Сегментація реалізацій випадкових процесів в автоматизованих системах технічної діагностики ріжучих інструментів

Размещено на http://www.allbest.ru/

ОДЕСЬКИЙ НАЦІОНАЛЬНИЙ ПОЛІТЕХНІЧНИЙ УНІВЕРСИТЕТ

ПОЛЯКОВА МАРИНА ВЯЧЕСЛАВІВНА

УДК 65.011.56.004.58:519.246

СЕГМЕНТАЦІЯ РЕАЛІЗАЦІЙ ВИПАДКОВИХ ПРОЦЕСІВ В АВТОМАТИЗОВАНИХ СИСТЕМАХ ТЕХНІЧНОЇ ДIАГНОСТИКИ РІЖУЧИХ ІНСТРУМЕНТІВ

05.13.06 Автоматизовані системи управління та прогресивні інформаційні технології

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Одеса 2003

Дисертацією є рукопис.

Робота виконана на кафедрі “Прикладна математика та інформаційні технології в бізнесі” Одеського національного політехнічного університету Міністерства освіти і науки України.

Науковий керівник кандидат технічних наук, доцент

Востров Георгій Миколайович, завідувач кафедри “Прикладна математика та інформаційні технології в бізнесі”, директор Інституту бізнесу, економіки та інформаційних технологій, Одеський національний політехнічний університет.

Офіційні опоненти:доктор технічних наук, доцент

Денисенко Володимир Анатолійович, завідувач кафедри автоматизованих систем керування холодильного та кріогенного машинобудування, Одеська державна академія холоду (м. Одеса);

кандидат технічних наук

Худенко Надія Петрівна, доцент кафедри вищої математики, Одеська національна академія харчових технологій (м. Одеса).

Провідна установаНаціональний технічний університет України “Харківський політехнічний інститут”, кафедра системного аналізу і управління (м. Харків).

Захист відбудеться 26 лютого 2004 року о 13.30 на засіданні спеціалізованої вченої ради Д 41.052.01 Одеського національного політехнічного університету за адресою: 65044, м. Одеса, проспект Шевченка, 1.

З дисертацією можна ознайомитися в бібліотеці Одеського національного політехнічного університету за адресою: 65044, м. Одеса, пр. Шевченка, 1.

Автореферат розісланий “20” січня 2004 р.

Вчений секретар спеціалізованої вченої ради Ямпольський Ю.С.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність теми. Зростаючі вимоги до якості обробки при виготовленні високоточних деталей обумовлюють необхідність застосування складних, дорогих ріжучих інструментів (РІ). Раптові відмовлення РІ призводять до значних простоїв устаткування і втратам якості обробки. Для оцінки станів РІ актуальною є задача створення автоматизованих систем технічної діагностики. Значним внеском у створення автоматизованих систем, які забезпечують діагностування станів інструментів, є відомі розробки Остаф'єва В.О., Тимчика Г.С., Грабченка О.І., Дерев'янченка О.Г., Нахапетян Є.Г., Подураєва В.М., Заковоротного В.Л., Козочкина М.П. та інших.

Діагностування станів РІ на основі результатів прямого і непрямого контролю часто виконується шляхом реєстрації, відповідно, профілограм ріжучих кромок і віброакустичних сигналів РІ. Автоматизовані системи технічної діагностики РІ, які використовуються в наш час, містять в собі процедури сегментації та ідентифікації профілограм ріжучих кромок та віброакустичних сигналів РІ, які мають низьку перешкодостійкість і вимагають ручного настроювання параметрів. Ручне настроювання параметрів потребує від оператора кваліфікації експерта і підвищує час діагностування до 4 - 5 хвилин, що знижує продуктивність автоматизованих систем технічної діагностики РІ. Низька перешкодостійкість процедур сегментації та ідентифікації сигналів знижує точність діагностування. Тому актуальною є проблема розробки перешкодостійких процедур сегментації та ідентифікації профілограм ріжучих кромок та віброакустичних сигналів в автоматизованих системах технічної діагностики РІ.

Оскільки система різання характеризується множиною випадкових факторів, доцільно розглядати профілограми ріжучих кромок та віброакустичні сигнали, що реєструються при діагностуванні РІ, як реалізації випадкового процесу. При працездатному стані інструмента протягом реєстрації сигналу характеристики досліджуваного процесу не змінюються. Зношування інструмента, його дефекти, защемлення, поломка знаходять відображення в змінах властивостей випадкового процесу. При діагностуванні стану джерела сигналу з властивостями, що змінюються, з використанням розпізнавання образів виникає задача сегментації та ідентифікації реалізацій випадкових процесів. При рішенні цієї задачі використовують методи виявлення змін властивостей випадкового процесу. Ця область наукових досліджень одержала останнім часом значний розвиток завдяки працям Вілскі А.С., Басвиля М., Банвеніста А., Нікіфорова І.В. та інших.

Дослідження та аналіз існуючих методів виявлення змін властивостей випадкового процесу дозволили виділити методи вейвлет-аналізу як найбільш придатні до розв'язання задач технічної діагностики РІ. Однак для цих методів характерні проблеми низької перешкодостійкості та необхідності автоматизації вибору порогів. Тому задача підвищення продуктивності автоматизованих систем технічної діагностики РІ шляхом зростання точності діагностування і автоматизації процеса настроювання цих систем за рахунок збільшення перешкодостікості та автоматизованого вибору порогів процедур сегментації та ідентифікації реалізацій випадкових процесів в автоматизованих системах технічної діагностики РІ є актуальною.

Зв'язок роботи з науковими програмами, планами, темами. Дисертація виконувалася відповідно до завдань НДР Одеського національного політехнічного університету № 520-132 “Математичні методи аналізу та обробки складноорганізованої інформації”.

Мета і задачі дослідження. Метою даної роботи є підвищення продуктивності автоматизованих систем технічної діагностики РІ шляхом зростання точності діагностування та автоматизації процеса настроювання цих систем за рахунок збільшення перешкодостійкості та автоматизованого вибору порогів процедур сегментації та ідентифікації реалізацій випадкових процесів. Для досягнення цієї мети були розв'язані такі задачі.

Досліджені та проаналізовані існуючі методи сегментації реалізацій випадкового процесу та виділені методи, найбільш придатні до розв'язання задачі технічної діагностики РІ.

Розроблено математичну модель профілограм ріжучих кромок і віброакустичних сигналів як реалізацій випадкових процесів в автоматизованих системах технічної діагностики РІ.

Розроблено перешкодостійку методику спільного виявлення змін різних характеристик випадкового процесу з автоматизованим вибором порогів для сегментації та ідентифікації профілограм ріжучих кромок та віброакустичних сигналів РІ в автоматизованих системах технічної діагностики.

Розроблено методику ідентифікації профілограм ріжучих кромок та віброакустичних сигналів РІ за моментами зміни характеристик випадкового процесу.

Досліджено перешкодостійкість розроблених методик сегментації та ідентифікації профілограм ріжучих кромок та віброакустичних сигналів РІ.

Розроблені методики застосовані в автоматизованих системах технічної діагностики РІ.

Об'єкт дослідження. Об'єктом дослідження є автоматизовані системи технічної діагностики РІ верстатного обладнання.

Предмет дослідження. Предметом дослідження є автоматизація процеса настроювання систем технічної діагностики РІ на базі сегментації профілограм ріжучих кромок та віброакустичних сигналів РІ.

Методи досліджень. Методологічною і теоретичною основою дослідження є роботи в області статистичного аналізу випадкових процесів, вейвлет-аналізу та розпізнавання образів. При розробці математичної моделі профілограм ріжучих кромок і віброакустичних сигналів в автоматизованих системах технічної діагностики РІ було використовано статистичний аналіз випадкових процесів. Перешкодостійку методику спільного виявлення змін різних характеристик випадкового процесу з автоматизованим вибором порогів для сегментації та ідентифікації профілограм ріжучих кромок і віброакустичних сигналів РІ було розроблено на базі статистичного аналізу випадкових процесів та вейвлет-аналізу. Методику ідентифікації профілограм ріжучих кромок і віброакустичних сигналів РІ за моментами зміни їх характеристик було визначено на основі статистичного аналізу випадкових процесів та розпізнавання образів.

Наукова новизна одержаних результатів.

Вперше розроблено математичну модель профілограм ріжучих кромок та віброакустичних сигналів РІ як реалізацій випадкових процесів із сегментно-стаціонарними гармонічними різницями.

Вдосконалено метод спільного виявлення стрибків середнього значення і параметрів гармонічних складових випадкового процесу шляхом автоматизованого вибору порогів в області вейвлет-перетворення, що дозволило автоматизувати настроювання системи діагностики інструменту верстатного обладнання.

Запропоновано методику ідентифікації реалізацій випадкових процесів за моментами зміни їх характеристик, що забезпечує інваріантість до тренда та масштабу і дозволяє приймати статистичне рішення про гармонічний характер профілограм ріжучих кромок РІ.

Вперше запропоновано міру схожості для векторів ознак змінної розмірності зі структурним синтезом опису класу, що дозволило проводити класифікацію профілограм ріжучих кромок та віброакустичних сигналів РІ за моментами зміни їх характеристик.

Практичне значення одержаних результатів. Практична цінність роботи полягає в тому, що на основі розроблених методик, алгоритмів і програм підвищено продуктивність реально працюючих комплексів, збільшено точність діагностування та скорочено час діагностування в автоматизованих системах технічної діагностики РІ. Розроблено рекомендації щодо використання запропонованих методик у прикладних автоматизованих системах управління. Результати досліджень апробовано і впроваджено в ВАТ “УКРНДІВІП” та в навчальний процес кафедр “Технологія конструкційних матеріалів та матеріалознавство”, “Металорізальні верстати, метрологія та сертифікація” та “Прикладна математика та інформаційні технології в бізнесі” Одеського національного політехнічного університету.

Особистий внесок здобувача. Наукові положення, висновки і рекомендації, викладені в дисертації, отримано особисто здобувачем. В працях, виконаних у співавторстві з науковим керівником та співробітниками університету, особистий внесок автора становить:

у [1, 2, 11, 12, 13, 14] - виконано розробку моделей та методик сегментації реалізацій випадкових процесів;

у [3, 5, 10] - виконано розробку та класифікацію моделей, розробку методик та алгоритмічних рішень;

у [4, 6, 7, 8, 9, 16] - виконано розробку алгоритмічних рішень та експериментальні дослідження;

у [15] - виконано розробку моделі, алгоритмічного та програмного рішення.

Апробація результатів дисертації. Основні теоретичні положення та результати роботи доповідалися на наукових семінарах кафедр “Технологія конструкційних матеріалів та матеріалознавство”, “Системне програмне забезпечення” і “Прикладна математика та інформаційні технології в бізнесі” Одеського національного політехнічного університету, науковій конференції “Оптимизация управления, информационные системы и компьютерные технологии” (Одеса, 1999), Міжнародній конференції з управління “Автоматика-2000” (Львів, 2000), 5-й Міжнародній конференції “Распознавание образов и анализ изображений: новые информационные технологии” (Самара, 2000), V Всеукраїнській міжнародній конференції “УкрОБРАЗ-2000” (Київ, 2000), Міжнародній конференції з управління “Автоматика-2001” (Одеса, 2001), V Міжнародній конференції “Оптико-электронные приборы и устройства в системах распознавания образов, обработки изображений и символьной информации” (Курськ, 2001), ХІІ Міжнародному науково-технічному семінарі “Высокие технологии: тенденции развития” (Харків-Алушта, 2002), VІ Всеукраїнській міжнародній конференції “УкрОБРАЗ-2002” (Київ, 2002), 4-й Міжнародній науково-практичній конференції “Современные информационные и электронные технологии” (Одеса, 2003).

Публікації. За результатами проведених досліджень опубліковано 16 наукових праць, в тому числі 9 статтей в журналах (з них 8 - в спеціальних фахових виданнях переліку ВАК України) та 7 - в матеріалах конференцій.

Структура та обсяг роботи. Дисертація складається з вступу, чотирьох розділів, висновків, списку використаних джерел з 124 найменувань та 5 додатків, викладених на 150 сторінках основного тексту, а також містить 48 рисунків та 16 таблиць.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі обґрунтовано актуальність теми дисертації, сформульовано її мету і задачі дослідження, методи дослідження, наукову новизну та практичне значення отриманих результатів, описано структуру та обсяг дисертації.

У першому розділі проведено аналіз існуючих методів сегментації реалізацій випадкових процесів (ВП) в автоматизованих системах технічної діагностики РІ.

Приведено узагальнену структуру автоматизованих систем діагностики технологічного процесу. Відзначено, що в залежності від того, стан яких РІ необхідно діагностувати, використовуються різні системи контролю і діагностики, а також охарактеризовані відповідні методи контролю РІ. Відзначено, що результатом застосування прямих методів контролю з використанням контактних датчиків для виявлення зносу є профілограми ріжучих кромок РІ (рис. 1, а). При реалізації непрямих методів контролю в якості критерію зносу інструменту розглядають амплітуду вібрації, результатом виміру якої є віброакустичний сигнал (рис. 1, б).

Складено узагальнену схему підсистеми технічної діагностики РІ. Відзначено, що продуктивність автоматизованих систем технічної діагностики РІ визначається, насамперед, точністю та часом діагностування. Показники точності визначаються характеристиками розпізнавання сигналів автоматизованих систем технічної діагностики, на які, в свою чергу, впливає перешкодостійкість базових процедур підсистеми технічної діагностики - сегментації сигналів та ідентифікації сегментів сигналів. Час діагностування визначається рівнем автоматизації систем технічної діагностики, на який впливає вибор порогів процедур сегментації та ідентифікації сигналів. Процедура сегментації полягає в розподілі сигналу на однорідні по будь-якій ознаці інтервали. Під ідентифікацією розуміли виділення характерних ознак об'єктів розпізнавання сигналів в автоматизованих системах технічної діагностики РІ.

Проаналізовано особливості формування сигналів в автоматизованих системах технічної діагностики РІ як реалізацій ВП. Зроблено висновок про те, що рішення задачі сегментації та ідентифікації сигналів в автоматизованих системах технічної діагностики РІ доцільно виконувати за допомогою методів виявлення змін властивостей ВП.

Проведено аналіз існуючих методів виявлення змін властивостей ВП (класичних, на основі вейвлет-аналізу, комбінованих) з точки зору їх використання в автоматизованих системах технічної діагностики РІ. Зроблено висновок про те, що підвищення перешкодостійкості процедур сегментації та ідентифікації сигналів в автоматизованих системах технічної діагностики РІ доцільніше виконувати шляхом виявлення змін властивостей ВП на основі вейвлет-аналізу.

У другому розділі наведено перешкодостійку методику спільного виявлення змін різних характеристик ВП з автоматизованим вибором порогів для сегментації та ідентифікації профілограм ріжучих кромок та віброакустичних сигналів РІ в автоматизованих системах технічної діагностики.

Структура та принцип дії автоматизованих систем технічної діагностики РІ багато в чому залежать від вибору методу діагностики та вигляду використовуваної при цьому математичної моделі сигналів датчиків прямого і непрямого контролю, що є основою для розробки алгоритму функціонування діагностичної системи та її технічної реалізації. Тому при побудові методики спільного виявлення профілограм ріжучих кромок та віброакустичних сигналів РІ було розроблено математичну модель цих сигналів як реалізацій ВП із сегментно-стаціонарними гармонічними різницями.

Нехай t - деякий параметр, наприклад, часова або просторова координата, що може приймати дискретні значення t=1, …, N. Припустимо, що є еквідістантні за цим параметром значення спостережень . Сукупність цих спостережень є послідовністю , що моделює один із сигналів датчика прямого чи непрямого контролю автоматизованих систем технічної діагностики РІ. Так, у випадку контролю РІ за допомогою контактних датчиків, сигнал y(t) моделює профілограму ріжучої кромки і є реалізацією ВП, утвореного сукупністю профілограм ріжучих кромок РІ. У випадку контролю РІ за допомогою віброакустичних сигналів y(t) моделює один з віброакустичних сигналів і є реалізацією ВП, утвореного сукупністю віброакустичних сигналів контрольованих РІ.

Нехай інтервал, на якому визначено ВП, можна представити у вигляді сукупності сегментів. В якості меж сегментів доцільніше використовувати моменти зміни властивостей ВП, оскільки вони пов'язані з фізичною природою порушення працездатності РІ, а сегментацію задавати списком меж сегментів, тобто списком моментів зміни властивостей ВП.

Представимо сигнал y(t) у вигляді розбиття на послідовні непересічні сегменти

y(t)=, q0=1, qk+1=N+1, (1)

де сi(t) - гладкий тренд на i-му сегменті сигналу; aij, ij, ij - амплітуда, частота, фаза j-ї гармонічної складової на i-му сегменті сигналу; ni(t) - випадкова складова на i-му сегменті сигналу;

(q1, …, qk) - вектор сегментації сигналу, що містить моменти зміни його властивостей.

На межах сегментів середнє значення сигналу y(t), виражене трендом, а також амплітуда і частота гармонічних складових сигналу, можуть стрибкоподібно змінюватися, однак, ця зміна обмежена:

де - параметри моделі.

Кількість k наборів параметрів ВП, яка визначає кількість його сегментів, невідома. Інформацію про чергування окремих наборів параметрів ВП містить вектор параметрів ВП H={h0(t), …, hk(t)}, який також невідомий, оскільки процес змін значень параметрів не спостерігається. Невідомі також моменти зміни властивостей ВП qi, під якими розуміємо значення t, в яких спостерігаються стрибки середнього значення ВП, а також параметрів гармонічних складових ВП - амплітуди та частоти. Нехай випадковою складовою виступає білий гаусівський шум, а моменти зміни властивостей ВП qi розділені в часі настільки, що можливі їхні індивідуальні виявлення.

В роботі наведено визначення моделі (1) за допомогою поняття різниці ВП. Перехід до різниць обґрунтований тим, що порушення працездатності ріжучої кромки інструментів супроводжується фізичними процесами різного рівня. При цьому кожен конкретний процес обробки характеризується своїм випадковим поєднанням збурювань, що впливають на нього. Різні збурювання викликають і різні порушення процесу обробки: порушення параметрів контактних процесів (мікрозміни) призводять до руйнування системи різання (макрозмін). Таким чином, порушення працездатності РІ супроводжується фізичними процесами різного рівня, що знаходять вираження в гармонічних процесах різної частоти. Кореляційні залежності різного рівня можуть бути охарактеризовані в термінах різниць ВП.

Таким чином, у роботі вперше розроблено математичну модель профілограм ріжучих кромок та віброакустичних сигналів РІ як реалізацій ВП із сегментно-стаціонарними гармонічними різницями. Розроблена модель дозволяє врахувати стрибкоподібні зміни властивостей ВП в автоматизованих системах технічної діагностики РІ, викликані різними дефектами інструменту в результаті його зношування. При цьому інтенсивність зміни зносу виражається в термінах різниць ВП, які передбачаються стаціонарними на сегментах сигналів, відображаючих помірний знос РІ. До того ж розроблена модель профілограм ріжучих кромок та віброакустичних сигналів РІ дозволяє врахувати те, що ці сигнали містять як гармонічні складові з різною частотою, так і локальні особливості, обумовлені численними збурюваннями системи різання різного походження і тривалості.

Розроблена математична модель профілограм ріжучих кромок та віброакустичних сигналів РІ дозволила побудувати перешкодостійку методику спільного виявлення змін их характеристик.

Виявлення стрибків середнього значення ВП виконувалося в області вейвлет-перетворення. Щоб уникнути традиційної для методів вейвлет-аналізу оцінки показника регулярності в кожній точці функції, яка інтерполює початковий сигнал, запропоновано використовувати порогові значення для коефіцієнтів вейвлет-перетворення на кожному масштабі. Це дозволяє підвищити перешкодостійкість та збільшити швидкодію виявлення стрибків середнього значення ВП в області вейвлет-перетворення.

Отримано порогове значення для виявлення стрибків середнього значення ВП, що обчислюється як

, (2)

де - аналізуючий вейвлет, а - масштаб вейвлет-перетворення, b - параметр зсуву, (x0-b)/a=K - точка локального екстремуму вейвлет-перетворення досліджуваного сигналу, x0 - момент зміни середнього значення ВП. Параметр thr залежить від апріорної інформації про величину стрибка середнього значення ВП. У випадку, якщо заданий абсолютний мінімальний стрибок Аmin, параметр thr оцінювали за формулою

thr=Аmin. (3)

Якщо заданий відносний мінімальний стрибок , то

thr=, (4)

де - масштабний коефіцієнт вейвлет-перетворення в точці

,

Формули (3), (4) дозволили автоматизувати вибір порога виявлення змін середнього значення ВП адаптивно до початкового сигналу. При цьому момент зміни середнього значення ВП пропонується оцінювати за формулою

. (5)

Для підвищення перешкодостійкості виявлення змін властивостей ВП, а саме, зменшення запізнювання у виявленні змін властивостей ВП, у роботі використовувалося стаціонарне вейвлет-перетворення (СВП), інваріантне до зсуву сигналу в часі. Стрибки середнього значення ВП визначалися локальними екстремумами СВП, амплітуда яких перевищувала порог (2), а момент зміни властивостей ВП оцінювався за формулою (5).

Для виявлення змін параметрів гармонічних складових ВП отримано розв'язуюче правило визначення моментів стрибкоподібної зміни амплітуди та частоти гармонічних складових ВП. У роботі запропоновано виявляти ці зміни властивостей ВП за допомогою відстеження змін стандартного відхилення вейвлет-коефіцієнтів на різних масштабах. Хай - мінімальна відносна зміна амплітуди, яку необхідно виявляти, 0<1, - мінімальна відносна зміна частоти, яку необхідно виявляти, 0<1. Розв'язуюче правило для виявлення змін амплітуди та частоти має вигляд:

, (6)

де , - стандартне відхилення вейвлет-коефіцієнтів до і після зміни параметрів гармонічних складових ВП. Параметри та задаються виходячи з апріорної інформації про сигнал. Параметр n є ступінню полінома, що апроксимує модуль перетворення Фур'є аналізуючого вейвлета ш(x).

Використання розв'язуючого правила (6) має такі переваги. По-перше, при його побудові доведено, що відношення стандартних відхилень вейвлет-коефіцієнтів є локальним критерієм, заснованим на розкладанні в ряд узагальненого відношення правдоподібності для вейвлет-коефіцієнтів. По-друге, розв'язуюче правило (6) інтерпретується як відношення параметрів гармонічних складових ВП, що дозволило автоматизувати вибір порога виявлення. За допомогою формул (2) та (6), які дозволяють виявляти стрибки середнього значення та параметрів гармонічних складових ВП в області вейвлет-перетворення, розроблено методику спільного виявлення змін різних характеристик ВП. На основі цієї методики розроблено алгоритм сегментації реалізацій випадкових процесів з кількістю операцій O(Nlog(N)), де N - кількість відліків сигналу.

Особливість розробленої методики спільного виявлення змін різних характеристик ВП полягає в тому, що вона є багатомасштабною. Це дозволило визначити моменти зміни параметрів гармонічних складових ВП, які характеризуються різними частотами. Запропонована методика спільного виявлення змін різних характеристик ВП містить у собі:

виявлення змін середнього значення ВП із використанням порога (2);

виявлення змін параметрів гармонічних складових ВП із використанням правила (6);

сполучення сегментації по обох ознаках та об'єднання результатів сегментації на різних масштабах.

Отримані в результаті застосування розробленої методики спільного виявлення змін різних характеристик ВП моменти зміни властивостей ВП запропоновано використовувати для ідентифікації реалізацій ВП. Побудована система ознак інваріантна до масштаба та тренду.

Основною проблемою при ідентифікації реалізацій ВП за моментами зміни властивостей ВП є визначення міри схожості між реалізаціями ВП. У роботі пропонується міру схожості між реалізаціями ВП визначати на основі лінійної відстані. Перевага цьому параметру була віддана тому, що за допомогою лінійної відстані найкраще виділяються кластери стрічкової форми. Кластери, що формуються в запропонованій системі ознак, мають стрічкову форму в результаті запізнювання у виявленні моменту зміни властивостей ВП, а також через вибіркову мінливість моменту зміни властивостей ВП при аналізі різних реалізацій ВП.

Сигнали i та j, між якими потрібно обчислити міру схожості , у загальному випадку містять різну кількість моментів зміни властивостей ВП. Для вирішення виникаючої при цьому проблеми класифікації векторів ознак змінної розмірності, а також для підвищення перешкодостійкості лінійної відстані пропонується враховувати тільки пари моментів змін сигналів i та j, відстань між якими найменша, причому кожен момент зміни властивостей ВП враховувати тільки один раз. Вибір саме найменшої відстані пов'язаний з необхідністю підвищення перешкодостійкості лінійної відстані та заснований на визначенні відстані між стрічковими кластерами як мінімальної з відстаней між сигналами різних класів.

Тоді міра схожості має вигляд:

, (7)

де mij =, - кількість моментів зміни властивостей i-го сигналу, - кількість моментів зміни властивостей j-го сигналу, - l-а пара моментів змін властивостей сигналів i та j, відстань між якими найменша, l =1, 2, ..., Mij, Mij - кількість таких пар. Формула (7) визначає міру схожості для векторів ознак змінної розмірності із структурним синтезом опису класу, яка дозволяє робити класифікацію реалізацій ВП за моментами зміни властивостей в умовах перешкод.

На базі методики ідентифікації реалізацій ВП за моментами зміни властивостей ВП визначено процедуру прийняття статистичного рішення про гармонічний характер ВП. Під час реалізації цієї процедури вирішуються такі задачі:

визначення наявності у початковому сигналі гармонічної складової з заданим періодом Т0 та амплітудою не менш, ніж задана;

визначення існування для гармонічної складової з періодом Т0 статистично значимої кореляції з початковим сигналом.

Як відомо, якщо досліджуваний сигнал осцілює досить повільно, то локальні екстремуми вейвлет-перетворення відповідають точкам перетинання синусоїдою, що апроксимує початковий сигнал, осі абсцис. Тоді для вирішення першої задачі задається параметр Аmin виявлення стрибків середнього значення ВП із порогом (2), що дорівнює амплітуді гармонічної складової, наявність якої в сигналі потрібно визначити. Відповідний вектор моментів зміни середнього значення ВП q=(q1, …, qk), де k - кількість моментів зміни середнього значення ВП, дозволив одержати оцінку періоду синусоїди :

,

де - медіана розподілу сигналу q=( q2-q1, …, qk-qk-1).

Для оцінки імовірності присутності в сигналі гармонічної складової з періодом Т0 визначався ступінь близькості вибіркового значення до оцінюваного параметра Т0 методом перевірки статистичних гіпотез. Отримане р-значення, що являє собою ймовірність спостереження отриманого значення Т за умови істинності нульової гіпотези, дозволило оцінити імовірність присутності в сигналі гармонічної складової з періодом Т0.

Якщо гіпотеза про близькість до оцінюваного параметра Т0 не відкидалася, то для вирішення другої задачі методом перевірки статистичних гіпотез перевірялося, чи свідчить ненульове значення кореляції про існування статистично значимого зв'язку між сигналом та гармонічною складовою. У випадку, якщо і гіпотеза про існування статистично значимого зв'язку між сигналом та гармонічною складовою не відкидалася, приймалося статистичне рішення про гармонічний характер ВП.

Програмна реалізація алгоритмів сегментації та ідентифікації ВП на основі запропонованих в дисертаційній роботі методик спільного виявлення змін різних характеристик та ідентифікації реалізацій ВП є інформаційно-дослідною системою обробки сигналів WMCD. Особливістю системи є меню-орієнтований режим. Система дозволяє виконати попередню обробку сигналів, перевірку моделей на адекватність реальним даним, сегментацію сигналів за допомогою методів виявлення змін властивостей ВП, ідентифікацію та класифікацію реалізацій ВП.

В третьому розділі представлено результати експериментальних досліджень перешкодостійкості розроблених методик спільного виявлення змін різних характеристик та ідентифікації реалізацій ВП на модельному матеріалі.

Експеримент проводився для 8 класів процесів, для кожного з яких генерувалося по 700 реалізацій довжиною 1024 відліки в кожному класі. Класи процесів являють собою:

гаусівський білий шум з різною дисперсією (клас 1);

авторегресію першого порядку, що відрізняється коефіцієнтом авторегресії (клас 2);

синусоїду в білому шумі з різною дисперсією шуму (клас 3);

синусоїду в білому шумі з різною частотою та фіксованою дисперсією шуму (клас 4);

гаусівський білий шум зі стрибком середнього значення (клас 5);

авторегресію першого порядку зі стрибкоподібною зміною коефіцієнта авторегресії (клас 6);

синусоїду в білому шумі зі стрибком амплітуди (клас 7);

синусоїду в білому шумі зі стрибком частоти (клас 8).

Зміна властивостей реалізацій процесів класів 5 - 8 відбувалося на 512-му відліці. Відношення сигнал/перешкода для реалізацій процесів класів 4 та 8 приймалося таким, що дорівнює 10 за потужністю.

Для сигналів кожного класу процесів здійснювалося виявлення змін властивостей ВП за допомогою запропонованої методики, а також спеціальними методами, орієнтованими на виявлення змін визначеної характеристики ВП. Для реалізацій процесів класів 1, 3, 5 та 7 досліджувалася залежність характеристик виявлення від відношення сигнал/перешкода, для реалізацій процесів класів 2 та 6 - від значення коефіцієнта авторегресії, для реалізацій процесів класів 4 та 8 - від частоти синусоїди при фіксованому відношенні сигнал/перешкода, яке дорівнює 10 за потужністю.

Результати експерименту показали, що запропонована методика спільного виявлення змін різних характеристик ВП може використовуватись при відношенні сигнал/перешкода, яке дорівнює 10 та вище за потужністю, а також у випадку, якщо сигнал містить гармонічні складові з частотами з інтервалу 140 Гц - 260 Гц при частоті дискретизації 1023 Гц. Якщо сигнал може бути змодельований процесом авторегресії першого порядку, запропонована методика програє застосовуваним методам виявлення змін властивостей ВП з імовірності помилкової тривоги до 14 %. Тому перед застосуванням запропонованої методики до процесу авторегресії першого порядку потрібно використовувати попередню обробку за допомогою відбілювального фільтра.

Методика спільного виявлення змін різних характеристик ВП може бути використана при розробці процедур сегментації для задач обробки сигналів та зображень у системах, відмінних від систем технічної діагностики, що характеризуються відношенням сигнал/перешкода, яке дорівнює 10 та вище за потужністю, або можуть бути змодельовані процесом авторегресії першого порядку.

Розроблена методика спільного виявлення змін різних характеристик ВП дозволила підвищити рівень автоматизації процедур сегментації та ідентифікації реалізацій ВП при незначному (до 10 %) зменшенні імовірності правильного розпізнавання.

Отримані в результаті роботи запропонованої методики спільного виявлення змін різних характеристик ВП моменти зміни властивостей ВП використовувалися для ідентифікації реалізацій процесів класів 1 - 8. Розпізнавання реалізацій ВП класів 1 та 5, 2 та 6, 3 та 7, 4 та 8 при фіксованому відношенні сигнал/перешкода, яке дорівнює 10 за потужністю, що відрізняються наявністю або відсутністю зміни властивостей ВП, показало, що запропонована методика ідентифікації сигналів дозволяє розпізнавати реалізації ВП зі змінами різних характеристик ВП.

Використання моментів зміни властивостей ВП для ідентифікації реалізацій ВП дозволило досягти імовірності правильного розпізнавання 0,91 - 0,98 при відношенні сигнал/перешкода, яке дорівнює 10 та вище за потужністю.

В четвертому розділі розглянуто результати застосування методики спільного виявлення змін різних характеристик ВП та методики ідентифікації реалізацій ВП в автоматизованих системах технічної діагностики РІ.

За допомогою запропонованих методик було вирішено дві прикладні задачі технічної діагностики РІ: діагностування концентрованого зносу різальної частини інструментів при прецизійній обробці на основі результатів прямого контролю та діагностування відмовлень свердла на основі результатів непрямого контролю.

При вирішенні задачі діагностування концентрованого зносу різальної частини інструментів на основі результатів прямого контролю проводили ідентифікацію профілограм ріжучих кромок різців для тонкого точіння. В якості ознак використовували моменти зміни характеристик ВП. На підставі отриманої системи ознак приймали статистичне рішення про гармонічний характер ВП та здійснювали діагностику концентрованого зносу. При визначенні моментів зміни характеристик ВП застосовували розроблену методику спільного виявлення змін різних характеристик ВП, що дозволило підвищити перешкодостійкість у порівнянні з іншими методами виявлення змін властивостей ВП, а також, як важливий побічний результат, дало можливість визначити такий додатковий параметр концентрованого зносу, як ширину зносу (габаритний розмір поверхні зносу).

Достоїнством запропонованого рішення задачі діагностування концентрованого зносу в порівнянні з традиційною методикою на основі спектрального аналізу є уникнення спотворень при визначенні спектральних характеристик, внесених впливом змін властивостей ВП. Результати, отримані на основі запропонованої методики ідентифікації реалізацій ВП, дозволяють підвищити ймовірність правильного розпізнавання до 0,95, а також одержати ймовірність присутності в сигналі гармонічної складової із заданим періодом. Це дозволяє здійснювати ранню діагностику концентрованого зносу.

При вирішенні задачі діагностування відмовлень свердла на основі результатів непрямого контролю проводили ідентифікацію віброакустичних сигналів свердла за моментами зміни характеристик ВП. Далі з використанням отриманих значень ознак виконували класифікацію сигналів методом дискримінантного аналізу з використанням навчальної вибірки. На основі результатів класифікації виконували діагностування.

Аналіз результатів сегментації та ідентифікації реалізацій ВП показав, що застосування запропонованої методики спільного виявлення змін різних характеристик ВП дозволяє не тільки підвищити імовірність правильного розпізнавання в порівнянні з апробованою методикою до 0,95 - 0,97, але і - за рахунок інваріантості до масштабу та тренда - аналізувати сигнали, що згенеровані при свердлінні з різними параметрами (діаметр свердла 3 - 8 мм, оброблювальні матеріали - сталі ХВГ, Х18Н10Т, титанові сплави ОТ-4, ВТ-5).

Моменти змін властивостей еталонів класів відображають характерні ділянки віброакустичних сигналів свердла в працездатному стані та стані відмовлення, тобто допускають змістовну інтерпретацію. Проведені дослідження показали, що в зв'язку з присутністю у віброакустичних сигналах високочастотної перешкоди запропонована методика сегментації та ідентифікації реалізацій ВП дозволяє досягти імовірності правильного розпізнавання до 0,95 навіть при відношенні сигнал/перешкода, яке дорівнює 5 та вище за потужністю.

Автоматизація вибору порогів виявлення змін властивостей ВП дозволила на порядок скоротити час обробки сигналів в автоматизованих системах технічної діагностики РІ у порівнянні з ручним настроюванням порогів (до 30 - 40 секунд).

Таким чином, показники методик спільного виявлення змін різних характеристик та ідентифікації реалізацій ВП дозволяють створити автоматизовану систему технічної діагностики РІ, яка швидче існуючих за часом діагностування в 8 - 12 раз при високій перешкодостікості.

Більшість помилок розпізнавання на основі ідентифікації реалізацій ВП за моментами зміни їх властивостей, отриманими за допомогою методики спільного виявлення змін різних характеристик ВП, було зафіксовано через пропуски змін властивостей ВП на краях сигналу в результаті крайового ефекту СВП, а також через помилкові тривоги при виявленні змін параметрів гармонічних складових ВП.

ЗАГАЛЬНІ ВИСНОВКИ

Проведено дослідження та аналіз існуючих методів сегментації реалізацій ВП в автоматизованих системах технічної діагностики РІ. На основі аналізу складено узагальнену функціональну схему автоматизованих систем технічної діагностики РІ, виділено базові процедури, що визначають їх продуктивність, визначено напрямок її підвищення - збільшення точності діагностування та рівня автоматизації процедур сегментації та ідентифікації реалізацій ВП в автоматизованих системах технічної діагностики РІ.

Розроблено математичну модель профілограм ріжучих кромок та віброакустичних сигналів РІ як реалізацій ВП із сегментно-стаціонарними гармонічними різницями.

Розроблено перешкодостійку методику спільного виявлення змін різних характеристик ВП з автоматизованим вибором порогів для сегментації та ідентифікації профілограм ріжучих кромок та віброакустичних сигналів РІ, що дозволило автоматизувати настроювання систем технічної діагностики РІ.

Запропоновано методику ідентифікації профілограм ріжучих кромок та віброакустичних сигналів РІ за моментами зміни їх характеристик, що забезпечує інваріантність до тренда і масштабу та дозволяє приймати статистичне рішення про гармонічний характер профілограм ріжучих кромок.

Запропоновано міру схожості для векторів ознак змінної розмірності зі структурним синтезом опису класу, що дозволило проводити класифікацію профілограм ріжучих кромок та віброакустичних сигналів РІ за моментами зміни їх властивостей.

Запропонована методика спільного виявлення змін різних характеристик ВП може використовуватися при відношенні сигнал/перешкода, яке дорівнює 10 та вище за потужністю, а також у випадку, якщо сигнал містить гармонічні складові з частотами з інтервалу 140 Гц - 260 Гц при частоті дискретизації 1023 Гц. Якщо сигнал може бути змодельований процесом авторегресії 1-го порядку, запропонована методика програє застосовуваним методам виявлення змін властивостей ВП з імовірності помилкової тривоги до 14 %. Тому перед застосуванням запропонованої методики до процесу авторегресії 1-го порядку потрібно використовувати попередню обробку за допомогою відбілювального фільтра.

Використання моментів змін властивостей ВП при ідентифікації сигналів дозволило досягти імовірності правильного розпізнавання 0,91 - 0,98 при відношенні сигнал/перешкода, яке дорівнює 10 та вище за потужністю.

Запропонована методика спільного виявлення змін різних характеристик ВП дозволила автоматизувати процес настроювання систем технічної діагностики РІ і за рахунок цього скоротити час обробки сигналів в порівнянні з ручним настроюванням (до 30 - 40 секунд). Показники запропонованих методик спільного виявлення змін різних характеристик та ідентифікації реалізацій ВП дозволяють створити автоматизовану систему технічної діагностики РІ, яка краще існуючих за часом діагностування в 8 - 12 разів при високій перешкодостійкості.

Розроблено інформаційно-дослідну систему WMCD, яка включає практичну реалізацію алгоритмів сегментації та ідентифікації реалізацій ВП на основі запропонованих у дисертаційній роботі методики спільного виявлення змін різних характеристик та ідентифікації реалізацій ВП. Вона дозволяє здійснювати автоматизовану обробку сигналів, які є реалізаціями ВП із властивостями, що змінюються. Розроблена інформаційно-дослідна система WMCD впроваджена в навчальний процес кафедри “Прикладна математика та інформаційні технології в бізнесі” Одеського національного політехнічного університету. Розроблено методику діагностування концентрованого зносу РІ при прецизійній обробці на основі результатів прямого контролю за допомогою запропонованої в дисертаційній роботі процедури прийняття статистичного рішення про гармонічний характер ВП. Розроблено методику діагностування відмовлень свердла на основі результатів непрямого контролю за допомогою запропонованої в дисертаційній роботі методики ідентифікації реалізацій ВП. Програмну реалізацію алгоритмів на основі цих методик в інформаційно-дослідній системі WMCD впроваджено в навчальний процес кафедр “Технологія конструкційних матеріалів та матеріалознавство” та “Металорізальні верстати, метрологія та сертифікація” Одеського національного політехнічного університету, а також у робочий процес ВАТ “УКРНДІВІП”.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Востров Г.Н., Полякова М.В., Любченко В.В. Сегментация экономических временных рядов с использованием вейвлет-анализа // Тр. Одес. политехн. ун-та. - Одесса, 2003. - Вып. 1. - С. 119 - 125.

2. Востров Г.Н., Полякова М.В., Любченко В.В. Сегментация и анализ временных рядов на основе стохастической фрактальной модели // Тр. Одес. политехн. ун-та. - Одесса, 2001. - Вып. 1. - С. 109 - 114.

3. Востров Г.Н., Полякова М.В., Любченко В.В. Фрактальное сжатие одномерных временных рядов с использованием нелинейной вейвлет-аппроксимации // Тр. Одес. политехн. ун-та. - Одесса, 1999. - Вып. 3. - С. 194 - 198.

4. Востров Г.Н., Полякова М.В., Любченко В.В. Циклический анализ временных рядов // Тр. Одес. политехн. ун-та. - Одесса, 1999. - Вып. 1. - С. 221 - 225.

5. Востров Г.Н., Полякова М.В., Малахов Е.В. Фрактально-вейвлетные модели анализа и сжатия изображений // Тр. Одес. политехн. ун-та. - Одесса, 2000. - Вып. 3. - С. 160 - 166.

6. Любченко В.В., Полякова М.В. Сети вейвлетов в эконометрическом моделировании // Тр. Одес. политехн. ун-та. - Одесса, 2000. - Вып. 1. - С. 133 - 137.

7. Востров Г.Н., Любченко В.В., Полякова М.В. Моделирование экономических временных рядов с помощью вейвлет-сетей // Искусственный интеллект. - Донецк, 2000. - № 3. - С. 207 - 214.

8. Подход к диагностированию состояний режущих кромок инструментов с использованием теории фракталов / А.Г. Деревянченко, М.В. Полякова, В.В. Любченко, Л.В. Бовнегра, Д.М. Дороганчук // Резание и инструмент в технологических системах. - 2002. - Вып. 61. - С. 40 - 46.

9. Любченко В.В., Полякова М.В. Робастные методы проверки фрактальной проинтегрированности временных рядов // Перспективы. - 1999. - № 2 - 3 (7 - 8). - С. 133 - 137.

10. Востров Г.М., Полякова М.В., Любченко В.В. Розпізнавання образів з самонавчанням за допомогою детермінованої фрактальної моделі // Праці 5-ї Всеукр. міжнар. конф. “Обробка сигналів і зображень та розпізнавання образів” (УкрОБРАЗ-2000). - К.: ІК АН України, 2000. - С. 241 - 245.

11. Востров Г.М., Полякова М.В., Любченко В.В. Сегментація даних з використанням вейвлет-аналізу // Праці 6-ї Всеукр. міжнар. конф. “Обробка сигналів і зображень та розпізнавання образів” (УкрОБРАЗ-2002). - К.: ІК АН України, 2002. - С. 55 - 58.

12. Востров Г.Н., Полякова М.В., Любченко В.В. Использование статистических и вейвлет-технологий в анализе временных рядов // Автоматика-2000. Міжнар. конф. з упр., Львів, 2000 р.: Праці в 7 т. - Том 6. - Львів: Державний НДІ інформаційної інфраструктури, 2000. - С. 116 - 122.

13. Востров Г.Н., Полякова М.В., Любченко В.В. Распознавание образов с самообучением на основе теории фракталов // Труды 5-й Междунар. конф. “Распознавание образов и анализ изображений: новые информационные технологии” (РОАИ-5-2000). - Том 1. - Самара, 2000. - С. 33 - 37.

14. Востров Г.Н., Полякова М.В., Любченко В.В. Применение фрактально-вейвлетных технологий к сегментации временных рядов // Матеріали міжнар. конф. з упр. “Автоматика-2001”. - Том 2. - Одеса: Одес. держ. політехн. ун-т, 2001. - С. 145 - 146.

15. Диагностирование состояний режущих инструментов с помощью информационно-исследовательской системы WMCD / Г.Н. Востров, А.Г. Деревянченко, М.В. Полякова, В.В. Любченко // Тр. 4-й Междунар. науч.-практ. конф. “Современные информационные и электронные технологии” (СИЭТ-2003). - Одесса, 2003. - С. 352.

16. Полякова М.В., Любченко В.В. Cтруктурный анализ временных рядов со скачками среднего значения // Оптимизация управления, информационные системы и компьютерные технологии: Труды Украинской академии экономической кибернетики (Южный научный центр). - Киев-Одесса: ИСЦ, 1999. - Вып. 1, ч. 1. - С. 174 - 179.

модель математичний інструмент ріжучий

Полякова М.В. Сегментація реалізацій випадкових процесів в автоматизованих системах технічної діагностики ріжучих інструментів. - Рукопис.

Дисертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.06. - Автоматизовані системи управління та прогресивні інформаційні технології. - Одеський національний політехнічний університет, Одеса, 2003.

Дисертацію присвячено підвищенню продуктивності автоматизованих систем технічної діагностики ріжучих інструментів шляхом зростання точності діагностування і рівня автоматизації систем технічної діагностики за рахунок збільшення перешкодостійкості та автоматизації вибору порогів процедур сегментації та ідентифікації реалізацій випадкових процесів в автоматизованих системах технічної діагностики ріжучих інструментів. В роботі вперше розроблена математична модель профілограм ріжучих кромок та віброакустичних сигналів ріжучих інструментів як реалізацій випадкових процесів із сегментно-стаціонарними гармонічними різницями. Удосконалено метод спільного виявлення стрибків середнього значення і параметрів гармонічних складових випадкового процесу в області вейвлет-перетворення, що дозволило автоматизувати процедуру вибору порогів. Запропоновано методику ідентифікації реалізацій випадкових процесів за моментами зміни їх характеристик, що забезпечує інваріантість до тренда та масштабу.

Ключові слова: багатомасштабна сегментація, ідентифікація сигналів, виявлення зміни властивостей сигналів, розпізнавання образів.

Polyakova M.V. Segmentation of random processes realizations in automatized systems of technical diagnostics of cutting tools. - Manuscript.

Dissertation submitted for Candidate of science (Technics) degree in specialty 05.13.06. - Automatic control systems and progressive information technologies. - Odessa National Polytechnic University, Odessa, 2003.

The dissertation is devoted to increasing of productivity of automatized systems of technical diagnostics of cutting tools by means of increasing diagnostics accuracy and automatization level of these systems at the expence of increasing noisestability and threshold selection automatization of procedures of segmentation and identification of random prosesses realizations in automatized systems of technical diagnostics of cutting tools. Mathematical model of profilograms of cutting edges and vibroacoustic signals of cutting tools as random processes realizatons with segment stationary garmonic differences is proposed. Method of joint detection of changes in mean and changes in garmonic components of random process in wavelet transform domain is improved. This permits to automatize the threshold selection procedure. The method of identification of random processes realizations based on moments of their characteristics changes is proposed. This provides trend and scale invariant.

Key words: multiscale segmentation, signals identification, detection of abrupt changes in signals, pattern recognition.

Полякова М.В. Сегментация реализаций случайных процессов в автоматизированных системах технической диагностики режущих инструментов. - Рукопись.

Диссертация на соискание учeной степени кандидата технических наук по специальности 05.13.06. - Автоматизированные системы управления и прогрессивные информационные технологии. - Одесcкий национальный политехнический университет, Одесса, 2003.

Возрастающие требования к качеству обработки при изготовлении ответственных высокоточных деталей обуславливают необходимость применения сложных, дорогостоящих режущих инструментов. Внезапные отказы режущих инструментов приводят к значительным простоям оборудования и потерям качества обработки. Для оценки состояний режущих инструментов является актуальной задача создания автоматизированных систем технической диагностики. Диагностирование состояний режущих инструментов на основе результатов прямого и косвенного контроля часто производится путем регистрации, соответственно, профилограмм режущих кромок и виброакустических сигналов режущих инструментов. Используемые в настоящее время автоматизированные системы технической диагностики режущих инструментов включают в себя процедуры сегментации и идентификации профилограмм режущих кромок и виброакустических сигналов режущих инструментов, имеющие низкую помехоустойчивость и требующие ручной настройки параметров. Ручная настройка параметров требует от оператора квалификации эксперта и повышает время диагностирования до 4 - 5 минут, что снижает производительность автоматизированных систем технической диагностики режущих инструментов. Низкая помехоустойчивость процедур сегментации и идентификации сигналов снижает точность диагностирования. Поэтому актуальной является проблема разработки помехоустойчивых процедур сегментации и идентификации профилограмм режущих кромок и виброакустических сигналов в автоматизированных системах технической диагностики режущих инструментов.

В силу того, что система резания характеризуется множеством случайных факторов, целесообразно рассматривать профилограммы режущих кромок и виброакустические сигналы, регистрируемые при диагностировании РИ, как реализации случайного процесса. При работоспособном состоянии инструмента на протяжении регистрации сигнала свойства (характеристики) исследуемого процесса не изменяются. Изнашивание инструмента, его исходные дефекты, защемление, поломка находят отражение в различных изменениях свойств случайного процесса. При диагностировании состояния источника сигнала с изменяющимися свойствами с использованием распознавания образов возникает задача сегментации и идентификации реализаций случайных процессов. При решении этой задачи целесообразно использовать методы обнаружения изменений свойств случайного процесса.

Исследование и анализ существующих методов обнаружения изменений свойств случайного процесса позволили выделить в качестве наиболее адекватных задаче технической диагностики режущих инструментов методы вейвлет-анализа. Однако для этих методов характерны проблемы помехоустойчивости и автоматизации выбора порогов. Поэтому задача повышения производительности автоматизированных систем технической диагностики режущих инструментов путем увеличения точности диагностирования и уровня автоматизации этих систем за счет улучшения помехоустойчивости и автоматизации выбора порогов процедур сегментации и идентификации реализаций случайных процессов в автоматизированных системах технической диагностики режущих инструментов остается актуальной.