鋼材的表面質(zhì)量對(duì)其產(chǎn)品的性能和壽命有著重要的影響,表面粗糙度和表面缺陷是衡量表面質(zhì)量的重要指標(biāo)。隨著社會(huì)生產(chǎn)力的提高,優(yōu)質(zhì)鋼材的需求量越來(lái)越大,對(duì)于鋼材表面粗糙度和表面缺陷的檢測(cè)也愈發(fā)重要�，F(xiàn)階段,大多數(shù)的表面質(zhì)量檢測(cè)手段僅局限于表面粗糙度或者表面缺陷一種參數(shù)的檢測(cè),并且大多適用于離線測(cè)量,能夠同時(shí)在線測(cè)量表面粗糙度和表面缺陷的技術(shù)仍不夠完善。在總結(jié)和歸納了現(xiàn)有技術(shù)的基礎(chǔ)上,本文搭建了一套表面粗糙度和表面缺陷檢測(cè)系統(tǒng)。該系統(tǒng)利用激光散射技術(shù)測(cè)量工件的表面粗糙度,測(cè)量范圍為0.025μm⁰.8μm。利用機(jī)器視覺(jué)技術(shù)檢測(cè)工件的表面凹槽和凸起。分析采集的表面散射圖像,提取了散射特征值S、亮點(diǎn)比BPR和亮灰度比BGR三個(gè)特征參數(shù)來(lái)評(píng)價(jià)表面粗糙度,得到了它們和表面粗糙度之間的關(guān)系式。同時(shí),使用BP神經(jīng)網(wǎng)絡(luò)、支持向量回歸機(jī)（SVR）和卷積神經(jīng)網(wǎng)絡(luò)（CNN）實(shí)現(xiàn)了表面粗糙度的預(yù)測(cè),其中BP神經(jīng)網(wǎng)絡(luò)和SVR預(yù)測(cè)的均方根誤差分別為0.0012和0.0192,CNN模型分類的準(zhǔn)確率為100%。使用圖像處理算法判斷并定位了工件表面的凹槽和凸起,計(jì)算了它們?cè)跍y(cè)量方向上的尺寸,并驗(yàn)證了激光... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：86 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

表面幾何形狀偏差分類示意圖

觀幾何特性就叫表面粗糙度。同時(shí)，表面粗糙度在一定程度上。例如，使用磨削的方法加工出來(lái)的工件，其表面會(huì)出現(xiàn)具有通常是不規(guī)則的；使用切削的方法加工出來(lái)的工件，其表面會(huì)平度間距是規(guī)則的。糙度的評(píng)定術(shù)語(yǔ)糙度的測(cè)量基準(zhǔn)，歷史上出現(xiàn)過(guò)兩種比較有影響力的方案：一線作為評(píng)定輪廓參數(shù)的基準(zhǔn)線；另一種是包絡(luò)線基準(zhǔn)制，該方基準(zhǔn)線。目前為止，包括我國(guó)在內(nèi)的世界上絕大多數(shù)國(guó)家使用基準(zhǔn)線，中線基準(zhǔn)制涉及的部分重要概念介紹如下。線 m： 是為了評(píng)定工件表面粗糙度值而確定的理想基準(zhǔn)線，可以分為均中線兩種[4]。如圖 1.2 所示，輪廓最小二乘中線是指在取樣長(zhǎng)的平方和最小，即21niid 的值最小。如圖1.3所示，輪廓算術(shù)平將輪廓的面積平分為上下兩個(gè)部分，即1 3 2 4S S S S。

d 的值最小。如圖1.3所示，輪廓算術(shù)平均中線是指在取樣長(zhǎng)度內(nèi)，該線將輪廓的面積平分為上下兩個(gè)部分，即1 3 2 4S S S S。圖 1.2 輪廓最小二乘中線示意圖

【參考文獻(xiàn)】：
期刊論文
[1]鑄件缺陷的超聲波定性檢測(cè)[J]. 唐愛(ài)國(guó),孫存忠.  無(wú)損檢測(cè). 2017(09)
[2]淺談加強(qiáng)鋼材表面質(zhì)量檢驗(yàn)與控制的重要性[J]. 孫印杰,康志龍.  建材與裝飾. 2017(23)
[3]超聲波在焊縫檢測(cè)中的應(yīng)用[J]. 原俊杰.  科技創(chuàng)新與應(yīng)用. 2016(22)
[4]基于BP神經(jīng)網(wǎng)絡(luò)的車削表面粗糙度檢測(cè)[J]. 閔莉,王哲,高龍飛,劉大任.  沈陽(yáng)建筑大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(05)
[5]基于激光線光源的鋼軌表面缺陷三維檢測(cè)方法[J]. 徐科,楊朝霖,周鵬,梁晶.  機(jī)械工程學(xué)報(bào). 2010(08)
[6]零件表面粗糙度的激光在線測(cè)量[J]. 付風(fēng)嵐,譚海艷.  激光與紅外. 2007(05)
[7]基于多條激光線的鋼板表面缺陷三維檢測(cè)方法[J]. 皮敏捷,徐科.  機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新. 2007(02)
[8]基于線型激光的鋼板表面缺陷三維檢測(cè)技術(shù)[J]. 梁治國(guó),徐科,徐金梧.  北京科技大學(xué)學(xué)報(bào). 2004(06)
[9]表面粗糙度測(cè)量方法綜述[J]. 劉斌,馮其波,匡萃方.  光學(xué)儀器. 2004(05)
[10]機(jī)械加工零件表面紋理缺陷檢測(cè)[J]. 黎明,馬聰,楊小芹.  中國(guó)圖象圖形學(xué)報(bào). 2004(03)

博士論文
[1]金屬表面缺陷和鋼軌踏面殘余應(yīng)力的激光超聲無(wú)損檢測(cè)研究[D]. 王晶.北京交通大學(xué) 2016
[2]熱軋圓鋼表面缺陷視覺(jué)在線檢測(cè)算法研究[D]. 李武斌.山東大學(xué) 2013
[3]紅鋼棒材表面缺陷圖像采集與檢測(cè)系統(tǒng)研究[D]. 張建川.山東大學(xué) 2012

碩士論文
[1]基于激光超聲技術(shù)的鋼軌表面及亞表面缺陷檢測(cè)研究[D]. 鐘云杰.西南交通大學(xué) 2018
[2]基于激光超聲的管道表面裂紋缺陷檢測(cè)機(jī)理研究[D]. 曹振.北京石油化工學(xué)院 2016
[3]焊縫表面缺陷的三維特征提取及線激光檢測(cè)[D]. 楊軍濤.中北大學(xué) 2016
[4]基于激光三角法的表面粗糙度測(cè)量[D]. 張小艷.內(nèi)蒙古工業(yè)大學(xué) 2016
[5]梨表面缺陷的激光散斑圖像檢測(cè)方法研究[D]. 劉海彬.浙江大學(xué) 2015
[6]基于DSP的磨削表面粗糙度在線檢測(cè)系統(tǒng)開(kāi)發(fā)[D]. 王翠亭.湖南大學(xué) 2014
[7]基于激光三角測(cè)量法的高精度表面缺陷檢測(cè)方法研究[D]. 劉釗.長(zhǎng)春理工大學(xué) 2013
[8]基于圖像法的工件表面粗糙度檢測(cè)系統(tǒng)研究[D]. 張建.南京航空航天大學(xué) 2011
[9]激光在線檢測(cè)晶圓表面質(zhì)量的研究[D]. 張楠.上海交通大學(xué) 2009



本文編號(hào)：3293129