CN110091217B - 一种基于机器视觉的车削颤振加速度采集系统及方法 - Google Patents
一种基于机器视觉的车削颤振加速度采集系统及方法 Download PDFInfo
- Publication number
- CN110091217B CN110091217B CN201910354608.7A CN201910354608A CN110091217B CN 110091217 B CN110091217 B CN 110091217B CN 201910354608 A CN201910354608 A CN 201910354608A CN 110091217 B CN110091217 B CN 110091217B
- Authority
- CN
- China
- Prior art keywords
- image
- lens
- marker
- cutter
- magnifier
- 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.)
- Active
Links
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/12—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring vibration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23Q—DETAILS, COMPONENTS, OR ACCESSORIES FOR MACHINE TOOLS, e.g. ARRANGEMENTS FOR COPYING OR CONTROLLING; MACHINE TOOLS IN GENERAL CHARACTERISED BY THE CONSTRUCTION OF PARTICULAR DETAILS OR COMPONENTS; COMBINATIONS OR ASSOCIATIONS OF METAL-WORKING MACHINES, NOT DIRECTED TO A PARTICULAR RESULT
- B23Q17/00—Arrangements for observing, indicating or measuring on machine tools
- B23Q17/24—Arrangements for observing, indicating or measuring on machine tools using optics or electromagnetic waves
- B23Q17/2409—Arrangements for indirect observation of the working space using image recording means, e.g. a camera
Abstract
本发明公布了一种基于机器视觉的车削颤振加速度采集方法及系统,适用于工件旋转,刀具做轴向运动的车削加工,涉及机器视觉检测技术领域。系统构成包括:图像采集子系统、图像处理子系统及信号分析和处理子系统。方法步骤为:首先将系统各部件安装好且设定采集参数获取图像,接着对所述工业相机获取的第一帧图像进行图像预处理,寻找特征区域并以此建立样本子区,之后的各帧图像都进行相同预处理并找出目标子区获得像素位移,再根据放大镜的放大率及张正友标定法原理得到刀具的实际振动位移,最后采用FFT方法将颤振位移转化为颤振加速度。本发明中由于采用机器视觉的方法,具有非接触、无损和精度高等优势。
Description
技术领域
本发明涉及光电技术的故障检测技术领域,特别是涉及机器视觉技术的车削颤振的振动信号采集领域。
背景技术
车削颤振是由于刀具与工件切削面之间的不连续切削周期、工件与车削系统和机床的某固有频率相接近等因素导致的一种不稳定现象,它是一种不衰减的振动。车削过程中颤振的发生对正常加工有很多不良影响,如加工精度低、降低产品质量和生产效率以及产生较大噪声,严重者甚至会损坏刀具和机床,对人身安全造成威胁。因此对车削颤振的在线监测是十分有必要的,其中准确获取颤振信号在车削颤振监测的重要性是毋庸置疑的。
在颤振的各种振动信号中,加速度信号含有十分丰富的机床车削状态信息。目前颤振加速度信号的获取方法主要是在机床上设置压电式加速度传感器,车削颤振本身诱因复杂,若再采用接触式传感器,对颤振可能产生影响,导致获取的加速度信号不准确。
因此,本发明提出一种基于机器视觉的车削颤振加速度采集系统及方法,相对于目前诸多颤振加速度获取方法具有非接触式、无损和高精度等优势,保证了所获取信号的准确性。
发明内容
为了克服上述现有技术的不足,本发明提供了一种准确有效的车削颤振加速度信号的采集系统及方法。该方法主要是以机器视觉技术实现对刀具振动加速度的非接触式测量,提高信号的精确度,并设置放大镜以降低对工业相机精度的要求。
为了实现上述目的,本发明提供了一种基于机器视觉的车削颤振加速度采集系统及方法,所述系统包括:
图像采集子系统,在刀具上设置圆形标识物,作为所采集图像的特征区域,其中标识物应尽量设置于刀具的平面上,且其直径不超过刀具在附图1所示Y方向宽度的在相机镜头和标识物连线上设置放大镜,其中放大镜与相机镜头距离为0,用于获取放大且清晰的图像;工业相机镜头及放大镜的夹持装置与刀架通过铰接装置柔性连接,在附图1所示Y方向处于联动状态,Z方向可自由运动,以保证在刀具轴向移动时相机镜头、放大镜及标识物在附图1所示X方向始终在一条直线上,始终能获得清晰放大的图像;在图像采集子系统中还设置有万向轮,工作时保证图像采集子系统在附图1所示Z方向无位移,提高采集精度,停工时便于搬运拆卸下来的系统;
图像处理子系统,包括图像去噪模块,灰度处理模块,图像分割模块和二值化处理模块;
信号分析和处理子系统,包括特征匹配算法模块、特征点像素位移计算模块、特征点实际位移计算模块和刀具振动加速度计算模块,其中特征点为所述特征区域的几何中心。
所述方法包括以下步骤:
步骤1:安装机器视觉系统,刀具上粘贴标识物,保证标识物位于工业相机的视野中心,并在标识物和相机镜头连线上设置放大镜,其中放大镜与相机镜头距离为0;
步骤2:设置所述工业相机的采集参数,获取标识物的连续振动图像;
步骤3:对各帧图像进行预处理,其中分别用自适应中值滤波法和加权平均法对各帧图像进行图像去噪和灰度化处理;
步骤4:以阈值分割法将步骤3获得的第一帧灰度图像的特征点从背景中分割出来,并以基于最小误差的全局阈值法进行二值化处理,由SUSAN角点检测算法寻找特征区域并以此建立样本子区;
步骤5:对之后的各帧图像都进行相同的预处理,以十字搜索法寻找目标子区并由相关函数确定,其中目标子区与步骤4中所述样本子区相对应,由灰度梯度算法得到特征点附图1中所示Z方向像素位移,根据放大镜的放大率、相机的内外参数和单应矩阵,结合张正友标定法得到切削刀具的实际位移并减去刀具在工件轴向的进给量得到刀具的振动位移;
步骤6:采用FFT方法将特征点的颤振位移转化为颤振加速度。
进一步地,所述步骤1中工业相机镜头及放大镜的夹持装置与刀架在附图1中所示Y方向是联动的,以保证在刀具轴向移动时相机镜头、放大镜及刀具的相对位置保持不变,始终能获得清晰放大的图像;
放大镜放大率的普遍公式为
其中,m为放大镜的放大率,l1为不用放大镜时相机镜头到所述标识物的距离,l2为相机镜头到放大镜成像位置的距离,l3为相机镜头到放大镜的距离;
本发明使放大镜成像于最明视距离,即镜头和像的距离l2为25cm,此时放大镜的放大率近似为放大倍数;所述相机镜头和所述放大镜距离l3为0;根据放大镜成像原理,刀具与放大镜之间距离应介于f和2f之间(f为焦距),即f<l1<2f;在所需放大倍数m根据所述工业相机实际精度确定后,所述镜头焦距f和l1可由下列方程组计算得出
其中h为图像高度,在选定相机后h为确定值;H为待测点实际高度,可根据所选标识物高度确定。
进一步地,所述步骤2中所述工业相机采集参数主要为相机镜头焦距和帧频,所述镜头焦距在上文中已说明,所述相机帧频由车床的实际切削速度和切削深度经过离线实验得到,且符合采样定理;所述离线实验具体实施为:让机床在发生颤振后的不同切削速度和切削深度下工作,接着所述工业相机以不同拍照频率得到图像,确定在不同切削速度和切削深度组合下能得到较高质量图像的所述工业相机的拍照频率,以适应机床的不同切削工况。
进一步地,所述步骤4中所述样本子区取以特征点为中心、半径为M像素大小的圆形,子区大小应与标识物在图像中的大小基本一致,因而M值可根据所采用标识物来确定;步骤5中所述目标子区的寻找可用十字搜索法,由相关函数确定,相关函数采用标准化协方差相关函数
当计算得到的相关系数C取极值时,可认为选取的目标子区与样本子区匹配。
与现有技术相比,本发明的优势主要有以下两个方面:
(1)本发明使用机器视觉系统来采集车削颤振加速度信号,相比一般的采用压电式加速度传感器获取信号具有非接触式、无损和高精度等优势,保证了所获取信号的准确性。
(2)本发明在紧贴相机镜头处设置放大镜,能得到更高精度的图像,降低对工业相机精度要求的同时降低了检测成本。
以下将结合附图对本发明的构思和具体流程作进一步说明,以充分地了解本发明的目的和优势所在。
附图说明
图1为本发明的结构示意图;
图2为本发明的流程示意图;
图中所示:1—工件,2—刀具,3—标识物,4—刀架,5—铰接装置,6—放大镜,7—相机镜头,8—夹持装置,9—万向轮,且放大镜和机器视觉系统设置在X方向。
具体实施方式
如图1所示,一种基于机器视觉的车削颤振加速度采集系统,包括:
图像采集子系统,设置于图中所示X方向;在刀具2上设置圆形标识物3,作为所采集图像的特征区域,其中标识物应尽量设置于刀具的平面上,且其直径不超过刀具在附图1所示Y方向宽度的在相机镜头7和标识物3连线上设置放大镜6,其中放大镜与相机镜头距离为0,用于获取放大且清晰的图像;工业相机镜头及放大镜的夹持装置与刀架4通过铰接装置8柔性连接,在附图1所示Y方向处于联动状态,Z方向可自由运动,以保证在刀具2轴向移动时相机镜头7、放大镜6及标识物3在附图1所示X方向始终在一条直线上,始终能获得清晰放大的图像;在图像采集子系统中还设置有万向轮9,工作时保证图像采集子系统在附图1所示Z方向无位移,提高采集精度,停工时便于搬运拆卸下来的系统;
图像处理子系统,包括图像去噪模块,灰度处理模块,图像分割模块,二值化处理模块;
信号分析和处理子系统,包括特征匹配算法模块、特征点像素位移计算模块、特征点实际位移计算模块和刀具加速度计算模块,其中特征点为所述特征区域的几何中心。
如图2所示,一种基于机器视觉的车削颤振加速度信号采集方法,包含以下步骤:
步骤1:安装机器视觉系统,刀具上贴标识物,保证标识物位于工业相机的视野中心,并在标识物和相机镜头连线上设置放大镜,其中放大镜与相机镜头距离为0;
步骤2:设置所述工业相机的采集参数,获取标识物的连续振动图像;
步骤3:对各帧图像进行预处理,其中分别用自适应中值滤波法和加权平均法对各帧图像进行图像去噪和灰度化处理;
步骤4:以阈值分割法将步骤3获得的第一帧灰度图像的特征点从背景中分割出来,并以基于最小误差的全局阈值法进行二值化处理,由SUSAN角点检测算法寻找特征区域并以此建立样本子区;
步骤5:对之后的各帧图像都进行相同的预处理,以十字搜索法寻找目标子区并由相关函数确定,其中目标子区与步骤4中所述样本子区相对应,由灰度梯度算法得到特征点附图1中所示Z方向像素位移,根据放大镜的放大倍数、相机的内外参数和单应矩阵,结合张正友标定法得到切削刀具的实际位移,并减去刀具在工件轴向的进给量得到刀具的振动位移;
步骤6:采用FFT方法将特征点的颤振位移转化为颤振加速度。
进一步地,所述步骤1中工业相机镜头及放大镜的夹持装置与刀架在附图1中所示Y方向是联动的,以保证在刀具轴向移动时相机镜头、放大镜及刀具的相对位置保持不变,始终能获得清晰放大的图像;
放大镜放大率的普遍公式为
其中,m为放大镜的放大率,l1为不用放大镜时相机镜头到所述标识物的距离,l2为相机镜头到放大镜成像位置的距离,l3为相机镜头到放大镜的距离;
本发明使放大镜成像于最明视距离,即镜头和像的距离l2为25cm,此时放大镜的放大率近似为放大倍数;所述相机镜头和所述放大镜之间的距离l3为0;根据放大镜成像原理,刀具与放大镜之间距离应介于f和2f之间(f为焦距),即f<l1<2f;在所需放大倍数m根据所述工业相机实际精度确定后,所述镜头焦距f和l1可由下列方程组计算得出
其中h为图像高度,在选定相机后h为确定值;H为待测点实际高度,可根据所选标识物高度确定。
进一步地,所述步骤2中所述工业相机采集参数主要为相机镜头焦距和帧频,所述镜头焦距在上文中已说明,所述相机帧频由车床的实际切削速度和切削深度经过离线实验得到,且符合采样定理;所述离线实验具体实施为:让机床在发生颤振后的不同切削速度和切削深度下工作,接着所述工业相机以不同拍照频率得到图像,确定在不同切削速度和切削深度组合下能得到较高质量图像的所述工业相机的拍照频率,以适应机床的不同切削工况。
进一步地,所述步骤4中所述样本子区取以特征点为中心、半径为M像素大小的圆形,子区大小应与标识物在图像中的大小基本一致,因而M值可根据所采用标识物来确定;步骤5中所述目标子区的寻找可用十字搜索法,由相关函数确定,相关函数采用标准化协方差相关函数
当计算得到的相关系数C取极值时,可认为选取的目标子区与样本子区匹配。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
Claims (5)
1.一种基于机器视觉的车削颤振加速度采集系统,其特征在于,包括:
图像采集子系统,在刀具上设置圆形标识物,作为所采集图像的特征区域,其中标识物设置于刀具的平面上,且其直径不超过刀具在工件轴向宽度的在相机镜头和标识物连线上设置放大镜,其中放大镜与相机镜头距离为0,用于获取放大且清晰的图像;工业相机镜头及放大镜的夹持装置与刀架通过铰接装置柔性连接,在工件轴向处于联动状态,在工件径向可自由运动,以保证在刀具轴向移动时相机镜头、放大镜及标识物的相对位置保持不变,始终能获得清晰放大的图像;在图像采集子系统中还设置有万向轮,工作时保证图像采集子系统在竖直方向无位移,提高采集精度,停工时便于搬运拆卸下来的系统;
图像处理子系统,包括图像去噪模块,灰度处理模块,图像分割模块和二值化处理模块;
信号分析和处理子系统,包括特征匹配算法模块、特征点像素位移计算模块、特征点实际位移计算模块和刀具振动加速度计算模块;其中特征点为所述特征区域的几何中心。
2.一种基于机器视觉的车削颤振加速度采集方法,适用于工件旋转,刀具做轴向运动的车削加工,其特征在于,所述方法包括以下步骤:
步骤1:安装机器视觉系统,刀具上粘贴标识物,保证标识物位于工业相机的视野中心,并在标识物和相机镜头连线上设置放大镜,其中放大镜与相机镜头距离为0;使放大镜成像于最明视距离,即镜头和像的距离为25cm,此时放大镜的放大率近似为放大倍数;根据放大镜成像原理,刀具与放大镜之间距离应介于一倍焦距和两倍焦距之间;在所需放大倍数m根据所述工业相机实际精度确定后,镜头焦距f和不用放大镜时相机镜头到所述标识物的距离l1由下列方程组计算得出
其中h为图像高度,H为待测点实际高度;
步骤2:设置所述工业相机的采集参数,获取标识物的连续振动图像;所述工业相机采集参数主要为相机镜头焦距和帧频,镜头焦距在步骤1中已说明,相机帧频由车床的实际切削速度和切削深度经过离线实验得到,且符合采样定理;
步骤3:对各帧图像进行预处理,其中分别用自适应中值滤波法和加权平均法对各帧图像进行图像去噪和灰度化处理;
步骤4:以阈值分割法将步骤3获得的第一帧灰度图像的特征点从背景中分割出来,并以基于最小误差的全局阈值法进行二值化处理,由SUSAN角点检测算法寻找特征区域并以此建立样本子区;
步骤5:对之后的各帧图像都进行相同的预处理,以十字搜索法寻找目标子区并由相关函数确定,其中目标子区与步骤4中所述样本子区相对应,由灰度梯度算法得到特征点在工件径向的像素位移,根据放大镜的放大倍数、相机的内外参数和单应矩阵,结合张正友标定法得到切削刀具的实际位移并由刀具在工件轴向的进给量计算得到刀具的振动位移;
步骤6:采用FFT方法将特征点的颤振位移转化为颤振加速度。
3.如权利要求2所述的车削颤振加速度采集方法,其特征在于,步骤1中工业相机镜头及放大镜的夹持装置与刀架是联动的,以保证在刀具轴向移动时相机镜头、放大镜及刀具的相对位置保持不变,始终能获得清晰放大的图像;图像高度h在选定相机镜头后为确定值,待测点实际高度H根据所选标识物高度确定。
4.如权利要求2所述的车削颤振加速度采集方法,其特征在于,步骤2中所述离线实验具体实施为:让机床在发生颤振后的不同切削速度和切削深度下工作,接着所述工业相机以不同拍照频率得到图像,确定在不同切削速度和切削深度组合下能得到较高质量图像的所述工业相机的拍照频率,以适应机床的不同切削工况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910354608.7A CN110091217B (zh) | 2019-04-29 | 2019-04-29 | 一种基于机器视觉的车削颤振加速度采集系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910354608.7A CN110091217B (zh) | 2019-04-29 | 2019-04-29 | 一种基于机器视觉的车削颤振加速度采集系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110091217A CN110091217A (zh) | 2019-08-06 |
CN110091217B true CN110091217B (zh) | 2021-04-27 |
Family
ID=67446332
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910354608.7A Active CN110091217B (zh) | 2019-04-29 | 2019-04-29 | 一种基于机器视觉的车削颤振加速度采集系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110091217B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110530495B (zh) * | 2019-09-10 | 2021-06-22 | 长沙理工大学 | 一种基于振动分析的切削颤振监测方法 |
CN111426346A (zh) * | 2020-04-09 | 2020-07-17 | 深圳了然视觉科技有限公司 | 基于视觉的传感器及传感方法 |
CN112525482B (zh) * | 2020-11-24 | 2021-09-17 | 清华大学 | 一种高温风洞环境下变形和温度测量装置及方法 |
CN116309547B (zh) * | 2023-05-10 | 2023-09-19 | 成都飞机工业(集团)有限责任公司 | 一种零件表面质量检测方法、装置、设备及介质 |
CN116749365B (zh) * | 2023-08-23 | 2023-11-03 | 江苏京创先进电子科技有限公司 | 半导体芯片切割设备及主轴振动自适应控制方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE202004004543U1 (de) * | 2004-03-23 | 2004-06-09 | Heilig & Schwab Gmbh | Vorrichtung zum Einstellen und Überprüfen von Bearbeitungswerkzeugen, insbesondere von Maschinenwerkzeugen in Einstellgeräten |
CN101913105B (zh) * | 2010-08-16 | 2012-01-18 | 合肥工业大学 | 用于数控机床在位测量的非接触三维光学测头及测量方法 |
WO2013060017A1 (zh) * | 2011-10-28 | 2013-05-02 | 中联重科股份有限公司 | 臂架振动位移测量方法、系统及包含其的混凝土泵车 |
CN103017672A (zh) * | 2012-12-06 | 2013-04-03 | 中铁大桥局集团武汉桥梁科学研究院有限公司 | 用于桥梁结构的非接触无损检测方法 |
CN104526465B (zh) * | 2014-12-25 | 2016-09-28 | 华中科技大学 | 一种测量刀尖点振动位移的方法 |
CN106564012B (zh) * | 2016-11-01 | 2018-08-21 | 苏州微著设备诊断技术有限公司 | 一种磨削加工颤振的检测方法 |
CN108663026B (zh) * | 2018-05-21 | 2020-08-07 | 湖南科技大学 | 一种振动测量方法 |
-
2019
- 2019-04-29 CN CN201910354608.7A patent/CN110091217B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110091217A (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110091217B (zh) | 一种基于机器视觉的车削颤振加速度采集系统及方法 | |
CN108931961B (zh) | 一种基于机器视觉的整体式立铣刀磨破损检测方法 | |
CN102501140B (zh) | 一种球头铣刀定位及磨损监测方法 | |
CN100510614C (zh) | 大型锻件的激光雷达在线三维测量装置与方法 | |
Peng et al. | Study of tool wear monitoring using machine vision | |
Shahabi et al. | In-cycle monitoring of tool nose wear and surface roughness of turned parts using machine vision | |
CN100361785C (zh) | 数字化精密曲线磨削集成控制系统 | |
Zhang et al. | Research on tool wear detection based on machine vision in end milling process | |
CN113592955B (zh) | 一种基于机器视觉的圆形工件平面坐标高精度定位方法 | |
CN101561250B (zh) | 大尺寸凸轮非圆磨削智能寻位及在线测量方法 | |
CN112907556A (zh) | 一种基于机器视觉的旋转刀具磨损量自动测量方法 | |
CN111047588A (zh) | 一种轴型小零件尺寸的图像化测量方法 | |
CN111062940A (zh) | 一种基于机器视觉的螺钉定位与识别方法 | |
Qin et al. | Research on automatic monitoring method of face milling cutter wear based on dynamic image sequence | |
CN105184792B (zh) | 一种圆锯片磨损量在线测量方法 | |
CN108582075A (zh) | 一种智能机器人视觉自动化抓取系统 | |
JP5383624B2 (ja) | 撮像式工具測定装置および測定方法 | |
US10175036B2 (en) | Method of measuring at least one dimension of an object | |
CN113607058B (zh) | 一种基于机器视觉的直刃刀尺寸检测方法及系统 | |
Chen et al. | Tool wear monitoring based on the combination of machine vision and acoustic emission | |
CN211696243U (zh) | 轧辊在线加工检测装置 | |
CN110021027B (zh) | 一种基于双目视觉的切边点计算方法 | |
Yu et al. | A Machine vision method for non-contact Tool Wear Inspection | |
Tian et al. | Multi-dimension tool wear state assessment criterion on the spiral edge of the milling cutter | |
Wang et al. | A detection system of tool parameter using machine vision |
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 |