基于DSP的磨削表面粗糙度在线检测系统开发
[Abstract]:In order to solve the problem of low recognition speed and low accuracy of grinding workpiece roughness on line, an on-line measuring system of workpiece surface roughness based on DSP is developed. Based on the principle of light scattering, the system collects light scattering image by industrial camera, uses DSP chip to preprocess the image and extract the feature parameters. Finally, the multi-classification support vector machine model is used. The images with different surface roughness grades are classified. The experimental results show that the whole recognition process on the hardware platform takes about 0.5 s and the recognition rate can reach over 96%. It shows that the system can effectively identify the surface roughness grade of the workpiece and realize the on-line measurement of the workpiece surface roughness effectively.
【作者单位】: 湖南大学汽车车身先进设计制造国家重点实验室;湖南文理学院机械工程学院;
【基金】:国家重大科技专项资助项目(2011ZX04016-041) 湖南省“十二五”重点建设学科资助项目(XJF2011[76]) 湖南省高校产学研合作示范基地资助项目(XJT[2014]239)
【分类号】:TG580;TG84
【参考文献】
相关期刊论文 前8条
1 彭宇;姜红兰;杨智明;乔立岩;刘旺;;基于DSP和FPGA的通用数字信号处理系统设计[J];国外电子测量技术;2013年01期
2 郭瑞鹏;陶正苏;;基于神经网络的磨削工件表面质量的在线检测[J];电子设计工程;2010年10期
3 曾谊晖;左青松;李翼德;黄红华;陈恒;王亚风;;基于RBF神经网络的难加工金属材料数控加工控制方法研究[J];湖南大学学报(自然科学版);2011年04期
4 刘颖;郎治国;唐文彦;;表面粗糙度光切显微镜测量系统的研制[J];红外与激光工程;2012年03期
5 孙林;杨世元;;基于最小二乘支持矢量机的成形磨削表面粗糙度预测及磨削用量优化设计[J];机械工程学报;2009年10期
6 周华安;王海鸥;孟志强;曹龙益;;基于TMS320F2812和BUCK电路的光伏阵列模拟器[J];湖南大学学报(自然科学版);2013年09期
7 王海涛;刘伟强;杨建国;;基于RBF神经网络的磨削表面粗糙度预测模型[J];机床与液压;2014年03期
8 曹健渭;卢荣胜;雷丽巧;杨蕾;;基于散斑纹理变差函数的平磨表面粗糙度测量技术[J];仪器仪表学报;2010年10期
【共引文献】
相关期刊论文 前10条
1 杨蕾;卢荣胜;雷丽巧;;基于小波变换的散斑纹理表面粗糙度信息提取[J];电子测量与仪器学报;2012年12期
2 覃琴;宋海军;李长俊;;基于μC/OS-II和NicheStack的嵌入式以太网接口设计[J];国外电子测量技术;2013年05期
3 王怀侠;王永;王首浩;;基于DSP+FPGA数据传输系统的实现[J];电子测量技术;2013年11期
4 明建成;祁舒U,
本文编号:2134315
本文链接:https://www.wllwen.com/kejilunwen/jinshugongy/2134315.html