基于计算机视觉的刀具磨损检测技术的研究

针对难加工材料切削过程中刀具磨损检测自动化程度低和定量检测困难等问题搭建了一套基于计算机视觉的刀具磨损检测系统.通过分析刀具表面由磨损区向非磨损区过渡边缘的灰度变化特性,设定阈值初步分割磨损带,采用灰度梯度与灰度矩精确定位磨损带边缘,最后重建磨损图像,处理图像数据得到磨损量Vb.通过将该方法计算结果与显微镜测量结果比较后证明该系统具有较高的测量精度.     

基于计算机视觉的砂轮磨损状态的在线检测

介绍了数字化曲线点磨削在线检测系统的组成和原理;采用图像拼接算法对采集到的多幅工件重叠图像进行处理;运用数学形态学边缘检测算子提取边缘得到工件的实际加工曲线,并与理论曲线作比较,从而分析出砂轮的磨损状况,获得砂轮的磨损量。实验结果表明本文所提出的方法是有效可行的。     

基于小波变换的刀具磨损状态检测

分析切削加工过程中刀具磨损的规律以及在不同的刀具磨损阶段切削力信号的奇异性指数 (即Lipschitz指数 )的变化规律。根据这一变化规律 ,提出自动化生产过程中刀具磨损状态的在线检测的方法。     

基于MATLAB的刀具磨损状态分析

通过对刀具磨损状态与影响因素间因果关系的分析,利用Matlab中的Neural Network Toolbox仿真环境和BP模型算法建立了用于刀具磨损状态分析与控制的神经网络模型,详细论述了模型结构的设计、数据处理、网络初始化、训练与仿真的过程.实际表明,基于Matlab的刀具磨损状态分析能有效地提高效率及直观地显示结果,对提高机械加工效率与加工质量具有积极作用.     

基于切削声音的刀具磨损状态识别研究

人工神经网络可以实现多特征信息的融合,将基于BP神经网络,建立各频率段能量百分比与刀具磨损的映射关系,进行刀具磨损状态识别的研究。最后在Labview环境下调用Matlab神经网络程序,初步实现了刀具磨损的识别。     

刀具磨损便携式视觉在位检测技术研究

简要分析了目前常用刀具的磨损测量方法,提出一种便携式在位测量方法。该方法将小型光学镜组直接夹持在手机上,与手机摄像头一起组成便携式视觉检测系统,对安装在机床上的刀具磨损区域进行拍摄取样,然后将图像传输到电脑中,经图像处理后可获得刀具后刀面磨损量。试验表明,该测量方法操作简单,测量精度符合工程要求;可实现刀具磨损的在位检测,为刀具磨损的过程监测提供新途径。     

基于机器视觉的微小型刀具磨损检测试验研究

微小型机加工中刀具的磨损对加工质量影响很大,本文主要针对微小型车铣加工过程中立铣刀磨损形态进行试验研究。采用机器视觉检测技术,针对精密微小型车铣复合加工中心设计并搭建了立铣刀磨损量在位检测系统。在分析立铣刀常见磨损形态的基础上,总结出微小型立铣刀的磨损特点及磨损规律,并提出了适用于微小型车铣复合加工的小直径立铣刀磨钝标准。     

基于LabVIEW的刀具磨损监测分形识别平台

将分形应用在刀具状态监测中,随着刀具磨损量的增加,刀具与工件之间的磨损加剧,振动信号的波形变化越来越不规则,信号的分形维数逐渐增大.盒维数和信息维数变化较小,但变化趋势明显;关联维数的变化相对较大,新刀的关联维数最小,报废刀的关联维数明显增大.识别结果表明,刀具在整个磨损历程中振动信号分形维数的变化规律,其大小能较好地反映刀具不同磨损状态,运用振动信号的分形维数可以有效实现刀具磨损状态的监测.     

刀具磨损状态在线监测技术

通过对切削加工过程中声发射（ＡＥ）信号频域特改正的研究,指出了ＡＥ信号中与刀具磨损状态有关的成分在频域内的分布规律,在此基础上分析了ＡＥ信号的均方根值ＡＥＲＭＳ和振铃计数与刀具后面磨损量ＶＢ之间的对应关系,建立了一种基于ＡＥ信号能量的双阈值判断监测方法。试验表明该方法能很好地解决持定切削条件下刀具磨损的在线监测问题。     

基于差分进化小波神经网络的刀具磨损状态识别

提出应用小波神经网络进行刀具磨损状态识别的方法,给出了具体的识别流程。构建了小波神经网络,并实现了差分进化对网络参数的优化。通过检测加工现场的切削力和切削声音信号,将其进行信号处理后作为小波神经网络的训练样本,将差分进化应用于小波神经网络结构和参数的优化中,最终实现刀具磨损状态的识别。仿真结果表明差分进化小波神经网络能够有效避免神经网络不收敛的缺点,提高学习速度,采用差分进化小波神经网络进行刀具磨损状态识别,具有较高的诊断精度和效率。     

基于机器视觉的刀具状态监测研究进展

介绍了基于机器视觉的刀具磨损监测的三种方法:基于刀具表面图像的视觉监测方法、基于工件表面纹理图像的视觉监测方法和基于切屑图像的视觉监测方法。综述了各种方法的研究进展,比较了各自的优缺点,分析了当前的研究热点和发展趋势。     

基于机器视觉的FDM-3D快速成型异常工况监控系统

针对FDM-3D打印过程中存在的各类打印故障,提出了一种基于机器视觉的FDM-3D快速成型异常工况监控系统,该系统能够完成自动识别和报警等功能,实现无人值守状态下的智能监控。首先,基于视觉提取实际打印目标的轮廓;然后,基于计算机图形学获取stl文件中待打印物体的理论轮廓,并将其与实际打印目标的轮廓做对比;最后,开发一个基于网络的自动报警系统。实验结果表明,该监控系统能够对零件垮塌或打印机喷头堵塞等状况实现实时在线的评价。基于图像识别的监控方法能够与3D打印目标的造型实时匹配,该方法可以扩展到多种不同类型的打印机。     

物料工况监测机器视觉系统应用发展与探究

机器视觉系统的特点是提高生产的柔性和自动化程度,机器视觉技术中采像、分析和控制的三个技术环节中,采像是机器视觉系统的基础,光源是机器视觉系统的重要组成部分,图像处理与分析是机器视觉中的核心部分,输出执行机构是系统的最后一个也是最关键的环节。     

基于机器视觉技术的机械零件表面损伤检测

在简要介绍了机器视觉技术的发展和原理的基础上，探索性地将机器视觉技术引入机械零件的损伤检测领域。结合实例，通过对比损伤部位与正常部位的色彩特征，检测损伤部位，并借助梯度算法，给出了破损部位面积的计算方法，改进了长期以来对零件表面损伤依赖于人的主观判断的状况，提出了一种科学高效的检测手段。     

基于马尔可夫随机场工件表面纹理模型的刀具状态监测

基于马尔可夫随机场理论，建立了工件表面纹理图像的马尔可夫随机场纹理模型，并对工件表面纹理图像的特点进行了分析。在实验数据的基础上，对工件表面纹理图像的特征参数进行提取，提出采用相对距离作为刀具磨损程度的评价指标。指出三阶马尔可夫随机场能比较充分地反映工件表面纹理图像的特征。实验结果表明，基于马尔可夫随机场的工件表面纹理分析方法能够较好地适用于刀具状态监测。     

Surface Texture Indicators of Tool Wear - A Machine Vision Approach

There has been much research on the automated monitoring of cutting tool wear. This research has tended to focus on three main areas that attempt to quantify the cutting tool condition: monitoring of specific machine tool parameters in order to infer tool condition, direct observations made on the cutting tool; and measurements taken from the chips produced by the tool. However, considerably less work has been performed on the development of surface texture sensors that provide information on the condition of the tool employed in machining the surface. A preliminary experimental study is presented for accomplishing this texture analysis using a machine vision-based sensor system. In particular, an investigation of the condition of a two-flute end mill used in a standard face milling operation is presented. The degree of tool wear is estimated by extracting three parameters from video camera images of the machined surface. The performance of three image-processing algorithms, in estimating the tool condition, is presented: analysis of the intensity histogram; image frequency domain content; and spatial domain surface texture.     

以机器视觉为基础的刀具磨耗侦测系统研究

刀具的几何轮廓与工件加工精度有着密不可分的关系,若刀具因磨耗产生形状误差,会影响产品精度或造成产品品质不良,故需对其进行精确监控,以确保产品品质与精度。本文提出以机器视觉为基础的非接触式刀具磨耗侦测系统,针对常用的车床刀具加以探讨,运用数位影像处理方法,以视觉辅助系统测量刀具磨耗,解决了传统人工检测的安全性不足,避免了因刀具磨耗产生的形状误差而影响产品的精度与品质。     

基于内置传感器的大型数控机床状态监测技术

提出一种基于光栅尺、编码器、伺服进给电机电流(转矩)等内置传感器的机床状态监测系统,深入研究转矩、位置、润滑特性等内置传感器测试原理,就开放式和商业数控系统给出不同采集机床状态信息的策略;并进行多种工况下的恒速、润滑特性测试,试验分析表明电机输出转矩(电流)、位置、瞬时速度、瞬时加速度等内置传感器信息被用于机械传动部件故障诊断和伺服控制特性评估的可行性和有效性,从而为大型数控机床状态在线监测和故障快速溯源,提供技术支撑.     

基于内置传感器的大型数控机床状态监测

随着计算机技术的不断发展,数控机床的发展趋势越来越呈现出大型化和高速化,并且其加工精度也越来越高.在这种情况下,机床如果受到外力的振动或冲击,会直接影响机床的进给系统,从而造成与其相关的各机械部件出现故障,影响到机床的加工精度.因此,机械设备的状态监测及故障诊断非常重要.本文主要讨论基于内置传感器大型数控机床的状态监测问题.     

一种基于机器视觉的机器人标定方法

机器人标定是离线编程技术实用化的关键技术之一.提出了一种基于机器视觉的机器人标定方法,利用双目视觉测量机器人上的目标点,通过目标点位置的测量撮出机器人的关节轴线,根据相应的运动学模型求出机器人的几何参数,并解决了在测量过程中摄像机视野小的问题.实验结果表明该方法能够实现机器人几何参数的标定,提高了机器人的绝对精度.