刀具损坏在高精度计算机视觉基础上的在位检测研究

第一章绪论

1.1课题研究背景及意义
传统的刀具磨损状态的监测方法是以切削力、切削温度或声发射（AE）信号的变化特征为依据进行在线检测，但以上各量与刀具的磨损程度没有严格的对应关系，而且由于切削条件的复杂多样，在应用上都存在一定的限制。
计算机视觉检测系统因其具有非接触、测量效率高、劳动强度低等优点，被广泛应用于航空航天、半导体等行业的自动化生产线现场和薄壁件测量。基于计算机视觉的刀具状态监测(Computer-Vision based Tool Condition Monitoring，简称为CVTCM方法开始逐步进入机械加工自动化领域，该方法能在很大程度上克服现有刀具状态监测方法所存在的缺陷，己经发展成为现代刀具状态监测领域的一类重要监测手段。
研宄表明，采用刀具状态监测技术后能够将人为和技术因素引起的故障停机时间减少75%，提高生产率10%~60%，提高机床利用率50%以上[4]。由此可看出，刀具状态监测技术在自动化机床上的应用具有十分重要的意义和实用价值。
本课题旨在通过高精度计算机视觉的方法对微细加工中的刀具进行磨损检测划分磨损等级。意义在于提高加工精度、效率；保证加工质量、安全性；充分利用刀具，降低成本。
..................................

1.2刀具磨损检测国内外研究概况
1.2.1刀具磨损检测技术发展概况
在最近的几十年间，国内外学者在刀具磨损和破损的自动监测方面做了许多研究工作，国外于70年代末就己经开发和研制出了用于刀具状态监测的传感器。传感器在刀具状态监测中的作用是通过直接或间接的方式测量出能够反映刀具磨损或破损程度的参量，如切削力、切削温度、振动等，然后将这些参量转化为电信号再进一步处理。70年代末至80年代初时期，日本和德国在NC机床的研制与生产中取得了很大的进步，既设置了带传感器的刀具监测系统，也配置了适应性控制系统，可实时地监测刀具的磨损状况，及时发出信息，防止因刀具失效而引起的工件报废和机床故障所产生的危害。80年代中期以来，传感器在刀具状态监测中的应用得到了进一步发展，具体表现在以下几个方面：一方面，其集成化、数字化和智能化的程度进一步提高；另一方面，其准确性、实用性和可靠性也得到进一步提高；再者，刀具传感器在其品种、规格、用途和测试方法等方面也都有新的发展。
90年代以来，随着半导体技术、微细加工技术、微电子机械技术、信号处理及自动控制等高新技术的发展，用于刀具监测的传感器件在集成化、高效化、多功能化、智能化等方面有了新的转机，许多瓶颈问题得到了解决，相关设备的价格也一路走低从而进一步得到普及。其中以图像传感器为代表的刀具状态监测技术在高性能微机等新技术的推动下，获得了进一步发展，出现了以机器视觉为理论基础的刀具状态监测技术，随着CCD图像传感技术、图像处理理论的成熟以及相关设备价格的大幅度降低，其实用性、准确性、可靠性越来越高。
1.2.2主要的刀具磨损检测技术及特点
如图1.1所示，常用的在位检测方法分为直接测量法和间接测量法，前者包括电阻测量法、射线测量法、微结构银层法和机器视觉测量法，后者包括切削力检测法、振动检测法、声发射(AE)法，电机电流测量法和热电压法等[5]。

各检测方法对比分析如表1.1所示，现将五种应用最广泛的检测方法介绍如下：
(1)切削力检测法：刀具在切削工件时，切削力的增长速率与刀具磨损速率成线性关系。在正常磨损过程中，切削力的增长速率保持恒量；当切削力增长速率变大时，刀具的磨损速率也将变大，表明刀具开始进入剧烈的磨损阶段。以间接地检测到刀具的磨损状态。该法的优点是可以实现在线检测。但传感器的1安装困难，需要对机床作些改动。由于被加工材料的机械性能的变化和工件尺寸精度的变化等，都会影响到检测结果，所以此方法比较适合于切削量较大的粗加工[6]。
....................................

第二章基于计算机视觉的刀具磨损检测关键技术研究

2.1微径铣刀磨损特点及磨钝标准
2.1.1微型铣刀磨损特点
微径洗刀直径范围为0.1-10mm，长度范围10-100mm。微铣削所使用的刀具直径一般在0.1~1mm之间，而刀具切削刃半径通常只有2 mm左右，不仅因刀具的几何尺寸极小易导致刀具磨损，而且微铣削的磨损特点与常规铣削具有明显的不同。
与常规铣削相比，由于微径铣刀的刚度低，加工中刀具的进给量通常采用每齿几个微米甚至更小，两微径铣刀的切削刃钝圆半径通常在几个微米量级，因此导致微细统削中的每齿进给量大致等同切削刃钝圆半径。这时工件材料在切削刃的摩擦、挤压或耕犁的作用下，产生剧烈的弹塑性变形。在常规铣削中可以忽略的因素（切削刃纯圆半径、刀具微小的跳动、切屑的中断及工件材料的弹性恢复等）对微细铣削过程产生重要影响。许多研宄表明当切削深度或每齿进给量远小于切削刃钝圆半径时，将产生明显的尺寸效应。因此，微刀具微细切削工艺将显著地区别于传统刀具的切削加工，呈现显著的尺度效应。
微铣削中影响刀具磨损的因素很多，如铣削工况、工件材料、刀具材料、刀具几何尺寸等。微铣刀磨损的形式主要有涂层脱落、刀尖破损、磨粒磨损、扩散磨损和粘接磨损。
(1)刀尖破损
微铣刀刀尖破损主要由冲击、机械疲劳和热化学磨损引起。在微细统削加工中，微刀具的径向跳动量是不容忽视的一个重要因素，与常规切削加工相比，刀具径向跳动半径与刀具半径比要大很多。对于两刃微径铣刀，在微细铣削铅黄铜材料时，由于刀具的装卡和微变形等所引起的刀具轴线与主轴轴线间的偏差，使得一个切削刃执行全部或绝大多数铣削工作，另外一个切削刃只参与少量切削或基本不切削工件。此时，刀具所受切削力显著增加；刀尖处承受复杂的机械与热稱合载荷的作用，刀尖与工件之间的压力较大，应力集中现象显著。同时，铣削中由于切削和空切的循环变化，对刀尖将产生机械疲劳作用。因此，刀具磨损加快，刀尖破损概率明显增加。另外，在涂层剥落的条件下，裸露的刀尖部位摩擦增加，切削温度将升高，并呈现周期性变化，进而产生刀尖的热应力破坏。这也是引起刀尖破损的一个主要原因。刀尖破损表现为微崩刃现象，对工件的表面加工质量产生重要影响，是微刀具切削中尺度效应的主要体现[23]。
(2)涂层脱落
与常规刀具相比，微刀具的涂层很薄，耐磨性差。脱落的主要原因在于涂层材料与刀具基体的热膨胀系数不同.并且微铣刀刀尖处所承受的载荷非常大，因此刀尖处的涂层最容易受到破坏。
(3)磨粒磨损
工件材料中杂质和材料机体组织中的硬质点在刀具表面上划出沟纹，形成磨粒磨损。在微细铣削铅黄铜工件时，铅黄铜中含有Fe元素，容易生成Fee硬质点.与普通切削相比，这些硬质点晶粒尺寸与刀具的每齿进给量，刀具基体晶粒尺寸很接近，硬质点与刀具间的摩擦在晶粒间进行，容易造成刀具材料的脱落，形成磨粒磨损的划痕。
..............................

2.2图像预处理与边缘检测技术
在视觉检测系统中，图像采集系统采集到的目标图像，被送到计算机内存或者保存在硬盘上，为了便于后续的处理，必须对采集的图像进行预处理。视觉测量的图像预处理主要包括彩色图像灰度化和滤波去噪。目前，灰度图像处理己经有很多的算法，而且由于灰度图像处理只研宄图像的亮度信息，因而处理时间较快。所以，采集的彩色图像一般先进行灰度化处理转化成灰度图像。成像过程中不可避免地存在各种噪声，对于依赖于灰度取值进行处理的算法来说，噪声对处理结果的影响非常大。
2.2.1图像灰度化原理
机器视觉测量建立在图像灰度信息处理基础上，在测量前，首先需要判断获取的刀具图像是否为灰度图像，如果系统输入图像为彩色图像，则先进行灰度化处理转换成灰度图像。
彩色图像转换为灰度图像是一种色彩变换，可以用下式来表示：
g{x,y) = T[f{x,y)]                   (2.1)
式中，f (X，y)表示输入的彩色图像，g (X, y)表示通过灰度化处理后输出的灰度图像，而T是代表加在输入图像域上的操作算子。
常用的色彩系统如RGB, YIQ和YUV等采用的灰度化算法原理都是一样的，是根据人眼对光谱波长的适应能力而制定的算法。人眼对绿色光波G适应性最强，红色次之，蓝色最弱，由此得到一组灰度化的系数，可用下式表示[21]:
Y = [0.299 0.587 0.114][R G B]T            (2.2)
2.2.2噪声来源及常见噪声
在图像产生、传输和变换的过程中，由于各种因素的影响，往往会使图像与被测物体或原始图像之间产生差异。这给从图像中提取各种信息造成了困难和不便。因此，在对图像测量之前要进行各种预处理，以降低噪声的干扰。常见的图像噪声包括光学成像及采样过程中常会出现的混叠噪声、插入噪声、抖动噪声、电子噪声等。而边缘的检测和提取往往对噪声比较敏感，因此需要在检测前对图像进行滤波降噪处理。
滤波器分为线性滤波器和非线性滤波器两大类。线性滤波器对高斯噪声有较好的平滑作用，但其它噪声的抑制效果较差，而且会模糊边缘。非线性滤波器中的中值滤波器在过滤噪声的同时，还能很好的保护边缘轮廓信息。它对消除孤立点和线段的干扰十分有用，特别是对于二进制噪声尤为有效。这一点特别符合几何测量对边缘精密定位的需求，所以系统中采用了中值滤波器对图像进行滤波降噪。
刀具图像成像过程不可避免地产生或多或少的噪声，对依赖于图像像素灰度值进行处理的算法而言，噪声对后续处理结果的影响非常大。为降低噪声对后续处理的影响，必须对刀具图像进行滤波去噪。
..................................

第三章测量要素的选取、检测方法及合格性判别..................................27
3.1微径铣刀测量要素..................................27
3.1.1常用的测量要素..................................27
3.1.2结合铣刀磨损特点的五要素..................................28
3.2测量要素在位检测..................................29
3.2.1刀尖高度的检测..................................29
3.2.2刀具直径和副后刀面面积的检测..................................30
3.2.3前角、后角的检测..................................30
3.3测量要素的图像处理..................................32
3.3.1刀尖磨损高度的特征提取..................................32
3.3.2刀尖工作直径和后刀面磨损面积的特征提取..................................33
3.3.3前角后角的特征提取..................................33
3.4刀具合格性判别..................................33
3.4.1刀具合格性判别流程..................................34
3.4.2各要素权重计算方法..................................35
3.4.3合格性判别实例 ..................................37
3.5本章小结..................................38
第四章图像自动获取和处理 ..................................39
4.1图像自动获取和处理模块设计..................................39
4.2运动控制部分..................................40
4.2.1机械手运动控制..................................40
4.2.2刀具基面定位..................................41
4.2.3刀具轴向定位..................................41
4.3光学系统控制部分..................................42
4.3.1自动对焦..................................42
4.3.2光源自动控制..................................44
4.3.3倍率自动控制..................................45
4.4基于修正的误差补偿技术..................................45
4.4.1线性测量修正原理..................................45
4.4.2修正实验..................................46
4.4.3实验验证..................................47
4.4.4面积测量修正算法..................................47
4.5本章小结..................................49
第五章自动在位检测的系统实现..................................51
5.1系统概述..................................51
5.2硬件系统设计..................................52
5.2.1图像采集系统..................................52
5.2.2运动控制系统..................................53
5.2.3辅助件..................................53
5.3软件系统设计..................................55
5.3.1软件需求分析..................................55
5.3.2软件架构与检测流程..................................55
5.3.3实验平台及实际检测模型..................................58
5.4主要模块功能及设计..................................58
5.4.1图像获取模块..................................59
5.4.2机械手运动控制模块..................................60
5.4.3对焦控制模块..................................60
5.4.4光源控制模块..................................61
5.4.5基面定位模块..................................61
5.4.6自动测量模块..................................62
5.4.7刀具管理模块..................................63
5.5本章小结..................................64

 第六草工程测试与分析

本章以直径3mm两刃立铁刀为例，对刀具磨损检测系统进行应用测试获得测量结果。通过对测量结果的分析验证刀具合格性判定标准。

6.1加工与测试条件
以直径3nim两刃立统刀为例进行应用测试与分析，刀具材料为TiAIN涂层，机床采用XH714数控加工中心，工件材料选择招镁合金5083-H112长80mm，宽60mni，厚20mm。

加工方式为沿工件长度方向连续端铣平面，切削参数转速6000转，进给量80mm/min,轴向切深1mm，径向切深Imm。因工件长度为80mrn，进给量80mm/min,—次走刀的铣削时间大约Imin，方便计算刀具实际加工时间和刀具寿命。

该应用测试实验中，刀具每走刀十次即实际切削距离为800mm切削时间约10min,将刀具取下，放置于试验检测平台对刀具的刀尖高度、副后刀面面积、刀具直径、前角和后角五个要素进行测量，直至刀具磨钝为止。

6.2软件系统操作流程

在刀具实验检测平台上测量刀具磨损时的操作流程如图6.3所示，软件登录成功后单击打开工具栏中刀具管理一项（图6. 4)，在刀具数据库中选中序号为10的直径3mm的两刃立统刀，具体刀具信息如图中所示，点击选择后该窗口自动关闭。

然后，单击工具栏中运动控制（图6.5),分别调整机械手至三个测量位置，并相应的点击位置1，位置2，位置3保存测量位置，并设定机械手运动速度为默认值。

单击工具栏中图像获取一项，弹出图像获取界面（如图6. 6)，选择自动获取并点击开始，机械手先后移动三个测量位置，分别进行自动对焦和光源控制后拍摄刀具图片并保存到默认地址。
.....................................

第七章总结与展望

7.1全文总结与创新点
微细铣削技术因具有高效率、高柔性、能加工复杂三维形状和多种材料的特点，目前己成为一个非常活跃的研宄热点。然而，在微细铣削加工中存在微径铣刀的加工性能不高，表现为刀具磨损快、常发生破损。本课题使用计算机视觉方法，开发的针对微型铣刀的自动在位检测系统，能够快速准确的对刀具磨损进行自动测量。全文工作总结如下：
1.搭建了基于计算机视觉的刀具磨损在位检测实验平台和实际检测模型，实现了微型铣刀的自动检测功能。
2.软件系统集成。将图像获取、运动控制、光源控制、倍率控制和测量五个独立的软件集成，所开发的系统能够独立地实现自动检测功能。
3.针对铣刀提出基于刀尖高度、刀尖直径、副后刀面磨损面积、前角和后角五个测量要素全面的反映铣刀工作形貌和磨损状态。
.图像自动获取。通过机械手夹持光学系统实现了铣刀的在位检测，结合自动对焦和光源自动控制可以自动完成一系列图像获取过程。
5.图像自动处理。图像处理过程与刀具类型建立联系，选择刀具类型并获得一系列图片后按照特定的文件名保存到特定位置，图像处理时只需载入图片自动处理，直接输出测量结果。
...............................
参考文献（略）