考虑变换域融合方法的刀具磨损区域三维重构

针对数控机床加工领域刀具磨损区域的三维重构精度提高的问题,提出了变换域融合方法。将非下采样轮廓波变换和小波变换相结合,对非下采样轮廓波变换得到的低频系数采用小波变换方法进行融合,对得到的高频系数构造区域方差进行融合,突出刀具磨损图像的整体灰度信息和边缘细节信息,从而获得更为清晰的二维刀具图像,以及更为准确的磨痕形貌及磨痕体积。对基于非下采样轮廓波变换、小波变换方法和变换域融合方法得到磨损区域三维形貌和磨损体积与显微镜的观察结果进行了对比分析,发现提出的方法得到的三维形貌与显微镜结果最接近,且计算出的磨损体积平均相对误差小于10%。分析和实验数据表明,所提方法无论在图像的清晰度和磨损体积的准确性方面都有一定的优势,该方法对于刀具磨损区域三维重构精度较高,优于单独采用非下采样轮廓波变换和小波变换方法得到的结果。     

采用切削刃重构的刀具磨损视觉检测方法

针对目前难以在复杂恶劣的油污粉尘环境中实现对刀具图像的高质量采集和刀具磨损视觉特征的高精检测,对磨损缺失刀刃这一类最为典型且危害最大的刀具磨损开展研究,提出一种采用切削刃重构的刀具磨损视觉检测方法。首先,在数控机床加工台一侧搭建集成了一套具有镜头保护与清洁功能的图像采集装置,用于在机定期自动采集刀具磨损图像;然后,将采集的图像经以太网传输至计算机图像处理系统,利用设计的切削刃重构法对刀具磨损缺失区域进行切削刃重构,以此得到完整刀具图像,进而利用图像差分,将重构后的刀具图像与磨损刀具图像相减,实现刀具磨损缺失区域的自动识别;最后,基于识别的磨损特征测量刀具磨损的评估指标参数值,并判断是否需要换刀。实验结果表明：所提检测方法具有较大优势,解决了油污粉尘机加环境下刀具磨损图像采集困难的难题和难以从图像中分割识别刀具磨损缺失特征的难题,实现了刀具磨损的视觉高精高效检测;与现有的刀具磨损视觉检测系统以及现有的Canny边缘检测法、自适应阈值法等6种图像分割方法相比,所提方法避免了拆卸刀具进行离线显微镜检测和模板匹配的烦琐过程,可进行在机自动检测,同时平均检测准确率至少提升20%。     

融合注意力机制的刀具磨损预测方法

刀具的磨损状态影响着工件表面质量与加工稳定性,故实现其磨损量的准确监测对于保证加工可靠性、维持生产加工连续性具有积极作用．为进一步提高刀具磨损预测模型的泛化性能和准确度,提出一种融合注意力机制的多尺度卷积双向门控循环(multiscale convolutional bidirectional gated recurrent unit-attention,MSCBGRU-A)神经网络的刀具磨损预测方法,其由特征拓展模块、多尺度卷积模块、双向GRU模块、注意力模块、回归模块组成．首先,将切削力、声发射、振动信号作为输入信号,输入信号通过多尺度卷积模块获得多个尺度的刀具磨损输出特征图,将多个卷积通道输出的特征图输入到连接层进行首尾和层叠两种方式的连接来获得两种输出数据．然后,将两种输出数据分别输入到双向GRU模块与注意力模块,通过双向GRU模块学习输出特征图动态变化来获取时序特征,通过注意力模块对多尺度卷积神经网络的输出进行权值分配,强化对刀具磨损预测结果贡献度更大的特征．最后,通过回归模块对磨损值进行预测．经过对比实验引入混合域注意力机制的基于卷积块的注意力机制(convolutiona...     

砂轮磨损机理及修整方法研究

磨削加工是现代高科技产品不可缺少的加工工艺过程。砂轮磨损的修整是恢复砂轮功能的重要手段。本文针对高速磨削砂轮修整用量对表面质量的影响,通过砂轮磨削加工过程的分析,阐述了砂轮磨损机理,在此基础上,结合实验,确定了修整磨损砂轮的有效方法,收到了令人满意的效果。     

刀具磨损及抗磨方法的研究

根据金属切削过程的微观变形特点,分析了切削刀具的磨损形式和磨损机理,并结合国内外切削刀具的研究成果,运用现代磨损理论,进一步探讨了金属切削刀具的抗磨方法和抗磨机理。     

刀具磨损检测的图像处理技术研究

针对传统刀具磨损检测的缺点,本文结合图像处理的方法设计了检测刀具磨损的方案。本文通过对硬质合金刀具后刀面磨损图像特征的分析,研究和设计了一套检测磨损的算法,并开发了相关检测软件,相比刀具磨损状态检测的其它方法,本方法具有简单快捷、无接触、无磨损,判断精度高等优点。     

砂轮磨损特征的探讨

通过分析砂轮硬度对砂轮磨损磨削力的影响，建立了砂轮磨损过程中磨削力变化的数学模型，并就如何监测砂轮磨损状态提出了新的方法。     

一种采用相空间重构的多源数据融合方法

针对化工生产系统中状态监控变量数量庞大、冗余度高等问题,提出了一种采用相空间重构的多源数据融合方法。该方法首先根据互信息法和Cao方法分别求取相空间重构参数延迟时间和嵌入维数;然后,基于信息熵对自适应加权融合估计方法的融合目标函数进行改进,并利用社会认知优化算法确定各信息源的权重系数,实现多源数据融合;最后,通过实际化工生产系统的数据分析对所提方法进行有效性验证。实验结果表明,相比于传统方法,由该方法得到的重构相空间的信息更加完备,其信息量和平均峰值信噪比分别平均提高135.6%和40.6%。该方法为解决多源异类传感器数据融合问题提供了一种新思路。     

基于信息融合技术的柴油机磨损模式识别方法

论述了基于证据理论的时域数据融合识别方法，提出在船用柴油机磨损模式识别中采用基于信息融合技术的识别方法，采用此方法能够减少磨粒模式识别过程中的不确定性，基于此方法建立的识别系统在实际应用中证明了其有效性。     

三维曲面重构技术

针对主动式光学三角法原理的线结构光三维视觉测量系统采集得到的大量散乱数据，研究了一种结合三角Bezier曲面造型和传统NURBS曲面造型技术的实用曲面重构算法，同时给出了多视图数据的曲面匹配算法。     

基于机器视觉的刀具磨损检测技术

针对当前国内外刀具磨损检测的缺点和存在的问题,设计了基于机器视觉的刀具磨损检测方案,分析了刀具磨损检测的原理和识别过程,并结合图像处理的方法,采用自适应中值滤波对刀具图像进行平滑去噪,进一步得到刀具的二值化图像,再采用Canny边缘检测技术提取刀具轮廓信息.最后提出基于人工神经网络的刀具磨损检测算法.     

采用频域滤波的织物疵点检测方法

首先,通过傅里叶变换获得含有疵点的织物频谱图,根据频谱图设计频域滤波器分离正常的纹理信息,保留疵点信息;然后,通过傅里叶逆变换进行灰度图重构,得到去除正常纹理的疵点图像;最后,经过高斯平滑后二值化分割出织物疵点.实验选取5种织物疵点进行验证,结果表明:采用频域滤波的织物疵点检测方法检测效果良好,且检测率达到90%以上.     

基于工件轮廓图像的砂轮磨损在线检测方法

研究一种基于机器视觉的砂轮磨损在线检测和补偿方法,介绍基于工件局部轮廓图像的砂轮磨损在线检测原理,分析了由砂轮磨损引起的轮廓误差在线补偿方法.在此基础上,在所开发的复杂轮廓磨削平台上进行了试验研究.研究结果表明:所提出的砂轮磨损检测和误差补偿方法可以有效地进行实时在线检测砂轮的磨损程度,并能补偿主要由砂轮磨损引起的轮廓...     

系统辨识的刀具磨损特征量提取方法

针对刀具磨损智能监控系统中信号预处理和磨损特征提取技术进行研究，提出了基于加工过程自适应模型参数估计的刀具磨损特征量提取方法，通过检测加工状态信号和加工参数，利用切削力模型和最小二乘法实现模型自动跟踪加工过程特性变化，并从估计的模型参数中获取刀具磨损特征量。经实验证明，加工过程切削力模型参数的变化能灵敏地反映刀具磨损特征，且该特征提取不受切削条件变化的影响。     

刀具磨损图像视差图的非标定方法

刀具磨损检测的视场范围很小、现场工况复杂(存在机床护罩和刀具保持架的遮挡),而以往对摄像机进行标定的方法多用于大视场环境,并不适合于加工现场的刀具磨损检测。为此,文中提出一种采用非标定双目视觉方法获取刀具磨损图像视差图的方法,无需标定参考物和人工干预。首先,利用SURF(speeded-up robust features)算法检测图像对中的特征点;其次,利用8点算法计算基本矩阵,再利用极点无穷远变换完成图像对的校正;最后,利用基本区域匹配方法完成图像对视差的计算。进行了加工现场的磨损刀具图像获取实验,先对比了重构出的刀具视差图轮廓与实际轮廓,接着分析了刀具视差图的精度。结果显示,重构轮廓与实际轮廓基本相符,重构出的视差图的绝对误差在5个像素点以下,相对误差在10%至30%之间,说明在小视场和复杂工况下,用非标定方法获取的刀具视差图能够满足现场检测的精度要求,并且该方法具有灵活和高效的特点。     

一种基于模式识别的刀具磨损监测方法

将刀具磨损状态的在线监测作为模式识别中的两类模式分类问题,从切削振动信号中抽取特征向量;根据投影原理构造了最佳特征平面.在此基础上提出了一种具有自学习功能的G(D)判别函数,对车削试验的磨损状态进行分类,确诊率达95％,漏诊率小于0.6％,判别时间少于15s,适用于在线监测。     

刀具磨损的人工神经网络估计

难以对刀具磨损进行较准确的监测与界定是目前国内外自动化加工中一个急待解决的课题。本文利用优化理论对ＢＰ网络的缺陷进行了分析，提出动态步长法等优化方法，并结合选择了对刀具状态较敏感而对加工条件变化稳定性的相对切削力比值作为特征量，将其方向用于刀具磨损量的估计，实验证明，采用的方法是正确的、有效的、可行的，可以广泛应用于工程技术领域。     

刀具磨损的在线监测

采用模式识别技术，对反映刀具磨损状态的几个特征量构成的状态模式进行分析。针对状 态模式［６_ＴＲ～２ρ１〕Ｔ和［σ＿（ｘ）～２ρ＿１］Ｔ的分布统计特性，构造了具有自适应性的“与 门”式刀具磨损状态的综合判据－无人管理学习分类器。结果证明，由状态模式［６_Ｔｒ²ρ₁] 构成的刀具磨损状态综合判据在识别精度、通用性、实时性及灵敏度方面都令人满意。     

刀具磨损的在线监测

在自动化加工中,为了保证加工系统工作的可靠性和产品质量,必须实现刀具磨损的在线监测。本文综述了现有的监测刀具磨损的方法,并对利用切削力、噪声发射、振动和电机功率的变化信号监测刀具磨损的方法作了较详细的介绍。     

基于声发射技术的砂轮磨损状况在线检测

为了实现砂轮磨损状态在线检测,提高砂轮磨损状态检测的准确性,研究了法向磨削力与砂轮磨损的对应关系;利用小波分解系数统计法对声发射(AE)信号进行了分析;把法向磨削力和统计小波分解系数的特征作为识别砂轮磨损状态的参数指标,建立了基于神经网络(BP)的砂轮磨损状态识别模型。实验结果表明,该方法可以辨识出砂轮的磨损状态,并且具有较高精度。