Vol. 24 Núm. 1 (2025): Revista UIS Ingenierías
Artículos

Generación de modelos numéricos de resortes de extensión basados en imágenes

Marco Ciaccia-Sortino
Universidad Técnica del Norte
David Ojeda-Peña
Universidad Técnica del Norte

Publicado 2025-03-21

Palabras clave

  • mecánica,
  • resortes de extensión,
  • procesamiento de imágenes,
  • geometría computacional,
  • simulación,
  • método del elemento finito
  • ...Más
    Menos

Cómo citar

Ciaccia-Sortino, M. ., & Ojeda-Peña , D. . (2025). Generación de modelos numéricos de resortes de extensión basados en imágenes. Revista UIS Ingenierías, 24(1), 113–122. https://doi.org/10.18273/revuin.v24n1-2025010

Resumen

Los resortes fabricados artesanalmente en Ecuador presentan desviaciones geométricas respecto a los supuestos de diseño, afectando su desempeño y confiabilidad. Como alternativa a la realización de ensayos con máquinas especializadas para determinar su comportamiento mecánico, se sugiere emplear un procedimiento basado en visión por computadora y modelamiento numérico del resorte. En este trabajo se presenta un avance en este sentido mediante una metodología para construir un modelo numérico de la geometría real del resorte empleando fotografías y algoritmos de procesamiento de imágenes. Se crea un ambiente fotográfico que facilita la toma de imágenes en direcciones ortogonales, y se procesan las imágenes usando la librería OpenCV en Python para determinar puntos que describen la trayectoria del alambre del resorte. Estos puntos se convierten en una malla de elementos finitos para simular el comportamiento mecánico del resorte. Para validar la metodología, se realiza una comprobación de la conformidad geométrica del modelo con el resorte, y se comparan las curvas fuerza‑desplazamiento real y simulada. Los resultados muestran que se logra una buena conformidad geométrica, y una excelente correspondencia entre la constante de rigidez obtenida experimentalmente y la simulada.

Descargas

Los datos de descargas todavía no están disponibles.

Referencias

  1. S. E. Umbaugh, Digital Image Processing and Analysis: Computer Vision and Image Analysis. Boca Raton: CRC Press, 2023, doi: https://doi.org/10.1201/9781003221135
  2. M. Perani, S. Baraldo, M. Decker, A. Vandone, A. Valente, B. Paoli, “Track geometry prediction for Laser Metal Deposition based on on-line artificial vision and deep neural networks”, Robot. Comput.-Integr. Manuf., vol. 79, p. 102445, 2023, doi: https://doi.org/10.1016/j.rcim.2022.102445
  3. Q. Li, W. Ge, H. Shi, W. Zhao, S. Zhang, “Research on Coaxiality Measurement Method for Automobile Brake Piston Components Based on Machine Vision”, Appl. Sci., vol. 14, no. 6, 2024, doi: https://doi.org/10.3390/app14062371
  4. A. Martini, E. M. Tronci, M. Q. Feng, R. Y. Leung, “A computer vision-based method for bridge model updating using displacement influence lines”, Eng. Struct., vol. 259, p. 114129, 2022, doi: https://doi.org/10.1016/j.engstruct.2022.114129
  5. C. Sun, D. Gu, X. Lu, “Three-dimensional structural displacement measurement using monocular vision and deep learning-based pose estimation”, Mech. Syst. Signal Process., vol. 190, p. 110141, 2023, doi: https://doi.org/10.1016/j.ymssp.2023.110141
  6. W. He, Z. Jiang, W. Ming, G. Zhang, J. Yuan, L. Yin, “A critical review for machining positioning based on computer vision”, Measurement, vol. 184, p. 109973, 2021, doi: https://doi.org/10.1016/j.measurement.2021.109973
  7. B. McGuinness, M. Duke, C. K. Au, S. H. Lim, “Measuring radiata pine seedling morphological features using a machine vision system”, Comput. Electron. Agric., vol. 189, p. 106355, 2021, doi: https://doi.org/10.1016/j.compag.2021.106355
  8. C. Xi, J. Ruan, A. Liu, “Machine vision-based measurement of air compressor crankshaft journal dimensions”, en Third International Conference on Computer Vision and Pattern Analysis (ICCPA 2023), L. Shen y G. Zhong, Eds., Hangzhou, p. 114, 2023, doi: https://doi.org/10.1117/12.2684335
  9. Y. Saif et al., “Roundness Holes’ Measurement for milled workpiece using machine vision inspection system based on IoT structure: A case study”, Measurement, vol. 195, p. 111072, 2022, doi: https://doi.org/10.1016/j.measurement.2022.111072
  10. H. Hu, J. Wang, C.-Z. Dong, J. Chen, T. Wang, “A hybrid method for damage detection and condition assessment of hinge joints in hollow slab bridges using physical models and vision-based measurements”, Mech. Syst. Signal Process., vol. 183, p. 109631, 2023, doi: https://doi.org/10.1016/j.ymssp.2022.109631
  11. A. Ugural, Mechanical Design of Machine Components. Boca Raton: CRC Press, 2015, doi: https://doi.org/10.1201/b18000
  12. D. G. Ullman, The Mechanical Design Process. Independence, Oregon: David Ullman LLC, 2017.
  13. R. G. Budynas, J. K. Nisbett, Diseño en ingeniería mecánica de Shigley, México: McGraw-Hill, 2021.
  14. R. L. Norton, Diseño de máquinas: un enfoque integrado. México, México: Pearson Educación, 2011.
  15. A. Spring, Design Handbook: Engineering Guide to Spring Design. Associated Spring, Barnes Group Inc., 1987.
  16. ISO, ISO 22705-1 (en), Springs - Measurement and test parameters - Part 1: Cold formed cylindrical helical compression springs, 2021. [En línea]. Disponible en: https://www.iso.org/es/contents/data/standard/07/37/73723.html
  17. ISO, ISO 22705-2 (en), Springs - Measurement and test parameters - Part 2: Cold formed cylindrical helical extension springs, 2023. [En línea]. Disponible en: https://www.iso.org/es/contents/data/standard/07/89/78984.html
  18. Tecniresortes, “Entrevista Gerente General”, 2022.
  19. D. Almeida, M. Ciaccia, D. Ojeda, “Mechanical behavior characterization of helical extension springs manufactured in Ecuador”, Applied Engineering and Innovative Technologies, 2023, doi: https://doi.org/10.1007/978-3-031-70760-5_20
  20. “Samsung to Bring Industry’s Highest Resolution for Mobile Cameras with New 64Mp ISOCELL Image Sensor”. [En línea]. Disponible en: https://news.samsung.com/global/samsung-to-bring-industrys-highest-resolution-for-mobile-cameras-with-new-64mp-isocell-image-sensor
  21. G. Bradski, “The OpenCV Library”, Dr Dobbs J. Softw. Tools, 2000.
  22. Ansys Inc, “Ansys Parametric Design Language guide, version 18.2”. 2018.
  23. Ansys Inc, “Ansys Mechanical APDL command reference, version 18.2”. 2018.
  24. Ansys Inc, “Ansys Mechanical APDL element reference, version 18.2”. 2018.
  25. J. Miao, Q. Tan, B. Sun, J. Zhao, S. Liu, Y. Zhang, “Online measurement method for dimensions of disk parts based on machine vision”, PLOS ONE, vol. 19, n.o 7, p. e0307525, 2024, doi: https://doi.org/10.1371/journal.pone.0307525