CN101670533A - 基于工件加工表面图像分析的刀具磨损状态评价方法 - Google Patents
基于工件加工表面图像分析的刀具磨损状态评价方法 Download PDFInfo
- Publication number
- CN101670533A CN101670533A CN200910035356A CN200910035356A CN101670533A CN 101670533 A CN101670533 A CN 101670533A CN 200910035356 A CN200910035356 A CN 200910035356A CN 200910035356 A CN200910035356 A CN 200910035356A CN 101670533 A CN101670533 A CN 101670533A
- Authority
- CN
- China
- Prior art keywords
- image
- workpiece
- cutting
- tool wear
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000003754 machining Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000010191 image analysis Methods 0.000 title claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims abstract description 15
- 238000000605 extraction Methods 0.000 claims abstract description 10
- 230000003287 optical effect Effects 0.000 claims abstract description 7
- 230000004927 fusion Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 239000013598 vector Substances 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 2
- 238000005286 illumination Methods 0.000 claims description 2
- 238000012549 training Methods 0.000 claims description 2
- 238000012545 processing Methods 0.000 claims 10
- 239000011159 matrix material Substances 0.000 claims 1
- 238000005520 cutting process Methods 0.000 abstract description 15
- 238000003384 imaging method Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 abstract description 2
- 238000007500 overflow downdraw method Methods 0.000 abstract description 2
- 230000007547 defect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 5
- 230000000739 chaotic effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000007514 turning Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000002173 cutting fluid Substances 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013332 literature search Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种基于工件加工表面图像分析的刀具磨损状态评价方法，它首先利用光学系统成像，采集工件加工表面的纹理图像；然后对加工表面图像进行多特征提取，根据多特征提取的个数组成面向加工表面图像的BP神经网络分类器，采用基于投票系统的融合方法对多特征分类器进行融合，实现刀具磨损、破损状态的定性、定量识别。本发明能够较好地克服切削加工过程中无法对刀具切削点进行在线图像采集的缺陷，能够准确地识别刀具的磨损、破损状态，可以应用于数控加工机床的刀具在线监测。
Description
技术领域
本发明涉及一种基于图像识别的检测方法，具体是一种基于工件加工表面图像分析的刀具磨损状态评价方法，用于电子测量技术领域。
背景技术
刀具磨损是切削加工过程中不可避免的现象，刀具一旦发生磨损或破损，不仅会使工件加工精度降低，表面粗糙度增大，而且会导致切削力加大，切削温度升高，甚至产生振动而中断正常的切削过程。在切削加工过程中，刀具磨损是一个渐进的过程，变化较为缓慢。操作者可以根据切削过程中的振动、噪声等来估计刀具的磨损程度，考虑是否换刀或刃磨。但由于刀具寿命具有随机性，而这种主观评价方法对刀具的寿命极限的估计往往过于保守，以致大部分刀具未能充分发挥其作用。随着现代科学技术的发展，生产自动化程度、加工精度越来越高，难加工材料和新材料越来越多，零件的形状越来越复杂，如何定量、定时地掌握刀具的工作状态，检测与诊断刀具磨损、破损等损伤故障，对于延长机床设备无故障运行，提高产品质量具有重要的意义。
经对现有技术文献检索发现，中国专利申请号：200410022253.5，专利名称为：一种静态刀具图像的精密测量方法。根据该发明提供的测量方法可以看出，它是利用数字图像处理方法，定位出刀具图像边缘的精确坐标位置，计算出刀具的精确几何参数，就可以得到所要测量刀具边缘包络线，达到刀具精确测量的目的；但是，该方法只能实现刀具的静态离线测量，不能实现刀具的动态测量，亦不能得出刀具表面的磨损深度等信息。中国专利申请号：200810200053.2，专利名称为：一种基于混沌振子的刀具磨损状态检测装置及其检测方法。根据该发明提供的检测方法可以看出，它是利用混沌振子Duffing-Holmes系统检测微弱信号变化的特点，判别出刀具磨损状态。在进一步的检索中，目前尚未发现有关基于工件加工表面图像分析的刀具磨损、破损状态评价方法的文献报道。
发明内容
本发明的目的在于克服现有技术的不足，提出一种基于工件加工表面图像分析的刀具磨损状态评价方法。使其利用光学系统成像，采集工件加工表面的纹理图像；对加工表面图像进行多特征提取，结合相应的分类器形成分量分类器，采用基于投票系统的融合方法对多特征分类器进行融合，实现刀具磨损、破损状态的定性、定量识别。
本发明是通过以下技术方案实现的，本发明具体步骤如下：
1、进行基于CCD的工件加工表面纹理图像的数据采集，
步骤A，根据评价刀具磨损程度所需要设定的检测精度、工件加工表面的测量视野以及CCD摄像机分辨率，确定光学镜头的放大倍率，焦距以及工作距离等参数；
步骤B，在工件加工表面投射照明光源，调节其光源亮度，使之在被测工件加工表面产生均匀柔和的光强，利用CCD摄像机获得的工件加工表面纹理图像；
步骤C，通过计算机驱动图像采集卡，将步骤B获得的工件加工表面纹理图像传输至计算机；
2、进行基于工件加工表面图像多特征融合的刀具磨损、破损状态分类，
步骤D，多特征提取步骤，将获得的工件加工表面纹理图像，应用多特征提取方法提取图像特征X1，X2，…，Xn；
步骤E，进行BP神经网络分类器的选择，将提取的图像特征X1，X2，…，Xn分别送入BP神经网络分类器C1，C2，…，Cn，构成多特征融合分类系统；
步骤F，多特征融合分类步骤，每个BP神经网络分类器C1，C2，…，Cn根据融合算法做出相应的决策U1，U2，…，Un，然后将相应的决策U1，U2，…，Un传送到融合中心，融合中心依据融合算法做出全局决策U，并最终得到刀具磨损、破损状态的定性、定量识别。
本发明所述的多特征提取步骤提取图像特征X1，X2，…，Xn，具体指基于灰度直方图的纹理描绘子、灰度共生矩阵的二次统计量、图像的奇异值特征、二值图像的联通区域标记及面积统计四个图像特征向量，用来表示加工表面图像的纹理、结构型式、范围大小、边界形状、色调及能量等信息。
本发明所述的BP神经网络分类器选择步骤中，由多特征提取步骤中提取的四个输入特征向量构成工件加工表面图像分类的BP神经网络分类器，从而构成多特征融合分类系统。
本发明所述BP神经网络是一个包含单层隐含层的三层BP网络，隐含层的激励函数为Sigmoid型函数，网络的训练算法为Levenberg-MarquardtM算法。
本发明所述融合算法采用投票表决算法来处理各BP神经网络分类器的本地决策，
首先，将每个BP神经网络分类器的输出各类别隶属度分别乘上由选通子系统给定的权系数，作为投票系统的输入；
其次，投票系统将每个BP神经网络分类器对类别j的输入值相加得到系统总输出U，最终的判别结果是具有最大判别值Uj的那个类别。
有益效果
在切削加工过程中，由于受到切屑、火花以及切削液等因素的影响，很难对刀具切削点处进行在线图像采集，本发明通过CCD摄像机对工件加工表面进行图像采集，对工件加工表面图像进行多特征提取及融合分类，从而间接实现刀具磨损、破损状态的定性、定量识别，揭示了加工表面图像纹理与刀具磨损、破损状态之间的关系，较好的克服了现有刀具监测存在的缺陷，实现了信息技术与现代制造技术的有机结合。
附图说明
图1工件加工表面图像采集系统的基本结构示意图。
图2刀具状态检测过程流程图。
具体实施方式
下面结合附图举例对本发明的技术方案做进一步的详细说明。
如图1所示，本实施例在普通车床CS6140上进行，被加工工件为一直径Φ180mm的轴，相关参数为45钢，调质处理，硬度225HBW；切削刀具为硬质合金车刀；加工过程为普通外圆车削。图像测量系统的硬件配置如表1所示，基本结构示意图如图1所示，主要包括：CS6140车床、CCD摄像机、光源、调焦显微镜头、图像采集卡及计算机等。
| 摄像机 | COSTAR C400，1/2”Color CCD，pixels 752×582 |
| 调焦镜头 | AFT-M0025 |
| 图像采集卡 | Imagenation PCX200Frame Grabber Card |
| 光源 | Ose RIN-70-3R-0R |
| 电源 | 12V |
表1工件加工表面图像采集实验系统配置
如图2所示，结合本发明的刀具磨损状态评价过程，具体步骤如下：
工件作旋转运动，车刀沿工件轴线方向作进给运动，从而实现外圆车削。切削用量为：切削速度180r/min，进给速度0.6mm/r，切削深度1.0mm。在进行图像采集之前，首先，切削用量和纹理特征提取的要求，设定待评价刀具磨损状态的检测精度为2um，工件加工表面的测量视野为2mm×3mm，CCD摄像机分辨率如表1所示，根据光学系统成像的基本原理，确定光学镜头的放大倍数为60，工作距离100mm。其次，要调节好光源的强度，以获得良好的被测物的图像；最后，计算机驱动采集卡进行工件加工表面的图像采集，将拍摄到的图像通过数据线传送到计算机中保存。
通过以上方法采集到的工件加工表面图像，首先进行多特征提取，将获得的工件加工表面纹理图像，应用多特征提取方法提取基于灰度直方图的纹理描绘子、灰度共生矩阵的二次统计量、图像的奇异值特征、二值图像的联通区域标记及面积统计等作为分类的四个输入特征向量X1，X2，X3，X4；其次，由上述四个特征向量X1，X2，X3，X4构成面向加工表面图像分类的BP神经网络分类器C1，C2，C3，C4，从而构成多特征融合分类系统；然后，每个BP神经网络分类器根据投票表决算法做出相应的决策U1，U2，…，Un，然后传送到融合中心FC，融合中心依据投票表决算法做出全局决策U，并最终定性的描述刀具磨损、破损状态，并定量地给出磨损、破损的程度。
通过对切削加工后的同一把刀具进行光学测量，发现检测结果和本发明的分类识别的结构非常吻合。这表明基于工件加工表面图像分析的刀具磨损状态评价方法具有较高的识别检测精度，满足刀具状态识别的要求。
Claims (5)
1、一种基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于：包括步骤如下：
首先，进行基于CCD的工件加工表面纹理图像的数据采集，
步骤A，根据评价刀具磨损程度所需要设定的检测精度、工件加工表面的测量视野以及CCD摄像机分辨率，确定光学镜头的放大倍率，焦距以及工作距离等参数；
步骤B，在工件加工表面投射照明光源，调节其光源亮度，使之在被测工件加工表面产生均匀柔和的光强，利用CCD摄像机获得的工件加工表面纹理图像；
步骤C，通过计算机驱动图像采集卡，将步骤B获得的工件加工表面纹理图像传输至计算机；
其次，进行基于工件加工表面图像多特征融合的刀具磨损、破损状态分类，
步骤D，多特征提取步骤，将获得的工件加工表面纹理图像，应用多特征提取方法提取图像特征X1，X2，…，Xn；
步骤E，进行BP神经网络分类器的选择，将提取的图像特征X1，X2，…，Xn分别送入BP神经网络分类器C1，C2，…，Cn，构成多特征融合分类系统；
步骤F，多特征融合分类步骤，每个BP神经网络分类器C1，C2，…，Cn根据融合算法做出相应的决策U1，U2，…，Un，然后将相应的决策U1，U2，…，Un传送到融合中心，融合中心依据融合算法做出全局决策U，并最终得到刀具磨损、破损状态的定性、定量识别。
2、根据权利要求1所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于：所述的多特征提取步骤提取图像特征X1，X2，…，Xn，具体指基于灰度直方图的纹理描绘子、灰度共生矩阵的二次统计量、图像的奇异值特征、二值图像的联通区域标记及面积统计四个图像特征向量，用来表示加工表面图像的纹理、结构型式、范围大小、边界形状、色调及能量等信息。
3、根据权利要求2所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于：所述的BP神经网络分类器选择步骤中，由多特征提取步骤中提取的四个输入特征向量构成工件加工表面图像分类的BP神经网络分类器，从而构成多特征融合分类系统。
4、根据权利要求3所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于：所述BP神经网络是一个包含单层隐含层的三层BP网络，隐含层的激励函数为Sigmoid型函数，网络的训练算法为Levenberg-MarquardtM算法。
5、根据权利要求1所述的基于工件加工表面图像分析的刀具磨损状态评价方法，其特征在于：在多特征融合分类步骤中，所述融合算法采用投票表决算法来处理各BP神经网络分类器的本地决策：
首先，将每个BP神经网络分类器的输出各类别隶属度分别乘上由选通子系统给定的权系数，作为投票系统的输入；
其次，投票系统将每个BP神经网络分类器对类别j的输入值相加得到系统总输出U，最终的判别结果是具有最大判别值Uj的那个类别。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200910035356A CN101670533A (zh) | 2009-09-25 | 2009-09-25 | 基于工件加工表面图像分析的刀具磨损状态评价方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN200910035356A CN101670533A (zh) | 2009-09-25 | 2009-09-25 | 基于工件加工表面图像分析的刀具磨损状态评价方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN101670533A true CN101670533A (zh) | 2010-03-17 |
Family
ID=42018063
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN200910035356A Pending CN101670533A (zh) | 2009-09-25 | 2009-09-25 | 基于工件加工表面图像分析的刀具磨损状态评价方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN101670533A (zh) |
Cited By (46)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102073300A (zh) * | 2010-12-28 | 2011-05-25 | 华中科技大学 | 一种数控加工状态自学习的刀具磨损监控系统 |
| CN102103646A (zh) * | 2010-12-14 | 2011-06-22 | 武汉理工大学 | 基于有限元技术和人工神经网络的精冲模具磨损预测方法 |
| CN102284889A (zh) * | 2011-05-18 | 2011-12-21 | 杨志光 | 一种在线视频倍放工件检测仪 |
| CN102692429A (zh) * | 2011-03-24 | 2012-09-26 | 中国科学院沈阳自动化研究所 | 一种复合材料内部缺陷类型自动识别检测方法 |
| CN103465107A (zh) * | 2013-09-24 | 2013-12-25 | 沈阳利笙电子科技有限公司 | 一种刀具磨损监测方法 |
| CN103962888A (zh) * | 2014-05-12 | 2014-08-06 | 西北工业大学 | 一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法 |
| CN105500137A (zh) * | 2014-10-14 | 2016-04-20 | 株式会社迪思科 | 磨削装置 |
| CN105844278A (zh) * | 2016-04-15 | 2016-08-10 | 浙江理工大学 | 一种多特征融合的织物扫描图案识别方法 |
| CN105945651A (zh) * | 2016-06-22 | 2016-09-21 | 哈尔滨理工大学 | 球头铣刀精密铣削用的刀具磨损在线检测装置及检测方法 |
| CN106002490A (zh) * | 2016-05-12 | 2016-10-12 | 西北工业大学 | 基于刀位轨迹和冗余剔除的铣削工件粗糙度监测方法 |
| CN106312692A (zh) * | 2016-11-02 | 2017-01-11 | 哈尔滨理工大学 | 基于最小外接矩形的刀具磨损检测方法 |
| CN103745234B (zh) * | 2014-01-23 | 2017-01-25 | 东北大学 | 一种带钢表面缺陷的特征提取与分类方法 |
| CN106493610A (zh) * | 2016-10-27 | 2017-03-15 | 齐齐哈尔华工机床股份有限公司 | 一种非接触式刀片磨损的在线检测方法 |
| CN106584209A (zh) * | 2016-11-10 | 2017-04-26 | 哈尔滨理工大学 | 基于云制造的刀具磨损实时在线监测方法 |
| CN106650831A (zh) * | 2017-01-10 | 2017-05-10 | 北京邮电大学 | 基于特征融合的损伤检测方法及装置 |
| CN107398778A (zh) * | 2017-07-31 | 2017-11-28 | 詹白勺 | 高速铣削刀具磨损视觉在位监测系统和方法 |
| CN107944505A (zh) * | 2017-12-19 | 2018-04-20 | 青岛科技大学 | 一种金属失效类型自动化判断方法 |
| CN108846581A (zh) * | 2018-06-21 | 2018-11-20 | 武汉科技大学 | 一种机床刀具可靠性评估系统及方法 |
| CN109240210A (zh) * | 2018-10-16 | 2019-01-18 | 重庆工业职业技术学院 | 一种具有故障诊断与预警功能的数控机床 |
| TWI665051B (zh) * | 2018-12-10 | 2019-07-11 | National Chin-Yi University Of Technology | 用於工具機之刀具磨損之檢測方法 |
| CN110076629A (zh) * | 2019-04-25 | 2019-08-02 | 武汉企鹅能源数据有限公司 | 刀具失效过程实时检测及优化数据分析系统 |
| CN110111306A (zh) * | 2019-04-10 | 2019-08-09 | 厦门理工学院 | 一种圆柱立式铣刀周刃磨损评价方法、装置和存储介质 |
| CN110246113A (zh) * | 2018-03-09 | 2019-09-17 | 史密斯国际有限公司 | 用于表征油田工具的系统 |
| CN111085898A (zh) * | 2019-12-30 | 2020-05-01 | 南京航空航天大学 | 一种工况自适应的高速铣削加工过程刀具监测方法及系统 |
| CN111151817A (zh) * | 2020-03-06 | 2020-05-15 | 广州基俊机械科技有限公司 | 一种锉刀磨损度检测的装置 |
| CN111323072A (zh) * | 2020-03-18 | 2020-06-23 | 南京林业大学 | 一种新型木工刀具磨损在线诊断方法 |
| CN111429395A (zh) * | 2019-01-08 | 2020-07-17 | 鸿富锦精密电子（成都）有限公司 | 刀具寿命预测方法、装置及计算机存储介质 |
| CN111855796A (zh) * | 2020-09-04 | 2020-10-30 | 浙江城建煤气热电设计院有限公司 | 一种对旋转设备电能传导的接触面检测装置及其方法 |
| CN112247674A (zh) * | 2020-10-10 | 2021-01-22 | 北京理工大学 | 一种刀具磨损预测方法 |
| CN112884717A (zh) * | 2021-01-29 | 2021-06-01 | 东莞市牛犇智能科技有限公司 | 实时工件表面检测与刀具寿命预测的系统及方法 |
| CN113137935A (zh) * | 2021-04-25 | 2021-07-20 | 四川大学 | 基于计算机视觉的rv减速器摆线轮磨损测试系统及方法 |
| CN113329851A (zh) * | 2019-01-17 | 2021-08-31 | 费南泰克控股有限公司 | 用于加工饮料封盖的设备及方法 |
| CN113820326A (zh) * | 2021-11-19 | 2021-12-21 | 佛山市煜丰机械有限公司 | 一种长码拉链的缺陷检测系统 |
| CN113850339A (zh) * | 2021-09-30 | 2021-12-28 | 北京科技大学 | 一种基于多光源表面图像的粗糙度等级预测方法及装置 |
| CN113867263A (zh) * | 2021-08-27 | 2021-12-31 | 大唐互联科技(武汉)有限公司 | 一种基于云边协同及机器学习的智能刀具管理系统 |
| CN113901647A (zh) * | 2021-09-24 | 2022-01-07 | 成都飞机工业（集团）有限责任公司 | 一种零件工艺规程编制方法、装置、存储介质及电子设备 |
| CN114078473A (zh) * | 2020-08-13 | 2022-02-22 | 富泰华工业（深圳）有限公司 | 刀具检测方法、电子装置及存储介质 |
| CN114453978A (zh) * | 2022-01-18 | 2022-05-10 | 东莞市银泽实业有限公司 | 一种钻头抖动分析及外径测量装置 |
| CN116012480A (zh) * | 2023-01-13 | 2023-04-25 | 重庆大学 | 数据驱动的切削加工表面形貌灰度图像生成方法 |
| TWI801008B (zh) * | 2021-11-25 | 2023-05-01 | 煜豐機械工業有限公司 | 長碼拉鏈的缺陷或瑕疵檢測系統 |
| CN116629097A (zh) * | 2023-04-17 | 2023-08-22 | 中国北方车辆研究所 | 一种惯性负载摩擦元件的综合磨损性能评价方法 |
| CN117549313A (zh) * | 2024-01-03 | 2024-02-13 | 百工汇智(苏州)智能科技有限公司 | 基于视觉分析的换刀机器人工作站控制方法与系统 |
| CN117952976A (zh) * | 2024-03-26 | 2024-04-30 | 深圳亚太航空技术股份有限公司 | 一种高锁螺栓检测系统及其方法 |
| CN118951825A (zh) * | 2024-10-18 | 2024-11-15 | 昆山北钜机械有限公司 | 一种智能换刀决策控制方法及系统 |
| CN119057565A (zh) * | 2024-09-29 | 2024-12-03 | 成都秦川物联网科技股份有限公司 | 基于工业物联网的数控加工刀具智能监测方法和系统 |
| CN119282820A (zh) * | 2024-12-16 | 2025-01-10 | 济南章力机械有限公司 | 一种数控镗铣的刀具切削力数据智能监测方法 |
-
2009
- 2009-09-25 CN CN200910035356A patent/CN101670533A/zh active Pending
Cited By (59)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102103646A (zh) * | 2010-12-14 | 2011-06-22 | 武汉理工大学 | 基于有限元技术和人工神经网络的精冲模具磨损预测方法 |
| CN102103646B (zh) * | 2010-12-14 | 2012-11-14 | 武汉理工大学 | 基于有限元技术和人工神经网络的精冲模具磨损预测方法 |
| CN102073300A (zh) * | 2010-12-28 | 2011-05-25 | 华中科技大学 | 一种数控加工状态自学习的刀具磨损监控系统 |
| CN102073300B (zh) * | 2010-12-28 | 2013-04-17 | 华中科技大学 | 一种数控加工状态自学习的刀具磨损监控系统 |
| CN102692429A (zh) * | 2011-03-24 | 2012-09-26 | 中国科学院沈阳自动化研究所 | 一种复合材料内部缺陷类型自动识别检测方法 |
| CN102284889A (zh) * | 2011-05-18 | 2011-12-21 | 杨志光 | 一种在线视频倍放工件检测仪 |
| CN103465107A (zh) * | 2013-09-24 | 2013-12-25 | 沈阳利笙电子科技有限公司 | 一种刀具磨损监测方法 |
| CN103745234B (zh) * | 2014-01-23 | 2017-01-25 | 东北大学 | 一种带钢表面缺陷的特征提取与分类方法 |
| CN103962888A (zh) * | 2014-05-12 | 2014-08-06 | 西北工业大学 | 一种基于小波去噪和希尔伯特-黄变换的刀具磨损监测方法 |
| CN105500137A (zh) * | 2014-10-14 | 2016-04-20 | 株式会社迪思科 | 磨削装置 |
| CN105844278A (zh) * | 2016-04-15 | 2016-08-10 | 浙江理工大学 | 一种多特征融合的织物扫描图案识别方法 |
| CN105844278B (zh) * | 2016-04-15 | 2019-01-25 | 浙江理工大学 | 一种多特征融合的织物扫描图案识别方法 |
| CN106002490A (zh) * | 2016-05-12 | 2016-10-12 | 西北工业大学 | 基于刀位轨迹和冗余剔除的铣削工件粗糙度监测方法 |
| CN105945651A (zh) * | 2016-06-22 | 2016-09-21 | 哈尔滨理工大学 | 球头铣刀精密铣削用的刀具磨损在线检测装置及检测方法 |
| CN106493610A (zh) * | 2016-10-27 | 2017-03-15 | 齐齐哈尔华工机床股份有限公司 | 一种非接触式刀片磨损的在线检测方法 |
| CN106312692A (zh) * | 2016-11-02 | 2017-01-11 | 哈尔滨理工大学 | 基于最小外接矩形的刀具磨损检测方法 |
| CN106584209A (zh) * | 2016-11-10 | 2017-04-26 | 哈尔滨理工大学 | 基于云制造的刀具磨损实时在线监测方法 |
| CN106650831A (zh) * | 2017-01-10 | 2017-05-10 | 北京邮电大学 | 基于特征融合的损伤检测方法及装置 |
| CN106650831B (zh) * | 2017-01-10 | 2020-04-28 | 北京邮电大学 | 基于特征融合的损伤检测方法及装置 |
| CN107398778A (zh) * | 2017-07-31 | 2017-11-28 | 詹白勺 | 高速铣削刀具磨损视觉在位监测系统和方法 |
| CN107944505A (zh) * | 2017-12-19 | 2018-04-20 | 青岛科技大学 | 一种金属失效类型自动化判断方法 |
| CN110246113A (zh) * | 2018-03-09 | 2019-09-17 | 史密斯国际有限公司 | 用于表征油田工具的系统 |
| CN110246113B (zh) * | 2018-03-09 | 2024-04-12 | 史密斯国际有限公司 | 用于表征油田工具的系统 |
| US12159391B2 (en) | 2018-03-09 | 2024-12-03 | Schlumberger Technology Corporation | System for characterizing oilfield tools |
| CN108846581A (zh) * | 2018-06-21 | 2018-11-20 | 武汉科技大学 | 一种机床刀具可靠性评估系统及方法 |
| CN109240210A (zh) * | 2018-10-16 | 2019-01-18 | 重庆工业职业技术学院 | 一种具有故障诊断与预警功能的数控机床 |
| TWI665051B (zh) * | 2018-12-10 | 2019-07-11 | National Chin-Yi University Of Technology | 用於工具機之刀具磨損之檢測方法 |
| CN111429395A (zh) * | 2019-01-08 | 2020-07-17 | 鸿富锦精密电子（成都）有限公司 | 刀具寿命预测方法、装置及计算机存储介质 |
| US11820035B2 (en) | 2019-01-17 | 2023-11-21 | Finatec Holding Ag | Device and method for processing drinks closure caps |
| CN113329851A (zh) * | 2019-01-17 | 2021-08-31 | 费南泰克控股有限公司 | 用于加工饮料封盖的设备及方法 |
| CN110111306A (zh) * | 2019-04-10 | 2019-08-09 | 厦门理工学院 | 一种圆柱立式铣刀周刃磨损评价方法、装置和存储介质 |
| CN110076629A (zh) * | 2019-04-25 | 2019-08-02 | 武汉企鹅能源数据有限公司 | 刀具失效过程实时检测及优化数据分析系统 |
| CN111085898A (zh) * | 2019-12-30 | 2020-05-01 | 南京航空航天大学 | 一种工况自适应的高速铣削加工过程刀具监测方法及系统 |
| CN111151817A (zh) * | 2020-03-06 | 2020-05-15 | 广州基俊机械科技有限公司 | 一种锉刀磨损度检测的装置 |
| CN111323072B (zh) * | 2020-03-18 | 2021-10-22 | 博深普锐高（上海）工具有限公司 | 一种新型木工刀具磨损在线诊断方法 |
| CN111323072A (zh) * | 2020-03-18 | 2020-06-23 | 南京林业大学 | 一种新型木工刀具磨损在线诊断方法 |
| CN114078473A (zh) * | 2020-08-13 | 2022-02-22 | 富泰华工业（深圳）有限公司 | 刀具检测方法、电子装置及存储介质 |
| CN111855796B (zh) * | 2020-09-04 | 2023-08-25 | 浙江城建煤气热电设计院股份有限公司 | 一种对旋转设备电能传导的接触面检测装置及其方法 |
| CN111855796A (zh) * | 2020-09-04 | 2020-10-30 | 浙江城建煤气热电设计院有限公司 | 一种对旋转设备电能传导的接触面检测装置及其方法 |
| CN112247674A (zh) * | 2020-10-10 | 2021-01-22 | 北京理工大学 | 一种刀具磨损预测方法 |
| CN112884717A (zh) * | 2021-01-29 | 2021-06-01 | 东莞市牛犇智能科技有限公司 | 实时工件表面检测与刀具寿命预测的系统及方法 |
| CN113137935A (zh) * | 2021-04-25 | 2021-07-20 | 四川大学 | 基于计算机视觉的rv减速器摆线轮磨损测试系统及方法 |
| CN113867263A (zh) * | 2021-08-27 | 2021-12-31 | 大唐互联科技(武汉)有限公司 | 一种基于云边协同及机器学习的智能刀具管理系统 |
| CN113901647A (zh) * | 2021-09-24 | 2022-01-07 | 成都飞机工业（集团）有限责任公司 | 一种零件工艺规程编制方法、装置、存储介质及电子设备 |
| CN113901647B (zh) * | 2021-09-24 | 2024-08-13 | 成都飞机工业（集团）有限责任公司 | 一种零件工艺规程编制方法、装置、存储介质及电子设备 |
| CN113850339A (zh) * | 2021-09-30 | 2021-12-28 | 北京科技大学 | 一种基于多光源表面图像的粗糙度等级预测方法及装置 |
| CN113820326A (zh) * | 2021-11-19 | 2021-12-21 | 佛山市煜丰机械有限公司 | 一种长码拉链的缺陷检测系统 |
| TWI801008B (zh) * | 2021-11-25 | 2023-05-01 | 煜豐機械工業有限公司 | 長碼拉鏈的缺陷或瑕疵檢測系統 |
| CN114453978A (zh) * | 2022-01-18 | 2022-05-10 | 东莞市银泽实业有限公司 | 一种钻头抖动分析及外径测量装置 |
| CN116012480A (zh) * | 2023-01-13 | 2023-04-25 | 重庆大学 | 数据驱动的切削加工表面形貌灰度图像生成方法 |
| CN116629097B (zh) * | 2023-04-17 | 2024-03-15 | 中国北方车辆研究所 | 一种惯性负载摩擦元件的综合磨损性能评价方法 |
| CN116629097A (zh) * | 2023-04-17 | 2023-08-22 | 中国北方车辆研究所 | 一种惯性负载摩擦元件的综合磨损性能评价方法 |
| CN117549313B (zh) * | 2024-01-03 | 2024-03-29 | 百工汇智(苏州)智能科技有限公司 | 基于视觉分析的换刀机器人工作站控制方法与系统 |
| CN117549313A (zh) * | 2024-01-03 | 2024-02-13 | 百工汇智(苏州)智能科技有限公司 | 基于视觉分析的换刀机器人工作站控制方法与系统 |
| CN117952976A (zh) * | 2024-03-26 | 2024-04-30 | 深圳亚太航空技术股份有限公司 | 一种高锁螺栓检测系统及其方法 |
| CN119057565A (zh) * | 2024-09-29 | 2024-12-03 | 成都秦川物联网科技股份有限公司 | 基于工业物联网的数控加工刀具智能监测方法和系统 |
| CN118951825A (zh) * | 2024-10-18 | 2024-11-15 | 昆山北钜机械有限公司 | 一种智能换刀决策控制方法及系统 |
| CN118951825B (zh) * | 2024-10-18 | 2025-02-11 | 昆山北钜机械有限公司 | 一种智能换刀决策控制方法及系统 |
| CN119282820A (zh) * | 2024-12-16 | 2025-01-10 | 济南章力机械有限公司 | 一种数控镗铣的刀具切削力数据智能监测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101670533A (zh) | 基于工件加工表面图像分析的刀具磨损状态评价方法 | |
| Peng et al. | Study of tool wear monitoring using machine vision | |
| Chen et al. | Automated inspection of engineering ceramic grinding surface damage based on image recognition | |
| CN115035120B (zh) | 基于物联网的机床控制方法及系统 | |
| CN111300144A (zh) | 基于图像处理的刀具磨损状态自动检测方法 | |
| CN111523540A (zh) | 基于深度学习的金属表面缺陷检测方法 | |
| Wang et al. | Intelligent prediction of wear location and mechanism using image identification based on improved Faster R-CNN model | |
| CN108428231B (zh) | 一种基于随机森林的多参数零件表面粗糙度学习方法 | |
| CN111667455A (zh) | 一种刷具多种缺陷的ai检测方法 | |
| CN111815572A (zh) | 一种基于卷积神经网络对锂电池焊接质量的检测方法 | |
| CN102253049B (zh) | 带钢生产过程表面质量在线精准检测方法 | |
| CN109544522A (zh) | 一种钢板表面缺陷检测方法及系统 | |
| CN111852792B (zh) | 一种基于机器视觉的风机叶片缺陷自诊断定位方法 | |
| CN114565314B (zh) | 一种基于数字孪生的热轧钢卷端面质量管控系统及方法 | |
| CN118002802B (zh) | 基于深度学习的slm在线质量监测、修复方法及系统 | |
| CN111445471A (zh) | 基于深度学习和机器视觉的产品表面缺陷检测方法及装置 | |
| CN118060729B (zh) | 汽车外饰零部件的智能激光镭雕系统及方法 | |
| CN113781458A (zh) | 一种基于人工智能的识别方法 | |
| Bommi et al. | Estimation of flank wear in turning of nimonic C263 super alloy based on novel MSER algorithm and deep patten network | |
| CN117351001A (zh) | 一种再生铝合金模板表面缺陷识别方法 | |
| CN118371734B (zh) | 基于深度学习的增材制造缺陷检测系统及方法 | |
| CN117689902B (zh) | 一种球笼的锻造加工工艺 | |
| Lei et al. | Research on reconstruction and high-precision detection of tool wear edges under complex lighting environmental influences | |
| Otieno et al. | Imaging and wear analysis of micro-tools using machine vision | |
| CN115731194A (zh) | 一种布匹瑕疵智能识别方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Open date: 20100317 |