Detecting systematic and random component of surface roughness signal

Abstract

The solution of the problem of separating the initial one-dimensional signal into two components – systematic and random – has an extremely wide practical application not only in the theory of information and communication (and related disciplines), but also in mechanical engineering disciplines. For example, mechanical engineering technology being a science discipline includes the teaching about the surface quality of the machined parts and researching the surface roughness after machining these parts by cutting and grinding. The paper shows that the theoretical and actual values of roughness parameters differ significantly (up to 20 times) due to the influence of a random component that is present in the roughness signal together with a systematic component. It is necessary to identify the share of each of these components in the specified surface quality parameters in accordance with the method proposed in the paper. This method allows detecting the systematic and random components of the signal and is based on the analysis of the signal autocorrelation function. Practical examples of this analysis are considered in detail for milled surface profilogram obtained experimentally. Both milling, which creates irregularities on the machined surface, and measurement of these irregularities are performed on modern CNC equipment: machining center 500V/5 and computer measuring station T8000, respectively. The developed and shown by examples signal separation technique is also applicable in other fields of science, technology and manufacturing. For example, when determining the signal to noise ratio in the theory of information and communication, in the field of telecommunications and telemetry, radio engineering, etc

Рішення завдання поділу вихідного одновимірного сигналу на дві складові - систематичну і випадкову - має надзвичайно широке практичне застосування не тільки в теорії інформації і зв'язку (і супутніх дисциплінах), але також в механіко-технологічних дисциплінах. Наприклад, технологія машинобудування як наука включає в себе вчення про якість поверхні оброблених деталей і дослідження шорсткості поверхні після обробки цих деталей різанням і шліфуванням. У статті показано, що теоретичні і фактичні значення параметрів шорсткості істотно (до 20 раз) розрізняються через вплив випадкової складової, яка присутня в сигналі шорсткості спільно з систематичної складової. Необхідно визначити частку кожної з цих складових в параметрах якості поверхні за методом, запропонованим в статті. Цей метод дозволяє виявляти систематичну і випадкову складові сигналу і заснований на аналізі автокореляційної функції сигналу. Практичні приклади такого аналізу розглянуті докладно для профілограм фрезерованої поверхні, отриманих експериментально. Як фрезерування, яке створює нерівності на оброблюваної поверхні, так і вимір цих нерівностей виконані на сучасному устаткуванні з ЧПУ: обробному центрі 500V/5 і комп'ютерної вимірювальної станції T8000, відповідно. Методика розподілу сигналу, яка розроблена і показана на прикладах, може бути застосована також в інших областях науки, техніки і виробництва. Наприклад, при визначенні відношення сигналу до шуму в теорії інформації і зв'язку, в області телекомунікації та телеметрії, радіотехніки і т.д.

Решение задачи разделения исходного одномерного сигнала на две составляющие – систематическую и случайную – имеет чрезвычайно широкое практическое применение не только в теории информации и связи (и сопутствующих дисциплинах), но также в механико-технологических дисциплинах. Например, технология машиностроения как наука включает в себя учение о качестве поверхности обработанных деталей и исследование шероховатости поверхности после обработки этих деталей резанием и шлифованием. В статье показано, что теоретические и фактические значения параметров шероховатости существенно (до 20 раз) различаются из-за влияния случайной составляющей, которая присутствует в сигнале шероховатости совместно с систематической составляющей. Необходимо определить долю каждой из этих составляющих в параметрах качества поверхности по методу, предложенному в статье. Этот метод позволяет обнаруживать систематическую и случайную составляющие сигнала, и основан на анализе автокорреляционной функции сигнала. Практические примеры такого анализа рассмотрены подробно для профилограмм фрезерованной поверхности, полученных экспериментально. Как фрезерование, которое создает неровности на обрабатываемой поверхности, так и измерение этих неровностей выполнены на современном оборудовании с ЧПУ: обрабатывающем центре 500V/5 и компьютерной измерительной станции T8000, соответственно. Разработанная и показанная на примерах методика разделения сигнала применима также в других областях науки, техники и производства. Например, при определении отношения сигнала к шуму в теории информации и связи, в области телекоммуникации и телеметрии, радиотехники и т.д.