（机械工程专业论文）基于工件表面图像的刀具磨损状态监测.pdf

摘要 论文题目：基于工件表面图像的刀具磨损状态监测 学科专业：机械电子q - 程 研究生：李凡签名：i 塞! 兰 指导教师：郑建明副教授签名：兰幽 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 = l ，0 - - 9 0 。时的惯性矩，、 口= o o 、4 5 0 、9 0 0 和1 3 5 0 时的长游程优势度量r f l 、短游程优势度量r f 2 和游程总数的百 分率度量r f 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。 建立了刀具磨损状态识别的b p 神经网络模型，通过大量实验结果对网络的训练，实 现了工件表面图像特征参数与刀具磨损状态的映射，结果表明，该网络能够较好的应用于 刀具磨损状态的识别与判断。 关键词：刀具磨损；图像处理：纹理分析；分形布朗运动；b p 神经网络 论文的研究得到了西安理工大学博士启动基金的资助( 项目编：1 0 2 2 2 0 4 1 2 ) a b s t r a c t t i t l e ：r e s e a r c ho nc u t t i n gt o o lw e a rc o n d i t i o n m o n i t o r l n gb a s e do nw o r k p i e c es u r f a c el m a g e m a j o r ：m e c h a n i c a la n de l e c t r o n i ce n g i n e e r i n g n a m e ：f a nu s u p e r v i s o r ：a s s o c i a t ep r o f j i a n m i n gz h e n g a b s t r a c t s i g n a t u r e ：世 s i g n a t u r e ：蚴桷 t h ec u t t i n gt o o lc o n d i t i o nm o n i t o r i n gt e c h n o l o g yi sv e r yi m p o r t a n tt ot h ea u t o m a t e d p r o d u c t i o n t a k i n gt h et u r n i n ga st h er e s e a r c ho b j e c ti n t h i sp a p e r , t h et o o lw e a rc o n d i t i o n m o n i t o r i n ge x p e r i m e n ts y s t e mw a se s t a b l i s h e db a s e do nt h ew o r k p i e c es u r f a c ei m a g e t h e p r i n c i p l eo ft o o lw e a rm o n i t o r i n gw a sa n a l y z e db a s e do nt h ew o r k p i e c es u r f a c ei m a g e t h e c h a r a c t e r i s t i ce x t r a c t i o no fw o r k p i e c es u r f a c ei m a g ea n dr e c o g n i t i o nm e t h o do ft o o lw e a l c o n d i t i o nw e r et h e o r e t i c a l l ya n a l y z e da n de x p e r i m e n t a l l yr e s e a r c h e d t h eu s u a lp r e p r o e e s s i n gm e t h o do fi m a g ew a sr e s e a r c h e d ，a n a l y z e da n dc o l l a t e db a s e do n w o r k p i e c es u r f a c ei m a g ei nt h i sp a p e r t h ep r e p r o c e s s i n gm e t h o da d a p t e dt ow o r k p i e c es u r f a c e i m a g ew a sd i s c o v e r e d t h ef o u n d a t i o nf o rr e a l i z i n gt h ei m a g ec h a r a c t e r i s t i ce x t r a c t i o na b o u t t h et o o lw e a l c o n d i t i o nm o n i t o r i n gw a sl a i d t h et e x t u r e a n a l y s i s m e t h o do ft h e w o r k p i e c e s u r f a c ei m a g ew a sa d o p t e d t h e c h a r a c t e r i s t i co fw o r k p i e c es u r f a c ei m a g ew a se x t r a c t e da n da n a l y z e d t h ev a r i a t i o nr e g u l a r i t y o fc h a r a c t e r i s f i cp a r a m e t e rw i mt o o lw e a rw a so b t a i n e d t h ee x p e r i m e n t a lr e s u l ti n d i c a t e dt h a t t h ec h a n g er e g u l a r i t yo fa c c u m u l a t i o na r e as ，i n e r t i aia td = l ，0 - - 9 0 * ，t h et o u r i s ti t i n e r a r y s u p e r i o r i t ym e a s u r e s 冠f 1 t h es h o r tt o u r i s ti t i n e r a r ys u p e r i o r i t ym e a s u r er f 2a n dt h et o u r i s t i t i n e r a r yt o t a lp e r c e n t a g em e a s n r er f 5a t0 - - 0 * ，4 5 0 ，9 0 * a n d1 3 5 0w e r ed i s c o v e r e dw i t h i n c r e a s i n go ft h ec u t t i n gt o o lw e a r t h ea b o v ec h a r a c t e r i s t i cp a r a m e t e r su s e dt oj u d g et h e c u t t i n gt o o lw e a rc o n d i t i o ni se f f e c t i v e t h ef r a c t a lb r o w n i a nm o v e m e n tm o d e lw a si n t r o d u c e dt o w o r k p i e c es u r f a c ei m a g e a n a l y s i s t h ea r i t h m e t i co ff r a c t a ld i m e n s i o ndw a sr e s e a r c h e d f r a c t a ld i m e n s i o ndw a s r e g a r d e da sc h a r a c t e r i s t i cp a r a m e t e ru s e dt oj u d g ec u t t i n gt o o lw e a rc o n d i t i o n t h er e l a t i o n s i i i 西安理工大学硕士学位论文 b e t w e e nf r a c t a ld i m e n s i o nda n dt h ec u t t i n gt o o lw e a rw a sa n a l y z e d t h ee x p e r i m e n tr e s u l t s i n d i c a t et h i sm e t h o di ss u i t a b l ef o rt h ec u t t i n gt o o lw e a rc o n d i t i o nm o n i t o r i n g b pn e u r a ln e t w o r km o d e lu s e dt or e c o g n i z et h et o o lw e a rc o n d i t i o nw a se s t a b l i s h e d t h e n e t w o r kw 3 st r a i n e dt h r o u g ht h em a s s i v ee x p e r i m e n t a ld a t a , t h em a p p i n gf r o mc h a r a c t e r i s t i c p a r a m e t e ro fw o r k p i e c es u r f a c ei m a g et ot h ec u t t i n gt o o lw e a rc o n d i t i o nw a sr e a l i z e d t h e r e s u l ts h o w st h a tt h i sn e tc o u l db eu s e dt or e c o g n i z ea n dj u d g ec u t t i n gt o o lw e a rc o n d i t i o n e f f e c t i v e l y k e yw o r d s ：c u t t i n gt o o lw e a r ；i m a g ep r o c e s s i n g ；t e x t u r ea n a l y s i s ；f r a c t a lb r o w n i a nm o v e m e n t ； b pn e u r a ln e t w o r k i v 独创性声明 秉承祖国优良道德传统和学校的严谨学风郑重申明：本人所呈交的学位论文是我个 人在导师指导下进行的研究工作及取得的成果。尽我所知，除特别加以标注和致谢的地 方外，论文中不包含其他人的研究成果。与我一同工作的同志对本文所论述的工作和成 果的任何贡献均已在论文中作了明确的说明并已致谢。 本论文及其相关资料若有不实之处，由本人承担一切相关责任 斗 论文作者签名：奎! 兰：涉7 年5 月冲日 学位论文使用授权声明 本人 誓盟在导师的指导下创作完成毕业论文。本人已通过论文的答辩，并 已经在西安理工大学申请博士硕士学位。本人作为学位论文著作权拥有者，同意授权 西安理工大学拥有学位论文的部分使用权，即：1 ) 已获学位的研究生按学校规定提交 印刷版和电子版学位论文，学校可以采用影印、缩印或其他复制手段保存研究生上交的 学位论文，可以将学位论文的全部或部分内容编入有关数据库进行检索；2 ) 为教学和 科研目的，学校可以将公开的学位论文或解密后的学位论文作为资料在图书馆、资料室 等场所或在校园网上供校内师生阅读、浏览。 本人学位论文全部或部分内容的公布( 包括刊登) 授权西安理工大学研究生部办 理。 ( 保密的学位论文在解密后，适用本授权说明) 论文作者签名：韭导师签名：靼毒年夕月竹徊 第一章绪论 l 绪论 1 1 刀具状态监测技术的重要性 随着生产自动化程度的提高，作为自动化生产底层设备的数控机床和加工中心也迅速 发展，特别是柔性制造系统( f m s ) 的出现，使得加工过程的工况监测技术越来越多地 受到人们的关注，并使其成为实现机械加工过程自动化、少人化或无人化的重要技术保证。 在数控机床的工况监测技术中，一个极为关键的技术就是刀具状态监测系统( t o o l c o n d i t i o nm o n i t o r i n gs y s t t i n ，简称t c m s ) ，它是降低制造成本，减少制造环境危害，保 证制造系统正常高效运行和产品质量的主要手段之一【1 】【2 】。 刀具破损在线监测是最早提出的研究方向，破损是刀具主要的失效形式，特别是脆性 较大的刀具( 如硬质合金、陶瓷刀具等) 在进行连续切削或者切削难加工材料时更是如此。 通过刀具破损的在线监测可不同程度上降低或避免由此引起的损失，如工件报废，机床损 害等。现在，许多刀具破损监测方法已经成功地应用到生产中。后来，人们又把目光放在 刀具磨损的监测上。刀具磨损是一个渐进的过程，变化较缓慢，在常规的机床加工中，工 人可以根据机床的振动和噪声以及切削情况等估计出刀具的磨损程度；在自动化加工过程 中，则需要系统能够自动判断刀具的磨损程度并自动化换刀，以避免由于刀具磨损量过大 造成的加工质量下降或其他损失。由于刀具的破损和密损影响整个加工制造过程，所以通 过对刀具状态变化的监测可以了解加工过程中其他因素的变化，如加工质量( 工件表面粗 糙度、形状位置精度等) 、机床状态( 如机床的振动等) 。传统的刀具寿命管理虽然可以一 定程度上减轻刀具磨损或破损而造成的损失，但是因为刀具寿命的随机性，其寿命极限估 计往往过于保守，以至于大部分刀具未能充分利用。因此，在机加工过程中，定时的掌握 刀具的状态，检测和诊断刀具磨损等损伤故障，对于延长机床设备无故障运行，提高产品 质量非常重要。研究表明，采用刀具状态监测技术后能够将人为和技术因素引起的故障停 机时间减少7 5 ，提高生产率1 0 6 0 ，提高机床利用率5 0 以上。由此可看出，刀具 状态监测技术在自动化机床上的应用具有十分重要的意义和实用价值【1 1 1 2 。刀具状态监测 技术已成为各国公认的重大关键技术，受到高度重视。可以说，刀具状态监测技术为制造 系统现代化、自动化、柔性化奠定了基础。 本文针对目前刀具状态监测技术存在可靠性较差、适应性不强等问题，以车削工件表 面图像为研究对象，以图像处理方法为手段，进一步研究了刀具磨损状态监测技术，力求 找出更加实用更加有效的刀具状态监测方法。 1 2 刀具状态监测技术概述 1 2 1 刀具状态监测技术的发展概况 国外于7 0 年代末就已经开发和研制出了用于刀具状态监测的传感器。传感器在刀具 状态监测中的作用是，通过直接或间接的方式测量出能够反映刀具磨损、破损等程度的参 西安理工大学硕士学位论文 量，如切削力、主轴电流、扭矩、振动、声音和切削温度等，然后将这些参量转化成电信 号输入计算机进行处理。7 0 年代末到8 0 年代初，日本、德国生产的n c 机床在配制适应 性系统的同时，也设置了带传感器的刀具检测及监控系统，可实时的监测刀具的损伤情况， 及时发出信息，防止因刀具失效而引起的工件报废和机床故障。8 0 年代中期以来，刀具 状态监测所用的传感器在集成化、数字化以及智能化方面取得了新的进展，其准确性、实 用性和可靠性得到进一步提高，刀具传感器的品种、规格、用途、测试方法有新的发展。 9 0 年代以来，t c m s 技术在高性能微机等新技术的推动下，获得了进一步发展，出现了 以计算机视觉技术为理论基础的刀具状态监测技术，随着c c d 摄像传感技术的成熟以及 价格的大幅度降低，从而在机械制造方面开拓了新的应用领域。 1 2 2 刀具状态监测技术的分类 刀具状态监测系统( t c m s ) 从监测策略上可分为离线监测和在线监测，离线监测就 是在切削之前或切削间歇时对刀具状态进行监测，并预测其寿命是否能够完成当前切削： 在线监测也称为实时监测，就是在切削的过程中实时的对刀具状态进行监测，并依据监 测的结果做出相应的处理。 从测量手段上分，传统上将刀具状态监测方法分为直接法和间接法。直接法是通过一 定的测量手段来确定刀具材料在质量上的减少或形状上的改变，并通过一定的数学模型来 确定刀具磨损或破损的状态，由于直接法需要直接检测刀刃的形状、位置等参量，一般只 能离线检测。常用的方法有光学扫描法、接触电阻测量法和计算机视觉法。 间接法则是测量切削过程中与刀具磨损或破损有较强内在联系的某一种或几种参 量，或测量某种物理现象，根据其变化并通过一定的标定关系来监测刀具磨损或破损的 状态。许多测量的参数能够用于识别刀具磨损或破损。例如：切削力的突然增加或消失； 切削温度的突然升高或降低；主轴功率( 或扭矩) 和迸给驱动力的增加或降低；切削时 刀具发出的异常声音；工件尺寸的突然变化；机床的突然振动；工件与刀具之间电阻值 的变化等，都可以用于刀具状态的监测。间接法也可以使用以上多种监测参量的综合， 但考虑到信号获取方式、灵敏度、抗干扰性以及使用条件的限制，在实际使用中较常见 的是基于切削力或力矩、切削功率、切削的声发射和工件表面粗糙度的监测方法。 1 2 3 主要刀具状态监测技术及系统的特点 因为刀具的磨损监测是无人化加工、柔性制造系统、计算机集成制造系统及其他金属 切削自动化中的关键技术之一，所以引起国内外众多学者的关注，提出了许多监测刀具磨 损和破损的方法，有探针法、光学法、放射性处理法、气动测量法、电阻法、图像法、电 机功率电流法、切削力( 扭矩) 法、声发射法、振动法、切削温度法、表面粗糙度法及工 件尺寸法等等。在这些方法中，有些已经在数控机床上得到应用，有些还需要进一步研究 完善才能用于实际当中，根据国内外的研究结果和实际使用情况分析，以下几种方法有比 较好的发展前景【2 】【3 1 1 4 5 6 】【7 1 。 2 第一章绪论 ( 1 ) 切削力监测法 切削力一直是表征切削过程的最重要特征，切削力的变化是切削过程中与刀具磨损、 破损状态最为密切相关的一种物理现象，采用切削力作为工况监测信号，具有拾取容易、 反应迅速、灵敏度高等优点，是在线实时监控中研究较多、被认为很有希望取得突破的一 种方法，已广泛应用于车、铣、钻等不同加工过程状态监控中1 6 】。 利用切削力监控刀具状态虽然应用较早，方法比较成熟，但受到一定限制，主要原因 是切削力信号一般使用安装于工作台上的压电传感器检测，这种传感器对加工工件的尺寸 有限制，价格较贵，而且或多或少地需要改动机床部件结构，不易被用户接受，因而限制 了切削力信号检测方法的推广使用。而且，采用切削力信号检测需要解决的另一个难题是： 切削工况的改变也会引起切削力的变化，例如在刀具切入工件时，切削力由小变大，再趋 于稳定。如何区分工况改变引起的切削力变化和刀具磨损引起的切削力的变化，是采取切 削力信号检测的一个需要解决的难题。 ( 2 ) 主电机功率( 电流) 监测法 此方法是基于刀具磨损或破损时，由于切削力的增大，造成切削功率的增加，从而使 机床驱动主运动的电机负载变大，一般通过测量负荷功率或电流和电压问的相位差及电流 波形变化等来达到工况监测目的。对直流电机而言，监测功率与监测电流性质相似，对交 流电机而言，监测功率与监测其他参数( 电流、转差或相位) 相比具有灵敏度高、受电压 和频率波动影响较小等优点。电机负载与刀具磨损有良好的相关性，采用功率传感器具有 测量信号简便，成本低，传感器易于安装等优点，是目前研究和应用较多的一种监测方法， 已大量用于车、铣、钻等适应性控制机床的过载保护中。 这种方法的主要缺点是，在应用于刀具磨损、破损的实时监测时，灵敏度较低，具有 延迟效应，环境适应能力差，设置监控阈值困难。在小尺寸刀具或切削用量比较小时，监 控效果差，一般仅适合于粗加工重切削场合机床的过载保护。 ( 3 ) 声发射监测技术 声发射刀具监测技术是通过检测切削加工中所产生的声发射信号，在金属加工中分子 晶格发生错位、裂纹扩展及塑性变形时释放出的一种超高频应力波信号，其频率范围在 1 0 0 k h z 以上，从而可以了解刀具材料内部的变化，以实现刀具状态的监控【5 】。声发射与 塑性变形有关，有研究认为声发射源有：剪切区的塑性变形、切削齿与切屑间的刮擦、刀 具齿与工件的刮擦、切削断裂和缠绕等。刀具一旦发生异常，声发射信号的特征参量将有 明显变化。 声发射信号具有灵敏度高、响应时间快、使用和安装方便且不干涉切削加工过程等优 点。声发射技术不利之处是特征参数易受工件和刀具材料的影响，切削过程中工件材料的 变形与断裂、切削之间的摩擦及切削的断裂都伴随声发射信号的产生，所以在声发射系统 中，如何有效地剔除干扰信号，提取有用信号是一个难点，同时监测系统要求有高频信号 处理仪器及与之相应的计算机，成本相对较高，因此应用范围受到限制。目前用该方法监 西安理工大学硕士学位论文 测刀具磨损状态还处于研究之中。 ( 4 ) 多传感器信息融合 由于传统的单一传感器监测技术只能提供局部信号源信息，所获得的信息量有限，抗 干扰能力低，限制了监测系统可靠性的提高，刀具状态监测的信息采集正向多传感器方向 发展。采用多传感器监测技术，综合切削力、声发射和主电机功率对切削过程中的刀具状 态进行在线监测，能提供不同的信息源，较完善、精确地反应切削过程特征。它具有信息 覆盖范围广、抗干扰能力强等特点。这些传感器的安装不影响机床的加工性能，具有良好 的工业应用前景。 多传感器信息融合与决策方法较多的利用了人工神经网络技术，近年来，基于人工神 经网络技术刀具状态监测技术获得了迅速发展，如有些研究采用自适用共振网络，r c e ( r e s t r i c t e dc o u l o m be n e r g y ) 网络等，并且取得了一些成效。另外，也有采用多传感器 数据融合技术基于专家知识的故障树推理技术对车削中心刀具破损状态进行监测，检测准 确率很高。但是该方法使用传感器较多，成本较高，且多信息融合方法复杂，判别准则难 于确定，使用受到限制。 通过对上述几种方法的分析可以看出来，目前刀具状态监测技术主要存在以下几个闯 题：一 ( 1 ) 传感器的安装以及抗干扰能力是各种方法普遍存在的问题，使用受到限制； ( 2 ) 监测判别准则复杂不直观，应用面窄； ( 3 ) 监测方法主要集中在刀具的破损监测，对于刀具逐渐磨损的监测比较困难，研 究方法也比较少。 所以迫切需要寻找一种判别准则直观、传感器安装方便，适应工况变化能力更强的刀 具磨损状态监测方法。 1 3 基于计算机视觉的刀具磨损状态监测技术 1 3 1 计算机视觉在刀具状态监测技术的应用 近年来，图像技术受到人们广泛的关注，在人类接收的信息中有8 0 来自视觉即图 像( i m a g e ) 信息，这是人类最有效和最重要的信息获取、交流方式。随着计算机的普及，人们 越来越多地利用计算机帮助人类获取与处理视觉( 图像) 信息，基于计算机视觉的刀具状态 监测( c o m p u t e r v i s i o nb a s e dt o o lc o n d i t i o nm o n i t o r i n g ，简称c v t c m 法) 也开始逐步进 入机械自动化的领域( 3 】f 18 1 。 现有的c v t c m 方法，主要有三种：一是检测面在刀具磨损表面的基于刀具磨损表 面图像的直接监测方法，二是检测面位于被加工工件表面的基于工件表面纹理图像的间接 监测方法，三是检测面在刀具刀口出切屑位置上的基于切屑图像的准直接监测法。 第一类，基于刀具表面磨损图像的视觉监测方法，刀具的磨损破损状态，以前主要是 依靠机床操作者对刀具表面形态的观察做出判断，而且更多的判断是依靠其工作经验，准 4 第一章绪论 确性较差。基于计算机视觉的刀具状态监测则能代替人工对刀具表面形态进行监测，便于 实现刀具状态监测的自动化。但是，由于在工件切削过程中进行监测，只能采用间断式工 作模式，在每一次切削回程时摄取刀具表面图像，这种方法是一种间歇式的准直线监测方 法。 第二类，基于工件表面图像的视觉监测方法，工件表面纹理是刀具刀刃状态的映像， 刀具锋利时切削出的表面纹理清晰，连续性好；刀刃磨钝时切削出的工件表面纹理紊乱， 不连续，有断痕，且不同的加工方式和刀具也会有不同的纹理特征，这一信息可用于刀具 磨损状态监测中。相对于其他的监测方法，基于工件表面纹理的刀具状态监测方法所需的 设备比较少，安装方便；非接触式监控，所用时间少等优点。因此将逐步发展成为刀具状 态监测领域的一类重要手段。 第三类，基于切屑图像的刀具磨损状态监测方法【8 i n 。由于切屑形态是切削变化的直 观表象，若在切削中，工件材料，切削用量，刀具的几何参数等影响切削变形的基本条件 不变。那么刀具磨损就是引起切屑形态规律发生变化的主要原因。因此，切屑形态一直被 作为操作人员判断刀具损坏的主要信息来源。但现阶段，根据切屑形态估计刀具磨破损状 态的研究比较少，又由于切屑形态的多变性，使得该方法目前还处于初步探索中。 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 随着国外对基于图像处理和计算机视觉的刀具状态监测技术的日益重视，国内在这个 领域也开展了初步的研究工作。 文献【lo 】基于马尔可夫随机场理论，建立了工件表面纹理图像的马尔可夫随机场纹理模 型，并对工件表面纹理图像的特点进行了分析。在实验数据的基础上，对工件表面纹理图像 的特征参数进行提取，提出采用相对距离作为刀具磨损程度的评价指标。指出三阶马尔可 夫随机场能比较充分地反映工件表面纹理图像的特征。实验结果表明，基于马尔可夫随机 场的工件表面纹理分析方法能够较好地适用于刀具状态监测。 文献疑出了基于小波变换的过渡区提取与分割算法。复杂背景下目标的准确分割 是自动目标识别中的关键技术之一。基于过渡区提取的图像分割技术应用于自然纹理场景 的图像分割，克服了以往过渡区直接提取方法的不足。实验结果表明，该方法用于自然纹理 场景下的目标分割具有很好的分割效果。 文献【l2 】提出了用神经网络提取磨损刀具二值图像边缘的方法。用细胞神经网络 ( c n n ) 提取磨损刀具二值图像边缘通过设计细胞神经网络参数，运用细胞神经网络对 二值图像边缘进行提取，通过仿真证明该方法是有效的，由于细胞神经网络易于用v l s i 实现并且并行处理速度快，能够解决图像预处理中的瓶颈问题，因此，该方法在刀具的磨 损情况的计算机视觉检测图像处理方面是很有用的。 文酬1 3 】【“】利用树型小波变换对图像进行纹理分割，将各子图像的能量作为特征矢量， 对神经网络进行训练，对纹理进行分割，结果显示该方法较其它方法分割效果好。 文献i l5 】利用分形技术对工件表面纹理及概貌进行分形分析，能够很好地描述纹理的 西安理工大学硕士学位论文 复杂程度。 文献【惦荆用小波包自回归谱( w p a r ) 分析方法，将其应用于刀具的状态监测中， 对刀具状态信号进行深层次分析，提取有效的特征量，并准确的识别了刀具的磨损状态。 文献【1 7 l 用快速h o u g h 变换提取工件图像边缘的几何特征，对不同机床类型及不同切 削参数下的工件表面纹理进行区分和分类。实践证明该方法的精度比传统h o u g h 变换的 精度要高，所以能够更好用于柔性加工系统以及刀具状态在线监测中。 1 4 本文的主要研究内容 综上所述，基于计算机视觉的刀具状态监测方法在刀具状态监测中具有一些传统监测 方法所不具有的优点。本文通过分析工件表面图像随着刀具磨损所表现出来的特征对监测 系统进行深入的研究，并且应用b p 神经网络对刀具磨损状态进行识别。各章的主要研究 内容如下： 第一章介绍了刀具状态监测技术的研究背景和重要性，对刀具状态监测技术的发展状 况作了深入阐述，综合比较了传统刀具状态监测方法和基于计算机视觉方法的优缺点，阐 明了基于计算机视觉方法的原理及其在刀具状态监测中的应用。 第二章分析刀具前刀面、后刀面等磨损表面的特征，研究刀具的磨损过程和磨钝标准。 总结车削加工工件表面成形过程及影响工件表面纹理形貌的因素。建立基于工件表面图像 的刀具磨损监测实验装置，将实验结果进行比较，分析工件表面图像与刀具磨损之间的联 系。 第三章从几何变换、图像增强、边缘检测、图像分割几个方面对工件表面图像的预处 理方法进行分析比较，找出适合工件表面图像的预处理算法，为后续章节的图像特征提取 奠定基础。 第四章讨论纹理分析方法中的像素空间投影统计法、灰度共生矩阵法和等灰度游程长 度法的基本原理，给出应用上述三种方法对工件表面图像特征提取的算法，对实验数据进 行分析，找出特征参数与刀具磨损之间的关系。 第五章介绍分形几何和分形布朗运动的概念，给出计算图像分形维数的算法，并用此 算法对工件表面图像进行特征提取，分析特征参数与刀具磨损之间的关系。 第六章建立了基于b p 神经网络的刀具状态识别系统。将提取出的特征参数进行正规 化处理后作为神经网络的输入，给定训练目标对所建立网络进行训练，用训练后的网络对 刀具磨损状态进行识别，对识别结果进行分析。 第七章对全文工作进行总结，并对进一步的研究提出展望。 6 第二章车刀磨损形态及工件表面纹理特征分析 2 刀具磨损形态及工件表面纹理特征分析 2 1 刀具磨损的基本特征和形态分析 在切削过程中，不论工件材料和刀具材料的力学性能如何，刀具的前刀面、后刀面与 工件接触部分总会不断磨损，由于在接触区 内有很高的温度和压力，因此在前刀面和后 刀面上随着切削时间的增加会逐渐产生磨 损。对于不同的的切削条件，刀具的主要磨 损形式有前刀面磨损、后刀面磨损或前、后 副切 刀面同时产生磨损【2 l l 。图2 1 是车刀磨损形 态示意图，图2 2 是车刀磨损的测量位置， 其中图( a ) 表示的是前刀面磨损，图( b ) 表示的 是后刀面磨损。 a a 洼 图2 - i 车刀的磨损形态 f i g 2 1t h ew e a rs h a p eo f o a r i n gt o o l s ( b ) 后刀面磨损 刃 图2 - 2 车刀磨损的测量位置 f i g 2 - 2t h em e a s u r e m e n tl o c a t i o no f c u t t i n gt o o lw e a r ( 1 ) 前刀面磨损( 月牙洼磨损) 常发生于加工塑性金属时，在切削速度较高和切削厚度较大的情况下，刀屑接触区 的温度和压力都很大，切屑在车刀的前刀面上磨出个月牙形凹坑( 如图2 1 ) ，习惯上称之 为月牙洼，其深度用k t 表示( 如图2 2 ( a ) ) 。 ( 2 ) 后刀面磨损 这是在薄切屑、切削速度较低，或者切削高硬度和脆性大的材料时所发生的磨损情况。 切削过程中，刀具后刀面与已加工表面之间存在着强烈的摩擦，由于接触面积很小、接触 压力很大，因而在很短的时间内，在后刀面上毗邻切削刃的地方就会磨出沟痕( 如图2 1 ) ， 这种磨损形式称之为后刀面磨损。一般以后刀面的磨损量作为衡量刀具磨损的主要参数。 后刀面磨损分为三个区，由刀尖向刀身方向分别为c 、b 、n ，相应的磨损量为v c 、 v b 、v n ( 如图2 2 ( b 1 ) 。 ( 3 ) 前、后刀面同时磨损 前、后刀面同时磨损，为一般常见的磨损形态。由于多数情况都会发生后刀面磨损， 且磨损带宽度测量方便，所以一般多以v b 值测量磨损程度。 7 西安理工大学硕士学位论文 ( 4 ) 边界磨损 切削加工中，常在主切削刃靠近工件表面的后刀面上以及副切削刃靠近刀尖处的副后 刀面上，磨出较深的纹沟，称为边界磨损( 如图2 1 ) 。 ( 5 ) 非正常磨损 在生产中，常会出现刀具突然崩刃、卷刃或刀片碎裂的现象，这些被称为非正常磨损。 其原因很复杂，主要有：刀具材料的韧性或硬度太低；刀具的几何参数不合理，使刃 部强度过低或受力过大；切削用量选得过大，造成切削力过大，切削温度过高；刀片 在焊接或刃磨时，因骤冷骤热产生过大的热应力，使刀片出现微裂纹；o 操作不当或加工 情况异常，使刀刃受到突然的冲击或热应力而导致崩刃。 2 2 刀具的磨损过程和磨钝标准 2 2 1 刀具的磨损过程 刀具的磨损量随着切削时间的延长而逐渐增 大，通过切削试验，可得到如图2 3 所示的刀具磨巴 损的典型曲线。图中横坐标为切削时间，纵坐标为型 后刀面磨损量v b 。 蔷 刀具的磨损过程一般可分为三个阶段： 怛 ( 1 ) 初期磨损 该阶段磨损曲线斜率较大，磨损过程较快，时 间较短。这是因为一把新刃磨出来的刀具表面存在 图2 - 3 刀具磨损的典型曲线 f i g 2 - 3t o o lw e a rc l a s s i cc u e 着粗糙不平及微裂纹、氧化等缺陷，并且刀尖的尖峰突出，在与切屑相互磨擦过程中，压 强不均匀，峰点的压强很大，造成尖峰很快被磨损，其磨损量大小与刀具的刃磨质量有直 接的关系。 ( 2 ) 正常磨损 刀具表面经过前期的磨损，峰点基本被磨平，表面的压强也趋于均衡，刀具进入正常 磨损阶段。这个阶段的磨损比较缓慢均匀，刀具的磨损量v b 随时间的延长而均匀地增加， 磨损曲线基本上是线性的，其斜率代表磨损强度，是比较刀具性能的一个重要指标。该阶 段是刀具的有效工作阶段，刀具的正常使用不应该超过这一阶段。正常切削时，该阶段经 历的时间较长。 ( 3 ) 剧烈磨损 经过正常磨损阶段后，刀刃已经变钝，切削力、切削温度急剧升高，磨损原因发生了 质变，刀具表层疲劳，性能下降，磨损量v b 剧增，刀具磨损速度也急剧加快，刀具很快 失效。 2 2 2 刀具的磨钝标准 8 第二章车刀磨损形态及工件表面纹理特征分析 刀具磨损到一定限度就不能再使用，否则将降低工件的尺寸精度和表面质量，增加刀 具的材料消耗及加工成本，刀具的这个磨损限度就称为磨钝标准【2 1 1 1 2 2 】 2 7 1 。 在评定刀具材料的切削性能和试验研究时，因为一般刀具的后刀面都会发生磨损，而 且测量也比较方便，所以都用后刀面磨损量作为衡量刀具磨损程度的磨钝标准。国际标准 i s o 统一规定，以1 2 切削深度处后刀面上测定的磨损带宽度v b 作为刀具的磨钝标准。 制定磨钝标准时，既要考虑刀具的合理使用，又要保证工件加工表面粗糙度和尺寸精 度，所以不同的加工条件下，刀具的磨钝标准也不同。另外，当磨损的不均匀程度较大时， 还应该考虑切削刃处后刀面的最大磨损量v b m a x 以及刀尖处的磨损量v c 和边界处的磨 损量v n 。 2 3 车削加工工件表面成形过程及影响因素分析 2 3 1 车削加工表面的成形过程 刀具切削工件形成已加工表面即工件的成形过程。在车削过程中，最常用的方法为轨 迹法，也称刀尖轨迹法，它是依靠刀尖的运动轨迹获得形状精度的方法，即让刀具相对于 工件作有规律的运动，以其刀尖轨迹获得所需要的表面几何形状【2 ”，如图2 - 4 所示。 图2 - 4 车削加工工件表面成形过程 f i g 2 - 4f o r m a t i o np r o c e s so f t u r n i n gw o r k p i e c e 图2 5 已加工表面形成过程 f i g 2 5f o r m a t i o np r o c e s so f m a c h i n e ds u r f a c e 图2 5 表示已加工表面的形成过程。当切削层金属以速度n 逐渐接近切削刃时，由于 刃口钝圆半径的关系，有厚度为的一层金属无法沿o m 方向滑移变形，而是从刃口 钝圆部分的0 点与切削层分离( o 点可认为是剪切面与刃口钝圆的交点) ，沿着刃口下方 o b 段被挤压过去，留在已加工表面上。该部分金属经过钝圆部分b 点之后，继续受到后 面磨损带b c 段和已加工表面层弹性恢复( 恢复高度为a h ) 产生的接触面c d 段的进一 步挤压与摩擦，金属组织进一步变形纤维化1 2 “。 2 3 2 影响已加工表面形貌的因素 在切削过程中，由于刀具的作用，工件的待切削层转变成切屑，同时形成工件的已加 工表面。加工方法、工件材料与刀具材料的匹配、刀具参数及切削参数对已加工表面的粗 糙度大小有重要影响。以下是影响切削加工表面粗糙度的因素：工件材料硬度不均； 9 西安理工大学硕士学位论文 震动的影响；切削速度和进给量的影响：切削温度的影响； 刀具切削性能的影响； 机床及材料本身的物理性能的影响；切削加工引起的塑性流动的影响；积屑瘤和鳞 刺的影响等【2 刀。 在外圆车削加工过程中，车刀刀尖以螺旋线轨迹进行切削运动，影响已加工表面形成 的主要因素有三方面： ( 1 ) 车刀刀尖部分的几何形状； ( 2 ) 车刀与工件的相对运动即刀具的进给运动； ( 3 ) 切削震动产生的车刀与工件之间的相对位黄变化。 图2 - 6 给出了模拟的工件表面纹理形貌，图( a ) 是理想状态下的工件表面纹理形貌，图 ( b ) 是实际车削情况下工件表面纹理形貌。 ( 时理想状态( b ) 受其他因素影响的状态 图2 - 6 工件表面纹理形貌 f i g 2 - 6t h et e x t u r ea p p e a r a n c eo f w o r k p i e c ei n t e r f a c e 由以上分析可以看出，刀具相对于工件作进给运动时，在加工表面留下了切削层残留 面积，其形状是刀具几何形状的复映，也就是说，工件表面形貌是由刀具的轮廓映射到工 件上的结果。所以说，工件表面纹理形貌与刀具的几何形状有着密不可分的关系。 2 4 本文的实验装置及实验数据 在对刀具磨损状态监测的实验中，所用的实验设备示意图和实验设备实景图如图2 7 和图2 8 所示。 1 0 二口 图2 - 7 实验设备示意图图2 - 8 实验设备实景图 f i g 2 - 7d i a g r a mo f e x p e r i m e n t a le q u i p m e n tf i g 2 8e x t e r i o rd i a g r a mo f e x p e r i m e n t a le q u i p m e n t 第二章车刀磨损形态及工件表面纹理特征分析 其组成部分有光源、工作台、显微镜( m z d 0 3 1 8 ) 、c c d 摄像头( a 6 2 2 f ) 、计算机等。 光源选用l - 1 5 0 型号冷光源，它的亮度可以进行调节。冷光源所产生的光经过光纤传送到 被测物表面，形成均匀柔和的光线，可获得良好的图像。显微镜的物镜直径d = 1 6 m m ，放 大倍数可在1 5 9 0 倍之间调节。c c d 摄像头为u s b 接口型的传感器，其最大分辨率为 1 2 8 0 x 1 0 2 4 。计算机内装有图像采集卡，通过u s b 接口和c c d 摄像头相连，并通过u s b 接口接收来自c c d 摄像头传输的数字信号。 实验过程中，每次加工完成后，将刀具和工件分别放到工作台上，通过显微镜放大， 由摄像头拍摄并将拍摄到的图像通过数据线传送到计算机中保存。 车削实验的参数如表2 - 1 所示。 表2 - 1 车削实验参数表 t a b 2 1p a r a m e t e r sl i s to f t u r n i n ge x p e r i m e n t 车床型号工件材料车刀材料 工件直径切削速度吃月量 进给量 r m i n 。胁 3 0 c r m n s i a 硬质合金 0 2 c a 6 1 5 0 7 0 4 0 00 5 ( 炮钢) y t l 5 按照上述实验参数对工件进行连续车削，每隔两次走刀分别拍摄一次工件表面纹理和 刀具磨损区域的图像，显微镜放大倍数选用5 0 倍。最终获得的图像信息由两部分组成： 工件表面图像和车刀磨损图像。 实验所得的工件表面纹理图像如图2 - 9 所示。对应的刀具磨损图像如图2 - l o 图2 1 7 所示。其中在图2 1 吡图2 1 7 中，图( a ) 、( ”、( c ) 分别是车刀的副后刀面，后刀面以及前 刀面的磨损图像。 西安理工大学硕士学位论文 图2 - 9 工件表面纹理图像 f i g 2 - 9t h et e x t u r ea p p e a r a n c ei m a g eo f w o r k p i e c ei n t e r f a c e 从图2 - 9 中我们可以看出，加工到第2 刀的时候( 图( a ) ) 工件表面纹理清晰，规律性 较强，并且在垂直方向上工件表面纹理具有很强的连续性，随着加工时间的延长，工件表 面的纹理逐渐开始混乱，其连续性也越来越差。当加工到第2 6 刀之后( 图( m 卜图( p ) ) ， 可以明显地看出工件表面的纹理已经出现撕裂的痕迹，且纹理非常混乱，在垂直方向几乎 不具有连续性。 ( a j 副后刀由 ( a ) 副后川由 ( b ) 后，j 由c ) 前刀曲 图2 1 0 第2 刀 f i g 2 1 0t h es e c o n db i t ( b ) 后刀曲 c ) 前刀面 图2 - l i 第6 刀 f i g 2 11t h