Данный подкласс специально создан для распознавания двумерных поверхностей с высокой степенью инвариантности к различным искажениям, таким как: масштабирование, смещение параллельное и угловое и прочие.

В настоящее время сверточные сети с успехом применяются для распознавания рукописных символов, снимков трехмерных объектов и номеров домов на улице. К преимуществам данной архитектуры относится:

­ Локальное восприятие - что подразумевает, что на вход нейрона подается не весь массив входных данных или данных с выхода предыдущего слоя, а только некоторая область данных.

­ Разделяемые веса - данная концепция позволяет для большого количества связей использовать одинаковые весовых коэффициенты, что значительно сокращает число используемых параметров.

­ Субдискретизация, позволяющая добиться частичной инвариантности к масштабу.

Архитектура сверточной сети в общем виде представлена на рисунке 2. Ее особенность в том, что она может быть упрощена практически без значимого снижения качества распознавания образов дефектов. Упрощение производится путем уменьшения числа слоев. Для этого производится объединение сверточного слоя и слоя субдискретизации.

Рис. 2. Структура нейронной сети: входной слой, два слоя свертки и два слоя классификации Исходными данными исследуемой нейронной сети является часть входного массива данных размером 33 на 9 элемента. Размер входного массива является компромиссной величиной для статистического метода и числом вычислительных операций. Уменьшение размерности матрицы производится смещением рецептивных полей сверточных нейронов на два шага. Для обеспечения попадания нейрона следующего слоя свертки в середину центра рецептивного поля его размер принимается нечетным, т.е. больше расчетной, но обеспечивающий нечетность полей всей сети.

Нечетное количество элементов стороны матрицы данных позволяет избежать смешения центра поля на каждом слое. Особенностью слоев свертки является то, что при сдвиге входного массива данных значения сдвиг карты признаков равновелик, что делает сверточную сеть инвариантной к смещению незначительному искажению исходного массива данных. Размер рецептивного поля также выбран равносторонним, как и исходный массив, и имеющим по пять элементов на сторону.

Первый скрытый слой является слоем свертки. Согласно расчетам Симарда (Simard) большее число карт признаков не приведет к принципиальному улучшению свойств нейронной сети. Снижение числа карт признаков на этом скрытом слое приводит к значительному снижению точности работы нейронной сети. Классическая сверточная сеть, предложенная Яном ЛеКуном, предполагает смещение рецептивного поля на одну позицию при составлении слоя свертки. В предложенной сети сдвиг локального рецептивного поля смещается на два элемента по большей стороне. Таким образом, становится возможным уменьшить пространственный размер образа без использования дополнительного слоя субдискретизации.

Особенность разработанной сети заключается в том, что значение смещений и весовых коэффициентов является постоянной для всех нейронов карты признаков. Такой подход позволил многократно уменьшить число обучаемых параметров сети и добиться ее сходимости в процессе обучения, что для стандартных многослойных перцептронов практически нереально. Принцип построения второго слоя свертки (третьего слоя нейронной сети) аналогичен первому слою свертки.

Каждый элемент в карте признаков связан с областями по одной от каждой карты признаков первого слоя.

Два сверточных слоя предназначены для определения признаков образов дефектов в исходном массиве данных. Остальные два слоя сети являются классификационными (рис. 2).

Нейроны четвертого скрытого и пятого выходного слоев сверточной нейронной сети связаны с каждым нейроном предыдущего слоя. Четвертый слой состоит из 70 нейронов, каждый из которых связан со всеми элементами карт предыдущего слоя.

Выходной слой нейронной сети состоит из нейронов соответствующих образам дефектов. Число связей и обучаемых параметров равно:

Принцип работы данной сети в своей основе аналогичен принципу работы многослойного персептрона (рисунок 3). Входными данными для каждого нейрона сети является взвешенная сумма — скалярное произведение между векторами входных сигналов и весов, которая затем подается в качестве аргумента функции активации:

где — выход i-го нейрона n-го слоя, — скалярное произведение между входным вектором сигналов и вектором весов, — функция активации, — весовой коэффициент между j-ым нейроном (n-1)-го слоя и i-ым нейроном n-го слоя.

Для удобства записи формул смещения каждого нейрона принимается равным 1, а весовой коэффициент обозначается через В качестве функции активации для скрытых слоев сети была выбрана сигмоидальная функция – гиперболический тангенс:

где y – скалярное произведение на входе нейрона; A и S – числовые коэффициенты. Эмпирическим путем установлено, что оптимально принять A = 1,716, S = 2/3; x = f(y) – значение возбуждения на его выходе, Особенностью нейронов с такой передаточной характеристикой является то, что они усиливают сильные сигналы существенно меньше, чем слабые, поскольку области сильных сигналов соответствуют пологим участкам характеристики. Это позволяет предотвратить насыщение от больших сигналов. Для нейронов составляющих выходной слой сети также применяется сигмоидальная функция – гиперболический тангенс.

Сверточная нейронная сеть имеет значительно меньше обучаемых параметров и практически лишена проблем многослойных перцептронов. Тем не менее, задача обучения сети не тривиальна и достаточно трудоемка.

Для обучения сверточной нейронной сети определения образа дефекта был применен метод обратного распространения ошибки, учитывающий особенности собственной архитектуры сверточной сети. В ходе реализации обратного распространения ошибка выходного слоя может быть выбрана в виде различных функций, В данном алгоритме была применена функция ошибки по среднеквадратичному отклонению из-за ее универсальности:

где M — количество нейронов выходного слоя, k — номер выходного нейрона, xk — реальное значение выходного сигнала нейрона,dk — ожидаемое значение.

Для обучения сети применен стандартный алгоритм градиентного спуска. Коррекция весов осуществлялась следующим образом:

величина, характеризующая скорость обучения; в начальный момент обучения выбирается равной 5Е-4, а затем в процессе обучения постепенно увеличивается. вычисляется по нижеследующей формуле:

где — выход j-го нейрона (n-1)-го слоя, — скалярное произведение всех выходов нейронов (n-1)-го слоя и соответствующих весовых коэффициентов.

нижеследующей формуле:

При реализации процесса обучения сверточных слоев сети формулы используются в матричном виде. Исходные значения всех синапсических весов задаются на основе равномерного распределения.

Математическое ожидание этого распределения равно нулю, а дисперсия либо равна величине обратной квадратному корню из числа синапсических связей нейрона, либо ее принимают равной 5Е-2.

Для удобства и ускорения обучения сети входные значения входной матрицы нормируются. Для ускорения процесса обучения нейронной сети вводится пороговое значение ошибки. Для образцов с ошибкой меньше порогового значения дальнейшее рассмотрение не целесообразно. Такой довольно простой подход позволяет сократить время процесса обучения в несколько раз.

Рис. 3. Алгоритм определения образа дефекта с использованием сверточной нейронной сети Для обучения сети использовались образы дефектов. Первоначальное обучение проводилось на образах, полученных для искусственных дефектов. Их применение обусловлено тем, что их образы имеют меньшее число искажений по сравнению с образами естественных дефектов. Каждый образ был получен при смещении ряда параметров контроля, таких как частота возбуждения ВТП, зазор между ВТП и поверхностью металла. Еще Зацепиным Н.Н. была доказана подобность топографии полей дефектов одной формы как для различных ферромагнитных сталей и сплавов, так и немагнитных проводящих материалов. Поэтому для дальнейшего обучающей выборки использовались данные, накопленные при контроле различного металлопроката. Обучение проводилось на дефектах типа прямая протяженная трещина; край трещины плавный сход; разветвление трещины 1 в 2; трещиноподобный Rдефект; параллельные трещины; цилиндрический малый дефект; овальный сегмент. Первые четыре типа образов относятся к трещиноподобным дефектам. Еще три образа используются для дефектов типа сквозное отверстие, питтинговая коррозия, включения.

В ходе исследования возможности применения сверточных нейронных сетей для задач распознавания образов дефектов по результатам проведенной диагностики с применением вихретокового, магнитного, магнитопорошкового, рентгеновского методов неразрушающего контроля была разработана автоматизированная система, реализующая модифицированную архитектуру четырехслойной сверточной сети без слоев субдискретизации. Несмотря на упрощение структуры сети, были показаны достаточно неплохие результаты, однако, в процессе выделения образов дефектов из массива исходных данных образуется класс матриц, именуемых библиотекой новых образов, который априори относит область исходных данных, им соответствующую к дефектной области. Таким образом, возрастает количество ошибок второго рода, но исключается возможность пропуска дефекта при автоматическом выделении образа дефекта.

Архитектура сверточных нейронных сетей не позволяет создавать новые классы образов и в библиотеке нераспознанных образов они накапливаются индивидуально. В дальнейшем эти образы вероятных дефектов подлежат индивидуальному экспертному разбору и, в случае признания появления ошибки второго рода, причислению соответствующих им областей ОК к бездефектным. Экспертного участия избежать не удастся, но трудоемкую работу возможно в значительной мере облегчить, автоматизировав процесс разбиения библиотеки новых образов на классы.

Практическое применение нейронных сетей показывает, что какими бы качественными не были признаки инвариантные к различным пространственным искажениям, необходимо применять и другие преобразования для достижения максимальной надежности распознавания образов дефектов.

Использование таких преобразований дает улучшение качества работы следующих уровней обработки начального образа. Исключение искажений и артефактов в образе на ранних этапах выполнения алгоритма определения образа дефекта приводит к значительному увеличению быстродействия всего процесса в дальнейшем.

В реальной практике поступающие данные не являются стабильными, т.е. на вход обученной нейронной сети попадает образ такого класса, который не был представлен в обучающей последовательности или во множестве образов, подлежащих автоматической классификации или кластеризации.

Сеть позволяющая использовать новый тип образов должна обладать свойствами пластичности и стабильности:

Стабильность – устойчивая работа нейронной сеть с узнаваемыми образами дефектов (образами накопленными в библиотеке эталонных образов).

Пластичность – способность выявлять (обнаруживать) образы дефектов новых классов, Требования стабильности и пластичности в общем случае являются противоречащими друг другу. К классу сетей позволяющих решить данную дилемму относится Нейронные сети адаптивной резонансной теории (Adaptive Resonance Theory=ART).

Сеть состоит из четырех типов элементов рисунок 4: слой сравнения Fi; слой распознавания Fj;

весовые матрицы Wji, Wij; коэффициенты усиления: ключи - g1, g2 и сброс R.

Рис. 4. Общая архитектура нейронной сети АРТ- Алгоритм работы бинарной сети классификатора.

Априори значение нейрона ключа g1 принимается равным единице.

Входной двоичный образ X поступает на слой сравнения, который первоначально пропускает его без изменения, при этом выходной вектор слоя сравнения C = X.

Каждый из нейронов слоя весовых матриц имеет три двоичных входа - сигнал от соответствующей компоненты образа X, сигнала от нейрона ключа и сигнал обратной связи из слоя распознавания P. В начале работы сети сигнал Р принимается равным нулю. Для активации нейрона, находящегося в слое сравнения необходимым условием является наличие двух ненулевых сигналов на его входах (39). В начальный момент это условие активации выполняется сигналом с ключа g1 и активными компонентами вектора X.

Слой сравнения осуществляет сравнение выхода слоя распознавания Fj с текущим входом (входным образом) Х. Для этого входной образ Х преобразуется сначала в образ С, который затем передается на весовую матрицу Wij действительных чисел. В начале расчета коэффициент усиления (gain) g1 равен 1. На выходе слоя распознавания Fj рассчитывается так называемый ожидаемый образ Р или типичный представитель (прототип, стереотип) для класса образов, к которому отнесен образ С. В процессе обучения (точнее самообучения) сети составляющие С определяется на основе правила:

или: nm-я компонента вектора C принимает значение единица, если по крайней мере две из трех следующих переменных приняли значение 1: коэффициент усиления g1 (для всех нейронов одинаков);

nm-я компонента хnm входного вектора Х; nm-я компонента рnm ожидаемого вектора P (взвешенная сумма выходов слоя распознавания).

Слой распознавания сопоставляет каждому входному образу соответствующий класс. Если для входного вектора не удается найти достаточно близкий класс из числа уже выявленных, то открывается (образуется) новый класс.

Класс, представляемый j-м нейроном слоя распознавания и наиболее близкий ко входному вектору Х или вектору С, определяется следующим образом:

где C*Wk - скалярное произведение векторов C* и Wk.

При победе нейрона j слоя распознавания, действительный весовой вектор Wj=(w1j, w2j,..., wmj).

Компоненты вектора Р на выходе слоя распознавания определяются при этом следующим образом:

то есть Рj=1, если скалярное произведение весового вектора Wj и вектора С максимально.

В сети используются две весовые матрицы:

Действительная матрица Wij предназначенная для расчета степени соответствия шаге распознавания образа;

Бинарная матрица Wji: предназначенная для проверки степени корректности классификации входного образа с помощью действительная матрицы Wij.

В бинарной сети классификаторе используются два ключа с коэффициентами усиления g1 и g2.

Они использованы для синхронизации работы нейросети. g1 принимает значение 1, если по меньшей мере одна составляющая входа Х имеет значение 1 и одновременно ни один нейрон слоя распознавания не находится в состоянии 1.

g2 реализует логическое ИЛИ для входного образа. g2=1, если хотя бы одна составляющая входного образа равна 1:

«Сброс» – функция сети принимающая значение R=1 при появлении нейрона («победителя») слоя распознавания reset-составляющая равна 1, если различие входного образа Х и образа С превышает некоторый заданные порог.

Алгоритм работы бинарной нейронной сети классификаторе представлен на рисунке 5. Нейрон сброса осуществляет функцию определения: достаточен ли набор критических черт для окончательного отнесения образа X к категории нейрона-победителя, который определяет сходство между векторами X Выход R нейрона сброса определяется отношением числа единичных компонент в образе сравнения к числу единичных компонент исходного образа X. Если это отношение ниже некоторого определенного уровня сходства, нейрон выдает сигнал сброса. Сигнал сброса сообщает сети, уровень резонанса образа X имеет недостаточное число общих черт с данной категорией для причисления его к нему. Условием возникновения сигнала сброса R является соотношение:, где – параметр соответствия.

Представленная выше бинарная сеть-классификатор относится к нейронным сетям типа АРТ-1 и применима только к работе с битовыми образами. Это ограничение преодолевается использованием сети класса АРТ-2. Основной отличительной чертой нейронной сети АРТ-2 является возможность работы с аналоговыми величинами. Кроме того, в сравнении с нейронными сетями класса АРТ-1 в архитектуре сети сделаны изменения, позволяющие отдельным ее подсистемам выполнять свои функции не синхронно, что является дополнительным преимуществом при аппаратной реализации такой сети. Сети с архитектурой АРТ-2 применяются для распознавания движущихся образов. Успешные эксперименты выполнены в Массачусетском Технологическом Институте (MIT).

Исходные данные нет Рис. 5. Алгоритм работы бинарной сети классификатора Алгоритм обучения и функционирования «аналоговой» сети классификатора.

Аналоговая нейронная сеть классификатор имеет архитектуру, соответствующую по теории адаптивного резонанса ART2. Она схожа с вышеприведенной бинарной сетью классификатором по следующим признакам: классификационные признаки; особенности алгоритма обучения сети; структура сети: принципы функционирования сети. Отличие между двумя рассматриваемыми сетями заключается лишь в том, что обрабатываемые многомерные образы являются вещественными, а не бинарными.

Входной слой рассматриваемой нейронной сети состоит из шести подслоев. Каждый их этих подслоев имеет в своем составе M нейронов, что соответствует размерности входного образа. Входные подслои сети предназначены для нормализации входного образа и приведения его к виду, который можно проанализировать сетью близкой по архитектуре с рассмотренной выше.

Входными данными сети являются последовательно подаваемые вещественные образы с размерностью M. Параметрами аналоговой нейронной сети классификатора являются: порог близости;

a, b, с – числовые коэффициенты нормализующей функции; e – предотвращение деления на ноль; малое действительное положительное число, применяемое для предотвращения деления на ноль (обычно 0.001); q – критерий отсечения шума, малое действительное положительное число (обычно 0.001), служащее критерием отсечения шума с использованием следующего соотношения: Параметр – порог близости, является действительным числом из интервала (0…1). Его выбор определяет степень совпадения образов. Единице соответствует полное совпадение образов. Коэффициенты нормализующей функции – произвольные положительные числовые коэффициенты, выполняющие нормализующую функцию. Коэффициент e вводится в сеть для предотвращение деления на ноль и является действительным положительным числом. е = 0,001. Критерий отсечения шума q также является малым положительным действительным числом. Критерий использует следующее соотношения:

Весовые коэффициенты нейронной сети: tij – весовой коэффициент связи от j-го нейрона выходного слоя к i-му нейрону в подслое p входного слоя; bij – весовой коэффициент связи от i-го нейрона p-подслоя входного слоя к j-му нейрону выходного слоя; pi, ui, wi, qi, vi, yi – состояние нейрона i соответствующего подслоя ( В начале самообучения сеть состоит из M нейронов в каждом подслое входного слоя и только одного нейрона выходного слоя. При этом весовые коэффициенты связей инициализируются с исходными значениями:

Изначально, до поступления на вход образа дефекта, значения всех нейронов шести подслоев входного слоя остаются нулевыми. При поступлении очередного образа X на вход нейронной сети выполняется следующий алгоритм (рисунок 6):

Шаг 1. Нейроны выходного слоя активны.

Шаг 2. Вычисляются состояния всех нейронов в подслоях входного слоя:

где величины Шаг 3. Вычисление значений функции активации активных нейронов: Шаг 4. Определение нейрона-победителя из числа активных нейронов. Для варианта, когда ни один из нейронов не удовлетворяет критерию порога близости создается новый выходной нейрон с номером N+1 с нижеследующими связями:

Переход на шаг 5.

Шаг 6. Победивший нейрон проверяется по критерию близости:

Если условие выполняется, то переход на шаг 8, иначе переход на шаг 7.

Шаг 7. Победивший нейрон становится неактивным. Следует переход на шаг 4.

Шаг 8. Для победившего нейрона корректируются веса связей, поскольку он прошел проверку по критерию близости:

Шаг 9 Окончание работы с очередным входным образом дефекта.

Вычисление состояния нейронов в подслоях входного слоя Вычисление значений функции активации активных нейронов Рис. 6. Алгоритм обучения и функционирования «аналоговой» сети классификатора Результатом работы сети, как и в случае, бинарной нейронной сетью классификатором, является либо номер нейрона-победителя, прошедшего проверку на близость, т.е. факт распознавания образа и его отнесения к уже известному классу, либо сообщение об отсутствии класса для данного образа и создание нового класса образов дефектов.

При сравнении поступившего образа с образами уже признанными и классифицированными сетью по шаблону критических черт класса, в ряду классов происходит возбуждение одного из нейронов распознающего слоя. Наибольшее совпадение с одним из образов относит его к его классу. Если степень похожести образа не превышает порогового значения ни одного из классифицирующих категорий, то для него формируется новый класс. Для описания нового класса вводится в сеть новый, ранее не задействованный нейрон в слой распознавания. С этого момента новый класс, как и все прежние, подлежит модификации и уточнению следующими поступающими образами, формируя свою карту критических признаков образа.

Третья глава посвящена разработке методов расчета остаточного ресурса и предельного срока эксплуатации металлопроката по критериям остаточной толщины и трещиностойкости с учетом влияния областей с измененной коэрцитивной силой подверженных стресс-коррозионному растрескиванию.

Предложен алгоритм проведения диагностики металлоконструкций и изделий металлопроката с применением взаимодополняющих методов НК с целью уточнения результатов оценки остаточного ресурса ОК, полученного при использовании существующих методик, включающий расчеты остаточного ресурса металлопроката с учетом минимальной остаточной толщины стенок ОК, подверженных общей коррозии и/или износу; и расчет остаточного ресурса металлопроката по характеристикам трещиностойкости.

Алгоритм процедуры контроля Этап №1. На первом этапе производится анализ технической документации, условий эксплуатации и рассматриваются факторы, влияющие на снижение надежности ОК. Определяются справочные данные по материалу ОК, марка, химический состав, прочностные характеристики материала; условия и среда эксплуатации, режимы работы, расчетные нагрузки и т.д. Рассматриваются критерии предельного состояния и механические характеристики, такие как: предел текучести; предел прочности; твердость; трещиностойкость; пределы выносливости, длительной прочности и т.д.;

коэффициенты запаса прочности для пределов прочности и текучести, трещиностойкости, устойчивости, при расчетах на циклическую прочность по числу циклов или напряжениям.

Этап №2. Оперативная функциональная диагностика ОК. Целью проведения оперативной диагностики является получение данных о техническом состоянии ОК, его технологических параметрах и условиях взаимодействия с окружающей средой. На этом этапе проводится регистрация режимов работы ОК и показателей техпроцесса (температура, давление, вибрации и т.д.). Производится регистрация всех перечисленных параметров для сравнения со справочными и расчетными с целью внесения поправок в базу данных накопленных на первом этапе и отличающимися от реальных.

Этап №3. Экспертное обследование. Цель экспертного обследования – получение максимально полной, на момент контроля, информации о техническом состоянии ОК, т.е. поиск и классификация повреждений, выявлении причин и механизмов их возникновения и развития. Этот этап наиболее интересен, поскольку на нем используется максимальное количество средств и методов НК, а так же проводится сбор информации для проведения расчета остаточного ресурса. ОК Первым проводится визуальный контроль. Его цель выявить крупные дефекты, такие как вмятины, царапины, вырывы, оплавления, вмятины и выпучины, кратеры, газовые поры, непровары, прожоги, раковины, дефекты геометрии. Большинство таких дефектов являются нетрещиноподобными, но могут стать дислокациями напряжений, что, в свою очередь приводит к зарождению трещин и может стать причиной значительного снижения срока службы ОК.

Обязательным является проведение толщинометрии ОК. Наилучшие результаты достигаются при использовании ЭМА толщиномеров. Основной отличительной особенностью этого типа приборов, является возможность их использования по корродированной поверхности или через диэлектрическое покрытие. Объем проводимых измерений определяется по методикам проведения контроля и зависит от требуемой погрешности оценки и наличия дефектов. Используя ЭМА-толщиномеры возможно обнаружить вырывы, оплавления, вмятины и выпучины, кратеры, газовые поры, неметаллические включения, непровары, прожоги, коррозионные и эрозионные поражения.

При проведении дефектоскопии изделий металлопроката, хорошо зарекомендовал себя вихретоковый метод НК. С его помощью детектируются трещиноподобные дефекты (закаты, стресскоррозия, усталостные трещины, холодные трещины сварных соединений, свищи, питтинговая коррозия и др. Вихретоковые дефектоскопы позволяют выявлять дефекты на поверхностях с большой шероховатостью, через диэлектрический зазор. Применяются не только для детектирования трещин, но и для оценки из габаритных размеров.

Магнитопорошковый контроль (МК) применяется при контроле металлопроката для подтверждения выявленных вихретоковым методом дефектов типа трещина. Кроме того, при проведении МК становится возможным визуализировать расположение дефекта на поверхности ОК.

Магнитная структуроскопия применяется не так широко как другие перечисленные методы контроля, поскольку используется больше для мониторинга состояния ОК на протяжении всего срока эксплуатации объекта. Работа магнитного структуроскопа основана на измерении коэрцитивной силы металла ОК и сравнении текущих показания структуроскопа со справочными и (или) предыдущими и на основе изменения магнитных свойств металла ОК делается вывод о снижении его ресурса.

Для проведения экспертного обследования применяются методики и средства НК прошедшие согласования со специализированными организациями и утверждены в Госгортехнадзоре России. Коме того, рекомендованные по использованию методики и аппаратуры должны быть согласованы с регламентирующей действующей нормативно-технической документацией с учетом требований проектной, монтажной и эксплуатационной документации на обследуемый объект.

Все обнаруженные в ходе обследования дефекты формы, несплошности, трещины и структурные изменения должны быть оформлены в виде протоколов контроля.

Этап №4 Анализ обнаруженных повреждений. На этом этапе, основываясь на результатах первых трех этапов, выносится решение о продолжении эксплуатации ОК. Оценивается текущее техническое состояния объекта, уровень и механизм повреждений, фактическая нагруженность.

Анализ включает оценку общей и придельной дефектности по каждому параметру По всем обследованным узлам и деталям выносится решение о дальнейшей эксплуатации, существует 4 группы: годный – дефекты отсутствуют либо не влияют на функционирование; годный с ограничениями – ОК продолжает эксплуатироваться, но на меньшей нагрузке; ремонтный – для продолжения функционирования необходим ремонт; вывод из эксплуатации – ремонт невозможен, либо экономически нецелесообразен.

Итогом анализа становится статистическая информация по параметрам трещиностойкости, скорости роста коррозии общей и точечной, скорость зарождения трещин и их рост от размера допустимой глубины hдоп до глубины разрушения hмакс., Изменения коэрцитивной силы в дефектной зоне и на «чистом» металле, новые значения предельных характеристик ОК для расчета его остаточного ресурса.

Этап №5 Определение остаточного ресурса и риска эксплуатации. Остаточный ресурс ОК определяется на основании полученной на этапе экспертной оценки информации, с учетом проведенных ремонтов и анализе полученных результатов. Остаточный ресурс необходимо устанавливать на основе совокупности имеющейся информации прогнозированием технического состояния ОК по определяющим параметрам до достижения предельного состояния.

В качестве основного показателя остаточного ресурса в результате прогноза определяться гамма-процентный ресурс. задается численными значениями: наработкой T и выраженной в процентах вероятностью того, что в течение этой наработки предельное состояние не будет достигнуто.

После проведенного обследования становятся доступными следующие величины для проведения расчета остаточного ресурса и риска эксплуатации трубопровода по минимальной вероятной толщине стенки: t0 – толщина в начальный момент времени; tр – измеренная толщина после ремонта стенки;

Рассматриваться в расчете должна именно зона ремонта, поскольку на фоне общей коррозии мы имеем удаление гарантированной части материала tуд :

где – толщина стенки в момент времени ; – максимальная глубина трещины – пороговая чувствительность дефектоскопа.

для = 0,95% остаточный ресурс составит Tp.

В данный расчет вкрадывается ошибка, поскольку он не учитывает снижение вероятности прогноза при увеличении коэрцитивной силы в зоне ремонта по сравнению с телом трубы Для ОК в зависимости времени эксплуатации ошибка вызванная изменением структуры металла может составлять десятки % Известно что коэрцитивная сила однозначно связана с остаточной пластической деформацией пл Из этого следует, что зная Нс и время эксплуатации из номограммы для определения остаточного ресурса можно определить не только количество прошедших циклов нагружения, но и узнать в каком режиме пластических деформаций работает ОК.

Из корреляционной зависимости пл (Нс) и зависимости ( ) определяется новая величина амплитуды нагружения а, чем вносится поправка в расчет оценка малоцикловой долговечности по критерию зарождения трещины из уравнения Менсона - Коффина для данного случая из уравнения истинных деформаций определяется новое число циклов до зарождения трещины.

Этап №6 Заключение. В заключение должны входить все результаты проведенных исследований и характеризующие ОК расчеты, содержаться гамма-процентный ресурс с вероятностью 90-95% В четвертой главе приведены результаты исследования степени влияние наличия локальной области с измененными магнитными свойствами на трещиностойкость металла ОК; рассмотрена анизотропия свойств металла тела трубы и области сварного шва на скорость роста осевых и радиальных трещиноподобных дефектов.

Экспериментальное исследование трещиностойкости при циклическом нагружении образцов было проведено с целью определения степени влияния участков труб, подверженных стресс-коррозионному растрескиванию в ходе эксплуатации, после проведения на них ремонтных работ. Исследованию были подвергнуты образцы двух групп.

1-группа – образцы, изготовленные из металла, при контроле которого не было обнаружено трещиноподобных дефектов и коррозионных поражений.

2-группа – образцы, изготовленные из металла областей подвергнутых стресс-коррозионному растрескиванию. Максимальная глубина стресс-коррозионного поражения этих областей не превышала 0,25…0,3 мм. Измерение глубины трещин проводилось с использованием вихретокового дефектоскопа ВД-90НС производства преобразователем «Тип-1» Иа5.125.051. Ремонт выполнен шлифовкой.

Измерение толщины удаленного слоя выполнено измерением остаточной толщины толщиномером ЭМАТ-100, так же выпускаемый в ЗАО «НИИИН МНПО «СПЕКТР». Удаленный слой 0,5±0,3 мм.

Проведены исследования трещиностойкости материалов – сталей марки 09Г2С и 10ХСНД и сварного соединения, выполненного РДС электродом ЭА400/10Т по штатной технологии.

На первом этапе испытаний были проведены тесты трещиностойкости бездефектных участков материала. Они проведены с целью определения степени влияния анизотропии магнитных свойств (коэрцитивной силы) на характеристику трещиностойкости одношовной сварной трубы. Анизотропия подтверждена измерением в двух взаимно перпендикулярных направлениях (радиальное и осевое). Для определения коэрцитивной силы металла использовался магнитный структуроскоп МС-10 производства ЗАО «НИИИН МНПО «СПЕКТР».

Размер образца 10х60х220мм. Инициирующий надрез выполняли электроэрозионным способом в центре образца вдоль стороны 60. Глубина надреза 3 мм, раскрытие надреза 0,15 мм, радиус основания 0,13 мм. Расположение надрезов в металле соответствует их отображению на рисунке 4.2 ОК. 1 – в зоне металла шва; 2 — в зоне сплавления; 3 — в зоне термического влияния; 4 — в основном металле; х – в осевом направлении хр – в радиальном направлении.

Образцы при осевом растяжении испытывали на универсальной электрогидравлической машине PC.400S производства «Schenck» (Германия). Рmax=400 кН (40 т) (место проведения – НПО «ЦНИИТМАШ»). Условия испытаний: частота нагружения 20 Гц; температура 20°С; коэффициентах асимметрии цикла R1 = 0.

Испытания выполнялись в соответствии с методическими указаниями нормативного документа РД50-435-82.

На рисунках 4.3 и 4.4 представлены результаты экспериментов по измерению скорости роста трещин в образцах, полученных из основного металла марок 10ХСНД и 09Г2С. Представлены результаты в сравнении для расположенных по осевому и радиальному направлениям трещин.

Скорость роста трещин лежит в диапазоне от 10-Е9 до 20-Е Рис. 7. Скорость роста трещин в стали 10ХСНД (а) и 09Г2С (б) при симметричном нагружении и нормальных Результат исследования скорости роста трещин в металле позволяет сделать следующие выводы:

Анизотропия магнитных свойств листового металлопроката, измеренная при помощи магнитного структуроскопа МС-10, подтверждается исследованием скорости роста трещин при циклическом нагружении образцов. Наибольшее различие полученных результатов в зависимости от ориентации трещины сказывается в образцах соответствующих телу листа.

Меньшее различие в скорости роста трещин отмечено в зоне термического влияния сварного шва, что коррелирует с меньшей анизотропией свойств в осевом и радиальном направлениях.

Из исследования циклической трещиностойкости практический интерес имеют следующие факты:

максимальное повышение скоростей роста трещин в зонах сплавления и термического влияния;

циклическая трещиностойкость зон сплавления и термического влияния сопоставима с циклической трещиностойкостью основного металла; скорость роста трещин в зонах сварного шва до двух раз выше в сравнении с основным металлом.

При проведении ремонта областей подверженных стресс-коррозионному растрескиванию производится удаление слоя материала с гарантированным перекрытием глубины залегания основания трещины. Однако структура измененного металла в таких областях сохраняет иные магнитные свойства по сравнению с бездефектными областями. На рисунке 8 приведен пример. Показана область металла подверженная стресс-коррозионому растрескиванию (рис. 8б) и показания магнитного структуроскопа МС-10 произведенный с шагом 1см в радиальном и осевом направлениях (рис. 8а) Рис. 8. Результаты коэрцитиметрии (а) образца (б) в осевом и радиальном направлениях Подверженные стресс-коррозией области с глубиной трещин 0,3…0,5 обнаруживались с использованием вихретокового дефектоскопа ВД-90НС. После удаления защитного покрытия результат вихретокового контроля подтверждался магнитопорошковым контролем с использованием комплекта оборудования для магнитопорошковой дефектоскопии и для магнитолюминесцентной дефектоскопии, выпускаемые в ЗАО «НИИИН МНПО «Спектр». В этот комплект входит: облучатель ультрафиолетовый портативный УФО-3-3500; Намагничивающее устройство УН-5 и аэрозоль Circle Safe 850А.

Проекция результатов магнитного и вихретокового контроля на образец с полученным на нем рисунком магнитного порошка представлены рисунке 9.

Условия испытаний: частота нагружения 20 Гц; температуре испытания 20°С; коэффициентах асимметрии цикла R1 = 0. Размер образца 10х60х220мм. Толщина образца получена удалением лишнего материала с внутренней поверхности образца.

На рисунке 10 приведены результаты исследования роста трещин в зависимости от их ориентации для образцов полученных из ремонтных областей основного металла зоне термического влияния. Видно, что разница характеристик трещиностойкости сохраняется после срока эксплуатации и проведенного ремонта.

Рис. 10. Скорость роста трещин в основном металле (а) и зоне термического влияния (б) областей с проведенным ремонтом при симметричном нагружении и нормальных условиях Из приведенных выше данных очевидна корреляция коэрцитивной силы образцов, измеренной магнитным структуроскопом МС-10, и характеристики их трещиностойкости. Также полученные результаты показывают меньшую скорость распространения радиальных трещин в сравнении с осевыми для областей металла с выраженной анизотропией магнитных свойств, сохраняющейся в металле в течение всего срока эксплуатации. На рисунке 11 приведены результаты изменения скорости роста трещин для нового металла и металла бывшего в эксплуатации.

Рис. 11. Скорость роста трещин в образцах осевое направление трещин:

Полученные результаты соответствуют закономерностям характерным для металлопроката, а именно, наибольшие скорости развития трещин наблюдаются в тех случаях, когда направление распространения трещины совпадает с направлением проката. Эффект связан с характеристиками текстуры металла, полученной под внешним механическим воздействием, и соответствующей ориентацией неметаллических включений, так же способствующей ускоренному продвижению трещины. В радиальном направлении скорость обычно меньше, и связано это еще и с отсутствием изгибающих напряжении в данном направлении.

Проведено исследование поверхностного слоя газопроводной трубы вихретоковым методом с целью выявления областей с повышенной твердостью. Металлургическая отрасль динамично развивается, появляются новые марки сталей, и параллельно с ними образуются и новые задачи для специалистов НК. Так при строительстве морской части газопроводов «Северный поток» и «Южный поток» используются уникальные Одношовные трубы, изготовленные из стали марки Х65, которые рассчитаны на сверхвысокое рабочее давление 28,45 МПа диаметром 813 мм и толщиной стенки 39 мм покрытые изоляционным электро-непроводящим защитным покрытием толщиной в диапазоне 3…7 мм на внешней поверхности и до 1 мм на внутренней.

Задача выявления повышенной твердости поверхностного слоя через защитное покрытие такой толщины до этого времени в мире не решена.

Оборудование, использованное при проведении контроля: Вихретоковый дефектоскоп ВД-90НП зав. № 035, производства ЗАО «НИИИН МНПО «Спектр»; тип преобразователя - накладной дифференциальный Тип-2, рабочая частота - 70 кГц; Усиление - 70-90 ед.; Инверсия.

Объект контроля: Паллета газовой трубы марки Х65 с зоной локального упрочнения, предоставленная ОАО «ВМЗ», дочерним предприятием ЗАО «Объединенная металлургическая компания» (рисунок 12а).

Задача контроля: Определить возможность выявления мест локальных упрочнений превышающие 245НB и поверхностных дефектов типа трещина с помощью вихретокового метода, в том числе для величины рабочего зазора до 8 мм.

Было проведено сканирование паллеты дефектоскопом ВД-90НП с целью выявления границ зоны упрочнения, результаты сканирования представлены графическом виде на рисунке 12б.

С целью определения возможности контроля через электро-непроводящую изоляцию было проведено исследование изменения показаний при изменении рабочего зазора от 0 до 7 мм. Показания были сняты в точке «А» (зона локального упрочнения) относительно точки «О» (зона компенсации, соответствующая нулевому сигналу дефектоскопа) отмеченные на рисунке 12а.

Полученная зависимость изменения сигнала фазового канала дефектоскопа представлена на рисунке 13а.

Рис. 13. Показания дефектоскопа ВД-90НП в зоне локального упрочнения при изменении рабочего зазора фазовый канал (а), показания амплитудного канала дефектоскопа ВД-90НП при отрыве ВТП от поверхности ОК (б) С целью проверки возможности проведения контроля в динамическом режиме, наиболее подходящем для автоматизации контроля, произведено сканирование поверхности образца по линии А-Б, пересекающей зону локального упрочнения и существующий дефект типа одиночная трещина (рис. 14).

На рисунке 15 представлены экспериментальные кривые соответствующие изменению показаний фазового канала для двух точек «О» - ряд 1 и «А» - ряд 2, а также аппроксимирующее их параболы : Для точки «О» - ряд 3: у=-90(x-5,4)2+1263; Для точки «А» - ряд 4: у=-80(x-5,4)2+1640.

Точке компенсации соответствует удаление ВТП от поверхности контроля в точке «0» на 9 мм.

Рис. 15. Зависимости показаний дефектоскопа ВД-90НП для влияние мешающего фактора зазора на точки компенсации (ряд1), точки максимальной твердости ОК оценку изменения.

(ряд 2)и аппроксимирующее параболы ряд 3 и Вышеприведенные выводы позволяют использовать системы вихретокового контроля на базе вихретокового дефектоскопа ВД-41П с 15-и канальным модулем расширения ВД-91НМ для проведения автоматизированного контроля изолированных труб из стали марки Х65 с целью обнаружения трещиноподобных дефектов и зон с измененной твердостью В пятой главе приведены средства НК, разработанные при непосредственном участии автора в период с 1998 по 2014 годы. По результатам эксплуатации приборов проводилась их модернизация;

схемотехнические наработки и результаты проведенных исследований ложились в основу следующего поколения вихретоковых и магнитно-вихретоковых систем и приборов. За исключением первого вихретокового дефектоскопа ВД-12НФМ, все приведенные в главе приборы имеют широкие возможности по автоматизации их применения и документированию результатов проводимого контроля. Результаты научных исследований, составляющие основу данной работы могут быть применены как для вновь разрабатываемых средств НК, так и быть использованы с уже находящимися в эксплуатации. Программная реализация разработок в области выявления образов дефектов позволяет применять их не только с разработанными системами, а также и при использовании ПК.

Приборы, установки и системы охватывают следующие области применения:

контроль сортового, трубного и листового металлопроката в процессе производства и изделий из него в течении всего срока эксплуатации;

контроль оборудования нефте-газового комплекса и поверхности действующих продуктопроводов;

контроль сварных соединений;

контроль деталей и узлов локомотивного и подвижного железнодорожного составов;

контроль деталей и узлов авто- и машиностроения;

периодический контроль узлов и деталей подъемных механизмов и сосудов под давлением;

контроль механических и электромагнитных свойств изделий из ферромагнитных сталей и определение остаточного ресурса металлопроката.

Первым разработкой 1998г. стал вихретоковый дефектоскоп ВД-12НФМ, предназначенный для решения задач по контролю деталей и узлов локомотивного и подвижного железнодорожного составов.

Выпуск данного типа дефектоскопа не остановлен и на сегодняшний день: произведено 825 приборов этого типа. Прибор зарегистрирован в Реестре Системы добровольной сертификации средств измерений – сертификат №10.000.0381 от 19.02.2002г. Дефектоскоп имеет цифровую и аналоговую индикацию результатов проводимого контроля и работает на фиксированной частоте 70 кГц.

Следующим поколением портативного вихретокового дефектоскопа стал ВД-12НФП. Выпущено 570 приборов данного типа разных модификаций. Дефектоскоп отличается от предшественника микропроцессорной системой сбора обработки и индикации. Появление у него IRDA, а затем и Bluetooth интерфейса позволило использовать их для автоматизированного контроля и документирования результатов диагностики. ВД-12НФП зарегистрирован в Реестре Системы добровольной сертификации средств измерений (сертификат под № 090000328); в отраслевом Реестре средств измерений допущенных к применению на железнодорожном транспорте в разделе "Средства диагностики общеотраслевого применения" (свидетельство о регистрации № МТ004.2006). Дефектоскоп широко используется при неразрушающем контроле деталей и узлов подвижного состава в соответствии с РД32.150-2006 "Вихретоковый метод неразрушающий контроля деталей вагонов", в условиях депо и ремонтных предприятий ОАО «РЖД»; в ОАО «Газпром» при обследовании поверхности действующих магистральных трубопроводов; в ОАО «ВМЗ» на этапе инспекции готовой продукции – железнодорожных колёс из вакуумированной стали собственного производства, а также в других отраслях промышленности. Схемотехнические решения, использованные в данном дефектоскопе, защищены патентом на изобретение №2312333 и патентом на полезную модель №63068. На основе ВДНФП и ВД-12НФМ созданы магнитно-вихретоковые установки, использующиеся БашГУ, Уфа для проведения исследований коррозионных и стресс-коррозионных поражений магистральных продуктопроводов.

Вихретоковый дефектоскоп ВД-90НП предназначен для обнаружение поверхностных и подповерхностных трещин в деталях из ферромагнитных и немагнитных материалах. Предназначен для работы в полевых условиях, в т.ч. и при отрицательных температурах на магистральных трубопроводах, в цеховых условиях различных отраслей промышленности. Дефектоскоп позволяет передавать в режиме реального времени данные от дефекта, используя радиоканал, выявлять дефекты типа трещина и питтинговая коррозия на обеих сторонах объекта контроля при одностороннем доступе (рис.16).

Схемотехнические решения, использованные в данном дефектоскопе, защищены патентом на полезную модель №87527. Вихретоковый дефектоскоп ВД-90НП зарегистрирован в Реестре Системы добровольной сертификации средств измерений – сертификат под № 080000305. В приборе реализована возможность автоматизации контроля, 100% документирование результатов контроля.

Кроме классических накладных ВТП к ВД-90НП разработан магнитно-вихретоковый преобразователь для выявления внутренних дефектов типа трещина и коррозия при контроле сварных соединений, труб, баков, деталей из листового проката и других протяженных объектов.

На его основе ручной вихретоковый дефектоскоп ВД-90НС и широкополосный сканерпреобразователь для контроля трубопроводов, баков и других протяженных объектов через изоляцию.

Рис. 16. Внешний вид вихретокового дефектоскопа ВД-90НП и блок магнитно-вихретокового преобразователя Первым вихретоковым дефектоскопом, разработанным для проведения автоматизированного контроля, стал вихретоковый дефектоскоп ВД-92П, входящий в состав системы контроля электросварных труб в процессе производства (рис. 17). Дефектоскоп выявляет дефекты согласно EN 10246:2-2000.

Рис. 17. Внешний вид вихретокового дефектоскопа ВД-92НП и блока магнитно-вихретокового преобразователя Схемотехнические решения, использованные в данном дефектоскопе, защищены патентом на полезную модель № 87527. Система позволяет контролировать сварной шов и тело трубы в потоке производства, производить 100% документирование результатов контроля на персональном компьютере от одной или нескольких систем одновременно, производить цветовую маркировку дефектных участков и звуковое извещение о браке на линии. Основываясь на результатах данной диссертационной работы, в ВД-92П реализована корректировка выходных сигналов с учетом влияния магнитных характеристик сварного шва и ЗТВ. В настоящее время эксплуатируются две системы контроля электросварных труб в состав которых входит ВД-92П.

Для проведения автоматизированного вихретокового контроля разработан комплекс вихретоковой дефектоскопии. Основу комплекса составляет электронный блок вихретокового дефектоскопа ВДП. Разработан для использования на трубных заводах в линиях непрерывных электросварных агрегатов, в линиях отделки горячекатаных и холоднотянутых труб и проката, в отдельно стоящих транспортных рольгангах, при входном контроле на заводах машиностроительного профиля (автомобильных, авиационных, сельхозмашиностроения и др.), трубных базах нефтяных и газовых компаний, производстве цветного проката. Дефектоскоп внесен в Государственный реестр средств измерений под номером 19710-00. Дефектоскоп может эксплуатироваться как автономно, так и в составе сети предприятия Ethernet (TCP/IP). Электронный блок дефектоскопа позволяет встраивать его в существующую производственную линию, управлять периферийными устройствами, как входящими в комплект поставки системы вихретокового контроля, так и интегрированными в производственную линию (переключение накопителя продукции, сигнализация, аварийная остановка и т.п.). Блок ВД-41П имеет модульную структуру и выполнен в корпусе типоразмера 6U под 19” стойку (шкаф) (рис.18).

В блок встроен промышленный ЭВМ с сенсорным LCD дисплеем 10,2” Используемая операционная система: WINDOWS 7.

Интерфейсы: Разъемы для подключения блока преРис. 18. Вихретоковый дефектоскоп ВД- образователя и управления внешней автоматикой. Шина USB 41П в стане по производству сварных труб 2.0. Сеть: Ethernet (TCP/IP).

Поддерживаемые вихретоковые преобразователи: вихретоковые зонды, накладные секционные преобразователи, проходные преобразователи, экранированные вихретоковые преобразователи, щелевые вихретоковые преобразователи.

Для проведения контроля металлов с различными магнитными свойствами и для различных поставленных задач разработаны несколько вариантов вихретоковых систем на основе вихретокового дефектоскопа ВД-41П.

Рис. 19. Внешние блоки автоматизированной выходной продукции отсутствие остаточной вихретоковой системы ВД-41П-ф намагниченности. В блоках применена система Для решения задачи вихретокового контроля сварных нержавеющих труб, гофрированных нержавеющих труб, алюминиевых, латунных, медных труб, прутков, уголков и профилей на базе вихретокового дефектоскопа ВД-41П разработана система вихретокового контроля ВД-41П-нф.

Система предназначена для работы в автоматизированном режиме на станах и поточных линиях, при входном контроле на релинговых системах подачи продукции и складских конвейерах и т.п. Дефекты выявляемые при контроле: продольные риски и задиры, трещины, плены, графитовые включения, пузыри, свищи, непровары и другие нарушения несплошности.

Для контроля немагнитных материалов не требуются намагничивающие системы. Разработанные системы контроля в своем составе имеют корпусные детали для проходных преобразователей (рис. 20) и непосредственно проходных преобразователей. Проходные преобразователи позволяют контролировать протяженные объекты постоянного сечения различной формы, трубки, прутки, профили различной формы. Контролю подлежат стенки профилей имеющих хотя бы одну поверхность выходящую на внешнюю сторону.

Рис. 20. Блок преобразователей для автоматизированного контроля немагнитных металлов: а) корпус блока, б),в) преобразователь проходного типа для контроля профиля прямоугольной формы Для вихретоковой системой контроля ВД-41П-нф разработана линейка накладных преобразователей. Накладные преобразователи в зависимости от типа и размера ОК изготавливаются с различной геометрией позволяющей проводить контроль с минимальным зазором. На рис. 21 а, б представлены секционные преобразователи для контроля электросварных нержавеющих труб с зоной контроля 60° и 30° соответственно для накладных преобразователей разработаны схемы возбуждения горизонтальными и вертикальными соленоидами различной геометрии для всей области контроля (рис. 21 в); схемы локального возбуждения вихревых токов, схемы разнесенных ВТП и ВТП с дополнительными компенсирующими дифференциально включенными обмотками. Разработаны преобразователи с ферритовыми концентраторами поля. Разработаны преобразователи для контроля сварного шва в горячей области с воздушным либо водяным охлаждением (рис. 21 г).

Рис. 19. Накладные ВТП для контроля немагнитных материалов:

Разработана многоканальная система вихретокового контроля ВД-41П-н15. При разработке ВДП была учтена возможность подключения к нему систем вихретокового дефектоскопа ВД-91НМ Система позволяет использовать матрицы ВТП интегрированных в единый корпус, позволяющую выявлять произвольно ориентированную трещину протяженностью 5 мм на полосе 80 мм, либо использовать разнесенные ВТП для контроля протяженных объектов сложной формы. (рис. 22) В одной матрице могут быть использованы от 1 до 15 ВТП. Система позволят использовать несколько модульных дефектоскопов ВД-91НМ для увеличения числа каналов и контролируемой зоны.. Таким образом, системы вихретокового контроля на базе вихретокового дефектоскопа ВД-41П расширяют свой функционал использованием матриц ВТП и многоканальных систем контроля. Результаты контроля визуализируются и документируются на ПК. На ПК производится и математическая обработка фазового и амплитудного каналов. В дефектоскопе реализован автоматический контроль работоспособности каждого из пятнадцати каналов.

Дефектоскоп ВД-91НМ разработан как единый функционально законченный модуль (рис. 22 а).

В его состав входят 15 вихретоковых преобразователей (ВТП) дифференциального типа на ферритовом сердечнике. ВТП совмещены в едином корпусе с электроникой выполняющей постобработку сигналов.

На выходе модуля подаются сигналы содержащие значения амплитуды и фазы каждого из 15 каналов.

Рис. 22. Блок электронный ВД-91НМ: Основной целью разработки такой системы стала необходимость б) модуль с подключаемыми ВТП вихретокового дефектоскопа ВД-41П, робота манипулятора (рис. 23б) и ВТП конструктивно доработанного для сочленения с фланцем для подключения инструмента наконечника робота ISO 9409M6. В системе применяются накладные, секционные преобразователи и преобразователи карандашного типа весом до 10 кг.

Рис. 23. Роботизированная система контроля ВД-41П-р а) вихретоковый дефектоскоп ВД-41П, б) робот манипулятор с Рис. 24. Рабочая зона робота: а) спереди, б) под углом Таким образом, при проведении повторного контроля детали реально полностью повторить измерения в тех же точках, что не достижимо для ручного контроля. Так же становится возможным более точно проводить измерения, сравнивая их с эталонной деталью.

Ручной вихретоковый дефектоскоп ВД-93 (рис. 25). Дефектоскоп предназначен для обнаружения поверхностных и подповерхностных трещин в деталях из ферромагнитных и немагнитных материалов и сплавов. Предназначен для работы в полевых условиях, в цеховых условиях депо и ремонтных заводов РЖД, судостроительных и судоремонтных верфях, авиационной промышленности и других предприятиях машиностроения. Применяется как независимое средство измерения, так и для подтверждения результатов других методов контроля (ВК, МК, УК, РК).

Рис. 25. Ручной вихретоковый дефектоскоп Программное обеспечение разработанное в ЗАО «НИИИН МНПО «СПЕКТР» для решения всего круга задач систем вихретокового контроля ВД-41П, ВД-90НП и др., содержит следующие программные продукты:

- базовый пакет, предназначенный для работы с одноканальный системой контроля, позволяет отображать данные контроля в виде комплексной плоскости и временных разверток, использовать управляемые фильтры, секторные и круговые маски, документировать результаты контроля. Пакет может расширяться за счет добавления различных модулей постобработки данных, таких как адаптивная фильтрация, оконные функции, удаления трендов и т.д.

- расширенный базовый пакет, отличается от базового пакета способностью обработки данных от нескольких параллельных каналов полученных за счет конструктивного добавления дополнительных плат обработки сигнала ВТП предусмотренных конструкцией дефектоскопа ВД-41П.

- многоканальный пакет, предназначен для работы с подключаемыми 15-и канальными вихретоковыми дефектоскопами ВД-91НМ.

- расширительный пакет для работы с использованием руки-робота манипулятора. Данный продукт позволяет задавать программы для управления роботом и построения карты контроля.

- цеховой пакет – программный продукт, используемый при необходимости свести данные от нескольких автономных систем контроля в единый информационный центр предприятия.

Последние два приведенных программных продукта могут быть установлены как непосредственно на систему вихретокового контроля ВД-41П, так и на удаленный персональный компьютер.

Основываясь на результатах второй главы диссертационной работы, был создан программный продукт автоматизированной обработки информации диагностики методами НК, содержащей массивы исходных данных и их координатной привязки к поверхности ОК с целью выявления и классификации образов дефектов и созданию библиотек образов дефектов. В программном продукте реализованы: алгоритм определения образа дефекта с использованием регрессионной фильтрации; алгоритм определения образа дефекта с использованием сверточной нейронной сети; алгоритмы выделения классификации.

При его разработке был использован программный пакет NeuroSolutions 6.31 компании NeuroDimension, Inc. для построения нейронных сетей. NeuroSolutions был выбран среди множества других подобных продуктов моделирующего программного обеспечения, поскольку он имеет целый ряд существенных преимуществ. NeuroSolutions является простым в использовании пакетом программного обеспечения для создания нейронной сети в среде Windows с интуитивно понятным интерфейсом (рис.

26), основанном на пиктограммах сети; содержащем алгоритмы обучения и совместимым с Excel ™.

Дополнительными плюсами, повлиявшими на выбор пакета NeuroSolutions стали его модули:

Модуль NeuroSolutions Accelerator позволяет использовать вычислительную мощность многоядерных процессоров и графических карт (ГПУ) от AMD, Intel и NVIDIA, реализуя параллельные вычисления Custom Solution Wizard - революционная программа, которая принимает нейронную сеть, созданную с NeuroSolutions и автоматически создает и компилирует Windows-библиотеку динамического подключения (DLL), которая затем встраивается в Visual Basic. NET, Microsoft Excel, Microsoft Access, Visual C # + для Windows, вместе с NeuroSolutions Pro позволяет генерировать ANSI C + + код совместимый для нейронных сетей, создаваемых в рамках NeuroSolutions.

Основные выводы и результаты работы 1. Разработан метод формализации образов дефектов, являющийся универсальным с точки зрения его использования в совокупности с различными методами НК (вихретоковым, магнитным, рентгеновским, ультразвуковым и т.д.) позволяющими получить при проведении диагностики библиотеки матриц значений образов дефектов.

2. Предложены и программно реализованы алгоритмы автоматизированного определения образов дефектов с применением метода формализации образов дефектов с использованием регрессионного анализа; сверточной нейронной сетей и самообучающихся классификаторов бинарной и «аналоговой» нейронных сетей, построенных по архитектуре адаптивно резонансной теории АРТ- 3. Практическое использование метода формализации образов дефектов в последних разработках автоматизированного вихретокового контроля позволило в режиме реального времени выделять информацию о дефектах типа одиночная трещина и сквозное сверление при использовании многоканального вихретокового преобразователя и роботизированной сканирующей системы.

4. Разработаны методики получения и предобработки матриц данных вихретокового, магнитного и магнитопорошкового, рентгеновского методов неразрушающего контроля, являющихся исходными для применения каждого из них с алгоритмами автоматизированного определения образов дефектов.

5. Разработаны алгоритм работы модуля определения образа дефекта с использованием регрессионной фильтрации и автоматизированная система, реализующая алгоритм определения образа дефекта с использованием модифицированной архитектуры четырехслойной сверточной нейронной сети без слоев субдискретизации.

6. Разработаны и программно реализованы алгоритмы определения и классификации новых образов дефектов с использованием бинарной и «аналоговой» нейронных сетей классификаторов образов дефектов построенных по архитектуре адаптивно резонансной теории АРТ-1 и АРТ-2.



Pages:     || 2 |


Похожие работы:

«Захаров Петр Николаевич ПЕРЕДАЧА ИНФОРМАЦИИ В УСЛОВИЯХ МНОГОЛУЧЕВОГО РАСПРОСТРАНЕНИЯ РАДИОВОЛН Специальность 01.04.03 – радиофизика АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук Москва – 2010 г. Работа выполнена на кафедре фотоники и физики микроволн физического факультета Московского государственного университета имени М.В. Ломоносова. Научные руководители: доктор физико-математических наук, профессор Анатолий Петрович Сухоруков...»

«БАЧУРИН Александр Борисович ГИДРОАВТОМАТИКА РЕГУЛИРУЕМОЙ ДВИГАТЕЛЬНОЙ УСТАНОВКИ (РАЗРАБОТКА И ИССЛЕДОВАНИЕ) Специальность: 05.04.13 – Гидравлические машины и гидропневмоагрегаты АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук УФА 2014 Работа выполнена в ФГБОУ ВПО Уфимский государственный авиационный технический университет на кафедре прикладной гидромеханики Научный руководитель : доктор технических наук, профессор Целищев Владимир Александрович...»

«ПОЛИВАНОВ Ярослав Мстиславич КЛЮЧЕВЫЕ ОБРАЗЫ ВЕЛИКОЙ ОТЕЧЕСТВЕННОЙ ВОЙНЫ В ИСТОРИКО-ПОЛИТИЧЕСКОЙ МЫСЛИ В УСЛОВИЯХ ОБЩЕСТВЕННЫХ ПЕРЕМЕН (конец ХХ – начало ХХI вв.) Специальность 23.00.01 – Теория политики, история и методология политической наук и (по историческим наукам) Автореферат диссертации на соискание ученой степени кандидата исторических наук Казань-2009 1 Работа выполнена на кафедре гуманитарных дисциплин Государственного образовательного учреждения высшего...»

«МИЛЮКОВ ИВАН ИВАНОВИЧ ДЕЯТЕЛЬНОСТЬ БЛАГОТВОРИТЕЛЬНЫХ ОРГАНИЗАЦИЙ г.КАЗАНИ (60 годы XIX в. - начало XX в.) Специальность 07.00.02. - Отечественная история Автореферат диссертации на соискание ученой степени кандидата исторических наук Казань - 2006 Работа выполнена на кафедре современной отечественной истории исторического факультета Казанского государственного университета. Научный руководитель : доктор исторических наук, профессор Тагиров Индус Ризакович Официальные...»

«СВИРИДОВСКАЯ Нина Давидовна Музыкально-критическое наследие Серебряного века: самоинтерпретация эпохи Специальность 17.00.02 – Музыкальное искусство Автореферат диссертации на соискание ученой степени кандидата искусствоведения Москва 2010 Диссертация выполнена на кафедре истории русской музыки Московской государственной консерватории имени П. И. Чайковского Научный руководитель : доктор искусствоведения, профессор Московской государственной консерватории имени П. И....»

«Просвирин Ефим Валерьевич ОПИСАНИЕ КАК МЕТОД ПОЗНАНИЯ И ФИКСАЦИИ СЛЕДОВАТЕЛЕМ ДОКАЗАТЕЛЬСТВ ПРИ РАССЛЕДОВАНИИ ПРЕСТУПЛЕНИЙ Специальность 12.00.09 – уголовный процесс, криминалистика и судебная экспертиза; оперативно-розыскная деятельность Автореферат диссертации на соискание ученой степени кандидата юридических наук Краснодар – 2009 Диссертация выполнена на кафедре криминалистики ФГОУ ВПО Саратовский юридический институт МВД России Научный руководитель : Заслуженный юрист...»

«Гебриаль Вероника Набилевна ИНФОРМАЦИОННО-КОММУНИКАТИВНЫЕ ТЕХНОЛОГИИ В СОЦИАЛЬНОМ УПРАВЛЕНИИ Специальность 22.00.08 – Социология управления АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата социологических наук Москва – 2009 1. Общая характеристика работы Актуальность темы исследования. На рубеже веков общество значительно трансформировалось под влиянием повсеместного использования информационнокоммуникационных технологий (ИКТ). Сегодня они являются неотъемлемой...»

«УДК 574.55 (282.256.1) Лапин Сергей Александрович ПРОСТРАНСТВЕННО-ВРЕМЕННАЯ ИЗМЕНЧИВОСТЬ ГИДРОЛОГО-ГИДРОХИМИЧЕСКИХ ХАРАКТЕРИСТИК ОБСКОЙ ГУБЫ КАК ОСНОВА ОЦЕНКИ ЕЕ БИОПРОДУКТИВНОСТИ Специальность 25.00.27 — гидрология суши, водные ресурсы, гидрохимия. АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата географических наук Москва - Работа выполнена в лаборатории морской экологии...»

«C.Z.U: 786.2.03(478) (043.2) МЕЛЬНИК ТАМАРА ВКЛАД ПРЕПОДАВАТЕЛЕЙ КАФЕДРЫ ОБЩЕГО ФОРТЕПИАНО АКАДЕМИИ МУЗЫКИ, ТЕАТРА И ИЗОБРАЗИТЕЛЬНЫХ ИСКУССТВ В РАЗВИТИЕ МУЗЫКАЛЬНОЙ КУЛЬТУРЫ РЕСПУБЛИКИ МОЛДОВА 17.00.01 – АУДИОВИЗУАЛЬНЫЕ ИСКУССТВА (МУЗЫКАЛЬНОЕ ИСКУССТВО) Автореферат диссертации на соискание ученой степени доктора искусствоведения КИШИНЭУ, Диссертация выполнена на кафедре Теории музыки и композиции Академии Музыки, Театра и...»

«Киселев Евгений Геннадьевич ТЕХНИКО-ТЕХНОЛОГИЧЕСКИЕ ОСНОВЫ БИОСИНТЕЗА РЕЗЕРВНЫХ ПОЛИГИДРОКСИАЛКАНОАТОВ ВОДОРОДНЫМИ БАКТЕРИЯМИ 03.01.06 – Биотехнология (в том числе бионанотехнология) Автореферат диссертации на соискание ученой степени кандидата технических наук Красноярск-2012 2 Работа выполнена в лаборатории хемоавтотрофного биосинтеза Института биофизики СО РАН и базовой кафедре биотехнологии ФГАОУ ВПО Сибирский федеральный университет Научный руководитель : доктор...»

«Ванкович Александр Юрьевич Акмеологические знания в системе управления организационными отношениями Специальность 19.00.13 – психология развития, акмеология (психологические наук и) АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата психологических наук Москва-2013 Работа выполнена на кафедре акмеологии и психологии профессиональной деятельности Федерального государственного бюджетного образовательного учреждения высшего профессионального образования Российская...»

«ХЛЫБОВ СЕРГЕЙ ВЛАДИМИРОВИЧ ВЛИЯНИЕ ФАЗОВОГО ПЕРЕХОДА В СВЕРХТОНКИХ ПЛЕНКАХ ЖИДКИХ КРИСТАЛЛОВ НА ЭЛЕКТРОФИЗИЧЕСКИЕ И ОПТИЧЕСКИЕ СВОЙСТВА Специальность 01.04.07 физика конденсированного состояния АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук Москва – 2013 Работа выполнена на кафедре общей физики и молекулярной электроники физического факультета Московского государственного университета имени М. В. Ломоносова. Научный руководитель :...»

«ПОНОМАРЕВ ДЕНИС ВИКТОРОВИЧ ИМПУЛЬСНО-СКОЛЬЗЯЩИЕ РЕЖИМЫ ДИФФЕРЕНЦИАЛЬНЫХ ВКЛЮЧЕНИЙ С ПРИЛОЖЕНИЕМ К ДИНАМИКЕ МЕХАНИЧЕСКИХ СИСТЕМ С ТРЕНИЕМ 01.01.02 Дифференциальные уравнения, динамические системы и оптимальное управление АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук ИРКУТСК 2014 Работа выполнена в Институте математики, экономики и информатики ФГБОУ ВПО Иркутский государственный университет (Министерство образования и науки Российской...»

«ДУХАНИН МИХАИЛ ЮРЬЕВИЧ НАУЧНО-ТЕХНИЧЕСКИЙ ПРОГРЕСС КАК ФАКТОР РОСТА ЭФФЕКТИВНОСТИ ПРОИЗВОДСТВА В МОЛОЧНОМ СКОТОВОДСТВЕ Специальность – 08.00.05 – экономика и управление народным хозяйством (экономика, организация и управление предприятиями, отраслями, комплексами – АПК и сельское хозяйство) Автореферат диссертации на соискание ученой степени кандидата экономических наук Москва – 2014 г. 1 Работа выполнена в Федеральном государственном бюджетном образовательном учреждении...»

«МАГОМЕДОВ РУСТАМ НУХКАДИЕВИЧ ГАЗОФАЗНЫЙ ОКИСЛИТЕЛЬНЫЙ КРЕКИНГ ТЯЖЕЛЫХ КОМПОНЕНТОВ УГЛЕВОДОРОДНЫХ ГАЗОВ 02.00.13 – Нефтехимия АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата технических наук Москва – 2013 Работа выполнена в лаборатории Окисления углеводородов федерального государственного бюджетного учреждения науки Института химической физики имени Н.Н. Семенова Российской академии наук (ИХФ РАН) и на кафедре Технологии нефтехимического синтеза и искусственного...»

«Ельцова Тамара Александровна Гомоморфная устойчивость абелевых групп 01.01.06 Математическая логика, алгебра и теория чисел АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата физико-математических наук Томск 2009 Работа выполнена на кафедре алгебры механико-математического факультета Томского государственного университета Научный руководитель доктор физико-математических наук, профессор С.Я. Гриншпон Официальные оппоненты доктор физико-математических наук,...»

«Кулажников Вадим Владимирович ПРАВОВЫЕ И ОРГАНИЗАЦИОННЫЕ ОСНОВЫ УЧАСТИЯ МИЛИЦИИ В ОСУЩЕСТВЛЕНИИ ФИНАНСОВОГО КОНТРОЛЯ Специальность 12.00.14 – финансовое право, административное право, информационное право Автореферат диссертации на соискание учёной степени кандидата юридических наук ТЮМЕНЬ 2009 Работа выполнена на кафедре конституционного и административного права Омского юридического института Научный руководитель – кандидат юридических наук, доцент Опарин Виталий Николаевич...»

«ХАЗИРИШИ ЭНВЕР ОСМАНОВИЧ КВАДРАТУРНЫЕ ФОРМУЛЫ ДЛЯ СИНГУЛЯРНЫХ ИНТЕГРАЛОВ И ПРЯМЫЕ МЕТОДЫ РЕШЕНИЯ ОСОБЫХ ИНТЕГРАЛЬНЫХ УРАВНЕНИЙ Специальность 01.01.01 – математический анализ Автореферат диссертации на соискание ученой степени кандидата физико-математических наук Казань – 2009 Работа выполнена на кафедре математического анализа Адыгейского государственного университета Научный руководитель : доктор физико-математических наук, профессор Габдулхаев Билсур Габдулхаевич...»

«Сахапов Юсуп Замилович ДЕЛОВАЯ РЕПУТАЦИЯ СУБЪЕКТОВ ПРЕДПРИНИМАТЕЛЬСКОЙ ДЕЯТЕЛЬНОСТИ В СИСТЕМЕ ОБЪЕКТОВ ГРАЖДАНСКИХ ПРАВ И ОСОБЕННОСТИ ЕЕ ГРАЖДАНСКО-ПРАВОВОЙ ЗАЩИТЫ Специальность: 12.00.03 – гражданское право, предпринимательское право, семейное право, международное частное право АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата юридических наук Казань -2007 2 Работа выполнена на кафедре гражданского и предпринимательского права Государственного образовательного...»

«АСЛАНЯН Сергей Гарегинович ФОРМИРОВАНИЕ УПРАВЛЕНЧЕСКОЙ КОМАНДЫ МНОГОПРОФИЛЬНОГО ПРЕДПРИЯТИЯ Специальность 19.00.13 – психология развития, акмеология (психологические наук и) АВТОРЕФЕРАТ диссертации на соискание ученой степени кандидата психологических наук Москва-2011 Работа выполнена на кафедре акмеологии и психологии профессиональной деятельности Федерального государственного бюджетного образовательного учреждения высшего профессионального образования Российская академия...»








 
2014 www.av.disus.ru - «Бесплатная электронная библиотека - Авторефераты, Диссертации, Монографии, Программы»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.