基于工件表面图像的刀具磨损状态监测

发布时间：2020-06-12 07:43

【摘要】： 刀具状态监测技术在自动化生产中具有十分重要的意义,本文以车削加工为对象,建立了以工件表面图像为依据的刀具磨损状态监测实验系统,分析了基于工件表面图像的刀具磨损监测原理,并对工件表面图像的特征提取以及刀具磨损状态识别方法进行了理论分析和实验研究。 论文结合实验所得到的工件表面图像,对常用的图像预处理方法进行了研究、分析和比较,找出了适合工件表面图像的预处理算法,为实现刀具磨损状态监测的图像特征提取奠定了基础。 采用工件表面图像的纹理分析方法,对工件表面图像进行分析和特征提取,得出各特征参数随刀具磨损的变化规律,实验结果表明,累计面积S、d =1,θ=90o时的惯性矩I、θ=0o、45o、90o和135o时的长游程优势度量RF 1、短游程优势度量RF 2和游程总数的百分率度量RF 5随着刀具磨损程度的增加都呈现出一定的变化规律,可以作为有效的特征参数来判断刀具磨损状态。 将分形布朗运动模型引入工件表面图像分析中,研究了分形维数D的算法,将分形维数D作为判断刀具磨损状态的特征参数,分析了分形维数D与刀具磨损之间的关系,实验表明,该方法能够较好适用于刀具磨损状态监测中。 建立了刀具磨损状态识别的BP神经网络模型,通过大量实验结果对网络的训练,实现了工件表面图像特征参数与刀具磨损状态的映射,结果表明,该网络能够较好的应用于刀具磨损状态的识别与判断。
【图文】：

在加工表面留下了切削层残留说，，工件表面形貌是由刀具的轮廓映射到工具的几何形状有着密不可分的关系。实验设备示意图和实验设备实景图如图 2-7车削进给方向车削速度方向深度方向(b) 受其他因素影响的状态面纹理形貌nce of workpiece interface

从图 2-9 中我们可以看出，加工到第 2 刀的时候（图(a)）工件表面纹理清晰，规律性较强，并且在垂直方向上工件表面纹理具有很强的连续性，随着加工时间的延长，工件表面的纹理逐渐开始混乱，其连续性也越来越差。当加工到第 26 刀之后（图(m)~图(p)），可以明显地看出工件表面的纹理已经出现撕裂的痕迹，且纹理非常混乱，在垂直方向几乎不具有连续性。(m) 第 26 刀 (n) 第 28 刀 (o) 第 30 刀 (p) 第 32 刀图 2-9 工件表面纹理图像Fig.2-9 The texture appearance image of workpiece interface(a) 副后刀面 (b) 后刀面 (c) 前刀面图 2-10 第 2 刀
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TH165.4

【引证文献】

相关硕士学位论文 前2条

1 刘冬芳;基于计算机视觉的刀具状态在线监控研究[D];河北工业大学;2007年

2 谭延凯;基于计算机视觉的刀具磨损检测技术的研究[D];沈阳理工大学;2011年

本文编号：2709221