Analys av förvridning vid hålning av rör : Analysis of metal torsion in rotary piercing

Hålningsprocessen är det inledande bearbetningssteget vid varmvalsning av sömlösa rör. Det är en tvärvalsningsprocess i vilken ett cylindriskt ämne valsas mellan två dubbelkoniska val¬sar över en plugg. Valsarna är snedställda med en viss mat¬ningsvinkel, vilken ger upphov till en axiell drivkraft genom ver¬ket. Hela denna pro¬cess är roterande. Detta i kombination med bl.a. de koniska valsarna leder till en förvrid¬ning av röret, dvs. en tänkt rak linje på det ingå¬ende äm¬net övergår till en spiral efter genomförd valsning. Med föreliggande uppgift är målet att studera förvridningen genom teoretisk och experimen¬tell analys. Syftet med detta är dels att få fördjupad kunskap inom området och dels att ut¬veckla en modell för pre¬diktering av förvridningen.Det experimentella arbetet är utfört på ett stål av typ Ovako 280 (SS2142). Denna mjuka stål¬sort valdes i syfte att undvika värmebehandling innan provberedning. För att visuali¬sera för¬vridningen fräs¬tes ett rakt spår längs det ingående äm¬net och hål borrades mot symmetrilinjen. De praktiska undersökningarna utfördes direkt i den löpande produktionen. Genomförda beräkningar uppvisar en längsgående förvridningsvinkel som stämmer väl över¬ens med uppmätt värde. Detta är dock under antagandet att den tangentiella hastighetskoeffi¬cienten varierar linjärt utmed deformationszonen. För en mer utvecklad modell krävs en nog¬grannare analys av kontakten mellan vals/ämne eller en grundligt genomförd uppmätning av ämnets vinkelhastighet.

Assessment of PD Speech Anomalies @ Home

Background: Voice processing in real-time is challenging. A drawback of previous work for Hypokinetic Dysarthria (HKD) recognition is the requirement of controlled settings in a laboratory environment. A personal digital assistant (PDA) has been developed for home assessment of PD patients. The PDA offers sound processing capabilities, which allow for developing a module for recognition and quantification HKD. Objective: To compose an algorithm for assessment of PD speech severity in the home environment based on a review synthesis. Methods: A two-tier review methodology is utilized. The first tier focuses on real-time problems in speech detection. In the second tier, acoustics features that are robust to medication changes in Levodopa-responsive patients are investigated for HKD recognition. Keywords such as Hypokinetic Dysarthria , and Speech recognition in real time were used in the search engines. IEEE explorer produced the most useful search hits as compared to Google Scholar, ELIN, EBRARY, PubMed and LIBRIS. Results: Vowel and consonant formants are the most relevant acoustic parameters to reflect PD medication changes. Since relevant speech segments (consonants and vowels) contains minority of speech energy, intelligibility can be improved by amplifying the voice signal using amplitude compression. Pause detection and peak to average power rate calculations for voice segmentation produce rich voice features in real time. Enhancements in voice segmentation can be done by inducing Zero-Crossing rate (ZCR). Consonants have high ZCR whereas vowels have low ZCR. Wavelet transform is found promising for voice analysis since it quantizes non-stationary voice signals over time-series using scale and translation parameters. In this way voice intelligibility in the waveforms can be analyzed in each time frame. Conclusions: This review evaluated HKD recognition algorithms to develop a tool for PD speech home-assessment using modern mobile technology. An algorithm that tackles realtime constraints in HKD recognition based on the review synthesis is proposed. We suggest that speech features may be further processed using wavelet transforms and used with a neural network for detection and quantification of speech anomalies related to PD. Based on this model, patients' speech can be automatically categorized according to UPDRS speech ratings.