
Цель работы. Проанализировать эффективность использования вейвлет-анализа для оценки качества поверхностей металлов. Исследовать возможность использования вейвлет-анализа при ультразвуковой дефектоскопии. Определить оптимальные вейвлет-семейства и их критерии для оценки качества обработки металлических поверхностей. Методы исследования. Рассмотрены ортогональные вейвлеты: вейвлет Добеши, вейвлет Симлета и вейвлет Койфлета, которые обеспечивают возможность осуществления процедуры дискретного вейвлет-преобразования.. Рассмотрены критерии, которые влияют на результативность фильтрации ультразвукового сигнала методами с использованием вейвлет-анализа. Проведена фильтрация ультразвуковых сигналов с помощью вейвлет функций. Полученные результаты. Определено, что для успешной фильтрации сигналов выбранный вейвлет-метод должен обеспечивать дискретное вейвлет преобразование, и иметь сходство формы вейвлет-функции в локальных особенностях сигналов ультразвукового дефектоскопа. При проведении работы выбран жесткий порог ограничения коэффициентов детализации вейвлет анализа, поскольку он является лучшим для задач фильтрации. Эффективность фильтрации подтверждена относительно большим показателем отношения сигнала к помехе, а также тем фактом, что форма импульса, выделенного от дефекта, осталась почти без изменения. Научная новизна. При использовании в качестве базисных функций вейвлетов Добеши и Койфлета в результате вейвлет-фильтрации удалось увеличить отношение сигнала к помехе на 20 дБ и уверенно выделить полезный сигнал на фоне помех, что свидетельствует о перспективности использования подобного рода преобразований в задачах фильтрации. Практическая ценность. Полученные решения можно использовать для внедрения в алгоритмы фильтрации сигналов в блоках цифровой обработки автоматизированных систем неразрушающего ультразвукового контроля.
Purpose. Analyze the effectiveness of using wavelet analysis to assess the quality of metal surfaces. Investigate the possibility of using wavelet analysis in ultrasonic flaw detection. Determine the optimal wavelet families and their criteria for assessing the quality of metal surface processing. Research methods. Orthogonal wavelets are considered: Daubechies wavelet, Simlet wavelet and Coiflet wavelet, which provide the possibility of performing a discrete wavelet transform procedure. The criteria influencing the effectiveness of ultrasonic signal filtering by methods using wavelet analysis are considered. Ultrasonic signals were filtered using wavelet functions. Results. It has been determined that for successful signal filtering, the selected wavelet method must provide a discrete wavelet transformation and have a similarity in the wavelet function shape in the local features of the ultrasonic signals flaw detector. During the work, a rigid threshold for limiting the detail coefficients of wavelet analysis was chosen, as it is the best for filtering tasks. The filtering efficiency is confirmed by the relatively high signal to noise ratio, as well as by the fact that the shape of the pulse extracted from the defect remained almost unchanged. Scientific novelty. When using the Daubechies and Coiflet wavelets as basic functions, as a result of wavelet filtering, it was possible to increase the signal to noise ratio by 20 dB and confidently isolate the useful signal against the background noise, which indicates the prospects of using this kind of transformations in filtering problems. Practical value. The obtained solutions can be used for implementation in signal filtering algorithms in digital processing units of automated non-destructive ultrasonic control systems.
Мета роботи. Проаналізувати ефективність використання вейвлет-аналізу для оцінки якості поверхонь металів. Дослідити можливість використання вейвлет-аналізу при ультразвуковій дефектоскопії. Визначити оптимальні вейвлет-сімейства та їх критерії для оцінки якості обробки металевих поверхонь. Методи дослідження. Розглянуто ортогональні вейвлети: вейвлет Добеші, вейвлет Сімлета та вейвлет Койфлета, які забезпечують можливість здійснення процедури дискретного вейвлет-перетворення. Розглянуто критерії, які впливають на результативність фільтрації ультразвукового сигналу методами з використанням вейвлет-аналізу. Проведено фільтрацію ультразвукових сигналів за допомогою вейвлет функцій. Отримані результати. З’ясовано, що для успішної фільтрації сигналів обраний вейвлет-метод повинен забезпечувати дискретне вейвлет-перетворення, і мати схожість форми вейвлет-функції до локальних особливостей сигналів ультразвукового дефектоскопа. При проведенні роботи обрано жорсткий поріг обмеження коефіцієнтів деталізації вейвлет аналізу, оскільки він є найкращім для задач фільтрації. Ефективність фільтрації підтверджено відносно великим показником відношення сигналу до перешкоди, а також тим фактом, що форма імпульсу, відбитого від дефекту, залишилася майже без зміни. Наукова новизна. При використанні в якості базисних функцій вейвлетів Добеші і Койфлета в результаті вейвлет-фільтрації вдалося збільшити відношення сигналу до перешкоди на 20 дБ і впевнено виділити корисний сигнал на тлі перешкод, що свідчить про перспективність використання подібного роду перетворень в завданнях фільтрації. Практична цінність. Отримані рішення можна використовувати для впровадження в алгоритми фільтрації сигналів у блоках цифрової обробки автоматизованих систем неруйнівного ультразвукового контролю.
wavelet, discrete wavelet transform, signal deconstructing, removing noise, flaw detection, non-destructive ultrasonic contro, python., вейвлет, дискретне вейвлет-перетворення, розкладання сигналу, видалення шумів, дефектоскопія, неруйнівний ультразвуковий контроль, python., вейвлет, дискретное вейвлет преобразование, разложение сигнала, удаление шумов, дефектоскопия, неразрушающий ультразвуковой контроль, python.
wavelet, discrete wavelet transform, signal deconstructing, removing noise, flaw detection, non-destructive ultrasonic contro, python., вейвлет, дискретне вейвлет-перетворення, розкладання сигналу, видалення шумів, дефектоскопія, неруйнівний ультразвуковий контроль, python., вейвлет, дискретное вейвлет преобразование, разложение сигнала, удаление шумов, дефектоскопия, неразрушающий ультразвуковой контроль, python.
| selected citations These citations are derived from selected sources. This is an alternative to the "Influence" indicator, which also reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | 0 | |
| popularity This indicator reflects the "current" impact/attention (the "hype") of an article in the research community at large, based on the underlying citation network. | Average | |
| influence This indicator reflects the overall/total impact of an article in the research community at large, based on the underlying citation network (diachronically). | Average | |
| impulse This indicator reflects the initial momentum of an article directly after its publication, based on the underlying citation network. | Average |
