CN115502892A - 一种钢材超精密磨削表面材料去除方法及*** - Google Patents
一种钢材超精密磨削表面材料去除方法及*** Download PDFInfo
- Publication number
- CN115502892A CN115502892A CN202211423266.8A CN202211423266A CN115502892A CN 115502892 A CN115502892 A CN 115502892A CN 202211423266 A CN202211423266 A CN 202211423266A CN 115502892 A CN115502892 A CN 115502892A
- Authority
- CN
- China
- Prior art keywords
- grinding
- information
- track
- steel
- defect
- 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.)
- Granted
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
- B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B47/00—Drives or gearings; Equipment therefor
- B24B47/20—Drives or gearings; Equipment therefor relating to feed movement
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
- B24B49/006—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation taking regard of the speed
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明提供了一种钢材超精密磨削表面材料去除方法及***,涉及钢材磨削加工技术领域,采集钢材表面图像信息,通过进行特征提取确定钢材表面特征信息,获得机床磨削参数信息并确定磨削效果特征,获得钢材材质信息并确定磨削效果,根据磨削效果与表面缺陷特征进行磨削度计算,确定缺陷单位磨削程度,进一步确定缺陷磨削频次要求并进行标注,通过进行磨削轨迹分析,获得磨削轨迹控制信息,发送至数控机床进行磨削控制,解决了现有技术中进行钢材的表面材料磨削时由于机床智能度不足,使得磨削路径规划分析不够严谨,导致磨削效率较低的技术问题,本申请实现了智能化机床控制,通过机床磨削的数据处理和控制过程一体化,提高钢材磨削效率。
Description
技术领域
本发明涉及机床加工技术领域,具体涉及一种钢材超精密磨削表面材料去除方法及***。
背景技术
钢材作为现如今加工建设的主要材料之一,不仅应用广泛却种类繁多,同时,钢材在应用过程中不可避免的会存在一定的损伤,例如表面裂痕、划痕等,为保证钢材的正常应用,可通过数控机床对相关表面缺陷故障进行磨削,以保障钢材的应用质量,现如今,由于数控机床在缺陷的识别分析处理方面还存在着一定的技术局限性,对于磨削是通过外部输入参数进行控制,流程较为繁琐且智能程度低,使得钢材的磨削进程无法达到预期的标准。
现有技术中,进行钢材的表面材料磨削时由于机床智能度不足,使得磨削路径规划分析不够严谨,导致磨削效率较低。
发明内容
本申请提供了一种钢材超精密磨削表面材料去除方法及***,用于针对解决现有技术中存在的进行钢材的表面材料磨削时由于机床智能度不足,使得磨削路径规划分析不够严谨,导致磨削效率较低的技术问题。
鉴于上述问题,本申请提供了一种钢材超精密磨削表面材料去除方法及***。
第一方面,本申请提供了一种钢材超精密磨削表面材料去除方法,所述方法包括:通过图像采集处理设备对待磨削钢材进行全表面采集,获得钢材表面图像信息;对所述钢材表面图像信息进行特征提取,确定钢材表面特征信息,所述钢材表面特征信息包括表面缺陷特征、缺陷特征坐标信息;获得机床磨削参数信息,其中,所述机床磨削参数信息包括磨削砂轮目数、进给深度信息、磨削转速信息;根据所述磨削砂轮目数、进给深度信息、磨削转速信息,获得磨削效果特征,其中,所述磨削效果特征包括磨削效果特征与钢材材质的对应关系;获得钢材材质信息,基于所述钢材材质信息从所述磨削效果特征中进行磨削效果确定,根据确定的磨削效果与钢材表面的所述表面缺陷特征进行磨削度计算,确定缺陷单位磨削程度;根据所述缺陷单位磨削程度、所述表面缺陷特征,确定缺陷磨削频次要求,将所述缺陷磨削频次要求生成标记对所述表面缺陷特征进行标注;基于所述表面缺陷特征的缺陷磨削频次标注、所述缺陷特征坐标信息,进行磨削轨迹分析,获得磨削轨迹控制信息,将所述磨削轨迹控制信息发送至数控机床按照所述磨削轨迹控制信息进行磨削控制。
第二方面,本申请提供了一种钢材超精密磨削表面材料去除***,所述***包括:图像采集模块,所述图像采集模块用于通过图像采集处理设备对待磨削钢材进行全表面采集,获得钢材表面图像信息;特征提取模块,所述特征提取模块用于对所述钢材表面图像信息进行特征提取,确定钢材表面特征信息,所述钢材表面特征信息包括表面缺陷特征、缺陷特征坐标信息;信息获取模块,所述信息获取模块用于获得机床磨削参数信息,其中,所述机床磨削参数信息包括磨削砂轮目数、进给深度信息、磨削转速信息;特征获取模块,所述特征获取模块用于根据所述磨削砂轮目数、进给深度信息、磨削转速信息,获得磨削效果特征,其中,所述磨削效果特征包括磨削效果特征与钢材材质的对应关系;磨削度计算模块,所述磨削度计算模块用于获得钢材材质信息,基于所述钢材材质信息从所述磨削效果特征中进行磨削效果确定,根据确定的磨削效果与钢材表面的所述表面缺陷特征进行磨削度计算,确定缺陷单位磨削程度;特征标记模块,所述特征标记模块用于根据所述缺陷单位磨削程度、所述表面缺陷特征,确定缺陷磨削频次要求,将所述缺陷磨削频次要求生成标记对所述表面缺陷特征进行标注;轨迹控制模块,所述轨迹控制模块用于基于所述表面缺陷特征的缺陷磨削频次标注、所述缺陷特征坐标信息,进行磨削轨迹分析,获得磨削轨迹控制信息,将所述磨削轨迹控制信息发送至数控机床按照所述磨削轨迹控制信息进行磨削控制。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的一种钢材超精密磨削表面材料去除方法,采集钢材表面图像信息,通过进行特征提取确定钢材表面特征信息,包括表面缺陷特征、缺陷特征坐标信息,获得机床磨削参数信息,其中,所述机床磨削参数信息包括磨削砂轮目数、进给深度信息、磨削转速信息,根据所述磨削砂轮目数、进给深度信息、磨削转速信息,获得磨削效果特征,获得钢材材质信息并确定磨削效果,根据确定的磨削效果与钢材表面的所述表面缺陷特征进行磨削度计算,确定缺陷单位磨削程度,进一步确定缺陷磨削频次要求并进行标注,基于所述表面缺陷特征的缺陷磨削频次标注、所述缺陷特征坐标信息,进行磨削轨迹分析,获得磨削轨迹控制信息,发送至数控机床进行磨削控制,解决了现有技术中存在的进行钢材的表面材料磨削时由于机床智能度不足,使得磨削路径规划分析不够严谨,导致磨削效率较低的技术问题,本申请实现了智能化机床控制,通过机床磨削的数据处理和控制过程一体化,提高钢材磨削效率。
附图说明
图1为本申请提供了一种钢材超精密磨削表面材料去除方法流程示意图;
图2为本申请提供了一种钢材超精密磨削表面材料去除方法中机床磨削参数信息获取流程示意图;
图3为本申请提供了一种钢材超精密磨削表面材料去除方法中磨削轨迹控制信息获取流程示意图;
图4为本申请提供了一种钢材超精密磨削表面材料去除***结构示意图。
附图标记说明:图像采集模块11,特征提取模块12,信息获取模块13,特征获取模块14,磨削度计算模块15,特征标记模块16,轨迹控制模块17。
具体实施方式
本申请通过提供一种钢材超精密磨削表面材料去除方法及***,采集钢材表面图像信息,通过进行特征提取确定钢材表面特征信息,获得机床磨削参数信息并确定磨削效果特征,获得钢材材质信息并确定磨削效果,根据磨削效果与表面缺陷特征进行磨削度计算,确定缺陷单位磨削程度,进一步确定缺陷磨削频次要求并进行标注,通过进行磨削轨迹分析,获得磨削轨迹控制信息,发送至数控机床进行磨削控制,用于解决现有技术中存在的进行钢材的表面材料磨削时由于机床智能度不足,使得磨削路径规划分析不够严谨,导致磨削效率较低的技术问题。
实施例一
如图1所示,本申请提供了一种钢材超精密磨削表面材料去除方法,所述方法应用于数控机床,所述数控机床具有一图像采集处理设备,所述方法包括:
步骤S100:通过图像采集处理设备对待磨削钢材进行全表面采集,获得钢材表面图像信息;
具体而言,对钢材进行超精密磨削表面材料去除主要通过超精密加工来完成,基于超精密数控机床进行超微量切除加工,以得到高精度与低表面粗糙度的钢材,本申请提供的一种钢材超精密磨削表面材料去除方法应用于数控机床,所述数控机床作为主要的加工设备,要求拥有高刚度、高运动分辨率、高运动精度与高稳定性,以保障钢材的表面磨削精度,所述数控机床具有一图像采集处理设备,可基于所述图像采集处理设备对所述待磨削钢材进行全表面图像采集,通过进行初步图像采集分析以确定具体的图像采集要求,进一步基于图像采集要求对所述待磨削钢材进行针对性图像采集,包括整体图像采集与部分细节图像采集,避免采集到部分无效图像,同时可保证图像采集结果的信息完备性,获取所述钢材表面图像信息,所述钢材表面图像信息的获取为后续进行数控机床的磨削分析提供了基本信息依据。
进一步而言,所述通过图像采集处理设备对待磨削钢材进行全表面采集,获得钢材表面图像信息,本申请步骤S100还包括:
步骤S110:通过所述图像采集处理设备对待磨削钢材进行预设角度初采集,其中,所述预设角度至少包括俯视、侧视;
步骤S120:根据初采集图像进行钢材边框识别,确定钢材形状边框信息;
步骤S130:根据所述钢材形状边框信息,获得钢材形状特征;
步骤S140:根据所述钢材形状特征,确定全表面采集控制要求,根据所述全表面采集控制要求对所述图像采集处理设备进行控制,对待磨削钢材进行表面采集。
具体而言,所述图像采集处理设备位于所述数控机床内,基于预设角度对所述待磨削钢材进行初步全表面图像采集,所述预设角度指进行图像采集的设备设置角度,所述预设角度至少包括俯视、侧视,通过进行多角度图像采集,以保证图像采集结果的信息完备性,获取所述初采集图像,进一步对所述初采集图像进行钢材边框识别,基于钢材图像特征,例如钢材拐角、走向等,确定钢材的边框形状、边框尺寸等信息,获取所述钢材形状边框信息,进而对所述钢材形状边框信息进行形状特征提取,例如多边形钢材对应的角度大小、锥形拐角还是弧形拐角、边框走向等,获取所述钢材形状特征,不同形状特征对应的采集要求存在差异性,例如针对锥形拐角,需对各个锥面、各锥面的角度大小进行确定,需分别对锥面进行采集,以保障采集的信息准确性,进一步的,基于所述钢材形状特征确定所述图像采集处理设备的采集控制要求,包括整体采集与部分细节采集,以此为基准控制所述图像采集处理设备对所述待磨削钢材进行表面采集,获取所述钢材表面图像信息,通过在预设角度初采集的基础上确定最终的设备采集要求,可有效提高图像采集结果的准确性,同时可避免部分无效图像的采集。
步骤S200:对所述钢材表面图像信息进行特征提取,确定钢材表面特征信息,所述钢材表面特征信息包括表面缺陷特征、缺陷特征坐标信息;
具体而言,通过对所述待磨削钢材进行全表面图像采集,获取所述钢材表面图像信息,以所述钢材表面图像信息为基准,通过进行图像特征识别,确定所述待磨削钢材的表面缺陷特征,例如钢材表面裂纹、重皮、刮伤等,进一步对所述表面缺陷特征进行位置确定,示例性的,可基于所述待磨削钢材确定原点位置,以此为基准构建三维空间坐标系,于坐标系中确定各表面缺陷特征的坐标信息,以确定缺陷位置尺寸参数,进一步对所述表面缺陷特征与所述缺陷特征坐标信息进行信息映射对应,对映射结果进行对应标识,获取所述钢材表面特征信息,将所述钢材表面特征信息作为所述待磨削钢材的磨削要求进行存储。
步骤S300:获得机床磨削参数信息,其中,所述机床磨削参数信息包括磨削砂轮目数、进给深度信息、磨削转速信息;
具体而言,所述待磨削钢材通过所述数控机床进行所述钢材表面特征信息的磨削优化,所述数控机床包括了磨削砂轮,所述磨削砂轮作为主要的磨削部件,磨削硬度较高材料时应选取硬度较软的砂轮,使得加工过砂轮磨料易脱落进而保持砂轮的锋利度,对于磨削较软材料时可选用较硬砂轮,以保证后期加工精度,对于钢材可选刚玉砂轮进行磨削,进而确定所述磨削砂轮目数,所述磨削砂轮目数指砂轮上的孔眼数,目数越高,孔眼数越多,进行精磨时,要求表面粗糙度较低,可选取目数较少的砂轮,进一步基于缺陷特征的具体尺寸参数确定砂轮进给深度,一般而言,单刀进给深度一般为0.01um-1um,可进行多次磨削以保障缺陷的完全剔除,进一步的,确定所述磨削转速信息,所述磨削转速一般依据数控机床而定,精度越高、转速越快,例如,精度较高的的数控内圆磨床可以达到每分钟50000-60000转。依据所述磨削砂轮直径尺寸变化可进行磨削转速调整,对所述磨削砂轮目数、所述进给深度信息与所述磨削转速信息进行整合处理,获取所述机床磨削参数信息。
进一步而言,如图2所示,所述获得机床磨削参数信息,本申请步骤S300还包括:
步骤S310:获得本地机床磨削设置参数、本地磨削砂轮信息;
步骤S320:获得待处理批次钢材信息、处理要求信息;
步骤S330:基于所述待处理批次钢材信息、处理要求信息与所述本地磨削砂轮信息进行匹配,确定匹配磨削砂轮信息;
步骤S340:基于所述处理要求信息、所述匹配磨削砂轮信息进行本地机床磨削设置参数匹配分析,确定匹配机床磨削设置参数,获得所述机床磨削参数信息。
进一步而言,本申请步骤S340还包括:
步骤S341:当更换批次时,对更换批次钢材进行机床磨削参数信息分析,确定更换机床磨削参数信息,对机床进行参数调整。
具体而言,所述数控机床作为钢材的主要磨削设备,对本地机床的磨削设置参数进行确定,包括轴向与径向进给深度,磨削转速等参数数据的设定范围,进一步确定本地磨削砂轮信息,包括砂轮材质、尺寸等多种类型,进而采集所述待处理批次钢材信息,包括钢材量、钢材表面缺陷信息等,基于此确定所述处理要求信息,包括钢材的缺陷磨削精度、表面处理粗糙度等,进一步的,以所述待处理批次钢材信息与所述处理要求信息为基准,对所述本地磨削砂轮信息与其进行适配性分析校对,确定与所述待处理批次钢材信息与所述处理要求信息相适配的磨削砂轮材质与尺寸参数信息,作为所述匹配磨削砂轮信息,依据所述本地机床磨削设置参数信息对所述处理要求信息、所述匹配磨削砂轮信息进行匹配分析,确定与其适配性最高的所述本地机床磨削参数设置信息,进而将其作为所述机床磨削参数信息进行存储,作为所述待处理批次钢材的机床设定参数。
进一步的,对于待磨削的钢材,基于钢材材质、硬度、耐磨度、成分等的差异性对钢材进行分批处理, 对于同批次钢材磨削时采用相同的目数砂轮、转速、进给深度,当调整批次时,针对不同批次的钢材进行调整对所述待处理批次钢材进行更换时,确定所述更换批次钢材的钢材信息与处理要求信息,重复进行上述磨削砂轮信息匹配与本地机床磨削设置参数匹配分析步骤,以确定与所述更换批次钢材相适配的所述机床磨削参数信息,总而言之,当更换钢材批次时,需重新进行相关参数的匹配确定,以保证最终确定的所述机床磨削参数信息与对应的待处理批次钢材的适配性,提高所述数控机床对钢材的磨削精度。
步骤S400:根据所述磨削砂轮目数、进给深度信息、磨削转速信息,获得磨削效果特征,其中,所述磨削效果特征包括磨削效果特征与钢材材质的对应关系;
步骤S500:获得钢材材质信息,基于所述钢材材质信息从所述磨削效果特征中进行磨削效果确定,根据确定的磨削效果与钢材表面的所述表面缺陷特征进行磨削度计算,确定缺陷单位磨削程度;
具体而言,当进行同批次钢材磨削时,以所述待磨削钢材的基本信息为基准,包括钢材材质、缺陷特征等,依据确定的所述数控机床的所述磨削砂轮目数、所述进给深度信息与所述磨削转速信息,确定磨削钢材的所述磨削效果特征,示例性的,可基于所述数控机床与待磨削钢材的相关联参数信息构建钢材磨削模拟模型,基于上述相关参数信息进行钢材的模拟磨削,以确定所述磨削效果特征,例如表面光滑度、缺陷特征的修正度等,可通过调整运行参数信息进行不同批次钢材的磨削模拟运行,确定对应的所述磨削效果特征,进一步进行所述磨削效果特征与所述钢材材质的对应标识,以便进行识别区分,所述磨削效果特征包括了多种材质钢材的磨削效果特征。
进一步而言,对当前进行磨削的钢材进行材质信息采集,对所述钢材材质信息与所述磨削效果特征进行匹配对应,确定与所述钢材材质信息相适配的所述磨削效果特征,进一步确定对应的所述磨削效果,以钢材表面的所述表面缺陷特征为基准,基于所述磨削效果对不同表面缺陷特征对应的磨削度进行计算,所述磨削度指该表面缺陷特征所需磨削的尺寸范围、深度等,对所述表面缺点特征对应的多个缺陷的磨削度进行计算,进一步对磨削度由小到大进行顺序性排列,可将最小的磨削度作为单次磨削度,将其确定为所述缺陷单位磨削程度,进行后续钢材磨削时,对于缺陷较大部分可进行多次磨削,以保证磨削后钢材的质量。
步骤S600:根据所述缺陷单位磨削程度、所述表面缺陷特征,确定缺陷磨削频次要求,将所述缺陷磨削频次要求生成标记对所述表面缺陷特征进行标注;
具体而言,以所述缺陷单位磨削程度与所述表面缺陷特征为基准,确定不同程度的表面缺陷特征在所述缺陷单位磨削程度下所需的磨削次数,将其作为各缺陷特征的磨削频次要求,其中,缺陷程度越大,对应的磨削频次要求越多,分别对各表面缺陷特征进行磨削频次确定,获取多个缺陷频次要求,例如对于表面划痕与表面裂痕的磨削频次要求不同,所述表面缺陷特征中多个特征对应的磨削频次要求进行整合处理,生成所述缺陷磨削频次要求,进一步基于所述缺陷磨削频次要求对所述表面缺陷特征进行标记,例如缺陷特征的磨削频次要求为5时,将5作为标记序号对所述缺陷特征进行标记,进而对所述表面缺陷特征中各缺陷分别进行标注,便于后续直接进行识别磨削。
步骤S700:基于所述表面缺陷特征的缺陷磨削频次标注、所述缺陷特征坐标信息,进行磨削轨迹分析,获得磨削轨迹控制信息,将所述磨削轨迹控制信息发送至数控机床按照所述磨削轨迹控制信息进行磨削控制。
具体而言,以所述表面缺陷特征的缺陷磨削频次标注为基准,进行所述缺陷特征坐标信息的映射匹配,其中,一个表面缺陷特征可能存在多个坐标信息,以进行缺陷特征的精准衡量,基于坐标信息确定钢材的磨削轨迹点,对各表面缺陷特征对应的所述磨削轨迹点进行顺序性连接,获取多个磨削轨迹,所述多个磨削轨迹与所述表面缺陷特征一一对应,可有效提高所述磨削轨迹的精准度,以所述磨削轨迹为基准,确定磨削轨迹控制信息,及磨削方向、磨削角度调整、进给深度、磨削频次等,将所述磨削轨迹控制信息发送至所述数控机床,所述数控机床基于所述磨削轨迹控制信息进行所述表面缺陷特征的磨削控制,以并提高钢材的最终磨削质量。
进一步而言,如图3所示,基于所述表面缺陷特征的缺陷磨削频次标注、所述缺陷特征坐标信息,进行磨削轨迹分析,获得磨削轨迹控制信息,本申请步骤S700还包括:
步骤S710:根据所述缺陷磨削频次标注、所述缺陷特征坐标信息,确定相同频次坐标轨迹点;
步骤S720:基于所述相同频次坐标轨迹点,进行轨迹连接,确定磨削轨迹信息;
步骤S730:根据所述磨削轨迹信息,生成所述磨削轨迹控制信息。
具体而言,对所述表面缺陷特征基于所述缺陷磨削频次标注进行划分,确定同频次缺陷特征,依据所述缺陷特征坐标信息,对同频次缺陷特征进行坐标映射,确定各缺陷特征对应的坐标信息,其中,每一缺陷特征可能对应多个坐标信息,以进行该缺陷特征的尺度衡量,获取所述同频次坐标轨迹点,进一步分别对各同频次缺陷特征对应的坐标信息进行顺序性连接,确定相应的磨削轨迹,所述磨削轨迹为同频次缺陷特征对应的整体磨削轨迹,进一步以所述磨削轨迹信息为基准,确定所述数控机床的控制参数,包括砂轮磨削方向、磨削调整角度、磨削次数等,生成所述磨削轨迹控制信息,基于所述磨削轨迹控制信息控制所述数控机床对所述表面缺陷特征进行磨削,基于所述坐标轨迹点确定相应的磨削轨迹,以保证磨削轨迹与表面缺陷特征的匹配性,减少轨迹偏差以降低无效磨削功耗。
进一步而言,所述基于所述相同频次坐标轨迹点,进行轨迹连接,确定磨削轨迹信息,本申请步骤S720还包括:
步骤S721:基于所述相同频次坐标轨迹点,确定第一轨迹分布信息;
步骤S722:判断所述第一轨迹分布信息是否存在间隔频次坐标;
步骤S723:当存在间隔频次坐标时,基于所述间隔频次坐标进行该频次的相同频次坐标轨迹点分布分析,确定间隔频次坐标的第二轨迹分布信息;
步骤S724:判断所述第二轨迹分布信息是否存在间隔频次坐标;
步骤S725:当存在时,继续进行间隔频次坐标对应的相同频次坐标轨迹点分布分析;
步骤S726:若不存在,则对第二轨迹分布信息,以第一轨迹分布信息的间隔频次坐标为起始点和终点,确定第二轨迹分布信息的磨削路径,作为第二轨迹分布的路径信息;
步骤S727:以所述第一轨迹分布信息的间隔频次坐标将所述第一轨迹分布信息进行分割,分为第一分布第一分割空间、第一分布第二分割空间;
步骤S728:分别对所述第一分布第一分割空间、第一分布第二分割空间进行路径确定,获得第一轨迹分布第一路径、第一轨迹分布第二路径;
步骤S729:将所述第二轨迹分布的路径信息,***所述第一轨迹分布第一路径与第一轨迹分布第二路径之间,构成所述磨削轨迹信息。
具体而言,通过对缺陷特征进行磨削频次划分,确定所述相同频次坐标轨迹点,对所述相同频次轨迹点中各缺陷特征对应的坐标轨迹点进行标识,以便进行缺陷轨迹点区分,获取所述第一轨迹分布信息,所述第一轨迹分布信息包括了多条同频次缺陷特征轨迹,进一步判断所述第一轨迹分布信息中各轨迹走向中间是否存在其他频次的轨迹坐标,将其作为所述间隔频次坐标,当所述第一轨迹分布信息中存在所述间隔频次坐标时,表明该轨迹被切断,以所述间隔轨迹坐标为基准,对所述间隔轨迹坐标对应的同频次坐标轨迹进行确定,例如,将磨削频次为3的多个缺陷特征对应的坐标点进行顺序性连接,作为一条轨迹信息,该轨迹中间存在磨削频次为2的轨迹坐标,以该轨迹坐标为基准,对磨削频次为2的缺陷特征对应的坐标轨迹进行确定,作为所述第二轨迹分布信息。
进一步的,判断所述第二轨迹分布信息中是否存在间隔频次信息,当存在时,继续上述轨迹切断分析步骤,确定新的轨迹分布信息,当不存在时,以所述第一轨迹分布信息的间隔频次坐标为起始点与终点,对所述第二轨迹分布信息进行顺序性连接,构成轨迹环路,将其作为所述第二轨迹分布的路径信息,同时,所述第一轨迹分布信息的所述间隔频次信息将所述第一轨迹分布信息划分为两部分,分别包含一定量的坐标轨迹点,将其确定为所述第一分布第一分割空间与所述第一分布第二分割空间,将所述第一分布第一分割空间中的轨迹坐标点进行顺序性连接,作为所述第一轨迹分布第一路径,将所述第一分布第二分割空间中的轨迹坐标点进行顺序性连接,作为所述第一轨迹分布第二路径,进而将所述第二轨迹分布路径信息***第一轨迹分布路径之间,构成所述磨削轨迹信息,进行轨迹磨削时,沿上述轨迹路径信息进行顺序磨削,进行轨迹变换时调整磨削参数信息,可有效保证机床磨削的顺序性,避免出现磨削断层。
进一步而言,判断所述第二轨迹分布信息是否存在间隔频次坐标,之后本申请步骤S724还包括:
步骤S7241:当第二轨迹分布信息存在间隔频次坐标时,获得第二轨迹分布信息的间隔频次坐标的相同频次坐标轨迹点,确定第三轨迹分布信息;
步骤S7242:判断所述第三轨迹分布信息是否存在间隔频次坐标;
步骤S7243:当存在时,继续对第三轨迹分布信息的间隔频次坐标进行相同频次轨迹点的分布分析,直到不存在间隔频次坐标为止。
具体而言,判断所述第二轨迹分布信息是否存在所述间隔频次坐标,当所述第二轨迹分布信息存在所述间隔频次坐标时,确定所述间隔频次坐标对应的同频次坐标轨迹点,作为所述第三轨迹分布信息,将所述间隔频次坐标作为起始点与终点对同频次坐标轨迹点进行顺序性连接形成轨迹环路,同时判断所述第三轨迹分布信息是否存在间隔频次坐标,当存在时,确定间隔频次坐标的同频次坐标轨迹点,对所述第三轨迹分布信息进行空间划分,以构建轨迹磨削路径,重复进行上述间隔频次坐标分析,直至不存在所述间隔频次坐标为止,通过进行多次划分使得缺陷特征的磨削轨迹形成多个顺序性磨削轨迹标准,以此为基准基于所述数控机床进行轨迹磨削。
实施例二
基于与前述实施例中一种钢材超精密磨削表面材料去除方法相同的发明构思,如图4所示,本申请提供了一种钢材超精密磨削表面材料去除***,所述***包括:
图像采集模块11,所述图像采集模块11用于通过图像采集处理设备对待磨削钢材进行全表面采集,获得钢材表面图像信息;
特征提取模块12,所述特征提取模块12用于对所述钢材表面图像信息进行特征提取,确定钢材表面特征信息,所述钢材表面特征信息包括表面缺陷特征、缺陷特征坐标信息;
信息获取模块13,所述信息获取模块13用于获得机床磨削参数信息,其中,所述机床磨削参数信息包括磨削砂轮目数、进给深度信息、磨削转速信息;
特征获取模块14,所述特征获取模块14用于根据所述磨削砂轮目数、进给深度信息、磨削转速信息,获得磨削效果特征,其中,所述磨削效果特征包括磨削效果特征与钢材材质的对应关系;
磨削度计算模块15,所述磨削度计算模块15用于获得钢材材质信息,基于所述钢材材质信息从所述磨削效果特征中进行磨削效果确定,根据确定的磨削效果与钢材表面的所述表面缺陷特征进行磨削度计算,确定缺陷单位磨削程度;
特征标记模块16,所述特征标记模块16用于根据所述缺陷单位磨削程度、所述表面缺陷特征,确定缺陷磨削频次要求,将所述缺陷磨削频次要求生成标记对所述表面缺陷特征进行标注;
轨迹控制模块17,所述轨迹控制模块17用于基于所述表面缺陷特征的缺陷磨削频次标注、所述缺陷特征坐标信息,进行磨削轨迹分析,获得磨削轨迹控制信息,将所述磨削轨迹控制信息发送至数控机床按照所述磨削轨迹控制信息进行磨削控制。
进一步而言 ,所述***还包括:
角度采集模块,所述角度采集模块用于通过所述图像采集处理设备对待磨削钢材进行预设角度初采集,其中,所述预设角度至少包括俯视、侧视;
边框信息确定模块,所述边框信息确定模块用于根据初采集图像进行钢材边框识别,确定钢材形状边框信息;
形状特征获取模块,所述形状特征获取模块用于根据所述钢材形状边框信息,获得钢材形状特征;
设备控制模块,所述设备控制模块用于根据所述钢材形状特征,确定全表面采集控制要求,根据所述全表面采集控制要求对所述图像采集处理设备进行控制,对待磨削钢材进行表面采集。
进一步而言,所述***还包括:
获得本地机床磨削设置参数、本地磨削砂轮信息;
参数信息获取模块,所述参数信息获取模块用于获得待处理批次钢材信息、处理要求信息;
信息匹配模块,所述信息匹配模块用于基于所述待处理批次钢材信息、处理要求信息与所述本地磨削砂轮信息进行匹配,确定匹配磨削砂轮信息;
参数分析模块,所述参数分析模块用于基于所述处理要求信息、所述匹配磨削砂轮信息进行本地机床磨削设置参数匹配分析,确定匹配机床磨削设置参数,获得所述机床磨削参数信息。
进一步而言,所述***还包括:
磨削参数确定模块,所述磨削参数确定模块用于当更换批次时,对更换批次钢材进行机床磨削参数信息分析,确定更换机床磨削参数信息,对机床进行参数调整。
进一步而言,所述***还包括:
轨迹点确定模块,所述轨迹点确定模块用于根据所述缺陷磨削频次标注、所述缺陷特征坐标信息,确定相同频次坐标轨迹点;
轨迹信息确定模块,所述轨迹信息确定模块用于基于所述相同频次坐标轨迹点,进行轨迹连接,确定磨削轨迹信息;
控制信息生成模块,所述控制信息生成模块用于根据所述磨削轨迹信息,生成所述磨削轨迹控制信息。
进一步而言,所述***还包括:
第一轨迹分布信息确定模块,所述第一轨迹分布信息确定模块用于基于所述相同频次坐标轨迹点,确定第一轨迹分布信息;
第一轨迹分布信息判断模块,所述第一轨迹分布信息判断模块用于判断所述第一轨迹分布信息是否存在间隔频次坐标;
第二轨迹分布信息确定模块,所述第二轨迹分布信息确定模块用于当存在间隔频次坐标时,基于所述间隔频次坐标进行该频次的相同频次坐标轨迹点分布分析,确定间隔频次坐标的第二轨迹分布信息;
第二轨迹分布信息判断模块,所述第二轨迹分布信息判断模块用于判断所述第二轨迹分布信息是否存在间隔频次坐标;
轨迹点分析模块,所述轨迹点分析模块用于当存在时,继续进行间隔频次坐标对应的相同频次坐标轨迹点分布分析;
磨削路径确定模块,所述磨削路径确定模块用于若不存在,则对第二轨迹分布信息,以第一轨迹分布信息的间隔频次坐标为起始点和终点,确定第二轨迹分布信息的磨削路径,作为第二轨迹分布的路径信息;
信息分割模块,所述信息分割模块用于以所述第一轨迹分布信息的间隔频次坐标将所述第一轨迹分布信息进行分割,分为第一分布第一分割空间、第一分布第二分割空间;
路径确定模块,所述路径确定模块用于分别对所述第一分布第一分割空间、第一分布第二分割空间进行路径确定,获得第一轨迹分布第一路径、第一轨迹分布第二路径;
轨迹构成模块,所述轨迹构成模块用于将所述第二轨迹分布的路径信息,***所述第一轨迹分布第一路径与第一轨迹分布第二路径之间,构成所述磨削轨迹信息。
进一步而言,所述***还包括:
第三轨迹分布信息判断模块,所述第三轨迹分布信息判断模块用于当第二轨迹分布信息存在间隔频次坐标时,获得第二轨迹分布信息的间隔频次坐标的相同频次坐标轨迹点,确定第三轨迹分布信息;
第三轨迹分布信息判断模块,所述第三轨迹分布信息判断模块用于判断所述第三轨迹分布信息是否存在间隔频次坐标;
坐标分析模块,所述坐标分析模块用于当存在时,继续对第三轨迹分布信息的间隔频次坐标进行相同频次轨迹点的分布分析,直到不存在间隔频次坐标为止。
本说明书通过前述对一种钢材超精密磨削表面材料去除方法的详细描述,本领域技术人员可以清楚的知道本实施例中一种钢材超精密磨削表面材料去除方法及***,对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下,在其它实施例中实现。因此,本申请将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种钢材超精密磨削表面材料去除方法,其特征在于,所述方法应用于数控机床,所述数控机床具有一图像采集处理设备,所述方法包括:
通过图像采集处理设备对待磨削钢材进行全表面采集,获得钢材表面图像信息;
对所述钢材表面图像信息进行特征提取,确定钢材表面特征信息,所述钢材表面特征信息包括表面缺陷特征、缺陷特征坐标信息;
获得机床磨削参数信息,其中,所述机床磨削参数信息包括磨削砂轮目数、进给深度信息、磨削转速信息;
根据所述磨削砂轮目数、进给深度信息、磨削转速信息,获得磨削效果特征,其中,所述磨削效果特征包括磨削效果特征与钢材材质的对应关系;
获得钢材材质信息,基于所述钢材材质信息从所述磨削效果特征中进行磨削效果确定,根据确定的磨削效果与钢材表面的所述表面缺陷特征进行磨削度计算,确定缺陷单位磨削程度;
根据所述缺陷单位磨削程度、所述表面缺陷特征,确定缺陷磨削频次要求,将所述缺陷磨削频次要求生成标记对所述表面缺陷特征进行标注;
基于所述表面缺陷特征的缺陷磨削频次标注、所述缺陷特征坐标信息,进行磨削轨迹分析,获得磨削轨迹控制信息,将所述磨削轨迹控制信息发送至数控机床按照所述磨削轨迹控制信息进行磨削控制。
2.如权利要求1所述的方法,其特征在于,所述通过图像采集处理设备对待磨削钢材进行全表面采集,获得钢材表面图像信息,包括:
通过所述图像采集处理设备对待磨削钢材进行预设角度初采集,其中,所述预设角度至少包括俯视、侧视;
根据初采集图像进行钢材边框识别,确定钢材形状边框信息;
根据所述钢材形状边框信息,获得钢材形状特征;
根据所述钢材形状特征,确定全表面采集控制要求,根据所述全表面采集控制要求对所述图像采集处理设备进行控制,对待磨削钢材进行表面采集。
3.如权利要求1所述的方法,其特征在于,所述获得机床磨削参数信息,包括:
获得本地机床磨削设置参数、本地磨削砂轮信息;
获得待处理批次钢材信息、处理要求信息;
基于所述待处理批次钢材信息、处理要求信息与所述本地磨削砂轮信息进行匹配,确定匹配磨削砂轮信息;
基于所述处理要求信息、所述匹配磨削砂轮信息进行本地机床磨削设置参数匹配分析,确定匹配机床磨削设置参数,获得所述机床磨削参数信息。
4.如权利要求3所述的方法,其特征在于,所述方法还包括:
当更换批次时,对更换批次钢材进行机床磨削参数信息分析,确定更换机床磨削参数信息,对机床进行参数调整。
5.如权利要求1所述的方法,其特征在于,基于所述表面缺陷特征的缺陷磨削频次标注、所述缺陷特征坐标信息,进行磨削轨迹分析,获得磨削轨迹控制信息,包括:
根据所述缺陷磨削频次标注、所述缺陷特征坐标信息,确定相同频次坐标轨迹点;
基于所述相同频次坐标轨迹点,进行轨迹连接,确定磨削轨迹信息;
根据所述磨削轨迹信息,生成所述磨削轨迹控制信息。
6.如权利要求5所述的方法,其特征在于,所述基于所述相同频次坐标轨迹点,进行轨迹连接,确定磨削轨迹信息,包括:
基于所述相同频次坐标轨迹点,确定第一轨迹分布信息;
判断所述第一轨迹分布信息是否存在间隔频次坐标;
当存在间隔频次坐标时,基于所述间隔频次坐标进行该频次的相同频次坐标轨迹点分布分析,确定间隔频次坐标的第二轨迹分布信息;
判断所述第二轨迹分布信息是否存在间隔频次坐标;
当存在时,继续进行间隔频次坐标对应的相同频次坐标轨迹点分布分析;
若不存在,则对第二轨迹分布信息,以第一轨迹分布信息的间隔频次坐标为起始点和终点,确定第二轨迹分布信息的磨削路径,作为第二轨迹分布的路径信息;
以所述第一轨迹分布信息的间隔频次坐标将所述第一轨迹分布信息进行分割,分为第一分布第一分割空间、第一分布第二分割空间;
分别对所述第一分布第一分割空间、第一分布第二分割空间进行路径确定,获得第一轨迹分布第一路径、第一轨迹分布第二路径;
将所述第二轨迹分布的路径信息,***所述第一轨迹分布第一路径与第一轨迹分布第二路径之间,构成所述磨削轨迹信息。
7.如权利要求6所述的方法,其特征在于,判断所述第二轨迹分布信息是否存在间隔频次坐标,之后包括:
当第二轨迹分布信息存在间隔频次坐标时,获得第二轨迹分布信息的间隔频次坐标的相同频次坐标轨迹点,确定第三轨迹分布信息;
判断所述第三轨迹分布信息是否存在间隔频次坐标;
当存在时,继续对第三轨迹分布信息的间隔频次坐标进行相同频次轨迹点的分布分析,直到不存在间隔频次坐标为止。
8.一种钢材超精密磨削表面材料去除***,其特征在于,所述***包括:
图像采集模块,所述图像采集模块用于通过图像采集处理设备对待磨削钢材进行全表面采集,获得钢材表面图像信息;
特征提取模块,所述特征提取模块用于对所述钢材表面图像信息进行特征提取,确定钢材表面特征信息,所述钢材表面特征信息包括表面缺陷特征、缺陷特征坐标信息;
信息获取模块,所述信息获取模块用于获得机床磨削参数信息,其中,所述机床磨削参数信息包括磨削砂轮目数、进给深度信息、磨削转速信息;
特征获取模块,所述特征获取模块用于根据所述磨削砂轮目数、进给深度信息、磨削转速信息,获得磨削效果特征,其中,所述磨削效果特征包括磨削效果特征与钢材材质的对应关系;
磨削度计算模块,所述磨削度计算模块用于获得钢材材质信息,基于所述钢材材质信息从所述磨削效果特征中进行磨削效果确定,根据确定的磨削效果与钢材表面的所述表面缺陷特征进行磨削度计算,确定缺陷单位磨削程度;
特征标记模块,所述特征标记模块用于根据所述缺陷单位磨削程度、所述表面缺陷特征,确定缺陷磨削频次要求,将所述缺陷磨削频次要求生成标记对所述表面缺陷特征进行标注;
轨迹控制模块,所述轨迹控制模块用于基于所述表面缺陷特征的缺陷磨削频次标注、所述缺陷特征坐标信息,进行磨削轨迹分析,获得磨削轨迹控制信息,将所述磨削轨迹控制信息发送至数控机床按照所述磨削轨迹控制信息进行磨削控制。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211423266.8A CN115502892B (zh) | 2022-11-15 | 2022-11-15 | 一种钢材超精密磨削表面材料去除方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211423266.8A CN115502892B (zh) | 2022-11-15 | 2022-11-15 | 一种钢材超精密磨削表面材料去除方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115502892A true CN115502892A (zh) | 2022-12-23 |
CN115502892B CN115502892B (zh) | 2023-02-28 |
Family
ID=84514547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211423266.8A Active CN115502892B (zh) | 2022-11-15 | 2022-11-15 | 一种钢材超精密磨削表面材料去除方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115502892B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116945025A (zh) * | 2023-09-18 | 2023-10-27 | 南京昊阳环保科技有限公司 | 智能化轴颈抛光装置及方法 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105798773A (zh) * | 2016-03-11 | 2016-07-27 | 浙江工业大学 | 一种基于经纬线的研磨加工轨迹均匀性检测方法 |
CN106853598A (zh) * | 2015-12-08 | 2017-06-16 | 华南理工大学 | 一种虚拟球刀半径的圆柱形砂轮曲面磨削方法 |
CN108509947A (zh) * | 2018-01-29 | 2018-09-07 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于人工神经网络的自动识别打磨方法 |
CN108693061A (zh) * | 2018-05-23 | 2018-10-23 | 天津大学 | 一种基于次摆线进给轨迹的硬脆材料划痕实验方法 |
CN109648461A (zh) * | 2019-01-14 | 2019-04-19 | 北京半导体专用设备研究所(中国电子科技集团公司第四十五研究所) | 研磨头扫描方法及装置 |
CN110366474A (zh) * | 2017-06-21 | 2019-10-22 | 株式会社大气社 | 自动研磨*** |
CN110587484A (zh) * | 2019-07-29 | 2019-12-20 | 苏州超徕精工科技有限公司 | 一种实时预测研抛加工过程去除效果的装置及方法 |
CN110625491A (zh) * | 2019-08-29 | 2019-12-31 | 中车青岛四方机车车辆股份有限公司 | 打磨设备以及打磨方法 |
CN111633585A (zh) * | 2020-06-02 | 2020-09-08 | 山西恒跃锻造有限公司 | 一种高度可调式底圈对中装置 |
CN111958330A (zh) * | 2020-08-06 | 2020-11-20 | 上海高仙自动化科技发展有限公司 | 一种区域维护方法、装置、晶面机及存储介质 |
CN112139857A (zh) * | 2020-08-05 | 2020-12-29 | 沈阳东能科技有限公司 | 一种针对钢板表面缺陷的机器人柔性修磨方法 |
CN112288707A (zh) * | 2020-10-27 | 2021-01-29 | 南京溧航仿生产业研究院有限公司 | 一种基于特征点识别的机器人焊缝打磨算法 |
CN113001263A (zh) * | 2021-02-26 | 2021-06-22 | 无锡中车时代智能装备有限公司 | 基于机器人的高点打磨方法及设备 |
CN114417526A (zh) * | 2021-12-31 | 2022-04-29 | 北京理工大学 | 一种适用于不同磨削加工表面形貌的精确预测方法 |
WO2022132019A1 (en) * | 2020-12-18 | 2022-06-23 | Husqvarna Ab | Concrete surface mapping robots, systems, and methods for processing concrete surfaces |
-
2022
- 2022-11-15 CN CN202211423266.8A patent/CN115502892B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106853598A (zh) * | 2015-12-08 | 2017-06-16 | 华南理工大学 | 一种虚拟球刀半径的圆柱形砂轮曲面磨削方法 |
CN105798773A (zh) * | 2016-03-11 | 2016-07-27 | 浙江工业大学 | 一种基于经纬线的研磨加工轨迹均匀性检测方法 |
CN110366474A (zh) * | 2017-06-21 | 2019-10-22 | 株式会社大气社 | 自动研磨*** |
CN108509947A (zh) * | 2018-01-29 | 2018-09-07 | 佛山市南海区广工大数控装备协同创新研究院 | 一种基于人工神经网络的自动识别打磨方法 |
CN108693061A (zh) * | 2018-05-23 | 2018-10-23 | 天津大学 | 一种基于次摆线进给轨迹的硬脆材料划痕实验方法 |
CN109648461A (zh) * | 2019-01-14 | 2019-04-19 | 北京半导体专用设备研究所(中国电子科技集团公司第四十五研究所) | 研磨头扫描方法及装置 |
CN110587484A (zh) * | 2019-07-29 | 2019-12-20 | 苏州超徕精工科技有限公司 | 一种实时预测研抛加工过程去除效果的装置及方法 |
CN110625491A (zh) * | 2019-08-29 | 2019-12-31 | 中车青岛四方机车车辆股份有限公司 | 打磨设备以及打磨方法 |
CN111633585A (zh) * | 2020-06-02 | 2020-09-08 | 山西恒跃锻造有限公司 | 一种高度可调式底圈对中装置 |
CN112139857A (zh) * | 2020-08-05 | 2020-12-29 | 沈阳东能科技有限公司 | 一种针对钢板表面缺陷的机器人柔性修磨方法 |
CN111958330A (zh) * | 2020-08-06 | 2020-11-20 | 上海高仙自动化科技发展有限公司 | 一种区域维护方法、装置、晶面机及存储介质 |
CN112288707A (zh) * | 2020-10-27 | 2021-01-29 | 南京溧航仿生产业研究院有限公司 | 一种基于特征点识别的机器人焊缝打磨算法 |
WO2022132019A1 (en) * | 2020-12-18 | 2022-06-23 | Husqvarna Ab | Concrete surface mapping robots, systems, and methods for processing concrete surfaces |
CN113001263A (zh) * | 2021-02-26 | 2021-06-22 | 无锡中车时代智能装备有限公司 | 基于机器人的高点打磨方法及设备 |
CN114417526A (zh) * | 2021-12-31 | 2022-04-29 | 北京理工大学 | 一种适用于不同磨削加工表面形貌的精确预测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116945025A (zh) * | 2023-09-18 | 2023-10-27 | 南京昊阳环保科技有限公司 | 智能化轴颈抛光装置及方法 |
CN116945025B (zh) * | 2023-09-18 | 2023-11-28 | 南京昊阳环保科技有限公司 | 智能化轴颈抛光装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115502892B (zh) | 2023-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111230593B (zh) | 一种基于动态图像序列的铣刀磨损量视觉测量方法 | |
CN108931961B (zh) | 一种基于机器视觉的整体式立铣刀磨破损检测方法 | |
CN108747825B (zh) | 一种基于视觉检测激光修整成型砂轮装置及其修整方法 | |
CN107529334B (zh) | 通过去除材料加工刀具的方法和装置 | |
US20210294297A1 (en) | Method for determining the state of wear of a tool | |
CN101530975B (zh) | 圆弧刃金刚石车刀制备方法 | |
CN115502892B (zh) | 一种钢材超精密磨削表面材料去除方法及*** | |
JP6660636B2 (ja) | 研削工具砥面評価装置とその学習器、評価プログラムおよび評価方法 | |
CN114571326B (zh) | 基于计算机视觉的变形曲面磨削方法、装置及*** | |
CN110780639A (zh) | 研磨质量评估模型生成装置及相关装置 | |
CN105945651A (zh) | 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 | |
CN104029126B (zh) | 用于确认修整工具的构形偏离的方法及相应装备的磨削机 | |
CN105522484A (zh) | 一种玻璃雕铣机的控制加工方法 | |
JP2010234451A (ja) | ワーク加工方法、マシニングセンタ | |
EP3457237B1 (en) | Method and machine equipment for manufacturing of a cutting tool | |
CN111745542A (zh) | 磨石选定装置以及磨石选定方法 | |
Xu et al. | Methodology for the immediate detection and treatment of wheel wear in contour grinding | |
CN110815048B (zh) | 基于机器视觉的砂轮修整方法及装置 | |
CN111571441A (zh) | 研磨辅助*** | |
CN111008602B (zh) | 一种小曲率薄壁零件用二维和三维视觉结合的划线特征提取方法 | |
WO2016050858A1 (en) | Apparatus and method for sharpening the scraping edges of a scraper roller | |
CN114918415A (zh) | 一种3d打印制作金属多孔层的方法 | |
CN102642158B (zh) | 提供刀刃制备的方法以及执行该方法的控制及加工机器 | |
DK178511B1 (en) | Apparatus and method for sharpening the scraping edges of a scraper roller | |
JP2024008597A (ja) | 工作物加工面の表面粗さ推定装置 |
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 |