| 【中文题名】 | 基于工件表面图像的刀具磨损状态监测 |
| 【英文题名】 | Research on Cutting Tool Wear Condition Monitoring Based on Workpiece Surface Image |
| 【学科专业】 | 机械工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-6-1 |
| 【中关键词】 | 刀具磨损,图像处理,纹理分析,分形布朗运动,BP神经网络, |
| 【英关键词】 | cutting tool wear,image processing,texture analysis,fractal brownian movement,BP neural network, |
| 【分类导航】 | 工业技术>机械、仪表工业>机械制造工艺>柔性制造系统及柔性制造单元>质量控制系统> |
| 【论文摘要】 |
刀具状态监测技术在自动化生产中具有十分重要的意义,本文以车削加工为对象,建立了以工件表面图像为依据的刀具磨损状态监测实验系统,分析了基于工件表面图像的刀具磨损监测原理,并对工件表面图像的特征提取以及刀具磨损状态识别方法进行了理论分析和实验研究。
论文结合实验所得到的工件表面图像,对常用的图像预处理方法进行了研究、分析和比较,找出了适合工件表面图像的预处理算法,为实现刀具磨损状态监测的图像特征提取奠定了基础。
采用工件表面图像的纹理分析方法,对工件表面图像进行分析和特征提取,得出各特征参数随刀具磨损的变化规律,实验结果表明,累计面积S、d =1,θ=90o时的惯性矩I、θ=0o、45o、90o和135o时的长游程优势度量RF 1、短游程优势度量RF 2和游程总数的百分率度量RF 5随着刀具磨损程度的增加都呈现出一定的变化规律,可以作为有效的特征参数来判断刀具磨损状态。
将分形布朗运动模型引入工件表面图像分析中,研究了分形维数D的算法,将分形维数D作为判断刀具磨损状态的特征参数,分析了分形维数D与刀具磨损之间的关系,实验表明,该方法能够较好适用于刀具磨损状态监测中。
建立... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
Abstract |
4-8 |
|
1 绪论 |
8-14 |
|
1.1 刀具状态监测技术的重要性 |
8 |
|
1.2 刀具状态监测技术概述 |
8-11 |
|
1.2.1 刀具状态监测技术的发展概况 |
8-9 |
|
1.2.2 刀具状态监测技术的分类 |
9 |
|
1.2.3 主要刀具状态监测技术及系统的特点 |
9-11 |
|
1.3 基于计算机视觉的刀具磨损状态监测技术 |
11-13 |
|
1.3.1 计算机视觉在刀具状态监测技术的应用 |
11-12 |
|
1.3.2 基于计算机视觉的刀具状态监测技术的现状与趋势 |
12-13 |
|
1.4 本文的主要研究内容 |
13-14 |
|
2 刀具磨损形态及工件表面纹理特征分析 |
14-24 |
|
2.1 刀具磨损的基本特征和形态分析 |
14-15 |
|
2.2 刀具的磨损过程和磨钝标准 |
15-16 |
|
2.2.1 刀具的磨损过程 |
15 |
|
2.2.2 刀具的磨钝标准 |
15-16 |
|
2.3 车削加工工件表面成形过程及影响因素分析 |
16-17 |
|
2.3.1 车削加工表面的成形过程 |
16 |
|
2.3.2 影响已加工表面形貌的因素 |
16-17 |
|
2.4 本文的实验装置及实验数据 |
17-22 |
|
2.5 车削工件表面纹理的形态与刀具磨损的关系 |
22 |
|
2.6 本章小结 |
22-24 |
|
3 工件表面图像的预处理 |
24-40 |
|
3.1 引言 |
24 |
|
3.2 图像的剪切 |
24 |
|
3.3 图像的光照不均匀校正 |
24-25 |
|
3.4 图像增强 |
25-30 |
|
3.4.1 灰度修正 |
26-28 |
|
3.4.2 图像平滑 |
28-30 |
|
3.5 图像分割 |
30-39 |
|
3.5.1 图像分割的基本概念 |
31 |
|
3.5.2 边缘检测 |
31-36 |
|
3.5.3 灰度阈值分割 |
36-39 |
|
3.6 本章小结 |
39-40 |
|
4 基于图像纹理学的工件表面图像分析 |
40-60 |
|
4.1 纹理描述 |
40-41 |
|
4.2 纹理分析的基本方法介绍 |
41-47 |
|
4.2.1 像素空间投影统计分析法 |
41-42 |
|
4.2.2 灰度共生矩阵法 |
42-46 |
|
4.2.3 等灰度游程长度法 |
46-47 |
|
4.3 基于图像纹理学的实验数据分析 |
47-59 |
|
4.3.1 基于像素空间投影统计法的实验数据分析 |
47-49 |
|
4.3.2 基于灰度共生矩阵法的实验数据分析 |
49-54 |
|
4.3.3 基于等灰度游程长度法的实验数据分析 |
54-59 |
|
4.4 本章小结 |
59-60 |
|
5 基于分形布朗运动的工件表面图像分析 |
60-68 |
|
5.1 分形几何的概念 |
60 |
|
5.2 分形布朗运动 |
60-64 |
|
5.2.1 布朗运动 |
60-61 |
|
5.2.2 分形布朗运动的基本理论 |
61-63 |
|
5.2.3 功率谱和分形维数 |
63 |
|
5.2.4 基于分形布朗运动的工件图像特征提取的算法 |
63-64 |
|
5.3 基于分形布朗运动的实验数据分析 |
64-66 |
|
5.4 本章小结 |
66-68 |
|
6 基于BP 神经网络的刀具状态识别 |
68-74 |
|
6.1 神经网络的理论基础 |
68-69 |
|
6.1.1 神经元模型 |
68 |
|
6.1.2 神经网络模型 |
68-69 |
|
6.2 BP 神经网络 |
69-70 |
|
6.2.1 BP 网络结构 |
69-70 |
|
6.2.2 BP 网络参数 |
70 |
|
6.3 基于BP 神经网络的刀具状态识别 |
70-73 |
|
6.3.1 基于BP 神经网络的刀具状态识别系统的建立 |
70-71 |
|
6.3.2 特征参数的选取及网络的建立 |
71-72 |
|
6.3.3 刀具状态识别结果 |
72-73 |
|
6.4 本章小结 |
73-74 |
|
7 结论与展望 |
74-76 |
|
7.1 全文总结 |
74 |
|
7.2 发展与展望 |
74-76 |
|
致谢 |
76-78 |
|
参考文献 |
78-82 |
|
攻读硕士学位期间发表论文与参与项目 |
82 |
|
| 【DOI】 | LunWen.ID:2.2008.383380 |
