Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "detection of defects" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Detekcja defektów w magnetycznych prętach kompozytowych z użyciem skanera o dużej rozdzielczości
    Detection of defects in magnetic composite rods making use of high resolution scanner
    Autorzy:
    Kaleta, J.
    Wiewiórski, P.
    Powiązania:
    https://bibliotekanauki.pl/articles/386598.pdf
    Data publikacji:
    2007
    Wydawca:
    Politechnika Białostocka. Oficyna Wydawnicza Politechniki Białostockiej
    Tematy:
    defekt magnetyczny
    detekcja uszkodzeń
    defect
    detection of defects
    Opis:
    W pracy zaprezentowano oryginalna, metodę i aparaturę badawczą do badania defektów magnetycznych i mechanicznych w prętach magnetycznych wytworzonych z ferrytu stronni. Konieczność badań wynika z konieczności uwzględniania w wielu konstrukcjach łącznie właściwości mechanicznych i magnetycznych. Procesy technologiczne (np. skrawanie, magnesowanie), wady materiałowe, warunki eksploatacyjne (obciążenia statyczne i cykliczne), błędy w obsłudze, itp. skutkują defektami, których detekcja i ilościowa ocena jest niezbędna. Dlatego zbudowano oryginalny szybki skaner o dużej rozdzielczości z głowicą pomiarową zawierającą sondę Halla do równoczesnych quasipunktowych pomiarów Hx, Hy, Kz. Zastosowano zaawansowaną aparaturę elektroniczną do akwizycji, przetwarzania, sterowania oraz wizualizacji wyników. Opracowano też dedykowane oprogramowanie. Przydatność metody i aparatury wykazano badając walki referencyjne (bez uszkodzeń) oraz walki z programowanymi defektami magnetycznymi i mechanicznymi.
    The paper presents original method and measurement devices for examination of magnetic and mechanical defects in rods made up from strontium ferrite. In many constructions it is necessary to carry out examinations of mechanical and magnetic properties simultaneously. Technological processes (for example cutting, magnetisation), material faults, conditions of exploitation (static and cyclic loads), errors in maintenance entail defects and the quantitative analysis of them is unavoidable The original fast, high resolution scanner with Hall probe has been constructed to measure H*. H,.. H,.. Advanced electronic devices have been applied for acquisition, processing and visualisation of results. The corresponding software has been also constructed. Effectiveness of a method and devices have been tested for the reference shafts as well for shafts with mechanical and magnetic defects.
    Źródło:
    Acta Mechanica et Automatica; 2007, 1, 1; 39-44
    1898-4088
    2300-5319
    Pojawia się w:
    Acta Mechanica et Automatica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Methods of the Detection and Identification of Structural Defects in Saturated Metallic Composite Castings
    Autorzy:
    Gawdzińska, K.
    Powiązania:
    https://bibliotekanauki.pl/articles/379854.pdf
    Data publikacji:
    2017
    Wydawca:
    Polska Akademia Nauk. Czytelnia Czasopism PAN
    Tematy:
    casting
    composite
    structural defects
    identification of defects
    detection of defects
    odlewanie
    kompozyty
    błędy konstrukcyjne
    identyfikacja błędów
    wykrywanie błędów
    Opis:
    Diagnostics of composite castings, due to their complex structure, requires that their characteristics are tested by an appropriate description method. Any deviation from the specific characteristic will be regarded as a material defect. The detection of defects in composite castings sometimes is not sufficient and the defects have to be identified. This study classifies defects found in the structures of saturated metallic composite castings and indicates those stages of the process where such defects are likely to be formed. Not only does the author determine the causes of structural defects, describe methods of their detection and identification, but also proposes a schematic procedure to be followed during detection and identification of structural defects of castings made from saturated reinforcement metallic composites. Alloys examination was conducted after technological process, while using destructive (macroscopic tests, light and scanning electron microscopy) and non-destructive (ultrasonic and X-ray defectoscopy, tomography, gravimetric method) methods. Research presented in this article are part of author’s work on castings quality.
    Źródło:
    Archives of Foundry Engineering; 2017, 17, 3; 37-44
    1897-3310
    2299-2944
    Pojawia się w:
    Archives of Foundry Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Głębokie sieci rekurencyjne i konwolucyjne w detekcji wad spawalniczych dla systemów z robotem przemysłowym
    Deep Recurrent and Convolutional Networks in the Detection of Welding Defects for Systems with an Industrial Robot
    Autorzy:
    Adamczak, Arkadiusz
    Powiązania:
    https://bibliotekanauki.pl/articles/2068632.pdf
    Data publikacji:
    2021
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    głębokie uczenie maszynowe
    szeregi czasowe
    stanowisko zrobotyzowane
    detekcja wad spoin
    deep learning
    time series
    robotic station
    detection of weld defects
    Opis:
    Podczas procesów spawania metodą MIG/MAG w produkcji wielkoseryjnej na stanowiskach zrobotyzowanych, często wymagana jest automatyczna kontrola jakości wykonanego spawu. Określanie defektów spawalniczych jest trudne, a powód ich wystąpienia nie zawsze jest znany. Jednym z warunków poprawnie wykonanej spoiny jest stabilność podczas procesu spawania, co przekłada się na ciągłość i zwiększenie ogólnej wydajności produkcji. W artykule przedstawiono wyniki badań nad systemem detekcji defektów spoiny łączącego analizę i klasyfikację szeregów czasowych parametrów spawania dla metody MIG/MAG wraz z równoczesną analizą i klasyfikacją danych obrazowych spoiny dla systemów zrobotyzowanych. Wykorzystane zostały konstrukcje głębokich sieci neuronowych rekurencyjnych i konwolucyjnych. Przedstawiono również konstrukcję sieci neuronowej zawierającej dwa wejścia systemowe, umożliwiającej w jednym czasie klasyfikację zdjęcia spoiny wraz z szeregiem czasowym dla zastosowania w stanowisku zrobotyzowanym. Przedstawione wyniki prac badawczych otrzymano podczas realizacji projektu „Opracowanie metody bazującej na zastosowaniu głębokich sieci neuronowych do inspekcji wizyjnej połączeń spawanych w toku prac B+R” finansowanego z Wielkopolskiego Regionalnego Programu Operacyjnego na lata 2014–2020 i realizowanego w zakładzie ZAP-Robotyka Sp. z o.o. w Ostrowie Wielkopolskim.
    During MIG/MAG welding processes in large-scale production on robotic stations, automatic quality control of the weld is often required. Determining welding defects is difficult and the reason for their occurrence is not always known. One of the conditions for a correctly made weld is stability during the welding process, which translates into continuity and increase in overall production efficiency. The article presents the results of research on the creation of a weld defect detection system combining the analysis and classification of time series of welding parameters for the MIG/MAG method along with the simultaneous analysis and classification of weld image data for robotic systems. For this purpose, the structures of deep recursive and convolutional neural networks were used. The design of a neural network with two system inputs allowing for the classification of the weld photo together with the time series for use in a robotic station is also presented. The research results presented in this article were obtained during the implementation of the project entitled „Development of a method based on the use of deep neural networks for visual inspection of welded joints in the course of R&D works” implemented at the company ZAP-Robotyka Sp. z o.o. in Ostrów Wielkopolski.
    Źródło:
    Pomiary Automatyka Robotyka; 2021, 25, 2; 17--22
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Metoda detekcji wad spawalniczych w stanowisku zrobotyzowanym z wykorzystaniem głębokiej sieci neuronowej
    Detection Method of Welding Defects in a Robotic Station Using the Deep Neural Network
    Autorzy:
    Adamczak, Arkadiusz
    Powiązania:
    https://bibliotekanauki.pl/articles/2068644.pdf
    Data publikacji:
    2021
    Wydawca:
    Sieć Badawcza Łukasiewicz - Przemysłowy Instytut Automatyki i Pomiarów
    Tematy:
    głębokie uczenie maszynowe
    Przemysł 4.0
    stanowisko zrobotyzowane
    detekcja wad spoin
    deep learning
    Industry 4.0
    robotic station
    detection of weld defects
    Opis:
    Współczesna automatyzacja i robotyzacja procesów produkcyjnych wymaga nowych i szybkich metod kontroli jakości produktu. W przypadku spawania łukowego w systemach zrobotyzowanych, gdzie proces produkcyjny przebiega wielkoseryjnie istotną rzeczą jest szybka kontrola poprawności wykonanego spawu. System w oparciu o dane wizualne powinien być zdolny automatycznie określić czy dana spoina spełnia podstawowe wymagania jakościowe a tym samym mieć możliwość zatrzymania procesu w razie zidentyfikowanych wad. W artykule przedstawiono wyniki badań nad stworzeniem wizyjnej metody oceny poprawności wykonanej spoiny w oparciu o głęboką sieć neuronową klasyfikującą, lokalizującą i segmentującą wady spawalnicze. Zaproponowana metoda detekcji została rozbudowana przez zastosowanie połączenia kamery systemu wizyjnego z sześcioosiowym robotem przemysłowym w celu umożliwienia detekcji większej liczby wad spawalniczych oraz pozycjonowania w sześciowymiarowej przestrzeni pracy. Przedstawione w artykule wyniki prac badawczych otrzymano podczas realizacji projektu „Opracowanie metody bazującej na zastosowaniu głębokich sieci neuronowych do inspekcji wizyjnej połączeń spawanych w toku prac B+R” realizowanego w zakładzie ZAP-Robotyka Sp. z o.o. w Ostrowie Wielkopolskim.
    Modern automation and robotization of production processes requires new and fast methods of product quality control. In the case of arc welding in robotic systems, where the production process takes place in large series, it is important to quickly control the correctness of the weld. Based on visual data, the system should be able to automatically determine whether a given weld meets the basic quality requirements, and thus be able to stop the process in the event of identified defects. The article presents the results of research on the creation of a visual method for assessing the correctness of the weld seam based on the deep neural network classifying, locating and segmenting welding defects. The proposed detection method was extended by using a combination of a vision system camera with a six-axis industrial robot in order to enable detection of a larger number of welding defects and positioning in a six-dimensional workspace. The research results presented in this article were obtained during the implementation of the project entitled „Development of a method based on the use of deep neural networks for visual inspection of welded joints in the course of R&D works” implemented at the company ZAP-Robotyka Sp. z o.o. in Ostrów Wielkopolski.
    Źródło:
    Pomiary Automatyka Robotyka; 2021, 25, 1; 67--72
    1427-9126
    Pojawia się w:
    Pomiary Automatyka Robotyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies