基于工件表面纹理图像的刀具磨损状态监测技术研究

论文摘要

刀具状态监测技术对自动化加工效率和加工质量的提高有着十分重要的意义,而基于图像处理的刀具状态监测技术较传统监测技术有明显的优势。本文以车削加工为研究对象,分析了加工工件表面纹理图像与刀具磨损之间的内在联系,采用图像预处理、改进Hough变换、分形理论及隐马尔科夫模型等方法,对基于工件表面图像的刀具磨损状态监测的关键技术进行了研究,对刀具状态监测具有重要的指导意义。建立了基于工件表面纹理图像的刀具磨损监测实验系统,结合实验数据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方法,为实现刀具磨损状态监测的图像特征提取奠定了基础。针对传统Hough变换存在的局限性,对传统Hough变换进行了改进,并将改进Hough变换用于工件表面纹理图像的处理,提取出直线段平均长度、直线段与切削速度方向的夹角作为特征参数；引入高阶分形特征和多重分形奇异谱对工件表面图像进行分析,提取出新的分形参数—缝隙平均值Λ和多重分形熵Hm。结果表明：上述方法提取的特征参数与刀具磨损状态之间存在密切联系,根据其变化规律可实现刀具磨损状态的监测。根据从工件表面图像提出的特征值,建立了基于隐马尔科夫模型的刀具磨损识别系统。完成了刀具磨损HMM的训练和识别,并给出了具体实施步骤。结果表明：利用未知观察序列在HMM下的概率输出值,可反映不同刀具磨损状态下观察序列的统计相似性,跟踪刀具磨损的发展趋势；根据合适的阈值可实现刀具磨损状态的识别。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题研究的背景及意义
• 1.2 刀具状态监测技术概况
• 1.2.1 刀具状态监测技术的发展概况
• 1.2.2 刀具状态监测技术的分类
• 1.2.3 主要刀具状态监测技术及系统的特点
• 1.2.4 目前刀具状态检测存在的主要问题
• 1.3 基于图像处理的刀具状态监测的特点及现状
• 1.3.1 基于图像处理的刀具状态监测系统的特点
• 1.3.2 国内外基于图像处理的刀具状态监测技术的现状
• 1.4 本文的主要研究内容
• 2 刀具磨损特征分析及工件表面纹理分析
• 2.1 刀具磨损的基本特征和形态分析
• 2.2 刀具的磨损过程与磨钝标准
• 2.2.1 刀具的磨损过程
• 2.2.2 刀具的磨钝标准
• 2.3 工件表面纹理的形成和影响因素分析
• 2.4 本文的实验装置及数据采集
• 2.4.1 实验装置
• 2.4.2 实验数据采集
• 2.5 工件表面纹理特征与刀具磨损的关系
• 2.6 本章小结
• 3 工件表面图像的预处理
• 3.1 图像的几何操作
• 3.1.1 图像的剪切
• 3.1.2 图像的纹理角度校正
• 3.2 图像的灰度变换
• 3.3 图像去噪
• 3.4 图像边缘检测
• 3.5 本章小结
• 4 基于改进Hough变换的工件表面纹理分析
• 4.1 Hough变换的原理及局限性
• 4.1.1 Hough变换的原理
• 4.1.2 Hough变换的局限性
• 4.2 随机Hough变换
• 4.3 改进Hough变换算法的具体描述及性能分析
• 4.3.1 改进Hough变换的具体算法
• 4.3.2 改进Hough变换算法的性能分析
• 4.4 基于改进Hough变换的实验数据分析
• 4.5 本章小结
• 5 基于分形理论的工件表面图像分析
• 5.1 分形理论基础
• 5.1.1 分形理论发展的历史进程
• 5.1.2 分形及其维数的定义
• 5.2 分形参数的计算
• 5.2.1 高阶分形特征
• 5.2.2 多重分形熵
• 5.3 基于分形理论的实验数据分析
• 5.3.1 基于高阶分形特征的实验数据分析
• 5.3.2 基于多重分形熵的实验数据分析
• 5.4 本章小结
• 6 基于隐马尔可夫模型（HMM）的刀具状态识别
• 6.1 隐马尔可夫模型
• 6.1.1 隐马尔可夫模型基本理论
• 6.1.2 隐马尔可夫模型的三个基本问题及其相关算法
• 6.1.3 隐马尔科夫模型初始值的选取
• 6.2 基于隐马尔可夫模型的刀具状态识别
• 6.2.1 基于HMM的刀具状态识别系统的建立
• 6.2.2 刀具状态识别HMM的建立和训练
• 6.2.3 HMM刀具状态识别实验结果与分析
• 6.3 本章小结
• 7 结论与展望
• 7.1 全文总结
• 7.2 发展与展望
• 致谢
• 参考文献
• 攻读硕士学位期间发表论文与参与项目