基于高精度计算视觉的刀具磨损在位检测

摘要

机械加工过程中，刀具的磨损是影响产品加工精度、加工质量与效率的关键问题之一。随着社会与科学技术的发展，对产品的制造质量要求越来越高，特别在精密加工过程中微型刀具磨损的检测显得更加重要。将计算机视觉技术应用于微型刀具磨损检测，克服了传统方法的不足，具有简单快捷、无接触、无变形、判断精度高等优点。然而现有的计算机视觉刀具磨损检测系统仍存在着离线检测、检测要素单一和非自动化等问题。
　　本文在阐述目前国内外基于计算机视觉的刀具检测发展状况的基础上，针对上述存在的问题，做出了以下工作:
　　首先，结合六自由度机械手实现了计算机视觉系统的在位检测功能并根据微径铣刀的磨损特点提出了五个测量要素。刀具安装于主轴上，机械手夹持计算机视觉系统先后运行到三个测量位，获取刀具图像，无需取下刀具从而提高了检测效率。
　　其次，自动化检测的实现，主要包括图像自动获取和图像自动处理两部分。图像自动获取实现了运动系统自动化、自动对焦、光源自动控制和倍率自动控制等;图像自动处理实现了图像自动预处理和刀具特征提取，整个自动化检测过程为2min。
　　最后，对测量结果进行误差分析与补偿。在分析系统误差来源和常用误差补偿技术的基础上，提出了基于实验修正的误差补偿方法将长度测量精度由±3μm提高到±1μm，并给出了基于长度补偿的面积补偿算法。

目录

声明

摘要

第一章 绪论

1．1 课题研究背景及意义

1．2 刀具磨损检测国内外研究概况

1．2．1 刀具磨损检测技术发展概况

1．2．2 主要的刀具磨损检测技术及特点

1．3 基于计算机视觉的刀具磨损检测概述

1．3．1 基于计算机视觉的刀具磨损检测分类

1．3．2 基于计算机视觉的刀具检测技术发展

1．4 本文研究内容及论文安排

第二章 基于计算机视觉的刀具磨损检测关键技术研究

2．1 微径铣刀磨损特点及磨钝标准

2．1．1 微型铣刀磨损特点

2．1．2 铣刀磨钝标准

2．2 图像预处理与边缘检测技术

2．2．1 图像灰度化原理

2．2．2 噪声来源及常见噪声

2．2．3 常用去噪方法

2．2．4 边缘检测技术

2．2．5 亚像素算法

2．3 误差分析与补偿

2．3．1 影像测量误差来源

2．3．2 误差补偿原理及常用的误差补偿技术

2．4 自动对焦技术

2．5 本章小结

第三章 测量要素的选取、检测方法及合格性判别

3．1 微径铣刀测量要素

3．1．1 常用的测量要素

3．1．2 结合铣刀磨损特点的五要素

3．2 测量要素在位检测

3．2．1 刀尖高度的检测

3．2．2 刀具直径和副后刀面面积的检测

3．2．3 前角、后角的检测

3．3 测量要素的图像处理

3．3．1 刀尖磨损高度的特征提取

3．3．2 刀尖工作直径和后刀面磨损面积的特征提取

3．3．3 前角后角的特征提取

3．4 刀具合格性判别

3．4．1 刀具合格性判别流程

3．4．2 各要素权重分配

3．4．3 合格性判别实例

3．5 本章小结

第四章 图像自动获取和处理

4．1 图像自动获取和处理模块设计

4．2 运动控制部分

4．2．1 机械手运动控制

4．2．2 刀具基面定位

4．2．3 刀具轴向定位

4．3 光学系统控制部分

4．3．1 自动对焦

4．3．2 光源自动控制

4．3．3 倍率自动控制

4．4 基于修正的误差补偿技术

4．4．1 线性测量修正原理

4．4．2修正实验

4．4．3 实验验证

4．4．4 面积测量修正算法

4．5 本章小结

第五章 自动在位检测的系统实现

5．1 系统概述

5．2 硬件系统设计

5．2．1 图像采集系统

5．2．2 运动控制系统

5．2．3 辅助件

5．3 软件系统设计

5．3．1 软件需求分析

5．3．2 软件架构与检测流程

5．3．3 实验平台及实际检测模型

5．4 主要模块功能及设计

5．4．1 图像获取模块

5．4．2 机械手运动控制模块

5．4．3 对焦控制模块

5．4．4 光源控制模块

5．4．5 基面定位模块

5．4．6 自动测量模块

5．4．7 刀具管理模块

5．5 本章小结

第六章 工程测试与分析

6．1 加工与测试条件

6．2 软件系统操作流程

6．3 测试数据与分析

6．4 刀具合格性判别

6．5 本章小结

第七章 总结与展望

7．1 全文总结与创新点

7．2 进一步研究与展望

参考文献

攻读硕士学位期间的研究成果

致谢