Метод сканирования тонких поверхностей при выполнении ремонта лопаток газотурбинных двигателей


Цитировать

Полный текст

Аннотация

Повышение эффективности ремонта лопаток газотурбинного двигателя методом наплавки за счёт разработки и внедрения метода сканирования сложнопрофильных криволинейных поверхностей лопаток газотурбинного двигателя непосредственно на оборудовании для осуществления наплавки является целью данного исследования. Предлагается подход к сканированию системой технического зрения детали, установленной на том же оборудовании, на котором выполняется ремонт наплавкой, рядом с соплом. Система технического зрения состоит из триангуляционного лазерного датчика (2D-профилометра) и камеры. Предложенный алгоритм обладает адаптивностью к механическому состоянию оборудования, на котором выполняется сканирование и наплавка. Полученные с системы технического зрения 3D-сканы обладают точностью свыше 0,05 мм в 67,56% случаев, и точностью свыше 0,1 мм в 95,75% случаев, что при пятне лазера от 0,5 до 1,0 мм достаточно для дальнейшего использования полученных сканов в задаче ремонта лопаток газотурбинных двигателей. Предложенный подход позволяет ускорить подготовку технологических программ наплавки в 10 раз по сравнению с ручным методом сканирования.

Об авторах

Д. И. Котляр

Рыбинский государственный авиационный технический университет имени П.А. Соловьева

Автор, ответственный за переписку.
Email: dm.kotlyar@yandex.ru

аспирант кафедры электротехники и промышленной электроники

Россия

А. Н. Ломанов

Рыбинский государственный авиационный технический университет имени П.А. Соловьева

Email: lepss@yandex.ru

кандидат технических наук, доцент, директор института информационных технологий и систем управления

Россия

Список литературы

  1. Безъязычный В.Ф., Смирнов А.В. Анализ и направления совершенствования технологических и организационных проблем ремонта газотурбинных авиационных двигателей // Наукоёмкие технологии в машиностроении. 2020. № 8 (110). С. 42-48. doi: 10.30987/2223-4608-2020-8-42-48
  2. Леонтьев В.А., Зиличихис С.Д., Кондратюк Э.В., Замковой В.Е. Восстановление работоспособности ГТД с применением новых технологий и материалов // Вестник двигателестроения. 2006. № 4. С. 99-103.
  3. Бессуднов И.А. Совершенствование технологий ремонта газотурбинных авиационных двигателей с использованием ресурсосберегающих технологий. Дис. … канд. техн. наук. Рыбинск, 2014. 208 с.
  4. Galantucci L.M., Piperi E., Lavecchia F., Zhavo A. Semi-automatic low cost 3D laser scanning systems for reverse engineering // Procedia CIRP. 2015. V. 28. P. 94-99. doi: 10.1016/j.procir.2015.04.016
  5. Ahmadi S.A., Mohammadzadeh A., Hosseininaveh A. Introduction of a domestic scanner for 3D object modeling and its evaluation // 1st National Conference on Geospatial Information Technology (January, 19-20 января, 2016, Tehran, Iran).
  6. Salehi V., Wang S. Using point cloud technology for process simulation in the context of digital factory based on a systems engineering integrated approach // Proceedings of the 21st International Conference on Engineering Design, ICED17 (August, 21-25, 2017, Vancouver, Canada). V. 3. P. 11-20.
  7. Mutilba U., Gomez-Acedo E., Kortaberria G., Olarra A., Yagüe-Fabra J.A. Traceability of on-machine tool measurement: a review // Sensors. 2017. V. 17, Iss. 17. doi: 10.3390/s17071605
  8. Horst J., Hedberg T., Feeney A.B. On-machine measurement use cases and information for machining operations. Report no. 400-1. Gaithersburg, MD: National Institute of Standards and Technology, 2019. 61 p. doi: 10.6028/NIST.AMS.400-1
  9. Logee S. Quality in manufacturing. On-machine measurement. http://www.toolingandproduction.com/qim/1004on-machine.aspx
  10. Дорожкин И.Н., Дорожкина О.К., Шинкевич И.А. Особенности внедрения цифрового производства на основе автоматизации процессов производственного и операционного менеджмента на промышленном предприятии // Вестник МГТУ «Станкин». 2018. № 2 (45). С. 112-116.
  11. Srinivasan H., Harrysson O., Wysk R. Automatic part localization in a CNC machine coordinate system by means of 3D scans // The International Journal of Advanced Manufacturing Technology. 2015. V. 81. P. 1127-1138. doi: 10.1007/s00170-015-7178-z
  12. Зеленский А.А., Франц В.А., Семенищев Е.А. Алгоритм планирования траектории рабочего органа манипулятора для привязки базисных систем координат с использованием технического зрения // Вестник машиностроения. 2019. № 10. С. 3-7.
  13. Xiong X.H., Chen J.L., Quan D.M. Directly manufacturing mouse mold by plasma deposition manufacturing // Advanced Materials Research. 2014. V. 941-944. P. 2190-2193. doi: 10.4028/ href='www.scientific.net/AMR.941-944.2190' target='_blank'>www.scientific.net/AMR.941-944.2190
  14. Skotheim O., Lind M., Ystgaard P., Fjerdingen S.A. A flexible 3D object localization system for industrial part handling // IEEE/RSJ International Conference on Intelligent Robots and Systems (October, 07-12, 2012, Vilamoura-Algarve, Portugal). doi: 10.1109/IROS.2012.6385508
  15. Okarma K., Grudzinski M. The 3D scanning system for the machine vision based positioning of workpieces on the CNC machine tools // Proceedings of the 17th International Conference on Methods & Models in Automation & Robotics (MMAR) (August, 27-30, 2012, Miedzyzdroje, Poland). doi: 10.1109/MMAR.2012.6347906
  16. Xu X., Zhu D., Zhang H., Yan S., Ding H. TCP-based calibration in robot-assisted belt grinding of aero-engine blades using scanner measurements // The International Journal of Advanced Manufacturing Technology. 2017. V. 90. P. 635-647. doi: 10.1007/s00170-016-9331-8
  17. Burghardt A., Szybicki D., Gierlak P., Kurc K., Muszyñska M. Robotic grinding process of turboprop engine compressor blades with active selection of contact force // Technical Gazette. 2022. V. 29, no. 1. С. 15-22. doi: 10.17559/TV-20190710141137
  18. Kurc K., Burghardt A., Gierlak P., Muszyñska M., Szybicki D., Ornat A., Uliasz M. Application of a 3D scanner in robotic measurement of aviation components // Electronics. 2022. V. 11, Iss. 19. doi: 10.3390/electronics11193216
  19. Diao S., Chen X., Luo J. Development and experimental evaluation of a 3D vision system for grinding robot // Sensors. 2018. V. 18, Iss. 9. doi: 10.3390/s18093078
  20. Xu J., Xu L., Li Y., Sun Y. Shape-adaptive CNC milling for complex contours on deformed thin-walled revolution surface parts // Journal of Manufacturing Processes. 2020. V. 59. P. 760-771. doi: 10.1016/j.jmapro.2020.10.001
  21. Афонин В.Л., Смоленцев А.Н., Яковлев М.Г. Интеллектуальные робототехнические комплексы для финишной обработки сложных поверхностей // Труды Международной научно-технической конференции «Экстремальная робототехника» (7-8 июня 2018 г., Санкт-Петербург). СПб.: Политехника Сервис, 2018. С. 161-170.
  22. Шадрин М.В. Лазерный триангуляционный 3D метод и устройство для прототипирования и изготовления сложных изделий. Дис. … канд. техн. наук. Рязань, 2020, 194 с.
  23. Franca J.G.D.M., Gazziro M.A., Ide A.N., Saito J.H. A 3D scanning system based on laser triangulation and variable field of view // Proceedings of the IEEE International Conference on Image Processing 2005 (September, 14, 2005, Genova). doi: 10.1109/ICIP.2005.1529778
  24. Петров М.А., Эльдиб И.С.А. Получение 3D-моделей листовых и объёмных деталей, изготовленных методами холодного деформирования, при помощи оптического сканирования // Известия Тульского государственного университета. Технические науки. 2019. № 9. С. 471-479.
  25. Алонцева Д.Л., Красавин А.Л., Шадрин Г.К., Кадыролдина А.Т., Құсайын-Мұрат Т. Разработка системы управления промышленным роботом-манипулятором для трёхмерного сканирования поверхностей // Вестник Восточно-Казахстанского государственного технического университета им. Д. Серикбаева. 2019. № 1. С. 81-87.
  26. Бусурин В.И., Чжэ Л., Кудрявцев П.С. Управление бесконтактным профилометром при сканировании поверхностей сложного профиля // Мехатроника, автоматизация, управление. 2022. Т. 23, № 10. С. 529-535. doi: 10.17587/mau.23.529-535
  27. Лосев Е.Д., Свинарев А.А., Мишуров С.В., Белкина А.В., Степина А.С. Автоматизация восстановления рабочего колеса братской ГЭС // Механики XXI веку. 2018. № 17. С. 169-174.
  28. Мельцер-Йокиш Т., Томаидис Д., Вилькенхенер Р. Способ автоматизированного ремонта детали машин: патент РФ № 2499657; опубл. 27.11.2013; бюл. № 33.
  29. Wang X., Deng D., Hu Y., Ning F., Wang H., Cong W., Zhang H. Overhang structure and accuracy in laser engineered net shaping of Fe-Cr steel // Optics & Laser Technology. 2018. V. 106. P. 357-365. doi: 10.1016/j.optlastec.2018.04.015
  30. Горбачёв В.А., Криворотов И.А., Маркелов А.О., Котлярова Е.В. Семантическая сегментация спутниковых снимков аэропортов с помощью свёрточных нейронных сетей // Компьютерная оптика. 2020. Т. 44, № 4. С. 636-645. doi: 10.18287/2412-6179-CO-636

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Вестник Самарского университета. Аэрокосмическая техника, технологии и машиностроение, 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-ShareAlike 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах