CN109702648B - 一种砂轮负载现象在位监测***及方法 - Google Patents
一种砂轮负载现象在位监测***及方法 Download PDFInfo
- Publication number
- CN109702648B CN109702648B CN201910136096.7A CN201910136096A CN109702648B CN 109702648 B CN109702648 B CN 109702648B CN 201910136096 A CN201910136096 A CN 201910136096A CN 109702648 B CN109702648 B CN 109702648B
- Authority
- CN
- China
- Prior art keywords
- grinding wheel
- acoustic emission
- load
- diamond grinding
- phenomenon
- 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.)
- Active
Links
Images
Landscapes
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明涉及一种砂轮负载现象在位监测***及方法,包括声发射信号采集装置,采用一个流体式声发射传感器;声发射信号处理***,包括特征参量提取模块和判断模块;视觉检测装置,采用一个CCD高清摄像头;图像处理***,包括灰度值提取模块、面积计算模块和负载率计算模块;诊断***,包括一个判断模块和报警模块,根据负载率判断是否需要报警及修整砂轮。本发明还提供了一种砂轮负载现象在位监测方法:首先利用流体式声发射传感器采集声发射信号,其次根据声发射特征参数和阈值的比较判断是否产生负载现象,若是,则开启CCD高清摄像头拍摄砂轮表面形貌,然后对表面形貌图像进行处理,得到负载区域面积和负载率,最后根据负载率判断是否需要报警及修整齿轮。
Description
技术领域
本发明涉及精密磨削加工技术领域,尤其涉及一种砂轮负载现象在位监测***及方法。
背景技术
随着高速高精度磨削技术的发展,磨削加工逐渐被应用于各种精密、高精密等加工场合,且涉及到机械加工的各个领域。砂轮作为磨削加工和磨床上最重要的工具,砂轮的表面状况对磨削性能起着重要的作用。在加工过程中极易因为加工工件质地较软,而导致砂轮产生负载现象,即砂轮磨粒之间的多孔空间中分离的碎屑堆积,这种现象会产生磨钝的砂轮晶粒,导致砂轮切削能力退化,产生过度的摩擦和振动;降低了砂轮的使用寿命,提高了磨削力和磨削温度。因此,砂轮在磨削过程中负载现象的识别是十分关键和必要的。
文献[1](Chien-Sheng Liu.Yu-An Li.Evaluation of grinding wheel loadingphenomena by using acoustic emission signals.The International Journal ofAdvanced Manufacturing Technology(2018)99:1109–1117.)中提到一种将声发射信号的过程集成测量、离线数字图像处理和工件表面粗糙度测量相结合,利用声发射信号的某些特征参数表征和评价砂轮的负载现象的测量方法。该测量方法可以从声发射信号中提供一个定量指标来评价砂轮负载现象,用离线数字图像处理和工件表面粗糙度测量相结合来判断声发射信号所检测到的砂轮负载现象是否准确,没有将声发射检测和视觉检测很好的结合起来,最终还是单独的用声发射信号的特征参数来评价砂轮负载现象,评价结果不直观。并且采用离线数字图像处理,砂轮的卸载和安装过程繁琐,效率低下。因此,本领域的技术人员致力于开发一种砂轮负载现象在位监测***及方法。
发明内容
鉴于现有技术的上述缺陷,本发明所要解决的技术问题是现有技术砂轮负载现象处理主要为离线形式,速度慢,且监测过程较为繁琐,智能化程度不高,无法将砂轮负载现象进行量化。
为实现上述目的,本发明提供了一种砂轮负载现象在位监测***及方法,实现砂轮负载现象的在位监测,利用负载区域面积和总体面积的比值,将砂轮负载现象进行量化,具体的技术方案如下:
一种砂轮负载现象在位监测***包括:
声发射信号采集装置,包括一个流体式声发射传感器,安装在砂轮加工处用来代替冷却液喷头,用于采集砂轮运转过程中所产生的声发射信号;
声发射信号处理***,包括特征参量提取模块和判断模块,用于对采集到的声发射信号进行处理,以便于即时发现砂轮运转过程中所产生的砂轮负载现象;
视觉检测装置,包括一个CCD高清摄像头,垂直安装在砂轮工作面上方,用于采集金刚石砂轮的表面形貌;
图像处理***,包括灰度值提取模块、面积计算模块和负载率计算模块,用于处理采集到的金刚石砂轮的表面形貌图像,根据灰度值确定金刚石磨粒和加载金属碎片的分布情况,进一步确定图像中砂轮产生负载现象的区域,并量化得到负载率;
诊断***,包括一个判断模块和报警模块,根据产生负载现象的区域和负载率,以确定是否需要报警及修整砂轮。
进一步地,所述的流体式声发射传感器采用双叠片式流体式声发射传感器,用来代替冷却液喷头,冷却液从流体式声发射传感器中喷出,声发射信号沿与冷却液相反的方向传到流体式声发射传感器中。
进一步地,所述的CCD高清摄像头,分辨率不低于2048×2048,像素尺寸不小于3.88μm×3.88μm。
本发明另一方面提供了一种基于所述装置的砂轮负载现象在位监测方法,包括步骤:
步骤1:采集砂轮运转过程中所产生的声发射信号;
步骤2:提取声发射信号的均方根与阈值进行比较,判断砂轮是否存在负载现象,假如均方根大于阈值,则停机,跳转到步骤3,否则返回到步骤1;
步骤3:开启CCD相机,以砂轮停止位置为0°,顺时针旋转,分别选取砂轮0°,90°,180°以及270°四个位置拍摄金刚石砂轮的表面形貌;
步骤4:将拍摄到的金刚石砂轮的表面形貌图像转化为灰度图像,并进行灰度值的提取,通过金刚石磨粒和加载金属碎片灰度值的不同,将两者区分开来,得到金刚石磨粒和加载金属碎片的分布情况,进一步确定砂轮产生负载现象的区域,并根据灰度值计算负载区域面积和负载区域面积占图像总体面积的比值,然后对4幅图片的比值进行平均,得到总体负载率;
步骤5:根据负载区域和负载率,以确定是否需要报警及修整砂轮,假如负载率大于30%,则修整齿轮,假如负载率小于15%,则继续开机,跳转到步骤1,假如负载率在15%~30%之间,则继续开机,同时开启报警装置,以提醒操作人员密切关注工件加工情况。
具体而言,所述的步骤2中的阈值,具体是指在实际加工中根据多次检测砂轮产生负载现象的情况而确定的。
具体而言,所述的步骤3在开启CCD相机拍照之前,需对砂轮表面的油污进行清理。
本发明与现有技术相比具有如下优点:
(1)本发明设计的砂轮负载现象在位监测装置可以实现砂轮的在位测量,避免了砂轮卸载与安装的繁琐,并且智能化程度高,信号处理速度快。
(2)本发明设计的砂轮负载现象在位测量方法流程简单,结果直观,将声发射检测与视觉检测很好的结合在一起,可以对砂轮负载现象进行量化,以确定是否需要报警及修整砂轮。
附图说明
为了更清楚的说明本发明的实施,下面将对描述本发明实施例中所需要用到的附图作简单说明。
图1是本发明实施例的砂轮负载现象在位监测***示意图。
图2是本发明实施例的砂轮负载现象在位监测***的方法流程图。
图中所示:1-砂轮轴;2-砂轮;3-平衡头;4-待加工工件;5-流体式声发射传感器;6-CCD高清摄像头;7-声发射信号处理***;8-图像处理***;9-诊断***。
具体实施方式
为更好理解本发明,下面结合附图和实施例对本发明做进一步的说明,但是本发明要求保护的范围并不局限于实施例表示的范围。
一种砂轮2负载现象在位监测***,包括:
声发射信号采集装置,包括一个流体式声发射传感器5,安装在砂轮2加工处用来代替冷却液喷头,用于采集砂轮2运转过程中所产生的声发射信号;
声发射信号处理***7,包括特征参量提取模块和判断模块,用于对采集到的声发射信号进行处理,以便于即时发现砂轮2运转过程中所产生的砂轮2负载现象;
视觉检测装置,包括一个CCD高清摄像头6,垂直安装在砂轮2工作面上方,用于采集金刚石砂轮2的表面形貌;
图像处理***8,包括灰度值提取模块、面积计算模块和负载率计算模块,用于处理采集到的金刚石砂轮2的表面形貌图像,根据灰度值确定金刚石磨粒和加载金属碎片的分布情况,进一步确定图像中砂轮2产生负载现象的区域,并量化得到负载率;
诊断***9,包括一个判断模块和报警模块,根据产生负载现象的区域和负载率,以确定是否需要报警及修整砂轮2。
本实施例中,所述的流体式声发射传感器5采用双叠片式流体式声发射传感器5,用来代替冷却液喷头,冷却液从流体式声发射传感器5中喷出,声发射信号沿与冷却液相反的方向传到流体式声发射传感器5中。
本实施例中,所述的CCD高清摄像头6,分辨率不低于2048×2048,像素尺寸不小于3.88μm×3.88μm。
本发明另一方面提供了一种基于所述装置的砂轮2负载现象在位监测方法,包括步骤:
步骤1:采集砂轮2运转过程中所产生的声发射信号;
步骤2:提取声发射信号的均方根与阈值进行比较,判断砂轮2是否存在负载现象,假如均方根大于阈值,则停机,跳转到步骤3,否则返回到步骤1;
步骤3:开启CCD相机,以砂轮2停止位置为0°,顺时针旋转,分别选取砂轮2 0°,90°,180°以及270°四个位置拍摄金刚石砂轮2的表面形貌;
步骤4:将拍摄到的金刚石砂轮2的表面形貌图像转化为灰度图像,并进行灰度值的提取,通过金刚石磨粒和加载金属碎片灰度值的不同,将两者区分开来,得到金刚石磨粒和加载金属碎片的分布情况,进一步确定砂轮2产生负载现象的区域,并根据灰度值计算负载区域面积和负载区域面积占图像总体面积的比值,然后对4幅图片的比值进行平均,得到总体负载率;
步骤5:根据负载区域和负载率,以确定是否需要报警及修整砂轮2,假如负载率大于30%,则修整齿轮,假如负载率小于15%,则继续开机,跳转到步骤1,假如负载率在15%~30%之间,则继续开机,同时开启报警装置,以提醒操作人员密切关注工件加工情况。
具体而言,所述的步骤2中的阈值,具体是指在实际加工中根据多次检测砂轮2产生负载现象的情况而确定的。
具体而言,所述的步骤3在开启CCD相机拍照之前,需对砂轮2表面的油污进行清理。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而非是对本发明的实施方式的限定。对于所述领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (5)
1.一种砂轮负载现象在位监测***,其特征在于,包括:
声发射信号采集装置,包括一个流体式声发射传感器,安装在金刚石砂轮加工处用来代替冷却液喷头,用于采集金刚石砂轮运转过程中所产生的声发射信号;
声发射信号处理***,包括特征参量提取模块和判断模块,用于对采集到的声发射信号进行处理,以便于即时发现金刚石砂轮运转过程中所产生的金刚石砂轮负载现象;
视觉检测装置,包括一个CCD高清摄像头,垂直安装在金刚石砂轮工作面上方,用于采集金刚石砂轮的表面形貌;
图像处理***,包括灰度值提取模块、面积计算模块和负载率计算模块,用于处理采集到的金刚石砂轮的表面形貌图像,根据金刚石磨粒与加载金属碎片灰度值的不同确定负载区域并计算得到面积,最终量化得到负载率;
诊断***,包括一个判断模块和报警模块,根据产生负载现象的区域和负载率,以确定是否需要报警及修整金刚石砂轮。
2.根据权利要求1所述的砂轮负载现象在位监测***,其特征在于,所述的流体式声发射传感器采用双叠片式流体式声发射传感器,冷却液从流体式声发射传感器中喷出,声发射信号沿与冷却液相反的方向传到流体式声发射传感器中。
3.根据权利要求1所述的砂轮负载现象在位监测***,其特征在于,所述的CCD高清摄像头,分辨率不低于2048×2048,像素尺寸不小于3.88μm×3.88μm。
4.一种砂轮负载现象在位监测方法,其特征在于,包括步骤:
步骤(1):采集金刚石砂轮运转过程中所产生的声发射信号;
步骤(2):提取声发射信号的均方根与在实际加工中根据多次检测金刚石砂轮产生负载现象的情况而确定的阈值进行比较,判断金刚石砂轮是否存在负载现象,假如均方根大于阈值,则停机,跳转到步骤(3),否则返回到步骤(1);
步骤(3):开启CCD相机,以金刚石砂轮停止位置为0°,顺时针旋转,分别选取金刚石砂轮0°,90°,180°以及270°四个位置拍摄金刚石砂轮的表面形貌;
步骤(4):将拍摄到的金刚石砂轮的表面形貌图像转化为灰度图像,并进行灰度值的提取,通过金刚石磨粒和加载金属碎片灰度值的不同,将两者区分开来,得到金刚石磨粒和加载金属碎片的分布情况,进一步确定金刚石砂轮产生负载现象的区域,并根据灰度值计算负载区域面积和负载区域面积占图像总体面积的比值,然后对4幅图片的比值进行平均,得到总体负载率;
步骤(5):根据负载区域和负载率,以确定是否需要报警及修整金刚石砂轮,假如负载率大于30%,则修整金刚石砂轮,假如负载率小于15%,则继续开机,跳转到步骤(1),假如负载率在15%~30%之间,则继续开机,同时开启报警装置,以提醒操作人员密切关注工件加工情况。
5.根据权利要求4所述的砂轮负载现象在位监测方法,其特征在于,所述的步骤(3)在开启CCD相机拍照之前,需对金刚石砂轮表面的油污进行清理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910136096.7A CN109702648B (zh) | 2019-02-25 | 2019-02-25 | 一种砂轮负载现象在位监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910136096.7A CN109702648B (zh) | 2019-02-25 | 2019-02-25 | 一种砂轮负载现象在位监测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109702648A CN109702648A (zh) | 2019-05-03 |
CN109702648B true CN109702648B (zh) | 2020-10-13 |
Family
ID=66263833
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910136096.7A Active CN109702648B (zh) | 2019-02-25 | 2019-02-25 | 一种砂轮负载现象在位监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109702648B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111687749A (zh) * | 2020-06-02 | 2020-09-22 | 宁夏巨能机器人股份有限公司 | 一种用于人机协作打磨***的数据处理***及其处理方法 |
CN115338709A (zh) * | 2022-10-18 | 2022-11-15 | 徐州艾奇川自动化设备有限公司 | 一种基于工业智能化的数控加工智能监测控制*** |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN2247801Y (zh) * | 1996-01-23 | 1997-02-19 | 北京理工大学 | 液体声发射传感器 |
CN2928386Y (zh) * | 2005-12-20 | 2007-08-01 | 上海机床厂有限公司 | 砂轮磨损测量及加工误差补偿装置 |
CN101817163B (zh) * | 2010-03-25 | 2012-01-04 | 南京大学 | 一种基于神经网络的磨削加工工况检测方法 |
JP6102480B2 (ja) * | 2013-05-08 | 2017-03-29 | 株式会社ジェイテクト | 研削盤および研削方法 |
CN105345663A (zh) * | 2015-11-25 | 2016-02-24 | 厦门理工学院 | 一种可实时监控磨削工况的砂轮装置 |
CN206855141U (zh) * | 2017-04-01 | 2018-01-09 | 深圳市蓝海永兴实业有限公司 | 一种铣削刀具磨损在线检测装置 |
CN106941605A (zh) * | 2017-04-27 | 2017-07-11 | 华南理工大学 | 一种砂轮修锐修整的图像视觉监控装置及方法 |
-
2019
- 2019-02-25 CN CN201910136096.7A patent/CN109702648B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109702648A (zh) | 2019-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109623655B (zh) | 一种砂轮工作状态在位监测***及方法 | |
Dai et al. | A machine vision system for micro-milling tool condition monitoring | |
Alexandre et al. | Tool condition monitoring of aluminum oxide grinding wheel using AE and fuzzy model | |
Kerr et al. | Assessment and visualisation of machine tool wear using computer vision | |
CN110587377B (zh) | 一种在线监测铣削加工刀具缺损的方法 | |
CN110930405B (zh) | 一种基于图像区域划分的刀具损伤检测方法 | |
US4637054A (en) | Inspecting articles | |
CN109702648B (zh) | 一种砂轮负载现象在位监测***及方法 | |
Kassim et al. | Texture analysis methods for tool condition monitoring | |
US7019834B2 (en) | Tribological debris analysis system | |
CN109030384B (zh) | 一种在线监测打磨质量的方法 | |
CN114279357B (zh) | 一种基于机器视觉的压铸件毛刺尺寸测量方法及*** | |
CN102441581A (zh) | 基于机器视觉的型钢断面尺寸在线检测的装置及方法 | |
CN114140384A (zh) | 基于轮廓拟合与形心跟踪的提升钢丝绳横向振动图像识别算法 | |
CN108335285B (zh) | 一种基于图像处理的金刚石磨粒磨损率测定方法 | |
Kannan et al. | Multi-sensor data analytics for grinding wheel redress life estimation-an approach towards Industry 4.0 | |
CN105184792A (zh) | 一种圆锯片磨损量在线测量方法 | |
Liu et al. | Evaluation of grinding wheel loading phenomena by using acoustic emission signals | |
Arunachalam et al. | Texture analysis for grinding wheel wear assessment using machine vision | |
CN115338709A (zh) | 一种基于工业智能化的数控加工智能监测控制*** | |
Shahabi et al. | On-line monitoring of tool wear in turning operation in the presence of tool misalignment | |
CN107103594B (zh) | 微粉金刚石砂轮磨粒磨耗定量化测量表征方法 | |
Chen et al. | Edge and texture detection of metal image under high temperature and dynamic solidification condition | |
Ferreira et al. | Inferential measurement of the dresser width for the grinding process automation | |
Azarhoushang et al. | In-process grinding wheel wear evaluation using digital image processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |