论文部分内容阅读
在批量工件加工过程中,为了实现工件加工质量的分类及表面缺陷的定位,本文采集钻削加工过程中主轴功率信号与孔剖面图作为论文研究的素材。采用PCA方法将监测信号AMT特征信息与表面质量进行关联,根据特征信息量大小完成加工质量的分类;并根据表面纹理方向特征的变化规律,实现表面缺陷的定位。以功率信号AMT特征及表面纹理特征的提取作为论文的研究主线,研究主要内容包括功率信号以及图像采集硬件平台的设计与搭建,功率信号预处理及AMT特征提取,图像预处理及纹理局部方向特征提取。本文具体从以下几个方面进行研究:1.选用KT5A/P型霍尔功率传感器采集加工过程中的功率监测信号;选择Microvision系列产品(包括工件放置平台、工业数字像机、图像数据采集卡与照明装置)搭建工件表面图像采集硬件平台;采用德国MVtec公司的HALCON软件作为工件表面图像采集程序开发平台。2.对加工过程中主轴功率信号进行z-score标准化和分段处理,利用改进的AMT算法提取其从局部到全局的尺度特征;然后采用主成分分析法进行特征降维,将特征的主成分信息与工件表面加工质量进行关联,利用主成分信息量的大小完成对工件表面加工质量的分类;最后通过与人工检测结果对比,验证了该方法的可靠性。3.文章综合分析经典PCA算法在纹理图像缺陷分割中的不足,在不增加算法复杂度和计算量的基础上,对经典PCA算法改进,减小了PCA算法对光照局部不均匀的敏感性,改善了基于阈值方法的缺陷分割效果,为纹理特征信息提取做准备。4.通过分析传统的表面纹理特征在表示工件表面缺陷上的局限性,论文提出了新的纹理方向特征来分析表面缺陷,并考虑到图像采集过程中所存在的噪声干扰,设计滤波器对图像进行滤波,并且基于图像处理技术对纹理图像进行增强。5.在工件加工质量分类的基础上,通过建模提取工件表面纹理的局部方向特征,建立纹理局部方向特征与表面缺陷位置的对应关系,然后根据局部方向特征的变化,确定工件表面存在缺陷的位置。综上所述,本文实现了基于功率检测信号AMT特征主成分信息量的工件加工质量分类,并根据工件表面纹理方向特征,实现了表面缺陷的定位。在与人工检测对比以及MATLAB软件模拟中,验证了论文方法的可行性。