隨著計(jì)算機(jī)技術(shù)的廣泛應(yīng)用,機(jī)械制造業(yè)正向智能化、數(shù)字化、網(wǎng)絡(luò)化方向發(fā)展。特別是航空航天、汽車等制造行業(yè)的快速發(fā)展,對現(xiàn)代制造業(yè)的加工質(zhì)量與加工效率提出更高要求,而刀具的磨損狀態(tài)影響著切削加工的效率以及工件的加工質(zhì)量,因此需要構(gòu)建高效的刀具磨損狀態(tài)檢測系統(tǒng)。磨損狀態(tài)檢測系統(tǒng)可獲取加工過程中刀具的磨損狀態(tài)及磨損量,優(yōu)化切削加工參數(shù),合理選擇換刀時間,提高刀具利用率以及切削加工效率,節(jié)約成本。本文基于機(jī)器視覺方法對銑削刀具磨損在機(jī)檢測系統(tǒng)進(jìn)行研究,主要研究內(nèi)容如下:研究了刀具磨損的形態(tài)和過程,利用加權(quán)平均值灰度化法、自適應(yīng)混合濾波降噪方法、對比度線性拉伸圖像增強(qiáng)法以及OTSU自適應(yīng)閾值分割算法對刀具磨損圖像進(jìn)行預(yù)處理,將分割出的磨損區(qū)域二值圖像利用閉合運(yùn)算和區(qū)域填充進(jìn)行孔洞填平以及邊緣完整化�；诟倪M(jìn)的Zernike矩方法對Lanser算子獲取的像素級邊緣進(jìn)行重定位,以獲取其亞像素精度的輪廓邊緣。根據(jù)球頭銑刀和平底銑刀的磨損特征,分別設(shè)計(jì)不同的圖像處理算法提取刀具磨損量。設(shè)計(jì)了一套銑削刀具磨損圖像在機(jī)采集裝置,針對平底銑刀、球頭銑刀以及盤銑刀設(shè)計(jì)不同的圖像動態(tài)采集方案,確定了機(jī)床主軸轉(zhuǎn)速和采...

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題來源
    1.2 研究的目的及意義
    1.3 相關(guān)領(lǐng)域國內(nèi)外研究現(xiàn)狀
        1.3.1 刀具磨損狀態(tài)檢測技術(shù)發(fā)展概況
        1.3.2 基于機(jī)器視覺刀具磨損檢測研究現(xiàn)狀
        1.3.3 基于深度學(xué)習(xí)的圖像識別研究現(xiàn)狀
    1.4 論文主要研究內(nèi)容
第2章 刀具磨損理論及刀具磨損視覺檢測原理
    2.1 引言
    2.2 刀具磨損理論研究
        2.2.1 刀具磨損形態(tài)
        2.2.2 刀具磨損過程
    2.3 刀具磨損圖像預(yù)處理
        2.3.1 圖像灰度化
        2.3.2 圖像自適應(yīng)混合濾波降噪處理
        2.3.3 圖像對比度拉伸
        2.3.4 基于OTSU算法的自適應(yīng)閾值圖像分割
    2.4 圖像形態(tài)學(xué)處理
    2.5 圖像邊緣檢測
    2.6 基于改進(jìn)的Zernike矩亞像素邊緣檢測
    2.7 銑削刀具磨損幾何參數(shù)測量方法研究
        2.7.1 平底銑刀磨損測量方法研究
        2.7.2 球頭銑刀磨損測量方法研究
    2.8 本章小結(jié)
第3章 銑削刀具磨損在機(jī)檢測
    3.1 引言
    3.2 檢測系統(tǒng)刀具磨損信息采集
        3.2.1 檢測系統(tǒng)硬件的選擇
        3.2.2 圖像采集系統(tǒng)機(jī)械結(jié)構(gòu)設(shè)計(jì)
        3.2.3 檢測系統(tǒng)圖像采集方案設(shè)計(jì)
    3.3 自動檢測刀具磨損驗(yàn)證實(shí)驗(yàn)
        3.3.1 在機(jī)檢測系統(tǒng)像素當(dāng)量的標(biāo)定
        3.3.2 平底銑刀磨損識別實(shí)驗(yàn)分析
        3.3.3 球頭銑刀磨損識別實(shí)驗(yàn)分析
        3.3.4 盤銑刀磨損識別實(shí)驗(yàn)分析
    3.4 本章小結(jié)
第4章 基于卷積神經(jīng)網(wǎng)絡(luò)銑削刀具磨損類型自動識別
    4.1 引言
    4.2 深度學(xué)習(xí)的典型學(xué)習(xí)模型
        4.2.1 自動編碼機(jī)
        4.2.2 循環(huán)神經(jīng)網(wǎng)絡(luò)
        4.2.3 深度置信網(wǎng)絡(luò)
        4.2.4 卷積神經(jīng)網(wǎng)絡(luò)
    4.3 基于卷積神經(jīng)網(wǎng)絡(luò)的銑削刀具磨損類型自動識別
        4.3.1 刀具磨損類型識別的總體流程
        4.3.2 刀具磨損類型識別網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)
        4.3.3 卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程
    4.4 實(shí)驗(yàn)結(jié)果和分析
        4.4.1 實(shí)驗(yàn)數(shù)據(jù)集
        4.4.2 實(shí)驗(yàn)數(shù)據(jù)設(shè)置及評估指標(biāo)
        4.4.3 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第5章 銑削刀具磨損在機(jī)檢測系統(tǒng)的軟件設(shè)計(jì)及開發(fā)
    5.1 引言
    5.2 檢測系統(tǒng)功能需求分析
    5.3 檢測系統(tǒng)軟件界面和軟件控制流程設(shè)計(jì)
    5.4 軟件功能模塊設(shè)計(jì)
        5.4.1 圖像采集模塊設(shè)計(jì)
        5.4.2 圖像處理模塊設(shè)計(jì)
        5.4.3 刀具磨損類型智能識別模塊設(shè)計(jì)
    5.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士期間發(fā)表的學(xué)術(shù)論文及研究成果
致謝



本文編號：3750442