基于计算机视觉的薄壁件铣削颤振在线监测

发布时间：2020-06-01 04:44

【摘要】：薄壁类零件在航空航天、船舶、汽车等领域应用十分广泛,在薄壁件加工过程中,颤振现象普遍存在且又影响恶劣。颤振一方面造成切削加工过程不稳定,影响工件加工精度,降低加工效率;另一方面加剧机床零件磨损,降低刀具和机床的使用寿命以及带来噪声污染。为提高薄壁工件表面质量和生产效率,在加工过程中对颤振进行准确辨识和有效监测已成为智能制造领域的重要研究方向之一。由于切削环境中的噪声、振动干扰等,导致颤振监测精度普遍较低、成本较高,难以指导实际工业生产。本文提出基于计算机视觉的薄壁件铣削颤振在线监测方法,实现基于图像纹理信息的颤振在线监测。具体研究内容如下:首先,分析计算机视觉系统组成及工作原理,确定基于计算机视觉的薄壁件颤振图像采集系统的硬件组成;设计薄壁件铣削颤振图像采集方案,实现薄壁件铣削颤振图像的获取;分析并设计颤振图像预处理流程及算法,为颤振图像辨识提供高质量的图像支持。其次,建立薄壁件动态切削模型,分析颤振表达特征;从已加工表面图像的众多基本特征中(颜色、形状、纹理及空间关系等特征)选择最优表达颤振的特征,并对颤振图像的特征进行提取和表征;研究满足精度和实时性要求的薄壁件铣削颤振图像辨识算法,实现颤振图像高精度辨识。最后,在薄壁件铣削图像采集系统和基于纹理特征的铣削颤振图像辨识算法的基础上,搭建薄壁件铣削颤振在线监测系统,实现薄壁件铣削颤振在线监测。首先明确在线监测系统的设计要求和目标;其次分析系统硬件组成及工作流程,搭建在线监测系统;最后设计薄壁件铣削实验,基于应用示例,验证算法和本文的科学构想的正确性和合理性。
【图文】：

颤振,熵方法,切削力信号,声场

图 1-1 基于能量熵方法的切削力信号颤振辨识，根据加工过程中的切削力信号能够辨识颤振，并具有信噪比高削力信号的颤振监测方法实验部署困难，价格昂贵，且对于精加薄壁件颤振监测精度较低。于声场信号的颤振监测ut[23]通过对于声场信号的监测来判别颤振，此种方法操作简便，也破损状态，大大降低了颤振监测成本；Delio[24]比较了声场信号和率)，验证了基于声场信号的颤振辨识和监测的可行性；Faasse边界预测的方法，通过功率谱密度提取特征实现颤振监测；Riv颤振检测传感器，分析了振幅、功率谱分析、方差估计三种方法]基于声场信号定量和定性进行了颤振监测，验证了声场信号和颤滞反馈关系；Cao[28]基于同步压缩变换方法对麦克风采集的声场信理，实现颤振的监测；Salles[29]研究声场信号的响应线性度，改善[30]

表面图像,颤振信号,颤振,声场

图 1-2 基于声场信号的颤振信号特征提取已加工工件表面图像的颤振监测已加工工件表面图像的颤振监测方面，主要分为两类，一类对测量的振动信号[32, 33]或力信号[34-36]作为图像进行处理，例度图像作为图像信号，引入卷积神经网络(CNN)训练图像信态。但此种方法需要大量的经验图像训练模型，，实验成本较杂度对设备的要求也较高，如图 1-3 所示。
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TG54

【相似文献】