【摘要】：切削加工是金屬加工的主要加工形式,切削刀具的磨損與加工質(zhì)量有著密不可分的關(guān)系�；谌斯そ�(jīng)驗(yàn)檢測(cè)刀具磨損,主觀因素干擾太多,很容易造成資源的浪費(fèi)。而傳統(tǒng)的刀具磨損檢測(cè)只能檢測(cè)出刀具磨損值。在智能加工過程中不僅需要提取刀具磨損值同時(shí)還需要得到刀具磨損特點(diǎn)、刀具磨損趨勢(shì)以及刀具的最大使用壽命,由此需要對(duì)刀具磨損有一個(gè)全面的了解。因此設(shè)計(jì)一套智能、直觀、實(shí)時(shí)的刀具磨損檢測(cè)方案是十分必要的。本論文主要完成以下內(nèi)容:研究了基于機(jī)器視覺的刀具磨損檢測(cè)技術(shù)及刀具磨損圖像的預(yù)處理算法,利用圖像識(shí)別方法測(cè)量刀具磨損量。針對(duì)球頭銑刀以及立銑刀的特點(diǎn)結(jié)合機(jī)床主軸轉(zhuǎn)速、進(jìn)給速度、刀具直徑、CCD工業(yè)相機(jī)的采集視野分別設(shè)計(jì)了球頭銑刀以及立銑刀的動(dòng)態(tài)采集方案。使用設(shè)計(jì)的刀具磨損檢測(cè)系統(tǒng)進(jìn)行銑削刀具磨損在機(jī)檢測(cè)實(shí)驗(yàn):首先用本文設(shè)計(jì)的采集方案采集刀具磨損圖像,然后利用SIFT算法進(jìn)行圖像配準(zhǔn)以及圖像融合,將實(shí)時(shí)采集的多幅銑削刀具磨損圖像拼接成清晰的刀具磨損圖像。最后分別對(duì)立銑刀以及球頭銑刀進(jìn)行了自動(dòng)識(shí)別磨損值實(shí)驗(yàn),并對(duì)圖像進(jìn)行處理得到刀具磨損值。研究了基于卷積神經(jīng)網(wǎng)絡(luò)的刀具磨損類型識(shí)別方法。首先利用Image Net網(wǎng)絡(luò)結(jié)構(gòu)搭建本文的訓(xùn)練集,并用反饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)集。然后對(duì)比預(yù)訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)和無訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)識(shí)別刀具磨損狀態(tài)的類型以及識(shí)別準(zhǔn)確率。設(shè)計(jì)開發(fā)基于機(jī)器視覺刀具磨損檢測(cè)系統(tǒng)軟件。利用Visual Studio開發(fā)軟件的界面,結(jié)合Visual Studio與相機(jī)自帶CCD開發(fā)包開發(fā)圖像采集模塊,利用Matlab的圖像處理和深度學(xué)習(xí)工具包與Visual Studio混合編程開發(fā)刀具磨損圖像處理和刀具磨損類型識(shí)別模塊。
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TG71;TP391.41
【圖文】：

圖 1-1 智能制造Fig.1-1 Intelligent Manufacturing代的來臨，我國(guó)制造業(yè)的智能化發(fā)展迅速業(yè)生產(chǎn)，機(jī)床的數(shù)控化率越來越高[2]，如圖的磨損或破損直接影響著著切削加工質(zhì)量

Fig.1-2 Tool wear monitoring method間接法監(jiān)測(cè)刀具磨損狀態(tài)時(shí)，在實(shí)驗(yàn)中傳感器安裝不便且對(duì)法有很高的要求，監(jiān)測(cè)方法不直觀。因此，迫切需要一種直下實(shí)現(xiàn)目的的刀具磨損監(jiān)測(cè)方法。由于機(jī)器視覺在圖像識(shí)別越多的科研人員將機(jī)器視覺應(yīng)用于刀具磨損監(jiān)測(cè)，機(jī)器視覺

圖 1-3 機(jī)器視覺檢測(cè)系統(tǒng)Fig.1-3 Machine vision inspection system 年，Matsushima[13]等人最早設(shè)計(jì)機(jī)器視覺刀具刀具狀態(tài)監(jiān)測(cè)首先是通過光學(xué)圖像采集系統(tǒng)（鏡等）采集刀具圖像，然后對(duì)采集到的刀具圖

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 賈冰慧;全燕鳴;朱正偉;;面向刀具磨損在機(jī)檢測(cè)的機(jī)器視覺系統(tǒng)[J];中國(guó)測(cè)試;2014年06期

2 尤海燕;楊樹財(cái);吳雪峰;岳彩旭;劉獻(xiàn)禮;;BTA深孔鉆設(shè)計(jì)技術(shù)[J];機(jī)械設(shè)計(jì)與研究;2014年05期

3 邢X;韓漢光;吳怡之;;基于機(jī)器視覺的印刷標(biāo)簽檢測(cè)系統(tǒng)的改進(jìn)[J];計(jì)算機(jī)工程與應(yīng)用;2014年11期

4 張鵬飛;;基于輪廓特征區(qū)域的圖像拼接改進(jìn)比值算法[J];科技信息;2011年23期

5 胡秋;CIMS環(huán)境下刀具狀態(tài)監(jiān)測(cè)研究回顧與展望[J];機(jī)床與液壓;2003年06期

相關(guān)碩士學(xué)位論文 前10條

1 朱杰;BTA深孔鉆用導(dǎo)向塊設(shè)計(jì)優(yōu)選[D];哈爾濱理工大學(xué);2017年

2 郝奕清;藥盒圖像識(shí)別系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];南京理工大學(xué);2017年

3 耿馳;基于深度學(xué)習(xí)的人體動(dòng)作識(shí)別[D];南京郵電大學(xué);2016年

4 李文軒;基于深度學(xué)習(xí)的路牌文字識(shí)別[D];華南理工大學(xué);2016年

5 黎勝明;鈦合金TC4車削的刀具磨損在線監(jiān)測(cè)技術(shù)的研究[D];哈爾濱工業(yè)大學(xué);2014年

6 易鑫;基于計(jì)算機(jī)視覺刀具磨損檢測(cè)技術(shù)及系統(tǒng)[D];南昌航空大學(xué);2014年

7 劉然;刀具磨損狀態(tài)識(shí)別及預(yù)測(cè)研究[D];西南交通大學(xué);2014年

8 王瑋華;基于圖像處理技術(shù)的橋梁裂縫檢測(cè)[D];長(zhǎng)安大學(xué);2013年

9 張吉林;基于機(jī)器視覺的銑削刀具磨損監(jiān)測(cè)技術(shù)研究[D];南京航空航天大學(xué);2013年

10 王明慧;基于視覺的智能汽車道路檢測(cè)與預(yù)警算法的研究[D];北京交通大學(xué);2012年

本文編號(hào)：2796006