基于加工表面图像的刀具磨损状态监测

摘要

刀具状态监测技术对自动化加工效率和加工质量的提高有着十分重要的意义。本文以车削过程中的加工表面图像为研究对象,分析了加工表面微观图像与刀具磨损之间的内在联系,采用图像处理、Hough变换、分形及模糊识别等方法,对基于加工表面图像的刀具磨损状态监测的关键技术进行了研究,为刀具状态监测提供了一条新的途径。 讨论了刀具的磨损形态及磨损过程,分析了加工表面纹理形貌与刀具几何形状之间的映射关系。建立了基于加工表面图像的刀具磨损监测实验系统,并在实验数据分析的基础上,验证了以加工表面图像间接反映刀具磨损状态的可行性。 针对加工表面图像,研究了图像剪切、光照不均校正、图像平滑、边缘检测和图像纹理角度校正等图像预处理问题,完成了相应的图像处理算法,为实现刀具磨损状态监测的图像特征提取奠定基础。 根据加工表面边缘图像随刀具磨损的变化特征,应用Hough变换对边缘图像中线段的分布特性进行了分析与检测,研究了纹理直线段平均长度、纹理直线段与切削速度方向的夹角均值随刀具磨损的变化规律。实验结果表明,这两个特征参数与刀具磨损状态之间存在密切联系,根据特征参数的变化规律可实现刀具磨损状态的监测。 将分形理论引入加工表面图像分析中,在研究分形维数算法的基础上提出了小波分维数和分形谱维数的概念,并完成了这两种维数的详细算法。研究了小波分维数和分形谱维数随刀具磨损的变化规律。实验结果表明,这两个分维数与刀具磨损状态之间存在密切联系,根据分维数的变化规律可实现刀具磨损状态的监测。 根据各个特征参数与刀具磨损状态间的密切联系,将模糊模式识别应用于刀具磨损状态的监测中。建立了判别刀具磨损状态的模糊识别系统,将与刀具磨损状态有密切联系的特征参数输入模糊分布函数,研究各组实验样本的刀具磨损状态隶属度,根据最大隶属原则实现对刀具磨损状态的识别。 实验结果表明,该模糊识别系统能够较准确地实现对刀具磨损状态的识别。

目录

文摘

英文文摘

声明

1 绪论

1.1课题研究的背景及意义

1.2刀具状态监测技术概况

1.2.1刀具状态监测技术的发展概况

1.2.2刀具状态监测技术的分类

1.2.3主要刀具状态监测技术及系统的特点

1.2.4目前刀具状态检测存在的主要问题

1.3基于图像处理的刀具状态监测的特点及现状

1.3.1基于图像处理的刀具状念监测系统的特点

1.3.2国内外基于图像处理的刀具状态监测技术的现状

1.4本文的主要研究内容

2 加工表面纹理特征及刀具磨损表面特征分析

2.1纹理的概念

2.2刀具磨损的基本特征和主要磨损形态

2.3刀具的磨损过程与磨钝标准

2.3.1刀具的磨损过程

2.3.2刀具的磨钝标准

2.4加工表面纹理的形成

2.5加工表面纹理特征分析及与刀具磨损的关系

2.6本文的实验装置及实验数据

2.7本章小结

3 车削加工表面图像的预处理

3.1引言

3.2图像的剪切

3.3图像的光照不均匀校正

3.4图像的平滑及边缘检测

3.4.1图像平滑

3.4.2边缘检测

3.5车削加工表面图像的纹理角度校正

3.6本章小结

4 基于Hough变换的刀具磨损加工表面纹理特征提取

4.1纹理分析方法介绍

4.2 Hough变换

4.2.1 Hough变换的基本原理

4.2.2直线极坐标形式的Hough变换

4.3 Hough变换的具体算法及简单算例

4.3.1 Hough变换的具体算法

4.3.2基于Hotlgh变换的直线检测算例

4.4基于Hough变换的加工表面图像分析

4.4.1加工表面图像的Hough变换

4.4.2基于Hough变换的刀具磨损前后特征参数比较

4.5基于Hough变换的实验数据分析

4.6本章小结

5 基于分形理论的加工表面图像分析

5.1分形理论基础

5.1.1分形的概念与特征

5.1.2分形理论的发展

5.1.3分维数布朗运动

5.2分形维数

5.2.1盒维数

5.2.2小波分维数

5.2.3基于图像对数功率谱的分形谱维数

5.3基于分形理论的实验数据分析

5.3.1信号自相似性分析

5.3.2基于小波分维数的实验数据分析

5.3.3基于图像对数功率谱的分形谱维数实验数据分析

5.4本章小结

6基于模糊识别算法的刀具状态识别

6.1模糊模式识别系统的建立

6.1.1隶属函数的确定

6.1.2隶属度权值的确定

6.1.3刀具状态的模糊识别

6.2基于模式识别方法的刀具状态识别

6.2.1基于模糊识别方法的刀具状态识别系统的建立

6.2.2特征参数的选取及模型空间的建立

6.2.3刀具状态识别结果

6.3本章小结

7结论与展望

7.1全文总结

7.2发展与展望

致谢

参考文献

攻读硕士学位期间发表论文与参与项目