【摘要】： 刀具狀態(tài)監(jiān)測技術(shù)在自動化生產(chǎn)中具有十分重要的意義,本文以車削加工為對象,建立了以工件表面圖像為依據(jù)的刀具磨損狀態(tài)監(jiān)測實驗系統(tǒng),分析了基于工件表面圖像的刀具磨損監(jiān)測原理,并對工件表面圖像的特征提取以及刀具磨損狀態(tài)識別方法進行了理論分析和實驗研究。 論文結(jié)合實驗所得到的工件表面圖像,對常用的圖像預(yù)處理方法進行了研究、分析和比較,找出了適合工件表面圖像的預(yù)處理算法,為實現(xiàn)刀具磨損狀態(tài)監(jiān)測的圖像特征提取奠定了基礎(chǔ)。 采用工件表面圖像的紋理分析方法,對工件表面圖像進行分析和特征提取,得出各特征參數(shù)隨刀具磨損的變化規(guī)律,實驗結(jié)果表明,累計面積S、d =1,θ=90o時的慣性矩I、θ=0o、45o、90o和135o時的長游程優(yōu)勢度量RF 1、短游程優(yōu)勢度量RF 2和游程總數(shù)的百分率度量RF 5隨著刀具磨損程度的增加都呈現(xiàn)出一定的變化規(guī)律,可以作為有效的特征參數(shù)來判斷刀具磨損狀態(tài)。 將分形布朗運動模型引入工件表面圖像分析中,研究了分形維數(shù)D的算法,將分形維數(shù)D作為判斷刀具磨損狀態(tài)的特征參數(shù),分析了分形維數(shù)D與刀具磨損之間的關(guān)系,實驗表明,該方法能夠較好適用于刀具磨損狀態(tài)監(jiān)測中。 建立了刀具磨損狀態(tài)識別的BP神經(jīng)網(wǎng)絡(luò)模型,通過大量實驗結(jié)果對網(wǎng)絡(luò)的訓(xùn)練,實現(xiàn)了工件表面圖像特征參數(shù)與刀具磨損狀態(tài)的映射,結(jié)果表明,該網(wǎng)絡(luò)能夠較好的應(yīng)用于刀具磨損狀態(tài)的識別與判斷。
【圖文】：

在加工表面留下了切削層殘留說，，工件表面形貌是由刀具的輪廓映射到工具的幾何形狀有著密不可分的關(guān)系。實驗設(shè)備示意圖和實驗設(shè)備實景圖如圖 2-7車削進給方向車削速度方向深度方向(b) 受其他因素影響的狀態(tài)面紋理形貌nce of workpiece interface

從圖 2-9 中我們可以看出，加工到第 2 刀的時候（圖(a)）工件表面紋理清晰，規(guī)律性較強，并且在垂直方向上工件表面紋理具有很強的連續(xù)性，隨著加工時間的延長，工件表面的紋理逐漸開始混亂，其連續(xù)性也越來越差。當(dāng)加工到第 26 刀之后（圖(m)~圖(p)），可以明顯地看出工件表面的紋理已經(jīng)出現(xiàn)撕裂的痕跡，且紋理非�；靵y，在垂直方向幾乎不具有連續(xù)性。(m) 第 26 刀 (n) 第 28 刀 (o) 第 30 刀 (p) 第 32 刀圖 2-9 工件表面紋理圖像Fig.2-9 The texture appearance image of workpiece interface(a) 副后刀面 (b) 后刀面 (c) 前刀面圖 2-10 第 2 刀
【學(xué)位授予單位】：西安理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2007
【分類號】：TH165.4

【引證文獻】

相關(guān)碩士學(xué)位論文 前2條

1 劉冬芳;基于計算機視覺的刀具狀態(tài)在線監(jiān)控研究[D];河北工業(yè)大學(xué);2007年

2 譚延凱;基于計算機視覺的刀具磨損檢測技術(shù)的研究[D];沈陽理工大學(xué);2011年

本文編號：2709221