CN108115232A - 用于工件的机械加工和检查的方法 - Google Patents

Abstract

本发明涉及一种用于在工具机（1）中、优选地在电火花刻模机中加工工件（11）并检查已加工工件表面的方法。该方法包括至少一个加工工艺中断，在该加工工艺中断期间检查工件（11）的已加工表面。在所述加工工艺中断期间，借由数字相机（12）在工具机（1）上拍摄已加工工件表面的至少一个图像。由一个或两个图案识别算法（PRA‑D，PRA‑S）处理图像，该图案识别算法之前已经被训练用于确定表面特性（诸如，在该至少一个图像上拍摄的已加工工件表面的粗糙度参数、功能表面特性和/或特性缺陷）。使用所确定的表面特性在调整或者不调整加工参数的情况下恢复工件表面的加工。本发明包括具有对应功能的工具机（1）。

Description

用于工件的机械加工和检查的方法

技术领域

本发明以便涉及一种工具机，并且更具体地涉及一种改进的机械加工方法，该方法包括基于被机械加工的表面的图像而表征被机械加工的表面。原位拍摄图像意味着在机械加工工艺中断期间在工具机上拍摄图像。借由之前训练的图案识别算法来评估表面特性。

背景技术

在工具机上机械加工部件的结果是使工件具有特定的几何形状，并且也具有特定的表面特性。工件的表面特性在大多数情形中变成所述工件的特别重要的属性。特别地，电火花刻模加工（EDM）工艺允许通过压印负形电极而在工件中复制该形状。

为了实现材料移除，在工具电极与工件之间实施一系列电火花，从而在工件上留下不同程度的粗糙表面。如所述，该表面是非常重要的，因为在大多数刻模加工工艺中，所形成的工件是用作注塑成型工艺的模具以便由塑料或金属大量制造物体，因此复制了模具的表面结构。

表面特性可以由美学原因或功能原因或者由两者来确定。刻模加工工艺形成非常均匀、基本上各向同性的机械加工表面。该工艺能够适于形成例如易于脱模工艺的表面以使得从模具中更容易且快速地移除最终产品，并且在脱模工艺期间部损坏所述产品。

在其他情形中，已加工工件是能够直接使用或者采用最少的额外加工而使用的最终部件，例如，类似整形植入物。在此，适当的表面能够在外科植入之后使得骨骼容易地在植入物上生长。

因此，对于任何加已工工件的必要的验收标准是实现期望的表面特性。

根据当前的实践，最常见的是在机械加工工艺结束时从EDM机移除工件，清洁并干燥，并且随后借由粗糙度测量装置和坐标测量机（CMM）对其进行测量。

然而，如果测得的表面粗糙度或尺寸并未匹配要求，则无法校正误差，在码垛工件的情形中也是如此。这是由于下述事实：恢复机械加工所需的工件和电极的精确的重新定位以及重新创建微小的间隙条件在许多情形中是不可能。根据模具的类型、大小和复杂程度，这导致成本变得非常重要。

尽管大约30年前已经引入了非接触表面检查***，但触觉仪器是广泛使用的。实际上，通常采用探针式轮廓测量仪器来测量粗糙度。通过线性扫描或者有时通过彼此接近的多个平行扫描来测量表面特性。获得整个表面的测量是不可能的或者只能通过大量的工作量来获得。

在此所测量的特征是：根据ISO 4287的粗糙度轮廓的算术平均Ra，粗糙度轮廓的最大高度Rz，轮廓单元的平均宽度RSm等。这些产品例如由英国莱斯特的Taylor HobsonLtd.,公司制造。这种测量仪器的成本是相当大的。虽然理论上能够获得在原位测量部件的便携式粗糙度测量仪器，但由于部件的小尺寸、需要在机器上准备测量表面、或者由于不能原位接近加工区域等，这些仪器很少地能够应用。

另一问题在于，作为EDM，热加工、微型裂纹、灼烧部、点蚀和其他缺陷能够出现在机械加工表面上。这些缺陷并非由所提到的常规仪器识别，并且因为它们降低了部件的使用寿命，所以当机械加工部件用于医疗或航天领域的部件时它们能够产生灾害性的后果。

尽管常规的粗糙度测量仪器提供轮廓幅值参数、轮廓间距参数和混合参数，但它们不能安全地识别功能结构或者更通常的表面的特定物理属性。在该上下文中，术语“功能结构”意指提供特定物理属性（诸如：超疏水属性、疏油属性、抗菌属性等）的表面的几何特征。能够通过激光加工或通过EDM机械加工而有意的获得这种表面。

日本的Makino Milling Machine Co. Ltd公司和奥地利的Raaba的AliconaImaging GmbH公司已经通过在工具机上集成复杂的测量装置而解决了该问题。能够在EDM机上（原位）检查工件，而不夹持工件，因此在工件和电极之间维持了精确的位置关系。如果需要的话，机械加工工艺能够在测量之后恢复。Alicona的InfiniteFocus测量装置是基于焦点变化方法的光学仪器（www.alicona.com/products/infinitefocus）。

Alicona的光学***包括以2300nm降至10nm的步长执行待检查腔体的竖直扫描的数字显微镜。该***具有非常小的焦点深度，因此随着每个扫描步长仅在某一竖直位置处的边缘是清晰的。平面中的图像的清晰区域被识别并且被堆叠成腔体的三维表示。也在EP2132524B1中描述的InfiniteFocus***提供了腔体地形的非常精确的图示。所获得的地形能够被处理从而提供所选择区域的尺寸值和面粗糙度值。要注意的是，InfiniteFocus要求相当大的计算性能以处理图像并在合理的时间内得到地形。此外，获得给定位置的过程要求多个图像和平台运动，并且因此是耗时的。

由于焦点变化显微镜的大小以及保持机械加工区域没有操作并保护显微镜自身的需求，所述测量装置放置在独立的机械化竖直平台上，平行于EDM机的主轴。

其缺点是测量装置自身的非常高的成本，并且在工具机内的实施使得大多数用户无法负担。另一缺点在于，所公开的设备仅执行标准测量（确定参数Ra、Rz、Rmax、Sa、Sq、Sz……）并且提供3D地形，但是不能在广义上测量功能表面。此外，由于获取每个给定位置所需的多个图像和平台运动，获取覆盖大面积的图像可能是非常耗时的。

因此，需要高效且可负担的在机器上的测量***，借此能够在工具机上原位确定包括可能的缺陷的表面特性。

发明内容

本发明的目标是一种改进的机械加工方法，其中，由拍摄已加工表面的图像的基于数字相机的测量结果来特征化通过电火花加工机或其他机械加工工艺所形成的表面，并且分析所述2D图像以便评估表面特性。由图案识别算法执行这种分析，该图案识别算法用表面的图像作为输入并且产生表面特性的评估结果作为输出。

在本发明的优选实施例中，图案识别算法实施机器学习技术；之前用训练数据集对该图案识别算法进行训练，该训练数据集由表面特性已知的表面的参考图像的列表构成。

在此事先确定了训练数据集。训练数据集至少包括多个参考表面的每一个的图像，以及已经使用参考测量设备确定的每个所述参考表面的表面特性。

随后借由训练数据集自动地训练图案识别算法，即上面提到的参考表面的图像以及与每个所述图像相关联的测得表面特性。

一旦图案识别算法被训练，其可以用于评估新形成的表面的表面特性。借由直接原位安装在工具机上的数字相机拍摄被机械加工的表面的图像。借由提供对表面特性的评估的图案识别算法来处理图像。

要注意的是，取决于所实施的具体机器学习算法，可能不再需要训练数据集，即，图像不能存储在机器上以用于使用算法。

在本发明的另一实施例中，图案识别算法对已加工表面的图像与训练数据集中已有的表面的图像进行比较，并且在图像中确定最佳匹配表面。

在本发明的另外的实施例中，一个或多个预定训练数据集和/或所述一个或多个图案识别算法存储在工具机的工具机控制单元中或者远程地存储。如果远程地存储，工具机的工具机控制单元能够借由网络访问（多个）数据集。

本发明的解决方案基于下述考虑：如果整个表面满足需求则被机械加工的表面实现期望的技术效果或美学效果。例如，工件上的功能表面由工件上的功能结构的集合而提供。因此测量必须基于整体观测而非线测量。

所使用的光学装置能够例如是包括CCD传感器的相机，例如，来自挪威Klaebu的Conoptica AS的产品（www.conoptica.com）。能够使用具有足够分辨率的任何数字相机来拍摄已加工表面的图像。

优选地数字相机被固定地或可移除地安装在工具机内并且与工具机计算机数字控制（CNC）软件通信。

在优选实施例中，数字相机装备有机械接口（或保持器），由此其能够被精确地、可重复地并自动地操纵，被夹持至卡盘并从卡盘移除，类似于标准工具被存储并且进行一般管理，并且由工具机的CNC控制。在电火花加工机的情形中，所述机械接口是已知类型的标准电极保持器，包括拉杆以及精确的几何基准，因此与机器的夹持***完全兼容。以此方式，数字相机的光轴优选地与机器的Z轴平行。

在优选实施例中，数字相机被自动地夹持在机械头的卡盘上，替代工具来执行原位图像获取。以此方式，数字相机能够访问工具机的整个机械加工区域，并且使数字相机的光轴与机器的Z轴之间的距离最小化。

替代地，该工具机包括特定地专用于数字相机的第二卡盘，所述第二卡盘与中心卡盘同轴。数字相机仍然能够被自动地操纵。以此方式，在机械加工操作期间，根据特殊需求以及由工作区域内的构造提供的可能性而（自动地）移除数字相机或者使数字相机保持就位。

在优选实施例中，数字相机具有无线电源和通信，即：

- 数字相机具有集成的能量存储装置（诸如，可重复充电的电池或电容器）从而提供通常为一个小时的独立工作，或者数字相机与工具机的一部分感应地耦合以向数字相机持续地提供能量，和/或

-无线数字传输***。

在优选实施例中，数字相机存储在自动工具切换器（ATC）的库或者大容量库中，并且由ATC的抓取器、操作操纵器或机械人操纵。用于数字相机的存储装置可以包括具有用于数字相机的可重复充电电池或电容器的再充电装置的专用位置。在另一实施例中，数字相机能够由自动制造单元的多个机器利用，该多个机器具有能够使数字相机用于多于一个机器的公用的机器人操纵器或其他装置。这些机器能够是相同或不同类型的工具机。数字相机与工具机的控制单元、单元计算机或者主机通信。

以此方式可甚至更高效地使用数字相机，并且由所有机器分担其成本。访问数字相机的每个机器也变为表面检查机和尺寸测量机，因此能够在需要和/或可能时检查实际工件并且采取校正动作。

在操作中，在期望的一个或多个位置激活并定位数字相机以拍摄一个或多个图像，即，机械加工表面的成像区域。通过之前用训练数据集训练的图案识别算法来处理每个图像。

图案识别算法是已知的并且是现有技术。图案识别领域涉及通过使用计算机算法自动发现数据中的规律并使用这些规律以采取动作，诸如，将数据分类为不同的类别。图案识别算法和示例性用途例如描述在由作者Chr.Bishop所著的书籍“Pattern Recognitionand Machine Learning”中（Springer出版社，ISBN 978-0-387-31073-2）。

图案识别算法（PRA-S）评估被机械加工的表面的相关表面特性，诸如（但不限于）：

－轮廓粗糙度参数（Ra，Rz，Rmax，RSm）；

－面粗糙度参数（Sa，Sq，Sz）；

－功能表面的特定特征，诸如，超疏水性。

对于给定一个相机图像能够评估的表面特性中的每一个，PRA-S的算法可以产生以下两个输出之一：

－单个值，其描述了在输入图像中可见的整个表面区域上的平均表面特性。

－2D矩阵值，其相当于描述成像区域的不同部分中的表面特性值的映射图。例如，该映射图可以是10×10矩阵，相当于成像区域的规则10×10网格分段。在矩阵的每个单元中，报告了成像区域的对应部分中评估的表面特性。

在EDM、激光加工和其他热机械加工工艺的情形中，由于材料的窄区域的短时加热和快速冷却，钢工件的表面被改性，形成所谓的热影响区（HAZ）。HAZ包括：由晶体结构以及一定程度上化学组分已经受影响的重新固化材料（白色层，重铸层）所形成的顶部凹坑层；尚未被放电熔化或气化、但是由于快速冷却已经在结构上被改性的中间层；以及在晶体结构上尚未受影响的基底材料。HAZ的深度取决于放电的热量能够穿透材料的深度；其正比于放电脉冲的能量，主要是电流幅值、电流脉冲持续时间以及脉冲形状。白色层具有增大的硬度、脆性、可能具有微裂缝。现有技术的EDM机中，通过将脉冲能量逐渐地减小至很小的值而几乎完全消除HAZ。

另外，EDM工艺的工艺条件可能会恶化产生的缺陷，诸如，电弧点和黑点（灼烧部）。这随着不良的冲刷条件而出现，明显地具有包括强凹痕和突出部、大电极面积、不适当的冲刷流、尺寸过小的电极间间隙等的几何形状。电介质使从凹坑喷出的熔融材料冷却，其固化成小颗粒。如果所述颗粒没有从间隙被有效地移除，它们的含量能够局部地增大并且随后的放电将出现在相同或类似位置处。放电的集中可以导致上述缺陷。实际上，EDM机能够基于过程信号和不连续的坏放电而分辨恶化过程，并且例如通过冲刷移动或者通过延长脉冲暂停而做出反应（参见EP 1 918 054）。

当然，上面描述的问题不仅发生在电火花刻模加工工艺中，而且同样地发生在几乎所有的机械加工工艺中。例如，铣削过可能产生震颤印迹（chatter mark）、毛刺（burr）、破裂（breakouts）、微几何误差等。

另外，基底铸造材料可能包括各种缺陷，诸如，杂质、气体多孔性和其他非均匀性。

上述缺陷可能导致缩短的服务寿命，部件的过早失效或者仅导致因为美学原因而抛弃工件。因此期望的是原位识别并分类这些缺陷。这将允许在实际的制造进程中采取校正动作，从而在某种程度上减少工件的后处理。

考虑到图像获取，被机械加工的表面的制备应该尽可能地好，即，机械加工残留物（碎屑、腐蚀颗粒等）和加工流体（电介质、冷却剂、乳剂等）必须通过表面清洁工艺移除。如果所述清洁工艺没有被适当地执行，机械加工残留物可能存在于表面上，并且应该被识别为残留物而不是表面缺陷。

因此，除了用于轮廓粗糙度参数和面粗糙度参数以及功能表面的特定特征的评估的前述图案识别算法（PRA-S）之外，根据本发明的用于机械加工的方法进一步或替代地包括用于识别缺陷图案（特别是机械加工缺陷图案、诸如，蚀损斑、裂缝、灼烧部等，以及出现在被机械加工的表面上的材料缺陷图案）的图案识别算法（PRA-D）。

如果多个缺陷被识别为机械加工残留物，则因此能够开始清洁循环并且在已加工表面上重复抓取图像。

图形识别***基于已知的机器学习算法。在优选实施例中，采用复杂算法以便评估成像表面的参数；这种算法的非穷举性枚举包括：最邻近分类器（Nearest-Neighborclassifier），最邻近回归元（Nearest-Neighbor regressor），单层或多层神经网络（SingleLayer or Multi-Layer Neural Networks），卷积神经网络（ConvolutionalNeural Networks），支持向量机（Support Vector Machines）（参照引用文献）。这些算法必须之前用训练数据集进行训练。在已经从这些图像提取并计算与任务相关的数字特征之后在图像上执行这些算法中的一些算法；其他算法直接在图像的像素值上执行（诸如，卷积神经网络），并且无需从图像中提取数字特征。

在另一实施例中，图案识别算法搜索整个训练数据集以用于（根据一些限定度量）最佳匹配所观测图像的图像，并且将训练数据集中的对应参考表面的参数作为评估结果返回。这些度量的示例包括（但不限于）：逐个像素的绝对差值之和；逐个像素的方差之和；在新图像和参考图像中找到最佳对齐之后的方差之和；在高维特征空间中的欧式距离，其中，使用局部二元图案（Local Binary Pattern）描述符或其变量之一计算特征；高维特征空间中的欧时距离，其中，使用其他纹理描述符计算特征。

下文中详细描述用于获取训练数据集的工序。

在图案识别***的研发期间在实验室设定中一次性获取训练数据集。特别地，为了构建训练数据集，借由使用各种工件材料、各种工具和各种机械加工参数设定（方案）的所考虑的机械加工工艺形成不同的参考表面（即，具有不同表面特性的表面）。随后使用已知精确度和不确定性的参考测量设备测量每个参考表面；因此已知对于每个参考表面的所有相关表面特性的精确值。每个图形仅执行该工序一次，因此人们能够投入所需时间和装置来详细描述这个表面，该表面将用作参考表面以用于通过未来机械加工的表面的图案识别进行评估。

优选地，对于每个参考表面，采用相同或相似数字相机并且在相同或相似的获取条件下获取一个或多个图像，该相同或相似的获取条件利用最终的图案识别***在工具机上实施。换言之，用于在实验室环境下获取参考表面的图像的数字相机和获取条件应该与由图案识别算法在车间的工具机上所使用的相同或者类似。待考虑的获取条件特别地包括两者的光照条件，参考表面/已加工表面的受控照明以及拍摄参考表面的图像和已加工表面的图像所处的实验室/车间的外部照明。

要注意的是，能够使用不同的、良好限定的光照条件观测某一参考表面以便获得关于该表面的更多图像，例如，通过使用包括可选择性寻址的LED的光环。当然，当抓取待检查的已加工表面的图像时也必须使用所述良好限定的光照条件。实际上，本发明的***能够实施两个可能方案中的一个以应对合适的光照。

－在本发明的一个方案中，对于参考表面和待分析表面中的每个感兴趣的位置获取一个图像。总是使用相同的光照设置获取该图像。

－在另一方案中，对于参考表面中和待分析表面中的每个感兴趣的位置获取多个图像（N）。对于所获取的每个图像，使用可控照明子***（诸如，上述可寻址LED环）实施不同的光照设置。预先确定并且固定对于给定位置所获取的与第一个、第二个……第N个图像相关联的光照设置。例如，对于每个给定位置所获取的第一个图像可以总是仅使用在照明环的最右侧部分处的单个LED照明，而对于每个给定位置所获取的第二个图像可以总是使用该环的所有LED照明。

这导致参考表面的图像的列表，通过参考测量精确地已知其表面特性，例如，使用参考测量设备获得，如之前提到并已知的Talyor Hobson Ltd.公司的粗糙度测量仪器。之前用参考测量设备测量的参考表面的图像以及相关联的特性构成了训练数据集，该训练数据集随后被用于自动训练，即，用于调整由本发明的***所使用的图案识别算法的参数。学习阶段（即，图案识别算法的训练）被执行一次，优选地使用具有超级处理性能和可能专用的硬件（诸如，图形处理单元（GPU））的计算机执行。总之，预先一次性在实验室中进行参考表面的机械加工、确定参考表面特性、抓取参考图像、将参考图像与所确定表面特性相关联以及图案识别算法的训练。

一旦完成图案识别算法的训练，***准备好分别由终端用户在车间中使用。被机械加工的工件的一个或多个表面图像的获取以及通过图案识别算法对该被机械加工的表面的一个或多个特性的评估（下文中称作测量阶段）可以在腔体的机械加工结束时（达到额定深度；达到目标几何形状）、或者在中间机械加工深度处（例如，在最后一个机械加工步骤之前的一个或多个机械加工步骤处）执行。在该情形中，有意地暂停机械加工工艺以便在期望的机械加工表面上执行中间测量阶段。如果被机械加工的表面的特性评估显示与预期结果的非一致性，则设定修改的机械加工参数（方案）和/或修改的目标深度（或更通常地为目标几何形状）以便完成该腔体。随后用相应地具有修改的目标深度的修改的机械加工参数来恢复机械加工工艺。如果校正动作是不可能的，则控制单元发出警报消息和/或初始化例外工序。所述例外工序可以包括：停止机械加工工艺，非一致性的自动归档记录，使缺陷部分与良好部分分离等。基于编程设定，可以在用户请求时或者通过CNC自主地执行该测量阶段。

在另一实施例中，数字相机被移动至工件表面的一个或多个预定位置，在所述预定位置处拍摄感兴趣的图像。替代地，在整个所选择的区域上或者在整个被机械加工的工件表面上移动数字相机，例如，在擦拭模式中，从而获取相邻区域的许多图像。将相邻区域的图像接合在一起以提供所选择区域的整体图像。通过使用第一图案识别算法（PRA-S）或者第二图案识别算法（PRA-D）或者两者来处理各个图像。例如在图表或视图中呈现相应的评估结果。可以进一步分析该评估结果以确定所选值的平均值、最大值、最小值等。优选地，将评估结果叠加至代表当前机械加工的图形，从而突出最大值、最小值、缺陷等。以此方式，用户能够容易地将评估结果与机械加工内的位置相联系。

要注意的是，图案识别算法仅要求中等处理能力以评估被机械加工的表面的特性，并且在非常短的时间内执行基于所述算法的评估。所需的处理能力能够采用现代工具机的控制单元获得。

本发明提供了一种安全、经济且有效的方法以便检查已加工工件从而确保其没有缺陷并且具有所需的表面质量。该方法识别不可接受的表面特性，提供无价的早期检查机制。此外，通过在实际的机械加工的进程中采用中间检查，改进了工艺、质量和工艺可靠性。

对于表面分析和对于相关动作的应用的简化因素由下述事实给出：现代工具机越来越受控于对于给定的机械加工任务应用预先存储的方案的专家***。这也使能无经验的操作者能够实现良好的结果。与本发明相关，这在大多数情形中具有其他方案所不可能实现的效果，并且图案识别***利用来自专家***的关于预期表面质量的输入，并且因此仅具有有限的搜索区域。

通过实施例的下列详细描述及其附图将使得本发明的方法的其他特征对于本领域技术人员而言变得明显。

附图说明

现在将通过示例的方式并且参照附图描述本发明的实施例，其中：

图1a是具有存储在支架中的光学测量***的EDM工具机的简化示意图；

图1b是具有放置在工具机头部中的光学测量***以获取表面图像的EDM工具机的简化示意图；

图2 是具有放置在支架中的光学测量***的制造单元的示意图；

图3-4是采用不同的机械加工参数由EDM加工的工件表面的图像；

图5-6是鉴于对表面特性的评估而由数字相机拍摄的采用不同参数由EDM加工的工件表面的图像；

图7是具有超疏水属性的功能表面的图像；

图8是表面中的微裂缝的图像；

图9是表面中的灼烧部的图像；

图10是训练数据集构建阶段的流程图；

图11是用于评估缺陷和表面特性的算法的流程图。

具体实施方式

根据图1a，其示出了装备有数字相机12的电火花刻模机1。数字相机的光轴与工具机的Z轴平行。数字相机借由2D数字相机或者通过当相机和表面在相对于彼此正交的方向上线性地移动时获取表面的线性相机而获取机械加工表面的2D图像。工具电极10被夹持至加工头16上的卡盘，而数字相机12安全地存储在位于加工区域的边界处的电极切换器的支架15中，或者在大容量库中位于加工区域外（参见图2）。

在初始的加工阶段之后，暂停加工工艺，排出加工液并且准备测量工件11。手动或自动地清洁并干燥目标区域。

借由电极切换器从工具电极10的工作位置移除该工具电极，该工具电极被存储在支架15中并且由数字相机12替换，现在将数字相机精确地夹持至加工头16上的卡盘，如图1b中所示。利用标准EDM电极工具保持器可能出现例如2μm的重新夹持误差。通常，所述误差与本发明无关，然而可以使用校正循环来校正数字相机的光轴相对于工具机轴线的偏移。

图2示出了制造单元，其包括点火花刻模机1，大容量库2，安装在轨道上的机器人操纵器3，以及其他工具机或工位（未示出）。如所示，数字相机12存储在库2中，在这里，该数字相机能够由机器人操纵器3抓取并夹持在工具机1或另一工具机上。库2内的特定位置专用于数字相机12，所述位置包括充电单元4，由此通过充电单元4对数字相机的电池进行充电。充电可感应式地或者通过与数字相机物理接触而进行。

数字相机12获取工件11的表面的一个或多个图像。图3示出了如通过刻模工艺产生的典型的凹坑地形。该示例的Ra值为具有1.26μm，以及RSm为78μm，这可以在抛光步骤中实现。能够由工具机访问的工具机存储器或者远程存储器包括已预先训练的图案识别算法。使用训练数据集预先训练这种算法，该数据集在实验室中通过加工大量参考表面并且用复杂的参考仪器测量这些参考表面以及对于每个特定的加工条件（即，电极配对方案）获得多个参考值（例如，Ra、Rz、RSm、Rt、Sa、Sz）而形成。训练数据集包括每个参考表面的一个或多个图像，其中，一个或多个参考值与所述参考表面的一个或多个图像相关联。

通过观察具有相同放大倍率的图3和图4能够理解本发明的优越性。尽管这两个图像看起来不同，但它们具有相同的Ra值。因此仅由一个表面特性值（例如，Ra）来描述表面特性可以是不够的。考虑整个表面的整体方案不仅评估通常使用的表面特性化参数Ra、Rz、RSm、Rt、Sa、Sz，而且还能够提供关于所述表面的特定功能特性的正确信息（例如，疏水性、疏油性、抗菌性）。

图5和图6是已经由EDM加工过的表面的另外的图像。考虑到多表面特性的评估而由数字相机拍摄图像。要注意的是，图5和图6中的表面具有相同的算术粗糙度Ra，但是具有不同的轮廓元件宽度RSm。通过应用根据本发明的图案识别算法可容易且快速地评估表面特性。

图7是具有超疏水性属性的功能表面的图像。这种表面具有非常复杂的结构，其无法用现有的方法来描述。然而本发明提供了所有工具机使用者可负担的用于表面检查的成本有效的解决方案，而在现有技术中所需的复杂的、非常昂贵的测量仪器对于他们中的大多数而言是遥不可及的。

图8是被机械加工的工件的已抛光显微截面，其示出了在重铸层中出现的重要裂缝。图9是被机械加工的工件的照片，其示出了灼烧印迹。这种损伤能够由多种原因引起，例如，采用不合适的加工参数，但是也可能是由于不同的冲洗条件等。重要的是避免这些缺陷；如果总是产生这种缺陷，则安全地定位它们是必要的。

在图10中图示了构建用于预先训练的图案识别算法的训练数据集的顺序：首先，用限定的方案形成参考表面。采用合适的数字相机和照明设置为每个参考表面拍摄一个或优选的多个图像，这类似于在工具机中实施的那些步骤。通过使用参考测量设备（例如，Talyor Hobson Ltd公司的所提及的和已知的粗糙度测量仪器）来确定这些表面的表面特性。所形成的参考表面的图像以及相关联的测得的表面特性被列在数据集中并构成了随后在学习阶段中用于训练由本发明所使用的图案识别算法的训练数据集。

本发明的可能运算顺序示出在图11中以用于简化的加工任务，即，在Z轴（竖直）方向上的侵蚀。在预定的中间点处暂停加工工艺，并且工件11被制备以及借由数字相机12获取图像，如以上进一步所述。预先训练的图案识别算法仅基于加工表面的图像而评估表面特性或者表面缺陷的存在。这能够在一步或者（如图11所示）两步中完成：第一图案识别算法（PRA-D）评估表面缺陷的存在（例如，参见图8）。第二图案识别算法（PRA-S）评估表面特性。

如果由一个或两个图案识别算法PRA-D和PRA-S确定的评估结果与期望值不相对应，则工具机能够调整加工参数并且随其恢复加工工艺以校正该不准确性。因此建议在仍然存在允许最终校正的空间时检查表面。上述加工的预定点优选地是预定的加工深度。例如，如果加工深度是Z＝-10 mm，则可以在-9.95mm处进行检查以允许通过使用校正方案加工50μm。替代地，上述加工的预定点可以是预定的加工时间或者预定的方案或者其他准则。如果两个图案识别算法PRA-D和PRA-S没有确定任何表面缺陷或者表面质量问题，则工件的加工能够继续，或者在加工工艺结束时应用本发明的测量方法的情形中，以表面特性的确定来结束该加工工艺。

在优选实施例中，工具机进一步包括用于尺寸测量的机构或方法，诸如，腔体的有效（中间或最终）深度的测量。例如，可以由电极或者触碰探针触碰腔体的顶表面和底部，或者用于获取图像的数字相机包括用于确定表面的精确Z向位置的特征并且因此可以用于确定腔体的深度。在相对于期望的中间深度值有偏差的情形中，能够通过恢复加工而校正加工深度。考虑到最终校正，由此更精确地识别材料的剩余量以便在最终的工件表面处相应地实现期望的表面特性和期望的粗糙度。

如刚才解释的，在优选实施例中本发明的方法包括使用第二图案识别算法（PRA－D）来检测（即，评估）多个可能的表面缺陷的存在。这些缺陷能够是凹坑、裂缝、灼烧部等（参见图8和图9）。

优选地，用于检测表面缺陷的第二图案识别算法（PRA-D）在图案识别算法（PRA-S）之前应用以便评估表面特性。在由第二图案识别算法（PRA-D）确定表面缺陷的情况下，则对应地调整工艺参数。该质量控制例如对于航天应用是非常重要的。如图8中所示的微裂缝能够具有灾难性的后果。至少它们减少了部件的使用寿命，因此必须被避免。通过使用本发明的方法，能够通过将它们与良好部件分离而自动地抛弃有缺陷的工件，并且自动地归档记录非一致性。

缺陷检查也能够是工艺驱动的，例如在所获得的EDM加工工艺参数发送恶化或危险情况（例如，短路或电弧放电率）的信号的情形中。在该情形中能够停止加工工艺并且能够根据本发明的方法执行缺陷检查。

由于在现代EDM工具机中能够检测放电位置，所以能够产生具有恶化放电的区域的地图。以此方式根据本发明的检查能够可能地减少该恶化或危险情况发生的区域。

能够通过应用翻转极性（电极负极，工件正极）并且通过产生非常短的脉冲、或者正极性和低频脉冲来校正一些较小的缺陷，例如灼烧部（参见图9）。

在该情形中，根据本发明，首先移除较小缺陷，随后如以上进一步所述地实现正确的粗糙度。

本发明解决了当前加工相对于目标值和公差的特定偏离，因此提供了自适应的加工工艺。

本发明能够应用于大多数类型的工具机和工件的加工操作，诸如，电火花加工机、激光加工机、研磨机或铣削机。

本发明还涉及对应地装备用于应用本发明方法的工具机。因此用于工件的加工的准备好的工具机包括用于控制工件的加工的计算机数字控制***（CNC）。计算数字控制***（CNC）装备有用于确定已加工工件表面的表面特性和/或表面缺陷的集成检查***。具有其集成检查***的计算机数字控制***（CNC）根据本发明的方法加工并检查工件。该检查***装备有数字相机，该数字相机优选地可移除地安装在工具机内。

优选地该工具机是电火花加工机、激光处理机、研磨机或铣削机。

在优选的实施例中，该工具机包括相关联的工具库，数字相机存储在该工具库中。优选地，数字相机是无线数字相机。

另外，本发明也涉及包括两个或更多本发明的工具机的制造单元。该制造单元包括工具库，其由制造单元的多个工具机共用。优选地，数字相机能够由所述制造单元的多个工具机利用。最优选地，数字相机存储在工具库中并且能够由制造单元的多个工具机利用。

本发明不限于已明确解释的示例和实施例。所示替代方案相反地应视为意在促使本领域技术人员有动机以最有利的方式实施本发明的建议。

附图标记

1 工具机

2 工具库，电极库

3 机器人操纵器，机器人

4 充电单元

10 工具电极

11 工件

12 数字相机

15 支架，工具保持器

16 加工头。

Claims (15)

1.一种用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，所述方法包括至少一次加工工艺中断，在所述加工工艺中断期间检查所述工件（11）的已加工表面，其特征在于，

在所述加工工艺中断期间，借由数字相机（12）原位拍摄已加工工件表面的至少一个图像，并且由之前借由预定训练数据集训练过的图案识别算法（PRA-D，PRA-S）处理所述至少一个图像，

其中，所述预定训练数据集包括多个参考表面的一个或多个参考图像，每个参考图像与一个或多个已知的表面特性和/或参考表面的已知特性缺陷相关联，

以及通过所述图案识别算法（PRA-D，PRA-S）评估在所述至少一个图像上拍摄的所述已加工工件表面的至少一个表面特性或者在所述至少一个图像上拍摄的所述已加工工件表面的一个或多个特性缺陷的存在，从而分配由所述图案识别算法确定的对应表面特性和/或特性缺陷。

2.根据权利要求1所述的用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，所述方法包括一个或多个图案识别算法，其中：

－训练一个图案识别算法（PRA-S）以便评估所述已加工工件表面的至少一个表面特性；和/或

－训练一个图案识别算法（PRA-D）以便评估所述已加工工件表面上的特性缺陷的存在。

3.根据权利要求1或2所述的用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，所述方法包括一个或多个预定训练数据集，其特征在于，所述至少一个预定训练数据集包括具有多个记录的列表，其中，每个记录包括：

－参考图像以及与所述参考图像相关联的至少一个已知的表面特性；或者

－参考图像和已知的特性缺陷。

4.根据权利要求3所述的用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，其特征在于，所述一个或多个预定训练数据集和/或所述一个或多个图案识别算法：

－被存储在所述工具机（1）的工具机控制单元中；或者

－被远程地存储，并且所述工具机（1）的工具机控制单元能够借由网络访问。

5.根据前述权利要求的任一项所述的用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，其特征在于，训练所述图案识别算法PRA-S以便评估下述表面特性中的至少一个：

－轮廓粗糙度参数（Ra，Rz，Rmax，RSm）；或者

－面粗糙度参数（Sa，Sq，Sz）；或者

－功能工件表面的特定特征。

6.根据权利要求5所述的用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，其特征在于，所述功能表面的特定特征与下述工件表面属性中的一个相关联：超疏水性，疏油性，抗菌性。

7.根据前述权利要求的任一项所述的用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，其特征在于，训练所述图案识别算法PRA-D以便识别所述已加工工件表面上的缺陷，所述缺陷是下述内容中的一个或多个：凹坑印迹，微裂缝，灼烧印迹，震颤印迹，毛刺，断裂，微几何误差，材料缺陷，加工残留物。

8.根据前述权利要求的任一项所述的用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，其特征在于，在当前加工工艺的加工工艺中断期间检查所述已加工工件表面，其中，所述加工工艺中断是：

－加工工艺暂停；或者

－所述加工工艺的结束。

9.根据权利要求8所述的用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，其特征在于，

在加工工艺暂停期间检查所述已加工工件表面，以及将由所述图案识别算法PRA-S和/或PRA-D评估的所述已加工工件表面的至少一个特性与目标特性进行比较，并且基于所述比较而恢复、结束或放弃所述加工工艺。

10.根据权利要求8所述的用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，其特征在于，恢复所述加工工艺，并且考虑到所述图案识别算法（PRA-D）的评估结果和/或利用所述图案识别算法（PRA-S）的评估结果而保持或者改变加工参数。

11.根据权利要求9所述的用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，其特征在于，在工艺暂停期间或者在工艺完成时检查所述已加工工件表面，以及将所述已加工工件表面的至少一个评估特性与目标特性进行比较，并且采取下述动作中的一个或多个：

－归档记录至少一个评估特性以及与所述目标特性的比较结果；

－根据所述比较的结果为良好或有缺陷而处理所述工件。

12.根据前述权利要求的任一项所述的用于在工具机（1）中加工工件（11）并且检查已加工工件表面的方法，其特征在于，考虑到用数字相机（12）拍摄图像，所述加工工艺中断包括一个或多个清洁和干燥循环，其中，如果所述图案识别算法（PRA-D，PRA-S）将一个或多个缺陷评估为加工残留物，则重复所述清洁和干燥循环。

13.一种用于加工工件（11）的工具机（1），所述工具机（1）包括用于控制工件（11）的加工的计算机数字控制***（CNC），其中，所述计算机数字控制***（CNC）装备有用于确定所述已加工工件表面的表面特性和/或特性缺陷的集成检查***，其特征在于

所述具有其集成检查***的计算机数字控制***（CNC）根据之前的方法权利要求的任一项加工所述工件（11），

所述检查***装备有数字相机（12），所述数字相机优选地可移除地安装在所述工具机（1）内，

最优选地，所述工具机（1）是电火花加工机、激光处理机、研磨机或铣削机。

14.根据权利要求13所述的用于加工工件（11）的工具机（1），其特征在于，所述数字相机（12）是无线数字相机，以及所述无线数字相机（12）存储在与所述工具机（1）相关联的工具库（2）中。

15.一种制造单元，所述制造单元包括多于两个的根据权利要求13所述的工具机（1），所述制造单元进一步包括由所述制造单元的所述工具机共用的工具库（2），其特征在于，所述数字相机能够由所述制造单元的多个工具机利用。