刀具在切削過程中將逐漸產生磨損,當磨損達到一定程度后將會影響加工的尺寸精度和表面質量。刀具磨損關系到切削加工的效率、成本和質量,是加工過程所關注的重要問題之一。隨著制造智能化、精細化的發(fā)展,對刀具磨損信息的監(jiān)測提出了更高的要求,因此需要構建更加高效和智能的刀具磨損檢測系統(tǒng)。本文以銑削過程中刀具磨損狀態(tài)為研究對象,對刀具磨損檢測的關鍵技術進行研究,主要完成以下內容:闡述了刀具的磨損形式和磨損機理,根據(jù)刀具磨損特點,對立銑刀的磨損圖像識別算法進行研究,首先對相機進行標定,確定畸變參數(shù),對圖像進行矯正;然后對刀具磨損圖像進行預處理,采用機器視覺方法獲得刀具的磨損值。建立了基于卷積神經網(wǎng)絡的刀具磨損類型識別方法。使用python、tensorflow搭建了卷積神經網(wǎng)絡,添加權重正則化和丟棄層抑制過擬合,驗證過擬合抑制效果。評估模型效果。通過試驗采集獲得的刀具磨損圖像對模型進行訓練,并對識別模型的準確度進行評估。設計了一套刀具磨損圖像采集裝置,具有同時獲得銑刀側刃與底刃磨損信息的功能,并針對機床主軸轉速、進給速度、刀具直徑、CCD工業(yè)相機的采集視野制定銑刀的動態(tài)采集方案。進行了刀具磨損在機測量試... 

【文章來源】：哈爾濱理工大學黑龍江省

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【部分圖文】：

神經元模型示意圖

CNN結構

圖 2-6 畸變系數(shù)計算結果Fig.2-6 Distortion coefficient calculation result圖像 2-6 中 5 個畸變系數(shù)順序依次為 k1、k2、p1、p2、k3，求得這 5，如表 2-1 所示，就可以校正由于鏡頭畸變引起的圖像的變形失真。表 2-1 相機畸變系數(shù)Fig.2-1 Camera distortion coefficient實驗所采用的工業(yè) CCD 相機主要用來采集銑削刀具磨損圖像，對相機求，遠心鏡頭具有高影像分辨率、近乎零失真度、無透視誤差和遠心超寬景深等優(yōu)點，因此圖像畸變較弱。 銑削刀具磨損量測量.1 銑削刀具磨損圖像預處理參數(shù) K1 K2 K3 P1 P2值 -0.01601 0.01803 0.0088 0.00049 0.00

【參考文獻】：
期刊論文
[1]刀具磨損的機器視覺監(jiān)測研究[J]. 彭銳濤,降皓鑒,徐瑩,唐新姿,張珊.  機械科學與技術. 2019(08)
[2]基于深度學習的刀具磨損監(jiān)測方法[J]. 張存吉,姚錫凡,張劍銘,劉二輝.  計算機集成制造系統(tǒng). 2017(10)
[3]中國制造2025:從工業(yè)大國到工業(yè)強國[J]. 王喜文.  物聯(lián)網(wǎng)技術. 2015(05)
[4]面向刀具磨損在機檢測的機器視覺系統(tǒng)[J]. 賈冰慧,全燕鳴,朱正偉.  中國測試. 2014(06)
[5]基于機器視覺的印刷標簽檢測系統(tǒng)的改進[J]. 邢堃,韓漢光,吳怡之.  計算機工程與應用. 2014(11)
[6]SIFT特征匹配算法研究[J]. 張書霞,左海平.  現(xiàn)代計算機(專業(yè)版). 2010(07)
[7]在線金屬切削刀具磨損狀態(tài)監(jiān)測研究的回顧與展望Ⅰ:監(jiān)測信號的選擇[J]. 關山,康曉峰.  機床與液壓. 2010(11)
[8]CIMS環(huán)境下刀具狀態(tài)監(jiān)測研究回顧與展望[J]. 胡秋.  機床與液壓. 2003(06)

碩士論文
[1]深度異步殘差網(wǎng)絡及在路網(wǎng)交通流預測中的應用[D]. 趙博.北京交通大學 2018
[2]基于機器視覺的立銑刀磨損檢測方法的研究[D]. 張苗苗.西安工業(yè)大學 2018
[3]藥盒圖像識別系統(tǒng)的設計與實現(xiàn)[D]. 郝奕清.南京理工大學 2017
[4]車齒加工過程的仿真與分析[D]. 王凱.西安工業(yè)大學 2015
[5]基于計算機視覺刀具磨損檢測技術及系統(tǒng)[D]. 易鑫.南昌航空大學 2014
[6]刀具磨損狀態(tài)識別及預測研究[D]. 劉然.西南交通大學 2014
[7]視覺測量中的攝像機標定與三維重建方法研究[D]. 蔡琿.哈爾濱工業(yè)大學 2013
[8]基于圖像處理技術的橋梁裂縫檢測[D]. 王瑋華.長安大學 2013
[9]基于機器視覺的銑削刀具磨損監(jiān)測技術研究[D]. 張吉林.南京航空航天大學 2013
[10]基于機器視覺的刀具磨損在位檢測[D]. 肖蓉.東華大學 2013



本文編號：3613090