Abstract
The method of complex signal delineation on the independent components is proposed. The wavelet transformation, information theory and statistical method is used. The proposed method is applied to the problem of waviness and roughness milling profiles allocation. Efficiently of method is shown.The method does not use a comparison with the base measurement standards, but uses the criterion of minimizing the total entropy of the wavelet coefficients of both signal components in determining the optimal level of decomposition signal. When implementing this method is also used for signal reconstruction approximating the wavelet coefficients of the optimal signal decomposition level in determining the signal components.
Highlights
МЕТОД ВЫДЕЛЕНИЯ ПРОФИЛЕЙ ВОЛНИСТОСТИ И ШЕРОХОВАТОСТИ ПРОФИЛОГРАММ МЕТАЛЛИЧЕСКИХАннотация: предложен метод делинеации сигнала сложной формы на независимые компоненты.
Ключевые слова: вейвлет-преобразование, разделение сигнала, оптимальная декомпозиция сигнала, профилограмма, оценка качества обработки поверхности.
Одной из таких проблем является оценка влияния шероховатости, волнистости и отклонений формы поверхностей деталей на их функциональные свойства.
Summary
Аннотация: предложен метод делинеации сигнала сложной формы на независимые компоненты. Ключевые слова: вейвлет-преобразование, разделение сигнала, оптимальная декомпозиция сигнала, профилограмма, оценка качества обработки поверхности. Одной из таких проблем является оценка влияния шероховатости, волнистости и отклонений формы поверхностей деталей на их функциональные свойства. Эксплуатационные свойства машин и приборов, их точность, надежность и долговечность зависят от качества поверхности, ее микрогеометрического и физико-механического состояния. В частности, шероховатости является важной инженерной задачей [1]. Действующая методика разделения исходного профиля на профили волнистости и шероховатости представлена в ДСТУ 4287:2002 “Технiчнi вимоги до геометрiї виробiв. Вышеописанные свойства вейвлет-преобразования и теория информации позволяют определить оптимальный уровень декомпозиции сигнала и выбрать оптимальный вейвлет-базис, что позволит решить задачу разделения профиля. Целью данной работы является разработка новых и модификация существующих методов для разделения исходной профилограммы на профили волнистости и шероховатости
Sign-in/Register to view highlights & summary Sign-in/Register to access full text options 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
