CN106767566B - 一种工件质量在线监测评估方法及监测系统 - Google Patents

Abstract

本发明公开了一种工件质量在线监测评估方法及监测系统，所述监测评估方法包括：采集工件车削加工过程中的视频文件、灰度表面构建及三维坐标的提取、计算用于评估描述工件车削过程中表面粗糙度的灰度图像自仿射维数以及评估描述工件车削过程中的损伤。本发明的相比现有技术的优势在于，在线监测系统较为简单高效，采用便携式计算机以及高速摄像头即可实现实时的工件质量评估，本发明的工件质量评估方法能够实现对工件质量的准确、高效的实时评估。

Description

一种工件质量在线监测评估方法及监测系统

技术领域

本发明属于工件质量监测技术领域，具体涉及一种在车削加工过程中实现对工件加工质量进行在线监测评估的方法及监测系统。

背景技术

为保证工件制造质量，提升生产加工效率，现代高端装备制造要求精密数控机床在车削加工过程中实施全程无人工干预的自动化加工生产。为此，发展新型在线工件质量检测技术成为了生产加工中的重要一环，是实施全自动化生产的关键之举和必要前提。表面粗糙度是表征加工工件质量的重要量化指标。现有的在线监测技术采用的主要方法是通过测定其表面形貌与相关的力学参数，间接计算出工件表面粗糙度。然而，现有技术存在以下几点不足：(1)通过测定中间参数间接测定表面粗糙度，中间参数(如：振动强度、车削力等)与表面粗糙度间虽存在直接关系，但建立这种关系的方法是数据拟合，拟合的关系显然存在经验主义成分，且没有普适性，由此导致测定的表面粗糙度也包含经验主义成分；(2)现有工件在线监测技术中常采用的另外一种方法是通过声发射信号间接测定表面粗糙度，由于声发射信号受机械冲击高频信号干扰大，测定AE信号精度不高，导致最终的表面粗糙度测定精度较低。

因此，目前还缺乏一种能够在车削加工过程中实现对工件加工质量进行在线准确有效的监测评估方法及监测系统。

发明内容

本发明的目的是为了解决已有在线监测技术中存在的经验主义和测定精度低两大问题。发明中提出了一种描述工件车削过程中表面粗糙度的灰度图像自仿射维数和工件损伤的计算方法，基于上述方法，采用高速摄像机，拍摄高速旋转工件的实时车削过程，提供一种实时在线监测工件质量的系统和技术。新技术的运用，从而“剔除”传统车削加工过程中停机检测工序，提高生产生产效率，降低零件成品次品率。

本发明的目的是这样实现的，提供一种工件质量在线监测评估方法，其特征在于，包括以下步骤：

步骤一：采用高速摄像机拍摄采集车削加工过程中工件被加工面的实时状态信息，并保存为视频文件；

步骤二：将上述视频文件中的每一帧图像转换为灰度图片；

步骤三：提取上述灰度图片的灰度值Z，像素点所在平面位置的横纵坐标分别记为X、Y，每个像素点处可构建一个矢量Xi+Yj+Zk，连接所有矢量终端，获取灰度表面，依据工件的实际尺寸，提取该灰度表面经换算后的三维坐标(x,y,I_H(x,y))；

步骤四：计算灰度图片的自仿射分形维数，用以评估工件表面粗糙度，所述自仿射分形维数的计算方法为：

首先，在平面直角坐标系中绘制N个组点(-1/2log(Δx²+Δy²), log[E(|I_H(x+Δx,y+Δy)-I_H(x,y)|)])，其中，I_H(x,y)为像素点像素点所在平面位置的灰度值；Δx、Δy分别为横、纵坐标方向上的像素间距，绘制的组点数N≥3；

其次，采用最小二乘数法线性拟合上述N个组点，拟合的斜率即为灰度图片的H指数；

最后，根据上述所得的H指数，采用以下公式计算自仿射分形维数D：

D＝3-H (1)；

步骤五：计算评估工件车削过程中的损伤，工件损伤变量大小D_a采用如下公式计算：

其中：V₀为工件表观体积，V为工件实际体积，R为工件半径，h为进刀量，L为工件长度。

进一步的，上述步骤一还包括，在低光条件下时，采用照明设备对工件表面进行补光处理。

此外本发明还提供一种用于实现上述工件质量在线监测评估方法，所述监测系统包括控制处理器、图像采集卡以及高速摄像机；

所述高速摄像机用于拍摄采集工件在高速车削过程中其被加工面的实时状态信息；

所述图像采集卡的信号输入端与高速摄像机的信号输出端相连接；图像采集卡的信息输出端连接控制处理器的信息输入端；

所述控制处理器用于接收存储来自所述图像采集卡输出的记录工件在高速车削过程中其被加工面的实时状态信息的视频图像，并对所述视频图像进行分析处理以评估工件的质量。

进一步的，所述控制处理器为便携式计算机。

进一步的，所述高速摄像机上还安装有变焦距镜头，通过调节焦距，采集高清的工件被加工面的状态信息，所述状态信息包括工件被加工面上的刻痕和纹理信息。

进一步的，所述监测系统还包括用于在高帧率条件下，照射车削过程中的工件被加工面，实现对工件被加工面进行补光的照明设备。

进一步的，所述照明设备为直流高亮LED灯。

本发明的有益效果是:发明提出了一种实时在线监测车削过程中工件质量参数(描述表面粗糙度的灰度图像自仿射分形维数、描述工件损伤程度的损伤量)的新方法。采用高速摄像机，拍摄工件车削过程中的实时在线图像，基于灰度图像自仿射分形维数和损伤计算方法，评估工件表面的粗糙度和损伤，本方法用高速摄像机“看清”工件车削旋转的情况，实时计算其灰度图像自仿射分形维数和损伤量，能直接有效地在线评估工件车削过程中的表面粗糙度和损伤，克服现有技术中的中间参数拟合引发的经验主义问题和信号受干扰引发的测定精度问题。实时在线监测能“省去”停机检测工件质量程序，提高工件车削加工生产效率，为实施全自动化生产奠定基础。另外，在线监测技术能根据工件质量状况实时调整车削参数(如：进给速度、背吃刀量、工件转速等)，以保证产品质量，降低工件成品次品率。

附图说明

图1为本发明实施例的工件质量在线监测系统的结构示意图；

图2为本发明实施例中背吃刀量取0.5mm时工件在不同时刻的灰度图片；

图3为图2所示工件A区域对应的不同时刻的截图；

图4为本发明实施例中背吃刀量取1mm时工件在不同时刻的灰度图片；

图5为图4所示工件A区域对应的不同时刻的截图；

图6为本发明实施例的工件在车削过程中灰度图像自仿射分形维数的变化曲线；

图7为本发明实施例的工件在车削过程中损伤的变化曲线。

具体的实施方式

下面结合附图和具体实施方式对本发明作进一步描述，但不应以此限制本发明的保护范围。

一种工件质量的在线监测评估方法，该方法包括以下步骤：

步骤一、采集工件车削加工过程中的视频文件

架设高速摄像机，调整其高度，摄像机视线垂直拍摄工件测表面，在低光条件下，调焦至图像清晰状态，依据工件转速设置拍摄帧率，调试拍摄范围，保证图像清晰度最佳。设置好工件转速和进给速度后，启动车床，打开直流高亮LED灯，对工件表面补光。工件开始旋转，当转速基本达到要求转速后，启动高速摄像机开始拍摄，采集视频资料，并传送至计算机保存处理。

步骤二、进行灰度表面的构建与坐标的提取

从工件车削过程视频文件中抽取每一帧灰度图像，利用Matlab2015编程语言，编制相关计算软件，提取灰度图像的灰度值Z，以像素点所在位置作为横纵坐标X，Y，灰度值Z作为高度坐标，构建一张灰度表面，依材料的实际尺寸，抽取经过换算后的三维坐标(x，y，I_H(x,y))。

步骤三、计算灰度图像自仿射分形维数以评估工件表面粗糙度

分形布朗函数是描述各类表面自仿射分形特征的有力工具，设有分形布朗函数F_H(x，y)，它的概率密度函数可表示为：

求解增量绝对值的数学期望发现：

选取正比系数K，并两边取常用对数可得：

考虑到具体的研究对象为一张车削后工件的灰度图，像素点的灰度值I_H(x,y)即为分数布朗函数F_H(x，y)；Δx、Δy为横纵坐标方向上像素间距。代入上式，即可求解灰度图的Hurst指数H，具体的方法是：在平面直角坐标系中绘制10组点(-1/2log(Δx²+Δy²), log[E(|I_H(x+Δx,y+Δy)-I_H(x,y)|)])，采用最小二乘数法线性拟合这10个点，拟合的斜率即为Hurst指数H。依据Mandelbrot和Ness的研究成果，且考虑到研究的灰度曲面处于3维欧氏空间中，故n取3，所以，Hurst指数和分形维数间存在如下关系：

D＝3-H (1)

将Hurst指数H代入式(1)，D即为工件表面灰度图像自仿射分形维数。依据所得图像自仿射分形维数，从而实现实时在线评估工件表面粗糙度的目标。

步骤四、计算评估工件车削过程中损伤度

充分考虑工件实际情况，并借鉴已有研究方法，发明采用工件的表观体积与实际体积之比来计算损伤变量大小。在试验中，高速摄像机每次只能拍到圆柱体工件的半个侧面，且为了排除侧面上半部分反光干扰，在计算其损伤变量和维数时，本采用下1/4圆柱体为研究对象。

圆柱体工件的表观体积可表示为：

工件损伤后的实际体积：

第i个微元体体积：

V_i＝ΔxΔyE(I_H(x,y)) (7)

其中：Δx为水平方向像素间距；Δy为竖向方向像素间距；I_H(x,y)是微元体四个顶点像素灰度值的换算值，E是数学期望值记号。

因而，工件损伤后的实际体积可表示为：

损伤变量大小：

依据式(2)，即可计算出该帧灰度图片所对应时刻的工件损伤，从而到达实时在线评估工件质量的目的。

如图1所示为本实施例的工件质量的在线监测系统，包括：便携式计算机1、图像采集卡2、高速摄像机3、变焦距镜头4以及直流高亮LED灯7；

高速摄像机3拍摄工件5在高速旋转过程中的实时车削状态；变焦距镜头4安装在高速摄像机3前方的镜头处，通过调节焦距，采集到高清的工件5表面刻痕和纹理图片；直流高亮LED灯7固定在灯架上，在高速摄像机3采用高帧率拍摄条件下，照射车削过程中的工件5表面，对表面进行补光；

图像采集卡2的信息输出端连接便携式计算机1的信息输入端；图像采集卡2的信号输入端接入高速摄像机3的信号输出端，所述图像采集卡作为一个功能模块还可以集成在高速摄像机上，或者集成在便携式计算机上；

便携式计算机1的信号输入端接入图像采集卡信号输出端，用于保存图像采集卡传送来的工件车削过程中的视频资料、将视频格式文件转换为图片格式文件，以及计算工件表面灰度图像自仿射分形维数和损伤，从而实现对工件质量的实时评估；

作为优选的，便携式计算机1还同时与高速摄像机3连接，实现在便携式计算机1上控制高速摄像机3的参数设置、拍摄程序的启动与停止等操作。

启动车床和高速摄像机3，拍摄车刀6对工件5的车削过程，记录并保存视频信号。

作为一个具体的实施例，本实施例采用NAC公司生产的Memrecam HX‐3E高速摄像机，相机最高拍摄速度可达到220000帧/秒，满幅分辨率2560*1920下最高速度可达2000帧/秒，快门速度最快可达到1.1微秒，存储卡容量为32G。试验中，考虑到工件旋转速度设定为180转/分，转速并不大，在保证能清晰拍摄工件旋转中车削纹理刻痕的前提下，尽可能选择较小的拍摄帧率、较高的像素分辨率，较大拍摄时长。因此，发明选取了拍摄帧率2000帧/秒，照片分辨率1024*640。工件进给速度设定为30mm/min，背吃刀量分别取0.5mm和1mm。

发明选择铸铁作为车削原材料，铸铁表面有一层灰黑色的氧化膜，为避免其初始颜色对后期灰度图片数据处理造成的负面影响，先取微量背吃刀量将氧化膜车削剔除，直至工件表面光洁无杂质。获得公称直径54.45mm的圆柱体工件。

架设高速摄像机，调整其高度，摄像机视线垂直拍摄工件测表面，在低光条件下，调焦至图像清晰状态，设置拍摄帧率为2000帧/秒，调试拍摄范围，保证图像清晰度最佳。设置好车床转速和进给速度后，启动车床，工件开始旋转，当转速基本达到稳定的180转/分后，启动高速摄像机开始拍摄，拍摄至满存储容量32GB后停机。为获得更清晰的工件表面彩色静态图片，试验中用数码相机拍摄了车床停机后的工件表面照片。为避免车削温度对随后试验影响，上次试验结束后，停机半小时以上，等待工件冷却至常温，同时将视频资料导出到计算机，再进行下一轮试验。将背吃刀量增大至1mm，在同一根试验工件开始车削，与上次试验不同的是，在开始车削工作同时，启动高速摄像机开始拍摄，这是为了测试描述工件质量的参数(自仿射分形维数、损伤)对工件表面形貌与损伤程度变化的敏感度。拍摄结束后，将视频文件导入电脑以备数据处理。

为探讨车削后表面形貌与损伤状况，拍摄的视频文件被导出成灰度图片。由于工件以180转/分的速度在旋转，摄像机以2000帧/秒的速度拍到的不是同一个侧面，研究的对象没有可比性，为此，为了研究的对象具有可比性，导出的4万张图片中每间隔4s提取3张图片，这样摄像机每次拍摄到的是工件的同一个侧面。如图2、图4分别为背吃刀量取0.5mm和1mm时按顺序给出的工件被加工面在0s，4s、8s、12s、16s、20s时的灰度图片。

在试验过程中，为提高拍摄清晰度，试验中用卤钨灯对工件表面进行补光，但强光照射在工件表面存在反光现象，为避免反光对试验结果带来的负面影响，在处理数据时，下半侧面被选取作为研究对象，这一方法不会影响工件各个面的监测工作，因为工件在旋转，同时高速摄像机间隔0.0005s拍摄一张照片，如果需要研究工件不同侧面或部位的质量，只需要抽取不同时刻的图片即可。为此，拍摄图片时刻车削面的最右端线被抽取作为右基准线、圆柱体工件最下端作为底部基准线，在侧面灰度图中反向截取46.6*39.9mm区域的矩形图片，如图3为图2中所示的A区域的在不同时刻的截图，以及图5为图4中所示的B区域在不同时刻的截图，保存截取的图片以备分析处理。

基于发明中提出的灰度图像自仿射分形维数与损伤计算理论，采用Matlab2015(一种高级技术计算语言)，案例中编制了工件表面灰度图像自仿射分形维数与损伤计算程序，将处理好的36个图像输入计算程序，计算对应维数和损伤。基于维数与损伤统计表，绘制了图6所示的吃刀量分别取0.5mm、1mm时工件在车削过程中的灰度图像自仿射分形维数随时间变化的曲线，以及图7所示的吃刀量分别取0.5mm、1mm时工件在车削过程中损伤随时间的变化曲线，结合图2、图3、图4、图5、图6以及图7进行分析可知：

(1)相机拍摄的静态照片与高速摄像机记录的视频资料揭示，工件车削过程中的表面存在纹理和一些刻痕，但总体上表面粗糙度不大，同时计算的灰度图像自仿射分形维数和损伤较小，这表明灰度图像自仿射分形维数和损伤能有效量化工件表面粗糙度特征和损伤程度，基于灰度图像自仿射分形维数和损伤计算理论的在线监测工件质量技术是正确可行的。另外，损伤是可作为在线监测工件质量的重要参数之一。

(2)试验中设定了灰度图像自仿射分形维数和损伤对工件车削过程中状态变化的灵敏度测试程序。当背吃刀量取1mm时，车削与拍摄同步进行，摄像机记录了工件转速由0增大至180转/分这段从不稳定到稳定的车削过程，依据灰度图像计算出的自仿射分形维数和损伤也出现了由大变小直至保持定值的变化规律。这表明，自仿射分形维数和损伤对工件车削过程中的变化反应灵敏，发明所提的在线监测工件质量是行之有效的。

(3)背吃刀量加深导致工件车削过程中用于描述表面粗糙度的图像自仿射分形维数增加以及描述损伤程度的损伤增大。这与传统停车检测工件车削后的质量所得结论“背吃刀量增加引发工件表面粗糙度增大”是完全一致的。这也表明，发明所提的在线监测方法是理论正确、工程上可行的新技术。

本领域的普通技术人员将会意识到，这里所述的实施例是为了帮助读者理解本发明的原理，应被理解为本发明的保护范围并不局限于这样的特别陈述和实施例。本领域的普通技术人员可以根据本发明公开的这些技术启示做出各种不脱离本发明实质的其它各种具体变形和组合，这些变形和组合仍然在本发明的保护范围内。

Claims (7)

1.一种工件质量在线监测评估方法，其特征在于，包括以下步骤：

步骤一、采用高速摄像机拍摄采集车削加工过程中工件被加工面的实时状态信息，并保存为视频文件；

步骤二、进行灰度表面的构建与坐标的提取

从工件车削过程视频文件中抽取每一帧灰度图像，利用Matlab2015编程语言，编制相关计算软件，提取灰度图像的灰度值Z，以像素点所在位置作为横纵坐标X，Y，灰度值Z作为高度坐标，构建一张灰度表面，依材料的实际尺寸，抽取经过换算后的三维坐标(x，y，IH(x,y))；

步骤三、计算灰度图像自仿射分形维数以评估工件表面粗糙度

分形布朗函数是描述各类表面自仿射分形特征的有力工具，设有分形布朗函数FH(x，y)，它的概率密度函数可表示为：

求解增量绝对值的数学期望发现：

选取正比系数K，并两边取常用对数可得：

考虑到具体的研究对象为一张车削后工件的灰度图，像素点的灰度值IH(x,y)即为分数布朗函数FH(x，y)；Δx、Δy为横纵坐标方向上像素间距，代入上式，即可求解灰度图的Hurst指数H，具体的方法是：在平面直角坐标系中绘制10组点(-1/2log(Δx2+Δy2),log[E(|IH(x+Δx,y+Δy)-IH(x,y)|)])，采用最小二乘数法线性拟合这10个点，拟合的斜率即为Hurst指数H，依据Mandelbrot和Ness的研究成果，且考虑到研究的灰度曲面处于3维欧氏空间中，故n取3，所以，Hurst指数和分形维数间存在如下关系：

D＝3-H(1)

将Hurst指数H代入式(1)，D即为工件表面灰度图像自仿射分形维数，依据所得图像自仿射分形维数，从而实现实时在线评估工件表面粗糙度的目标；

步骤四、计算评估工件车削过程中损伤度

充分考虑工件实际情况，并借鉴已有研究方法，发明采用工件的表观体积与实际体积之比来计算损伤变量大小；在试验中，高速摄像机每次只能拍到圆柱体工件的半个侧面，且为了排除侧面上半部分反光干扰，在计算其损伤变量和维数时，本采用下1/4圆柱体为研究对象；

圆柱体工件的表观体积可表示为：

工件损伤后的实际体积：

第i个微元体体积：

Vi＝ΔxΔyE(IH(x,y)) (7)

其中：Δx为水平方向像素间距；Δy为竖向方向像素间距；IH(x,y)是微元体四个顶点像素灰度值的换算值，E是数学期望值记号，

因而，工件损伤后的实际体积可表示为：

损伤变量大小：

依据式(2)，即可计算出该帧灰度图片所对应时刻的工件损伤，从而到达实时在线评估工件质量的目的。

2.根据权利要求1所述的工件质量在线监测评估方法，其特征在于，所述步骤一还包括，在低光条件下时，采用照明设备对工件表面进行补光处理。

3.一种用于实现权利要求1所述工件质量在线监测评估方法的监测系统，其特征在于，所述监测系统包括控制处理器、图像采集卡以及高速摄像机；

所述高速摄像机用于拍摄采集工件在高速车削过程中其被加工面的实时状态信息；

所述图像采集卡的信号输入端与高速摄像机的信号输出端相连接；图像采集卡的信息输出端连接控制处理器的信息输入端；

所述控制处理器用于接收存储来自所述图像采集卡输出的记录工件在高速车削过程中其被加工面的实时状态信息的视频图像，并对所述视频图像进行分析处理以评估工件的质量。

4.根据权利要求3所述的监测系统，其特征在于，所述控制处理器为便携式计算机。

5.根据权利要求3或4所述的监测系统，其特征在于，所述高速摄像机上还安装有变焦距镜头，通过调节焦距，采集高清的工件被加工面的状态信息。

6.根据权利要求5所述的监测系统，其特征在于，还包括用于在低光条件下照射车削过程中的工件被加工面，实现对工件被加工面进行补光的照明设备。

7.根据权利要求6所述的监测系统，其特征在于，所述照明设备为直流高亮LED灯。