Метод имитационного моделирования процесса съёмки вращающегося вала для создания и тестирования алгоритмов расчёта его геометрических погрешностей на основе данных машинного зрения

Для создания и тестирования алгоритмов расчёта геометрических погрешностей контролируемых валов по данным машинного зрения требуются эталонные данные о координатах видимых границ вала на изображении с известными параметрами отклонений формы и расположения шеек валов, формируемые в процессе съёмки. Для решения этой задачи предложен метод имитационного моделирования процесса съёмки вращающегося вала. Разработана математическая модель, учитывающая как идеальную геометрию вала, так и его реальные отклонения (биение, овальность, волнистость, шероховатость), а также погрешности позиционирования вала относительно цифровой видеокамеры, которая преобразует оптическое изображение в массив цифровых данных для последующей обработки. Моделирование включает формирование профиля вала, проекцию трёхмерных координат на двумерное изображение с учётом параметров видеокамеры и определение координат видимых границ вала в процессе его вращения. Проведены вычислительные эксперименты для вала диаметром 10 мм с овальностью 0,1 мм и высотой неровностей профиля по десяти точкам 50 мкм. Проанализировано влияние углов наклона оси вращения вала на изображение его границ. Результаты расчёта координат видимых границ вращающегося вала при имитационном моделировании процесса съёмки показывают, что предложенный метод позволяет генерировать реалистичные данные для тестирования алгоритмов, оценивать влияние различных погрешностей и оптимизировать параметры измерительной системы. Установлено, что имитационное моделирование является эффективным инструментом для отладки и валидации методов бесконтактного контроля геометрии валов. Предложенный метод имитационного моделирования будет полезен разработчикам алгоритмов и методов машинного зрения для бесконтактного контроля геометрии валов при отладке систем технического зрения без необходимости использования физических эталонов, а также специалистам по техническим измерениям и контролю качества в машиностроении, занимающимся автоматизацией контроля геометрии валов (например, в автомобилестроении, станкостроении, авиадвигателестроении).

1. Taatali A., Sadaoui S. E., Louar M. A., Mahiddini B. On-machine dimensional inspection: machine vision-based approach. The International Journal of Advanced Manufacturing Technology, 131, 393–407 (2024). https://doi.org/10.1007/s00170-023-12298-6

2. Tan Y. S., Zhang W. B., Wang J., Li X. Y., Chen H. Error correction method for rotating axis of large rotating machinery based on machine vision. In: Multimedia Technology and Enhanced Learning. ICMTEL 2021. Lecture Notes of the Institute for Computer Sciences, Social Informatics and Telecommunications Engineering, vol. 387. Cham, Springer (2021). https://doi.org/10.1007/978-3-030-82562-1_4

3. Степанов Д. Н. Математические модели получения стереоизображений с двухзеркальных катадиоптрических систем с учётом дисторсии объективов. Компьютерная оптика, 43(1), 105–114 (2019). https://doi.org/10.18287/2412-6179-2019-43-1-105-114

4. Степанов Д. Н., Тищенко И. П. Математическое моделирование и исследование оптимальной конфигурации оптической стереосистемы, состоящей из двух плоских зеркал. Программные системы: теория и приложения, 15(3), 23–52 (2024). https://doi.org/10.25209/2079-3316-2024-15-3-23-52

5. Доренский А. А., Пронин С. П., Зрюмов Е. А. Контроль качества ПЭТ-бутылки по цифровому изображению. Приборы и системы. Управление, контроль, диагностика, (5), 22–28 (2023). https://www.elibrary.ru/kytmsl

6. Yuan K., Fu H., Li R., Wang L., Zhang X. Research on sub-pixel detection and evaluation of roundness error of shaft workpiece based on machine vision. Journal of Mechanical Science and Technology, 39, 2041–2049 (2025). https://doi.org/10.1007/s12206-025-0329-8

7. Cao Y., Hou Y. L., Zhang S. C., Liu Y., Li W. Evaluation of crankshaft roundness error based on computational geometry. Manufacturing Technology & Machine Tool, (8), 174–179 (2023). https://doi.org/10.19287/j.mtmt.1005-2402.2023.08.025

8. Гордевич Д. А., Богуш Р. П. Анализ методов определения реальных геометрических размеров объектов и расстояний с применением компьютерного зрения. Информационно-коммуникационные технологии: достижения, проблемы, инновации (ИКТ-2024). Полоцк, Полоцкий государственный университет имени Евфросинии Полоцкой, с. 159–163 (2024). https://www.elibrary.ru/ahgcva

9. Чертов А. Н., Хохлов Д. Д. Современные оптические методы бесконтактных геометрических измерений и восстановления 3D-формы поверхности объектов: обзор. Научно-технический вестник информационных технологий, механики и оптики, 24(6), 923–935 (2024). https://doi.org/10.17586/2226-1494-2024-24-6-923-935

10. Мироненко В. В., Белоусов А. Р. Подготовка системы машинного зрения для анализа геометрии деталей. Кузнечно-штамповочное производство. Обработка материалов давлением, (6), 35–40 (2022). https://www.elibrary.ru/zgnxjf

11. Степанов П. П., Миронов С. В. Имитационное моделирование в задачах разработки систем технического зрения. Компьютерная оптика, 46(3), 412–419 (2022). https://doi.org/10.18287/2412-6179-CO-1065