隨著制造業(yè)的高速發(fā)展,輪廓曲線磨削已經廣泛用于各種精密復雜刀具、模具等輪廓曲線類零件的加工中,為了適應復雜輪廓曲線零件的高精度和快速加工的要求,提高輪廓曲線磨削的加工精度和效率具有非常重要的實際意義。通過對加工誤差進行人工的光學檢測和補償是目前比較有效的提高加工精度的方法,已經廣泛應用于傳統(tǒng)的光學曲線磨削中,但該方法存在著效率低、可靠性和加工精度有待提高等問題。本文基于機器視覺技術,提出了一種基于局部視覺圖像的曲線磨削加工誤差動態(tài)檢測和在線補償算法,并對復雜輪廓曲線的加工精度進行評價,主要的研究內容和結果如下:(1)曲線輪廓加工的基本原理和視覺系統(tǒng)的設計。研究了基于機器視覺的曲線磨削加工的基本原理;介紹了自主研發(fā)的數(shù)字化曲線磨床;闡述了加工機床的視覺測量系統(tǒng)的組成和校準方法,為實現(xiàn)高精度加工奠定了基礎。(2)復雜輪廓曲線邊緣精確定位方法的研究。研究比較了主流的圖像輪廓邊緣提取算法,包括像素級別和亞像素級別的邊緣提取算法,提出了采用仿真法和標定板法對輪廓邊緣的亞像素定位算法進行精度評價,并進行了試驗研究和結果分析,并對測量結果的不確定度做出了評價。結果驗證了所提出的亞像素定位算法和精度評... 

【文章來源】：上海交通大學上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：84 頁

【學位級別】：碩士

【部分圖文】：

數(shù)控仿形磨削Fig.1-1CNCprofilegrinding

上海交通大學碩士學位論文5進行補償。WanDaping[32]等通過角點檢測分別得到已加工工件部分和未加工工件部分，通過理論和實際的比較計算得到加工誤差并設計補償算法。曹永潔[33]等通過激光干涉儀測量實際輪廓并與理論輪廓對比得到它們之間的差值，之后修改G代碼對該誤差進行補償，且設計試驗驗證了算法的可靠性。羅玉梅[34,35]等基于圓形公差帶法，通過sobel算子進行像素級別的圖像提取，接著運用zernike算子將精度提升至亞像素級別，更精確地獲取了圖像精度，從而提高了誤差補償?shù)男ЧrystianErwinski[36]等加入了神經網絡的算法以檢測輪廓誤差，通過對歷史加工過程中的數(shù)據(jù)進行采集，基于非線性回歸的離線自學習平臺，建立神經網絡模型預測加工誤差并進行實時補償，經過設計試驗驗證后證明了該算法的有效性。圖1-2環(huán)形公差帶法原理示意圖[29]Fig.1-2Schematicdiagramofannulartoleranceband1.3當前研究中存在的問題綜上所述，現(xiàn)有的研究成果中，在利用基于機器視覺的測量系統(tǒng)檢測加工誤差檢測時，通常是對加工前后拍攝的靜態(tài)圖像進行檢測且檢測精度往往局限于像素級別，而缺少亞像素級別的動態(tài)誤差檢測；同時，針對曲線磨削中加工誤差的在線檢測和補償方法有待進一步研究以提高輪廓曲線磨削的加工精度和工藝水平。本文針對以下兩個問題進行研究：（1）曲線磨削加工過程中實時高精度圖像輪廓邊緣獲取方法（a）（b）（c）（d）

第二章曲線輪廓加工的基本原理和視覺系統(tǒng)設計8第二章曲線輪廓加工的基本原理和視覺系統(tǒng)設計2.1前言本章首先介紹了本文所研究的基于機器視覺的復雜輪廓曲線磨削加工原理。自主研發(fā)設計了曲線磨削試驗平臺，該平臺可以實時檢測曲線磨削加工過程中的加工誤差并通過控制電機實現(xiàn)誤差的補償。介紹了該試驗平臺的總體結構，詳細闡述了視覺系統(tǒng)的設計方法，然后通過對視覺系統(tǒng)在試驗平臺上所獲取的圖像質量進行評價，驗證所搭建系統(tǒng)的可靠性。為后續(xù)進一步的理論研究和試驗做準備。2.2基于機器視覺的輪廓曲線磨削加工原理本文研究的復雜輪廓曲線磨削加工原理的示意圖如圖2-1所示。該圖展示了自主開發(fā)的數(shù)字化曲線磨床以及該機床的加工原理和方法。該機床為五軸聯(lián)動機床，包括加工刀具和加工工件兩組相對獨立的運動控制系統(tǒng)。其中加工刀具部分的砂輪架運動控制系統(tǒng)包括：U軸橫向滑臺、V軸縱向滑臺、Z軸砂輪往復滑臺、電主軸和砂輪，加工工件部分的工作臺運動控制系統(tǒng)包括：X軸橫向滑臺、縱向滑臺Y軸、工作臺和工件。加工時，兩個運動系統(tǒng)進行相互配合的運動，可以完成不同類型工件的加工。目前主要的加工方式分為兩種：基于局部視覺圖像的加工以及基于全局視覺圖像的加工。圖2-1基于機器視覺的輪廓曲線磨削的原理示意圖Fig.2-1Schematicdiagramofprofilegrindingbasedonopticalmeasurement基于局部視覺圖像的曲線磨削加工方式是指通過獲取加工工件的局部輪廓

【參考文獻】：
期刊論文
[1]基于高斯擬合的亞像素邊緣檢測算法[J]. 韓東,李煜祺,武彥輝.  計算機應用與軟件. 2018(06)
[2]基于機器視覺的車床主軸徑向跳動誤差測量方法研究[J]. 彭凱,楊澤青,楊偉東,劉麗冰.  制造技術與機床. 2018(02)
[3]壓氣機葉片加工誤差影響不確定分析[J]. 高麗敏,蔡宇桐,徐浩亮,鄧衛(wèi)敏.  航空動力學報. 2017(09)
[4]基于多重插值的亞像素邊緣檢測[J]. 田庸,韓震宇,周永洪.  現(xiàn)代計算機(專業(yè)版). 2017(09)
[5]用基于特征的稀疏點云配準算法檢測零件的加工誤差[J]. 鐘瑩,孫小兵.  納米技術與精密工程. 2016(04)
[6]基于機器視覺的曲線磨削砂輪修形精度的檢測[J]. 賴小平,許黎明,范灝,王嗣陽,胡德金.  機械制造. 2015(07)
[7]基于多誤差源耦合的五軸數(shù)控銑床加工誤差綜合預測及評判[J]. 王偉,鄭從志,張信.  中國機械工程. 2015(01)
[8]基于閾值分割與Zernike正交矩的曲線磨削邊緣檢測方法[J]. 解斌,許黎明,賴小平,范灝,胡德金.  機械制造. 2014(07)
[9]改進的Zernike矩工業(yè)CT圖像邊緣檢測[J]. 陶李,王玨,鄒永寧,伍立芬,王慧倩.  中國光學. 2012(01)
[10]基于機器視覺的加工誤差在線檢測系統(tǒng)設計[J]. 李杏華,張彥杰,王偉超.  計算機工程與應用. 2012(04)

博士論文
[1]基于機器視覺的砂輪廓形測量系統(tǒng)研究[D]. 趙萍.沈陽工業(yè)大學 2013
[2]基于計算機視覺的小尺寸零件精密測量技術研究[D]. 劉慶民.吉林大學 2006

碩士論文
[1]基于機器視覺的編碼器主軸回轉誤差檢測及分析[D]. 李博.哈爾濱理工大學 2016
[2]機器視覺中相機標定方法的研究[D]. 路紅亮.沈陽工業(yè)大學 2013
[3]復雜曲面測量采樣策略與輪廓度誤差評定方法研究[D]. 賈紅洋.天津大學 2012
[4]高精度球面輪廓的測量和評定方法研究[D]. 郭敘蕊.合肥工業(yè)大學 2008



本文編號：2928364