CN115847187A - 一种深窄槽车加工实时监控*** - Google Patents
一种深窄槽车加工实时监控*** Download PDFInfo
- Publication number
- CN115847187A CN115847187A CN202310169770.8A CN202310169770A CN115847187A CN 115847187 A CN115847187 A CN 115847187A CN 202310169770 A CN202310169770 A CN 202310169770A CN 115847187 A CN115847187 A CN 115847187A
- Authority
- CN
- China
- Prior art keywords
- cutter
- unit
- deep
- narrow groove
- real
- 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
- 238000007514 turning Methods 0.000 title claims abstract description 52
- 238000012544 monitoring process Methods 0.000 title claims abstract description 42
- 238000012545 processing Methods 0.000 claims abstract description 89
- 238000007781 pre-processing Methods 0.000 claims abstract description 16
- 238000000605 extraction Methods 0.000 claims abstract description 9
- 230000008859 change Effects 0.000 claims description 60
- 238000012216 screening Methods 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 18
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 230000033001 locomotion Effects 0.000 claims description 9
- 238000003754 machining Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 238000004148 unit process Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 abstract description 6
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 230000000630 rising effect Effects 0.000 abstract description 2
- 238000005520 cutting process Methods 0.000 description 15
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000001514 detection method Methods 0.000 description 5
- 239000000463 material Substances 0.000 description 5
- PXHVJJICTQNCMI-UHFFFAOYSA-N Nickel Chemical compound [Ni] PXHVJJICTQNCMI-UHFFFAOYSA-N 0.000 description 4
- 229910052742 iron Inorganic materials 0.000 description 4
- 238000000034 method Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000001931 thermography Methods 0.000 description 3
- 229910045601 alloy Inorganic materials 0.000 description 2
- 239000000956 alloy Substances 0.000 description 2
- 238000010009 beating Methods 0.000 description 2
- 238000005266 casting Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 239000013078 crystal Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001125 extrusion Methods 0.000 description 2
- 230000017525 heat dissipation Effects 0.000 description 2
- 229910052759 nickel Inorganic materials 0.000 description 2
- 238000004881 precipitation hardening Methods 0.000 description 2
- 230000011514 reflex Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011897 real-time detection Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 229910000601 superalloy Inorganic materials 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明的一种深窄槽车加工实时监控***,本发明属于机械制造技术领域,一种深窄槽车加工实时监控***,包括,采集模块;处理模块;其中,所述采集模块具有刀具图像采集单元,所述刀具图像采集单元用于采集深窄槽车加工的刀具图像并将其传输给所述处理模块;处理模块具有图像处理单元与判断单元,所述图像处理单元具有预处理单元与特征提取单元,本发明的有益效果体现在,本发明通过刀头处温度上升的速率判断刀头的工作情况,很大程度上减少了出现断刀的概率,减少了深窄槽的加工成本。
Description
技术领域
本发明属于机械制造技术领域,涉及具有深窄槽的零部件加工技术,具体涉及一种深窄槽车加工实时监控***。
背景技术
金属切削过程中不可避免的伴随着刀具磨损甚至破损的现象,特别是深窄槽的加工遇到的挑战更大,在加工深窄槽零部件时,极易出现打刀、断刀现象,一方面,由于零部件本身材料硬度高、强度高,零部件材料导热系数低,导热性很差,导致车加工时切削热集中在刀尖附近,不易散出,高温会缩短刀具寿命,并损坏所加工的零件,为此刀具与零件极易被损坏。另一方面,由于深窄槽的特殊形状,刀头越靠近深窄槽的根部,铁屑就更难排出去,刀头与铁屑、零件三者之间的挤压很容易使刀头破碎,造成零件报废,对于零件生产商而言,无疑是大大增加了额外的开支。
例如,某型号发动机的高压涡轮外环组件是涡轮单元的重要零件,也是必换件。该高压涡轮外环组件装配于高压涡轮单元,工作在高温高压的环境中,其结构是一个8°34′扇形块,其结构的剖视图如图1所示,端面上的环形深窄槽尺寸非常严格,要求槽宽1.85±0.05mm,槽深5.3±0.1mm,其材料为镍基沉淀硬化型等轴晶铸造高温合金K465,该合金导热系数低,导热性很差,切削热集中在刀尖附近,不易散出,使切削温度高,它的硬度高、强度高,切削力非常大,属难加工材料。
据统计,大约20%的机床停机时间是由于刀具破损引起的,而刀具本身和换刀带来的成本占据产品总成本的3%-12%。为此为了减少刀具与换刀成本,提供一种深窄槽车加工实时监控***是非常有价值的。
发明内容
为解决上述现有技术问题,本发明提供一种深窄槽车加工实时监控***。
为了实现上述目的,本发明采用的技术方案是:提供一种深窄槽车加工实时监控***,包括,采集模块;处理模块;其中,所述采集模块具有刀具图像采集单元,所述刀具图像采集单元用于采集深窄槽车加工的刀具图像并将其传输给所述处理模块;处理模块具有图像处理单元与判断单元,所述图像处理单元具有预处理单元与特征提取单元,所述预处理单元对刀具图像进行图像预处理,所述特征提取单元对预处理后的图像信息提取出刀具的RGB像素值,所述判断单元对刀具的RGB像素值的变化率A进行判断,且满足,当A1<A<A2时,判断单元输出一级危险信号,当A>A2时,判断单元输出二级危险信号,A1为第一变化阈值,A2为第二变化阈值。
优选的,刀具图像采集单元具有摄像头,摄像头具有绿色滤光片。
优选的,还包括,处理模块具有计数单元,所述计数单元用于计算某一时刻刀具的绿色值超过150的像素点的总和B;判断单元对B进行判断,当B>B1时,判断单元输出一级危险信号,当B>B2时,判断单元输出二级危险信号,B1为第一像素点阈值,B2为第二像素点阈值,B2>B1。
优选的,还包括,处理模块具有计算单元,所述计算单元用于计算固定时间段内刀具的临界像素点的面积变化率C,所述临界像素点包括绿色值大于140的像素点;判断单元对固定时间段内刀具的临界像素点的面积变化率C进行判断,当C>C1时,判断单元输出一级危险信号,当C>C2时,判断单元输出二级危险信号,C1为第一面积变化阈值,C2为第二面积变化阈值,C1<C2。
优选的,还包括,处理模块具有第一筛选单元与第二筛选单元;其中,所述第一筛选单元从预处理后的图像信息中筛选出刀具图像绿色值处于(140,160)的像素点坐标集,所述第二筛选单元用于在垂直于刀具进刀方向上的平行直线系中筛选出穿过像素点坐标集的像数点数最多的直线作为温度指示线;判断单元对刀具的温度指示线变化率进行判断,若温度指示线变化率>安全变化阈值,则判断单元输出二级危险信号。
优选的,存储模块具有存储单元,其中,所述存储单元用于存储预处理后的图像信息,当预处理后的图像信息中刀具图像的绿色值为高反值则将该坐标处的绿色值存储为210,否则存储原来的绿色值与其对应的坐标;在刀具当前坐标下已经存储过绿色值大于210的像素点,且刀具当前坐标下本次绿色值小于210的像素值为高反值。
优选的,处理模块具有识别单元,所述识别单元用于检测刀具是否更换,若刀具更换,则对存储单元保存的内容进行清除,否则对存储单元保存的内容进行保留。
优选的,还包括,刀具图像采集单元具有红外热成像仪,所述红外热成像仪采深窄槽车加工的刀具的温度图像信息并将其传输给所述处理模块。
优选的,红外热成像仪检测的温度数据为H,H=K×(S0×H0)/S1,S0为红外热成像仪与刀具的标准距离,S1为红外热成像仪与刀具的实际距离,H0为红外热成像仪与刀具之间为标准距离时检测到的温度,且H0与刀具的实际温度相同,K为能量系数;当H>700摄氏度时,判断单元输出一级危险信号。
优选的,采集模块具有联动组件与支撑组件,所述联动组件用于接收运动指令,支撑组件用于防止红外热成像仪抖动,红外热成像仪与刀具的运动轨迹相同且同步运动。
优选的,采集模块具有声波采集单元,所述声波采集单元采集深窄槽车加工的声波信息并将其传输给所述处理模块;处理模块具有声音处理单元,声音处理单元对声波信息处理得到声波频率信息L,判断单元对声波频率信息L进行判断,L>L1时,则判断单元输出一级危险信号,L1为频率阈值。
优选的,还包括,处理模块具有声音计算单元,所述声音计算单元用于计算声波频率信息L与异常音频的相似度S,判断单元对相似度S进行判断,若S>70%时,则判断单元输出一级危险信号,若S>75%时,则判断单元输出二级危险信号。
优选的,采集模块具有零件图像采集单元,所述零件图像采集单元用于采集被加工零件深窄槽处的图像信息将其传输给所述处理模块;处理模块具有对比单元,所述对比单元用于计算刀具的RGB像素值与被加工零件深窄槽处的RGB像素值的像素差P,判断单元对像素差P进行判断,若P<P1,则判断单元输出一级危险信号。
优选的,显示模块,所述显示模块用于刀具的工作状态,显示屏为绿色表示刀具正常,显示屏为橙色表示刀具异常且判断单元输出一级危险信号,显示屏为红色表示刀具危险且判断单元输出二级危险信号。
优选的,电源模块与传输端口;其中,所述电源模块用于为所述的一种深窄槽车加工实时监控***提供电源,传输端口用于为判断单元传输数据提供接口。
本发明的有益效果体现在,提供一种深窄槽车加工实时监控***。本发明的有益效果体现在,第一,本发明可以通过刀头处RGB值变化的速率判断刀头的工作情况,很大程度上减少了出现断刀的概率,减少了深窄槽的加工成本;第二,本发明通过对刀具的温度指示线变化率D判断刀具的工作情况,提高了实时检测***的准确率。
附图说明
图1为一种高压涡轮外环组件剖面示意图;
图2为一种刀具示意图,(a)为初始时刻处理后得到刀具示意图,(b) 为末尾时刻处理后得到刀具示意图;
图3为另一种深窄槽车加工实时监控***框图;
图4为一种深窄槽车加工实时监控***框架图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-图4所示,本发明提供的具体实施例如下。
实施例1:
一种深窄槽车加工实时监控***,包括,采集模块;处理模块;其中,所述采集模块具有刀具图像采集单元,所述刀具图像采集单元用于采集深窄槽车加工的刀具图像并将其传输给所述处理模块;处理模块具有图像处理单元与判断单元,所述图像处理单元具有预处理单元与特征提取单元,所述预处理单元对刀具图像进行图像预处理,所述特征提取单元对预处理后的图像信息提取出刀具的RGB像素值,所述判断单元对刀具的RGB像素值的变化率A进行判断,且满足,当A1<A<A2时,判断单元输出一级危险信号,当A>A2时,判断单元输出二级危险信号,A1为第一变化阈值,A2为第二变化阈值。
由于深窄槽的特殊性,需要加工的深窄槽宽度较小(一般为1mm-2mm),深度与宽度的比值较大,刀头越靠近深窄槽的根部,铁屑就更难排出去,刀头、铁屑与零件凹槽的挤压很容易使刀头破碎或发生移位,发生移位的刀头进一步造成零件损伤甚至零件报废,刀头破碎或发生移位既降低了零件的生产效率,又增加了零件的生产成本。另一方面,由于待加工零部件材料的硬度高、强度高,零部件材料导热系数低,导热性很差,导致车加工时切削热集中在刀尖附近,切削热不易散出,而且高温会缩短刀具寿命,加工深窄槽时刀头与零件极易被损坏。使得深窄槽加工成为加工难点,为此提供一种深窄槽车加工实时监控***是非常有价值的,通过实时监控刀头的工作情况,避免出现断刀现象。
在本实施例中,提供一种深窄槽车加工实时监控***,包括,采集模块;处理模块;其中,所述采集模块具有刀具图像采集单元,所述刀具图像采集单元用于采集深窄槽车加工的刀具图像并将其传输给所述处理模块;在本实施例中,刀具图像采集单元可以为高清摄像头、微型相机等。处理模块具有图像处理单元与判断单元,所述图像处理单元具有预处理单元与特征提取单元,所述预处理单元用于对刀具图像进行图像预处理。在一种实施例中,图像预处理可以包括对采集到的图像信息经过灰度变换、边缘提取获得刀具的轮廓信息,再根据刀具的轮廓信息获取只有刀具的RGB图像。也可以对采集得到的图像信息进行特征提取、图像分割、匹配和识别的来达到消除与刀头无关的信息。
对钢材的切削的过程中,切削物颜色与切削温度关系可以如下,银白色:约<200℃以下;淡黄色:约220℃;深蓝色:约300℃;淡灰色:约400℃;深紫黑色:约>500℃。而且对于不同的材质切削温度与切削颜色的关系不同,在此本发明需要申明的是本发明加工的零件并不仅限与镍基沉淀硬化型等轴晶铸造高温合金K465,也包括其他硬度高、导热系数低的材料的深窄槽加工。
而且本发明刀头随着切削温度的变化颜色不同,切削深窄槽时,刀具的颜色是先随温度升高变成青色、绿色,最后随着温度不断升高刀具变成红色,当刀具变成红色极易发生断刀、打刀现象,也就是刀具极易破碎或刀具断裂,为此实时监测刀具的颜色至关重要,监测到刀具有变红的趋势就意味着刀具已近处于危险工作状态,如果不及时修改加工策略将得不偿失。本发明通过判断单元对刀具的RGB像素值的变化率A进行判断,且满足,当A1<A<A2时,判断单元输出一级危险信号,当A>A2时,判断单元输出二级危险信号,A1为第一变化阈值,A2为第二变化阈值。在本实施例中,可定义RGB像素值的变化率A为三原色(红、绿、蓝)各自变化率之和,A1的取值范围为15/s-20/s,A2的取值范围为25/s-30/s。本发明可以将判断单元的输出信号传输给加工机床,加工机床根据将判断单元的输出信号进行调控,通过深窄槽车加工实时监控***控制加工机床的工作,达到有效避免刀头损坏,提高深窄槽的生产效率。
实施例2:
在一种实施例中,本发明通过实时监测刀具图像中的绿色分量,通过对刀具的RGB像素值的绿色变化率进行判断,A=(G2-G1)/T1,G1为在固定时间段T1内的初始时刻刀具的RGB像素值中的绿色分量中位数值,G2为在固定时间段T1内的末尾时刻刀具的RGB像素值中的绿色分量中位数值,A为在固定时间段T1内刀具的绿色变化率;且满足,当A1<A<A2时,判断单元输出一级危险信号,当A>A2时,判断单元输出二级危险信号,A1为第一绿色变化阈值,A2为第二变化阈值。即在正常加工的一段时间段内,初始时刻绿色值与末尾时刻绿色值变化越快表示温度变化越快,本发明通过判断刀具的绿色变化率A与A1、A2之间的关系来判断刀头的工作情况。
在一种实施例中,A1的取值为5/s,A2的取值为13/s,RGB代表红、绿、蓝三个通道的颜色,每个通道的颜色值各有256级,用数字表示为从0、1、2、3、...、255,例如在初始时刻刀具的RGB图像的绿色通道中绿色值相同个数最多的值作为绿色分量中位数值34,经过5s后刀具的RGB图像的绿色通道中绿色值相同个数最多的值作为绿色分量中位数值63,A=(63-34)/5=5.8/s,则表明在该时间段内刀温度异常,判断单元输出一级危险信号。本发明通过深窄槽车加工实时监控***控制加工机床的工作,达到有效避免刀头损坏,提高深窄槽的生产效率。
实施例3:
刀具图像采集单元具有摄像头,摄像头具有绿色滤光片。
在本实施例中,由于加工环境比较复杂,直接对采集的图像进行预处理去除与刀具无关的信息工作量较大,而且预处理的效果有限,极易对监测结果造成干扰,为此本发明提供的刀具图像采集单元具有摄像头,摄像头具有绿色滤光片,绿色滤光片用于滤除非绿色图像信息,可以有效提高刀具的监测准确率。
实施例4:
处理模块具有计数单元,所述计数单元用于计算某一时刻刀具的绿色值超过150的像素点的总和B;判断单元对B进行判断,当B>B1时,判断单元输出一级危险信号,当B>B2时,判断单元输出二级危险信号,B1为第一像素点阈值,B2为第二像素点阈值,B2>B1。
由于在实际加工过程中,刀具在变红之前的会先变绿,而且变绿的范围逐渐增加,当绿色的面积增大到一定程度时,刀具继续升温则会变红,为此监测刀具绿色分量的像素点总和可以实现对刀具的判断,判断单元对某一时刻刀具的绿色值超过150的像素点的总和B进行判断,当B>B1时,判断单元输出一级危险信号,当B>B2时,判断单元输出二级危险信号,B1为第一像素点阈值,B2为第二像素点阈值,B2>B1。
实施例5:
处理模块具有计算单元,所述计算单元用于计算固定时间段内刀具的临界像素点的面积变化率C,所述临界像素点包括绿色值大于140的像素点;判断单元对固定时间段内刀具的临界像素点的面积变化率C进行判断,当C>C1时,判断单元输出一级危险信号,当C>C2时,判断单元输出二级危险信号,C1为第一面积变化阈值,C2为第二面积变化阈值,C1<C2。
在本实施例中,判断单元对固定时间段T2内刀具的临界像素点的面积变化率C进行判断,当面积变化率C过高则表明刀具为温度变化过快,刀具大概率处于危险状态,当面积变化率C过低则表明刀具为温度变化慢,刀具大概率处于安全工作状态。本发明的判断单元对固定时间段T2内刀具的临界像素点的面积变化率C进行判断,C=(Q2-Q1)/T2,其中,Q1为固定时间段T2内初始时刻刀具的临界像素点总面积,Q2为固定时间段T2内末尾时刻刀具的临界像素点总面积,所述临界像素点包括绿色值大于140的像素点;当C>C1时,判断单元输出一级危险信号,当C>C2时,判断单元输出二级危险信号,C1为第一面积变化阈值,C2为第二面积变化阈值,C1<C2。
在一种实施例中,C1的取值为60个/s,C2的取值为100个/s,在一段时间内的初始时刻刀具的临界像素点总面积即临界像素点总个数为221,经5s后刀具的临界像素点总面积即临界像素点总个数为573,C=(573-221)/5=70.4/s,则表示在该时间段内刀具的温度异常,判断单元输出一级危险信号,本发明提高了刀具检测的准确性。
实施例6:
处理模块具有第一筛选单元与第二筛选单元;其中,所述第一筛选单元从预处理后的图像信息中筛选出刀具图像绿色值处于(140,160)的像素点坐标集,所述第二筛选单元用于在垂直于刀具进刀方向上的平行直线系中筛选出穿过像素点坐标集的像数点数最多的直线作为温度指示线;判断单元对刀具的温度指示线变化率进行判断,若温度指示线变化率>安全变化阈值,则判断单元输出二级危险信号。
在本实施例中,由于本发明的深窄槽车加工实时监控***是针对深窄槽加工进行监控,深窄槽的特点是窄且深,导致车加工时切削热集中在刀尖附近,不易散出,而且越接近槽根部刀具的温度越高。当刀具正常工作时,在垂直于进刀方向上有温度指示线,正常工作时的温度指示线为基础线,在朝向深窄槽方向上越靠近槽根部刀具温度越高,在背离深窄槽方向上越远离基础线刀具温度越低。在刀具正常工作时,温度指示线在基础线附近波动,但是波动幅度较小,但是当刀具温度持续升高,温度指示线朝远离槽根部方向移动,当温度指示线与基础线的距离逐渐增加,也表明刀具温度在持续增加,而且温度指示线远离基础线的速度越快,则表明刀具正在快速升温,极易发生刀具损坏的情况,为此提供一种可以检测温度指示线变化的监控***是非常有价值的。
在本实施例中,处理模块具有第一筛选单元与第二筛选单元;其中,所述第一筛选单元从预处理后的图像信息中筛选出刀具图像绿色值处于(140,160)的像素点坐标集,所述第二筛选单元用于在垂直于刀具进刀方向上的平行直线系中筛选出穿过像素点坐标集的像数点数最多的直线作为温度指示线;判断单元对刀具的温度指示线变化率进行判断,若温度指示线变化率>安全变化阈值,则判断单元输出二级危险信号。
如图2所示,1为刀具,左边图像为初始时刻处理后得到刀具示意图,其中y1为在垂直于进刀方向上绿色值处于(140,160)的像素点分布最多的直线,右边图像为末尾时刻处理后得到刀具示意图,y2为在垂直于进刀方向上绿色值处于(140,160)的像素点分布最多的直线。本发明通过刀具的温度指示线变化率进行判断提高了刀具检测的准确性。
实施例7:
存储模块具有存储单元,其中,所述存储单元用于存储预处理后的图像信息,当预处理后的图像信息中刀具图像的绿色值为高反值则将该坐标处的绿色值存储为210,否则存储原来的绿色值与其对应的坐标;在刀具当前坐标下已经存储过绿色值大于210的像素点,且刀具当前坐标下本次绿色值小于210的像素值为高反值。
由于在实际加工过程中,当刀头升温到一定程度其RGB像数值的绿色值大于210后,下一时刻温度仍在增加,但是刀具其RGB像数值的绿色值发生小幅度下降导致出现于210的情况,但是此时刀具的实际温度并没有降低,此时如果不把该像素点统计为临界像素点将造成绿色值的面积变化率C小于实际值,有极大的概率导致刀具破碎的现象。
在本实施例中,存储模块具有存储单元,其中,所述存储单元用于存储预处理后的图像信息,当预处理后的图像信息中刀具图像的绿色值为高反值则将该坐标处的绿色值存储为210,否则存储原来的绿色值与其对应的坐标;在刀具当前坐标下已经存储过绿色值大于210的像素点,且刀具当前坐标下本次绿色值小于210的像素值为高反值。可以提高实时监测刀具的准确率。
实施例8:
处理模块具有识别单元,所述识别单元用于检测刀具是否更换,若刀具更换,则对存储单元保存的内容进行清除,否则对存储单元保存的内容进行保留。
对于一个零件的加工过程中,往往会遇到换刀,当换刀后,之前保存的数据都变为无效数据,在本实施例中,处理模块具有识别单元,所述识别单元用于检测刀具是否更换,若刀具更换,则对存储单元保存的内容进行清除,否则对存储单元保存的内容进行保留,可以保证实时监测刀具的准确率。
实施例9:
刀具图像采集单元具有红外热成像仪,所述红外热成像仪采深窄槽车加工的刀具的温度图像信息并将其传输给所述处理模块。
在本实施例中,刀具图像采集单元具有红外热成像仪,所述红外热成像仪采深窄槽车加工的刀具的温度图像信息并将其传输给所述处理模块。红外热像仪是一种利用红外热成像技术,通过对标定物的红外辐射探测,并加以信号处理、光电转换等手段,将标定物的温度分布的图像转换成可视图像的设备。红外热像仪将实际探测到的热量进行精确的量化,以面的形式实时成像标的物的整体,因此能够准确识别正在发热的疑似故障区域。操作人员通过屏幕上显示的图像色彩和热点追踪显示功能来初步判断温度情况,从而在确认温度的问题上体现了高效率、高准确率。
实施例10:
红外热成像仪检测的温度数据为H,H=K×(S0×H0)/S1,S0为红外热成像仪与刀具的标准距离,S1为红外热成像仪与刀具的实际距离,H0为红外热成像仪与刀具之间为标准距离时检测到的温度,且H0与刀具的实际温度相同,K为能量系数;当H>700摄氏度时,判断单元输出一级危险信号。
由于红外热成像仪检测监测的温度与被检测物之间的距离相关,如果不考虑与被检测物之间的距离会导致检测结果不准确。为此本发明红外热成像仪检测的温度数据为H,H=K×(S0×H0)/S1,S0为红外热成像仪与刀具的标准距离,S1为红外热成像仪与刀具的实际距离,H0为红外热成像仪与刀具之间为标准距离时检测到的温度,且H0与刀具的实际温度相同,K为能量系数;当H>700摄氏度时,判断单元输出一级危险信号,本发明可以更加准确的获取刀具的温度信息。
实施例11:
采集模块具有联动组件与支撑组件,所述联动组件用于接收运动指令,支撑组件用于防止红外热成像仪抖动,红外热成像仪与刀具的运动轨迹相同且同步运动。
由于刀具在加工过程中会做进给动作,由于刀具的移动拍摄到刀具的图像会有变化,而对于刀具上的温度检测与拍摄的图像有很大的关联性,为此在本实施例中,采集模块具有联动组件与支撑组件,所述联动组件用于接收运动指令,支撑组件用于防止红外热成像仪抖动,红外热成像仪与刀具的运动轨迹相同且同步运动。本发明可以实时拍摄到精确的刀具图像,提供准确的刀具状态识别。
实施例12:
采集模块具有声波采集单元,所述声波采集单元采集深窄槽车加工的声波信息并将其传输给所述处理模块;处理模块具有声音处理单元,声音处理单元对声波信息处理得到声波频率信息L,判断单元对声波频率信息L进行判断,L>L1时,则判断单元输出一级危险信号,L1为频率阈值。
处理模块具有声音计算单元,所述声音计算单元用于计算声波频率信息L与异常音频的相似度S,判断单元对相似度S进行判断,若S>70%时,则判断单元输出一级危险信号,若S>75%时,则判断单元输出二级危险信号。
在深窄槽车加工过程中,刀头出现异常之前的一段时间内,切削的声音发生改变,声音从浑厚变得尖锐,直到尖锐的声音变成刺耳的声音,到出现刺耳的声音伴随刀具的破碎,为此,在发现切削时婚浑厚的声音变成尖锐就变得尤为重要,发现之后需要及时调整刀具的工作方式或者更换刀具,避免刀具破碎,为此在加工过程中监测切削的声音是非常有价值的。为此可以通过采集的声波信息协助判断刀具的工作情况,在一种实施例中,采集模块具有声波采集单元,所述声波采集单元用于采集深窄槽车加工的声波信息并将其传输给所述处理模块;处理模块具有声音处理单元,声音处理单元可对声波信息过滤得到声波频率信息,判断单元对声波频率信息进行判断,L>L1时,则判断单元输出一级危险信号,L为声波频率信息某一时刻的频率,L1为频率阈值。
在另一种实施例中,处理模块具有声音计算单元,所述声音计算单元用于计算声波频率信息L与异常音频的相似度S,判断单元对相似度S进行判断,若S>70%时,则判断单元输出一级危险信号,若S>75%时,则判断单元输出二级危险信号。
实施例13:
采集模块具有零件图像采集单元,所述零件图像采集单元用于采集被加工零件深窄槽处的图像信息将其传输给所述处理模块;处理模块具有对比单元,所述对比单元用于计算刀具的RGB像素值与被加工零件深窄槽处的RGB像素值的像素差P,判断单元对像素差P进行判断,若P<P1,则判断单元输出一级危险信号。
由于加工零件的区别,对于相同的切削其散热也可能不同,实时监测加工时刀头的工作情况,实时检测刀头的温度虽然可以达到一定监测的作用,但是对于整个零件的加工散热情况不明确,当监测到刀头处于某一个温度时,如果温度继续增加则要立即停机,否则刀头极易断刀,但如果刀头一直处于等于或低于该温度时,则不影响刀头的正常使用,没有必要急停或换刀,为此提供一种判断刀头温度上升或下降的检测是非常有价值的。
在本实施例中,采集模块具有零件图像采集单元,所述零件图像采集单元用于采集被加工零件深窄槽处的图像信息将其传输给所述处理模块;处理模块具有对比单元,所述对比单元用于计算刀具的RGB像素值与被加工零件深窄槽处的RGB像素值的像素差P,判断单元对像素差P进行判断,若P<P1,则判断单元输出一级危险信号。
零件图像采集单元具体包括单镜头反光照相机,双镜头反光照相机,旁轴取景相机、***头等。
实施例14:
显示模块,所述显示模块用于刀具的工作状态,显示屏为绿色表示刀具正常,显示屏为橙色表示刀具异常且判断单元输出一级危险信号,显示屏为红色表示刀具危险且判断单元输出二级危险信号。
实施例15:
电源模块与传输端口;其中,如图3-图4所示,所述电源模块用于为所述的一种深窄槽车加工实时监控***提供电源,传输端口用于为判断单元传输数据提供接口。
在本发明的实施例的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“内”、“外”、“内侧”、“外侧”等指示的方位或位置关系。 “-”表示的是两个数值之同的范围,并且该范围包括端点。例如:“A-B”表示大于或等于A,且小于或等于B的范围。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (15)
1.一种深窄槽车加工实时监控***,其特征在于,包括,
采集模块;
处理模块;
其中,所述采集模块具有刀具图像采集单元,所述刀具图像采集单元用于采集深窄槽车加工的刀具图像并将其传输给所述处理模块;
处理模块具有图像处理单元与判断单元,所述图像处理单元具有预处理单元与特征提取单元,所述预处理单元对刀具图像进行图像预处理,所述特征提取单元对预处理后的图像信息提取出刀具的RGB像素值,所述判断单元对刀具的RGB像素值的变化率A进行判断,且满足,
当A1<A<A2时,判断单元输出一级危险信号,当A>A2时,判断单元输出二级危险信号,A1为第一变化阈值,A2为第二变化阈值。
2.根据权利要求1所述的一种深窄槽车加工实时监控***,其特征在于,
刀具图像采集单元具有摄像头,摄像头具有绿色滤光片。
3.根据权利要求2所述的一种深窄槽车加工实时监控***,其特征在于,还包括,
处理模块具有计数单元,所述计数单元用于计算某一时刻刀具的绿色值超过150的像素点的总和B;
判断单元对B进行判断,当B>B1时,判断单元输出一级危险信号,当B>B2时,判断单元输出二级危险信号,B1为第一像素点阈值,B2为第二像素点阈值,B2>B1。
4.根据权利要求2所述的一种深窄槽车加工实时监控***,其特征在于,还包括,
处理模块具有计算单元,所述计算单元用于计算固定时间段内刀具的临界像素点的面积变化率C,所述临界像素点包括绿色值大于140的像素点;
判断单元对固定时间段内刀具的临界像素点的面积变化率C进行判断,当C>C1时,判断单元输出一级危险信号,当C>C2时,判断单元输出二级危险信号,C1为第一面积变化阈值,C2为第二面积变化阈值,C1<C2。
5.根据权利要求3或4所述的一种深窄槽车加工实时监控***,其特征在于,还包括,
处理模块具有第一筛选单元与第二筛选单元;
其中,所述第一筛选单元从预处理后的图像信息中筛选出刀具图像绿色值处于(140,160)的像素点坐标集,所述第二筛选单元用于在垂直于刀具进刀方向上的平行直线系中筛选出穿过像素点坐标集的像数点数最多的直线作为温度指示线;
判断单元对刀具的温度指示线变化率进行判断,若温度指示线变化率>安全变化阈值,则判断单元输出二级危险信号。
6.根据权利要求5所述的一种深窄槽车加工实时监控***,其特征在于,
存储模块具有存储单元,
其中,所述存储单元用于存储预处理后的图像信息,当预处理后的图像信息中刀具图像的绿色值为高反值则将该坐标处的绿色值存储为210,否则存储原来的绿色值与其对应的坐标;
在刀具当前坐标下已经存储过绿色值大于210的像素点,且刀具当前坐标下本次绿色值小于210的像素值为高反值。
7.根据权利要求6所述的一种深窄槽车加工实时监控***,其特征在于,
处理模块具有识别单元,所述识别单元用于检测刀具是否更换,若刀具更换,则对存储单元保存的内容进行清除,否则对存储单元保存的内容进行保留。
8.根据权利要求7所述的一种深窄槽车加工实时监控***,其特征在于,还包括,
刀具图像采集单元具有红外热成像仪,所述红外热成像仪采深窄槽车加工的刀具的温度图像信息并将其传输给所述处理模块。
9.根据权利要求8所述的一种深窄槽车加工实时监控***,其特征在于,
红外热成像仪检测的温度数据为H,H=K×(S0×H0)/S1,S0为红外热成像仪与刀具的标准距离,S1为红外热成像仪与刀具的实际距离,H0为红外热成像仪与刀具之间为标准距离时检测到的温度,且H0与刀具的实际温度相同,K为能量系数;
当H>700摄氏度时,判断单元输出一级危险信号。
10.根据权利要求9所述的一种深窄槽车加工实时监控***,其特征在于,
采集模块具有联动组件与支撑组件,所述联动组件用于接收运动指令,支撑组件用于防止红外热成像仪抖动,红外热成像仪与刀具的运动轨迹相同且同步运动。
11.根据权利要求10所述的一种深窄槽车加工实时监控***,其特征在于,
采集模块具有声波采集单元,所述声波采集单元采集深窄槽车加工的声波信息并将其传输给所述处理模块;
处理模块具有声音处理单元,声音处理单元对声波信息处理得到声波频率信息L,判断单元对声波频率信息L进行判断,L>L1时,则判断单元输出一级危险信号,L1为频率阈值。
12.根据权利要求11所述的一种深窄槽车加工实时监控***,其特征在于,还包括,
处理模块具有声音计算单元,所述声音计算单元用于计算声波频率信息L与异常音频的相似度S,判断单元对相似度S进行判断,若S>70%时,则判断单元输出一级危险信号,若S>75%时,则判断单元输出二级危险信号。
13.根据权利要求12所述的一种深窄槽车加工实时监控***,其特征在于,
采集模块具有零件图像采集单元,所述零件图像采集单元用于采集被加工零件深窄槽处的图像信息将其传输给所述处理模块;
处理模块具有对比单元,所述对比单元用于计算刀具的RGB像素值与被加工零件深窄槽处的RGB像素值的像素差P,判断单元对像素差P进行判断,若P<P1,则判断单元输出一级危险信号。
14.根据权利要求13所述的一种深窄槽车加工实时监控***,其特征在于,
显示模块,所述显示模块用于刀具的工作状态,显示屏为绿色表示刀具正常,显示屏为橙色表示刀具异常且判断单元输出一级危险信号,显示屏为红色表示刀具危险且判断单元输出二级危险信号。
15.根据权利要求14所述的一种深窄槽车加工实时监控***,其特征在于,
电源模块与传输端口;
其中,所述电源模块用于为权利要求1-14任一所述的一种深窄槽车加工实时监控***提供电源,传输端口用于为判断单元传输数据提供接口。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310169770.8A CN115847187B (zh) | 2023-02-27 | 2023-02-27 | 一种深窄槽车加工实时监控*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310169770.8A CN115847187B (zh) | 2023-02-27 | 2023-02-27 | 一种深窄槽车加工实时监控*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115847187A true CN115847187A (zh) | 2023-03-28 |
CN115847187B CN115847187B (zh) | 2023-05-05 |
Family
ID=85659118
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310169770.8A Active CN115847187B (zh) | 2023-02-27 | 2023-02-27 | 一种深窄槽车加工实时监控*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115847187B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN87104127A (zh) * | 1987-06-08 | 1988-12-28 | 西安交通大学 | 一种数控机床刀具破磨损的监测方法和装置 |
CN101693347A (zh) * | 2009-10-23 | 2010-04-14 | 沈阳工业大学 | 一种基于图像处理的回转类刀具在机测量方法 |
CN102501140A (zh) * | 2011-11-22 | 2012-06-20 | 南京航空航天大学 | 一种球头铣刀定位及磨损监测方法 |
CN103363920A (zh) * | 2012-04-09 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 刀具检测***及方法 |
CN103433806A (zh) * | 2013-08-01 | 2013-12-11 | 上海交通大学 | 一种自适应的刀具微破损监控***及监控方法 |
CN106863008A (zh) * | 2015-12-11 | 2017-06-20 | 周萍萍 | 一种基于图像分析的刀具监控方法及*** |
CN108931961A (zh) * | 2018-07-05 | 2018-12-04 | 西安交通大学 | 一种基于机器视觉的整体式立铣刀磨破损检测方法 |
CN109822398A (zh) * | 2019-03-25 | 2019-05-31 | 华中科技大学 | 一种基于深度学习的数控机床断刀检测***及方法 |
CN110405540A (zh) * | 2019-07-09 | 2019-11-05 | 华中科技大学 | 一种人工智能断刀检测***及方法 |
CN112247675A (zh) * | 2020-11-04 | 2021-01-22 | 苏州众盈恒信息科技有限公司 | 一种基于大数据自主学习检测刀具寿命的***及方法 |
CN115351601A (zh) * | 2022-09-29 | 2022-11-18 | 哈尔滨工业大学 | 一种基于迁移学习的刀具磨损监测方法 |
CN115431101A (zh) * | 2022-10-18 | 2022-12-06 | 南通钜德智能科技有限公司 | 一种数控机床状态检测方法及*** |
-
2023
- 2023-02-27 CN CN202310169770.8A patent/CN115847187B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN87104127A (zh) * | 1987-06-08 | 1988-12-28 | 西安交通大学 | 一种数控机床刀具破磨损的监测方法和装置 |
CN101693347A (zh) * | 2009-10-23 | 2010-04-14 | 沈阳工业大学 | 一种基于图像处理的回转类刀具在机测量方法 |
CN102501140A (zh) * | 2011-11-22 | 2012-06-20 | 南京航空航天大学 | 一种球头铣刀定位及磨损监测方法 |
CN103363920A (zh) * | 2012-04-09 | 2013-10-23 | 鸿富锦精密工业(深圳)有限公司 | 刀具检测***及方法 |
CN103433806A (zh) * | 2013-08-01 | 2013-12-11 | 上海交通大学 | 一种自适应的刀具微破损监控***及监控方法 |
CN106863008A (zh) * | 2015-12-11 | 2017-06-20 | 周萍萍 | 一种基于图像分析的刀具监控方法及*** |
CN108931961A (zh) * | 2018-07-05 | 2018-12-04 | 西安交通大学 | 一种基于机器视觉的整体式立铣刀磨破损检测方法 |
CN109822398A (zh) * | 2019-03-25 | 2019-05-31 | 华中科技大学 | 一种基于深度学习的数控机床断刀检测***及方法 |
CN110405540A (zh) * | 2019-07-09 | 2019-11-05 | 华中科技大学 | 一种人工智能断刀检测***及方法 |
CN112247675A (zh) * | 2020-11-04 | 2021-01-22 | 苏州众盈恒信息科技有限公司 | 一种基于大数据自主学习检测刀具寿命的***及方法 |
CN115351601A (zh) * | 2022-09-29 | 2022-11-18 | 哈尔滨工业大学 | 一种基于迁移学习的刀具磨损监测方法 |
CN115431101A (zh) * | 2022-10-18 | 2022-12-06 | 南通钜德智能科技有限公司 | 一种数控机床状态检测方法及*** |
Non-Patent Citations (1)
Title |
---|
冯冀宁等: "基于细胞神经网络图像识别的刀具监控方法的研究", 工具技术 * |
Also Published As
Publication number | Publication date |
---|---|
CN115847187B (zh) | 2023-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111300144B (zh) | 基于图像处理的刀具磨损状态自动检测方法 | |
CN109822398B (zh) | 一种基于深度学习的数控机床断刀检测***及方法 | |
CN108931961B (zh) | 一种基于机器视觉的整体式立铣刀磨破损检测方法 | |
WO2021043192A1 (zh) | 一种在线监测铣削加工刀具缺损的方法 | |
CN111230593B (zh) | 一种基于动态图像序列的铣刀磨损量视觉测量方法 | |
CN105799133B (zh) | 基于外形轮廓匹配的模具在线监视保护方法 | |
CN111122587B (zh) | 一种基于视觉特征提取的刀具损伤检测方法 | |
CN103543161A (zh) | 一种连铸坯表面质量在线检测方法 | |
CN110930405A (zh) | 一种基于图像区域划分的刀具损伤检测方法 | |
CN105551064B (zh) | 一种基于图像特征估计堆料体积变化率的方法 | |
CN102581244B (zh) | 一种连铸铸坯表面质量的在线控制***及控制方法 | |
CN111461078B (zh) | 一种基于计算机视觉技术的防钓监控方法 | |
CN106934796B (zh) | 隧道掘进机搭载的高速皮带机岩渣视频分析***及方法 | |
CN109447011B (zh) | 红外对蒸汽管道泄露的实时监控方法 | |
CN103051872A (zh) | 基于图像边缘提取的输送带跑偏检测方法 | |
CN111061231B (zh) | 焊接装配间隙和错边前馈的熔池监控***及熔透监测方法 | |
CN112330653B (zh) | 一种基于图像识别技术的矿石粒度在线检测方法 | |
CN105562643A (zh) | 一种结晶器漏钢处理方法 | |
CN109623655A (zh) | 一种砂轮工作状态在位监测***及方法 | |
CN115847187A (zh) | 一种深窄槽车加工实时监控*** | |
CN109877650B (zh) | 一种棒料剪切刀具寿命预测方法 | |
CN109739841B (zh) | 一种针对于电力设备在线监测重复数据的整合***及方法 | |
CN109598724B (zh) | 布料标签检测识别方法 | |
CN115937755B (zh) | 一种拖拉机变速箱立铣刀片视觉检测方法 | |
CN112351247A (zh) | 一种基于图像处理的水电厂内电光闪光检测方法 |
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 |