当前位置 : 首页 > 最新资讯 > 计算机论文范文 > 【原】基于高精度计算机视觉的刀具损伤就位检测研究

【原】基于高精度计算机视觉的刀具损伤就位检测研究

来源 : 互联网
作者 : 118期刊网
发布时间 : 2019-05-14 01:58:18

第一章绪论


1.1研究背景和主题意义

传统的刀具磨损状态监测方法是基于切削力,切削温度或声发射(AE)信号的特性。但是,由于切削条件的原因,上述数量与刀具的磨损程度之间没有严格的对应关系。复杂性和多样性在应用中具有一定的局限性。

计算机视觉检测系统因其非接触式,高测量效率和低劳动强度而广泛应用于航空航天,半导体等行业的自动化生产线和薄壁零件测量领域。基于计算机视觉的刀具状态监测(CVTCM方法)已逐步进入加工自动化领域。该方法可以在很大程度上克服现有工具状态监测方法的缺陷。它已发展成为现代工具状态监测领域的重要监测工具。

研究表明,刀具状态监测技术可以将人为和技术因素造成的停机时间缩短75%,将生产率提高10%~60%,并将机床利用率提高50%以上[4]。可以看出,刀具状态监测技术在自动化机床上的应用具有重要的现实意义和实用价值。

该项目旨在通过高精度计算机视觉来划分微机械加工中刀具的磨损程度。重要的是提高加工精度和效率;确保加工质量和安全;充分利用工具降低成本。

..................................


1.2国内外刀具磨损检测

1.2.1刀具磨损检测技术发展概述

在过去的几十年里,国内外学者对刀具磨损和损伤的自动监测做了大量的研究工作。在20世纪70年代后期,国外开发并开发了用于工具状态监测的传感器。传感器在刀具状态监测中的作用是直接或间接地测量反映刀具磨损或损坏程度的参数,例如切削力,切削温度,振动等,然后将这些参数转换为电信号以进一步处理。从20世纪70年代末到80年代初,日本和德国在数控机床的开发和生产方面取得了很大进展。他们提供了带有传感器和自适应控制系统的工具监控系统,以实时监控工具。磨损状况提示发出信息,以防止因工具故障造成的工件废料和机器故障造成的损坏。自20世纪80年代中期以来,传感器在工具状态监测中的应用进一步发展,主要表现在以下几个方面:一方面,进一步提高了集成度,数字化和智能化程度;另一方面,它的准确性,实用性和可靠性也得到了进一步提高;此外,工具传感器在品种,规格,用途和测试方法方面有了新的发展。

自20世纪90年代以来,随着半导体技术,微加工技术,微机电技术,信号处理和自动控制等高科技技术的发展,工具监控传感器组件集成,高效,多功能,智能化等随着新的转变,许多瓶颈已经解决,相关设备的价格也已经降低并进一步普及。其中,图像传感器所代表的工具状态监测技术在高性能微机等新技术的推动下得到了进一步的发展。随着CCD图像传感技术和图像的出现,出现了基于机器视觉的刀具状态监测技术。加工理论的成熟和相关设备价格的大幅降低已变得越来越实用,准确和可靠。

1.2.2主要工具磨损检测技术和特点

如图1.1所示,常用的原位检测方法分为直接测量法和间接测量法。前者包括电阻测量方法,射线测量方法,微结构银层方法和机器视觉测量方法,后者包括切削力检测方法。 ,振动检测方法,声发射(AE)方法,电动机电流测量方法和热电压方法[5]。


每种测试方法的对比分析见表1.1。五种最广泛使用的测试方法如下:

(1)切削力检测方法:当刀具切削工件时,切削力的增长率与刀具磨损率成线性关系。在正常磨损期间,切削力的增加率保持不变;随着增加的速度

当切削力增大时,刀具的磨损率也会增加,表明刀具开始进入强烈磨损期。间接检测工具的磨损状态。该方法的优点是可以实现在线检测。然而,传感器1的安装是困难的并且需要对机床进行一些修改。由于待加工材料的力学性能的变化和工件尺寸精度的变化,检测结果受到影响,因此该方法更适合于大切削量的粗加工[6]。

....................................


第二章基于计算机视觉的刀具磨损检测关键技术研究


2.1微径铣刀磨损特性和钝性标准

2.1.1微铣削磨损特性

微直径的直径范围为0.1至10mm,长度范围为10至100mm。用于微铣削的工具的直径通常在0.1和1mm之间,并且工具的切削刃的半径通常仅为约2mm。不仅刀具几何形状极小,刀具磨损容易,而且微铣削的磨损特性明显不同于传统铣削。差异。

与传统铣削相比,由于微铣刀的刚性低,在加工过程中刀具的进给量通常为每齿几微米或更小。双直径铣刀的切削刃半径通常为几微米。因此,该水平导致每齿进给量大致等于切削刃的钝半径。此时,工件材料在切削刃的摩擦,挤压或犁削作用下经受严重的弹塑性变形。在传统铣削中可以忽略的因素(切削刃的纯半径,刀具的轻微跳动,切屑的中断和工件材料的弹性恢复)对微铣削过程具有重要影响。许多砂浆已经表明,当切割深度或每齿进给量远小于切削刃的钝半径时,将产生显着的尺寸效应。因此,微型工具微加工工艺将与传统的工具切割工艺明显不同,显示出显着的尺度效应。

影响微铣削刀具磨损的因素很多,如铣削条件,工件材料,刀具材料,刀具几何形状等。微铣削磨损形式主要包括涂层脱落,尖端破损,磨损,扩散磨损和粘结磨损。

(1)破碎的尖端

微铣刀刀尖断裂主要是由冲击,机械疲劳和热化学磨损引起的。在微加工过程中,微型刀具的径向跳动是一个不容忽视的重要因素。与传统的切削工艺相比,刀具径向跳动半径和刀具半径比要大得多。对于双刀片微直径铣刀,当微量铣削铅沸腾材料时,刀具加载和微变形引起的刀具轴和主轴轴线之间的偏差会导致一个切削刃执行全部或大部分铣削工作另一个切削刃仅涉及少量切削或基本上不切削工件。此时,工具的切削力显着增加;刀尖承受复杂的机械和热量称重载荷,刀尖与工件之间的压力较大,应力集中现象显着。同时,由于铣削过程中切削和空气切削的周期性变化,刀尖会产生机械疲劳。结果,加速了工具磨损并且尖端断裂的可能性显着增加。另外,在剥离涂层的情况下,暴露的尖端部分的摩擦增加,切割温度将增加,并且将发生周期性变化,从而引起尖端的热应力损坏。这也是刀尖损坏的主要原因。尖端破裂的特征是微裂纹,这对工件的表面质量有重要影响,是微工具切削中尺度效应的主要表现[23]。

(2)涂层剥落

与传统工具相比,微型工具具有薄涂层和差的耐磨性。脱落的主要原因是涂层材料和工具基底具有不同的热膨胀系数。微铣削刀具尖端的载荷非常大,因此刀尖处的涂层最容易损坏。

(3)磨料磨损

工件材料中的杂质和材料材料中的硬点在工具的表面上开槽以形成磨损。在mi

铅黄铜工件的碾磨,铅黄铜含有Fe元素,这很容易产生费用硬点。与普通切割相比,这些硬点粒度和每齿刀具进给,刀具基部纹理尺寸非常接近,并且在晶粒之间进行硬点和刀具之间的摩擦,这容易导致刀具材料脱落并形成磨损磨损。

..............................


2.2图像预处理和边缘检测技术

在视觉检查系统中,由图像采集系统采集的目标图像被发送到计算机存储器或保存在硬盘上。为了便于后续处理,必须预处理所获取的图像。视觉测量的图像预处理主要包括彩色图像灰度和滤波去噪。目前,存在许多用于灰度图像处理的算法,并且由于灰度图像处理仅研究图像的亮度信息,因此处理时间更快。因此,通常通过执行灰度处理将收集的彩色图像转换为灰度图像。在成像过程中不可避免地存在各种噪声,并且噪声对依赖于灰度值进行处理的算法的处理结果具有很大影响。

2.2.1图像灰度原理

机器视觉测量基于图像灰度信息处理。在测量之前,首先需要判断所获取的工具图像是否是灰色图像。如果系统输入图像是彩色图像,则首先将灰度处理转换为灰度图像。 。

将彩色图像转换为灰度图像是一种颜色转换,可以表示为:

g {x,y)= T [f {x,y)](2.1)

其中f(X,y)表示输入彩色图像,g(X,y)表示通过灰度处理输出的灰度图像,并且T表示添加到输入图像域的操作算子。

RGB,YIQ和YUV等常用的颜色系统采用相同的灰度算法原理,这是一种基于人眼对光谱波长的适应性的算法。人眼对绿光波G具有最强的适应性,第二种是红色,蓝色是最弱的,因此获得一组灰度系数,可以用下面的公式表示[21]:

Y = [0.299 0.587 0.114] [R G B] T(2.2)

2.2.2噪声源和常见噪声

在图像生成,传输和变换的过程中,由于各种因素,图像与被测物体或原始图像之间经常存在差异。这给从图像中提取各种信息带来了困难和不便。因此,在测量图像之前执行各种预处理以减少噪声干扰修改重复段落应该注意哪些。常见的图像噪声包括在光学成像和采样过程中经常出现的混叠噪声,插入噪声,抖动噪声和电子噪声。边缘检测和提取通常对噪声敏感,因此有必要在检测之前对图像进行滤波和去噪。

滤波器分为两类:线性滤波器和非线性滤波器。线性滤波器对高斯噪声具有良好的平滑效果,但是其他噪声具有较差的抑制效果并且使边缘模糊。非线性滤波器中的中值滤波器还可以在滤除噪声时保护边缘轮廓信息。它有助于消除隔离点和线段的干扰,尤其是二进制噪声。这尤其符合精确边缘定位的几何测量需求,因此系统中使用中值滤波器对图像进行滤波和去噪。

工具图像成像过程不可避免地产生或多或少的噪声。对于依赖于图像像素灰度值的算法,噪声对后续处理结果具有显着影响。为了减少噪声对后续处理的影响,必须对工具图像进行过滤和去噪。

..................................


第三章测量要素的选择,检测方法和鉴定鉴别.................................. 27

3.1微径铣刀的测量工具.............................. 27

3.1.1常用测量元素.................................. 27

3.1.2五个元件与铣刀的磨损特性相结合.................................... 28

3.2测量元件就位检测.................................. 29

3.2.1尖端高度的检测.................................. 29

3.2.2刀具直径和副翼面积的检测................................ 30

3.2.3前后角的检测.................................... 30

3.3测量元件的图像处理.................................. 32

3.3.1刀尖磨损高度的特征提取.............

.......................32

3.3.2刀尖加工直径和后刀面磨损区域的特征提取....................................33

3.3.3前角前角的特征提取.............................. 33

3.4工具鉴定歧视.................................. 33

3.4.1工具鉴定歧视程序............................... 34

3.4.2每个元件重量的计算方法.................................... 35

3.4.3资格判断示例.................................. 37

3.5本章概要.................................. 38

第四章自动图像采集和处理.................................. 39

4.1图像自动采集和处理模块设计.................................. 39

4.2运动控制部分.................................. 40

4.2.1机器人运动控制.................................. 40

4.2.2工具基座定位.................................. 41

4.2.3刀具轴向定位.................................. 41

4.3光学系统控制部分.................................. 42

4.3.1自动对焦.................................. 42

4.3.2光源的自动控制.................................. 44

4.3.3自动速率控制.................................. 45

4.4基于纠正的基于错误的补偿技术.................................... 45

4.4.1线性测量校正原理.................................. 45

4.4.2校正实验.................................. 46

4.4.3实验验证.................................. 47

4.4.4面积测量校正算法.................................. 47

4.5本章概要.................................. 49

第5章自动就地检测的系统实现............................... 51

5.1系统概述.................................. 51

5.2硬件系统设计.................................. 52

5.2.1图像采集系统.................................. 52

5.2.2运动控制系统.................................. 53

5.2.3辅助部件.................................. 53

5.3软件系统设计.................................. 55

5.3.1软件需求分析.................................. 55

5.3.2软件架构和检查过程.................................... 55

5.3.3实验平台和实际检测模型................................ 58

5.4主要模块功能和设计.................................... 58

5.4.1图像采集模块.................................. 59

5.4.2机器人运动控制模块.................................. 60

5.4.3聚焦控制模块.................................. 60

5.4.4光源控制模块.................................. 61

5.4.5基座定位模块.................................... 61

5.4.6自动测量模块.................................. 62

5.4.7工具管理模块.................................. 63

5.5本章摘要.................................. 64


第六届草地工程测试与分析


本章以3mm直径双刀垂直铁刀为例,将测试应用于刀具磨损检测系统,以获得测量结果。通过分析测量结果验证了工具鉴定标准。


6.1加工和测试条件

以3nim双刀垂直刀为例,应用试验和分析,刀具材料为TiAIN涂层,机床采用XH714数控加工中心,工件材料选用镁合金5083-H112长80mm,宽60mni,厚度20mm。


加工方法是沿工件长度的连续端铣平面。切削参数速度为6000转/分,进给速度为80毫米/分钟,轴向深度为1毫米,径向深度为1毫米。由于工件长度为80mrn,进给速度为80mm / min,二次通过的铣削时间约为1min,便于计算刀具的实际加工时间和刀具寿命。


在应用测试实验中,工具每次切割10次,实际切割距离为800mm,切割时间约为10min。取下工具并将其放置在测试检查平台上,以获得刀尖高度,次要侧面区域,刀具直径和前部。测量角和后角的五个元素,直到工具变钝。


6.2软件系统运行过程


在刀具测试检测平台上测量刀具磨损时的操作流程如图6.3所示。软件成功注册后,单击以打开工具栏中的工具管理项(图6.4),然后在工具数据库中选择工具编号的直径。 3mm双刀刀具,具体刀具信息如图所示,点击选择后窗口自动关闭。


然后,单击工具栏中的运动控制(图6.5)将机器人调整到三个测量位置,并单击相应的位置1,位置2,位置3以保存测量位置,并将机器人移动速度设置为默认值值。


单击工具栏中的图像以获取项目,然后弹出图像采集界面(如图6.6所示)。选择Auto Acquire,然后单击Start。机器人一个接一个地移动三个测量位置。自动对焦和光源控制后,将保存并保存工具图像。到默认地址。

.....................................


第七章总结和展望


7.1全文总结与创新

微铣削技术由于其高效率已成为一个非常活跃的研究热点

y,高灵活性,能够处理复杂的三维形状和各种材料。然而,在微铣削加工中,微径铣刀的加工性能不高,刀具磨损快,经常断裂。本主题使用计算机视觉方法开发一种用于微铣刀的自动就位检测系统,该系统可以快速准确地自动和自动测量刀具磨损。工作全文概述如下:

建立了基于计算机视觉的刀具磨损就位检测实验平台和实际检测模型,实现了微铣刀的自动检测功能。

2.软件系统集成。五个独立的软件集成图像采集,运动控制,光源控制,放大控制和测量使系统能够独立实现自动检测。

3.对于铣刀,基于刀尖高度,刀尖直径,副后刀面磨损面积,前角和后角的五个测量元素全面反映在铣刀的工作形状和磨损状态上。 。

自动获取图像。通过机器人夹紧光学系统实现铣刀的就位检测,通过自动对焦和自动光源控制相结合,可以自动完成一系列图像采集过程。

5.自动处理图像。图像处理过程与工具类型相关联。选择工具类型并获取一系列图片后,将根据特定文件名将其保存到特定位置。处理图像时,仅自动处理图像并直接输出测量结果。

...............................

参考文献(略)


更多优惠

期刊推荐