CN111069976B - 一种车间或产线用刀具损伤智能化移动监测系统及方法 - Google Patents
一种车间或产线用刀具损伤智能化移动监测系统及方法 Download PDFInfo
- Publication number
- CN111069976B CN111069976B CN202010058158.XA CN202010058158A CN111069976B CN 111069976 B CN111069976 B CN 111069976B CN 202010058158 A CN202010058158 A CN 202010058158A CN 111069976 B CN111069976 B CN 111069976B
- Authority
- CN
- China
- Prior art keywords
- machine tool
- cutter
- workshop
- production line
- damage
- 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
- B23Q17/09—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring cutting pressure or for determining cutting-tool condition, e.g. cutting ability, load on tool
-
- 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
- B23Q11/00—Accessories fitted to machine tools for keeping tools or parts of the machine in good working condition or for cooling work; Safety devices specially combined with or arranged in, or specially adapted for use in connection with, machine tools
- B23Q11/0042—Devices for removing chips
- B23Q11/0046—Devices for removing chips by sucking
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明公开了一种车间或产线用刀具损伤智能化移动监测系统及方法,系统包括机床环境清洁系统、在线预警系统、移动视觉诊断系统、服务器;在线预警系统用于实时监测车间或产线内各机床的主轴功率/电流信号,无线传输至服务器;移动视觉诊断系统用于定位导航到机床检测工位并采集刀具损伤图像;服务器用于判定车间内各机床的主轴功率/电流值是否异常,并向移动视觉诊断系统报告异常机床信息;控制移动视觉诊断系统进行图像采集,对图像进行处理,进一步判定刀具损伤类型和损伤程度。本发明通过在车间或产线布置移动式视觉诊断系统,并辅助在线预警系统,实现了对车间或产线内多台机床进行高精高效智能化的刀具损伤监测。
Description
技术领域
本发明属刀具检测技术领域,特别是一种车间或产线用刀具损伤智能化移动监测系统及方法。
背景技术
刀具作为制造加工过程中的重要零部件,其在切削力和切削热的共同作用下,易发生磨损/破损,若刀具损伤未被及时发现,将会引起加工表面质量恶化,严重情况下造成工件报废,机床故障甚至人员伤亡,带来巨大经济损失。在工程实际应用中,工人大多还凭经验估计刀具是否损伤,易造成刀具远未到使用寿命就被更换,或刀具过度磨损后才被更换,严重制约了机械加工的发展,尤其是随着机械加工车间正朝着自动化、无人化、智能化方向迅速发展,加工过程中刀具的状态监测已经成为制约切削加工发展的重要因素。因此,针对数控加工车间批量加工过程,深入开展切削刀具损伤状态监测,实现生产车间内刀具损伤的智能化监测是当前智能制造背景下迫切需要解决的问题。
中国专利公开号CN108107838A公开了一种基于云知识库和机器学习的数控装备刀具磨损检测方法,可服务于车间内若干台机床,但由于车间工况数据复杂,利用云知识库和机器学习建立的刀具损伤检测模型准确率并不高,易造成误判,导致刀具浪费,且其基于切削参数及刀具参数所建立的刀具损伤检测模型是特定机床类型和实际车间工况参数的某种映射,当修改了NC程序或者使用不同的刀具进行切削时,此模型将不再适用;中国专利公开号CN110340733A公开了一种清洁切削环境下刀具损伤在线与在位检测系统及方法,兼顾了效率与精度,但该检测方法需要在每一台机床内部安装具有视觉系统保护功能与刀具清洁功能的刀具损伤监测装置,受机床振动影响比较大,采集图像易失真,且占用机床内部空间,需考虑是否会与机床发生干涉,仅适用于单台机床,不可服务车间内的多台机床,成本较高;中国专利公开号CN107553219A公开了一种基于多种类传感器复合信号的刀具磨损监控方法,但需改变机床结构,预埋振动传感器,切削力传感器等,且由于切削条件复杂多样,影响检测结果的干扰因素较多,监测精度不高。综上可知,目前的检测方法尚无法适用于数控加工车间批量加工过程的刀具损伤监测,缺乏一套高精高效的车间或产线用刀具损伤智能化移动监测系统及方法。
发明内容
本发明的目的在于提供一种车间或产线用刀具损伤智能化移动监测系统及方法,以实现数控加工车间或产线批量加工过程中,对多台机床的刀具损伤进行准确监测。
实现本发明目的的技术解决方案为:
一种车间或产线用刀具损伤智能化移动监测系统,其特征在于,包括机床环境清洁系统、初步在线预警系统、移动视觉高精诊断系统、服务器;
所述机床环境清洁系统与机床同步启/停,用于将可机床加工过程中产生的切屑、粉尘、油污通过风机吸入回收箱内,保证了机床加工环境的清洁,有效防止切屑、粉尘、油污等附着在刀具上影响刀具损伤检测结果准确性;
所述初步在线预警系统包括功率/电流传感器、数据采集卡、无线传输模块;所述功率/电流传感器用于实时监测车间内每台机床加工过程中机床主轴功率/电流的变化值,所述数据采集卡将功率/电流传感器检测到的信号通过无线传输模块传输给服务器;
所述移动视觉高精诊断系统包括AGV运动小车、机器人、机器视觉模块;所述AGV运动小车设置在机床生产车间内;所述机器人设置在AGV运动小车上;所述机器视觉模块包括连接件、工业相机、镜头、环形光源;所述工业相机通过连接件固定在机器人的执行末端;所述镜头与工业相机连接;所述环形光源设置在镜头前端;所述AGV运动小车用于将机器人运载到车间或产线指定位置;进一步的,所述机器人带动视觉模块采集刀具的侧刃图像与底刃图像;
所述服务器设置在AGV运动小车上,其包括车间信息库模块、数据处理模块、运动控制模块、图像采集模块、图像处理模块; 所述车间或产线信息库模块用于存储机床位置、车间或产线导航地图、机床编号、检测工位坐标等信息;所述数据处理模块用于实时显示机床加工过程中功率/电流信号随时间变化的曲线以及标准功率/电流曲线,并计算功率/电流曲线与标准功率/电流曲线的重合度误差以及峰值差,若加工过程中,某机床的功率/电流曲线与标准功率曲线重合度误差以及峰值差超过设定阈值,则发出预警,将功率/电流信号异常的机床停机并将机床编号信息发送给运动控制模块;所述运动控制模块根据接收到的异常机床编号,在车间或产线信息库中检索对应的机床和刀具位置信息,提供给AGV运动小车及机器人,驱动移动视觉高精诊断系统准确到达指定检测工位进行图像采集;所述图像采集模块用于自动对焦刀具使呈现清晰刀具图像并完成刀具侧刃与底刃图像拍照;所述图像处理模块用于对移动视觉高精诊断系统采集的刀具图像进行处理,计算刀具损伤程度,判断是否需要更换刀具。
基于上述车间或产线用刀具损伤智能化移动监测系统的监测方法,其步骤如下:
步骤1、收集车间或产线信息:包括车间或产线机床布置、车间或产线导航地图、机床型号,机床编号,检测工位坐标等信息,建立车间或产线信息库;
步骤2、清洁吸尘:机床环境清洁系统与机床加工同步启动,清理毛刷罩住刀具,清洁系统实时将加工过程中产生的切屑、粉尘、油污通过风机吸入回收箱内;
步骤3、功率/电流传感器在线预警:
步骤3.1、数据采集与传输:
步骤3.1.1、采集未损伤刀具在一段加工时间内的功率/电流信号存入第一判定单元,作为标准功率/电流信号
步骤3.1.2、实时监测采集每台机床的功率/电流信号变化值,并通过无线传输模块传输给服务器;
步骤3.2、初步在线预判:以功率/电流信号为纵轴,时间为横轴,实时显示机床加工过程中功率/电流信号随时间变化的曲线以及标准功率/电流曲线,并计算实时功率/电流曲线与标准功率/电流曲线的重合度误差以及峰值差;若加工过程中,某机床的功率/电流曲线与标准功率/电流曲线重合度误差以及峰值差超过设定阈值,则发出预警,将功率/电流信号异常的机床停机,集尘罩沿机床主轴方向向上移动,露出刀具,并将机床编号信息传输给服务器;
步骤4、移动视觉诊断系统在位高精检测:
步骤4.1、导航定位:服务器根据异常机床编号在车间或产线信息库中进行检索,找到对应机床检测工位坐标及导航地图信息,提供给AGV运动小车以及机器人,驱动移动视觉高精诊断系统到达异常机床的检测工位;
步骤4.2、图像采集与传输:机器人调整自身姿态,控制工业相机与机床刀具的相对位置,带动视觉模块进行对焦,使呈现清晰的刀具的图像,进而采集完整的刀具侧刃图像与底刃图像,并通过千兆以太网传输给计算机;
步骤4.3、视觉高精检测:利用图像处理对采集的刀具图像进行灰度化、滤波降噪、图像增强以及损伤区域提取,并通过标尺计算标定图像上一个像素的实际面积S和边长a×b,进而对刀具损伤几何特征进行测量,计算出刀具磨损/破损面积、最大损伤带长度、最大损伤带宽度;
步骤5、根据移动视觉高精诊断系统诊断的刀具损伤信息判断刀具磨损/破损类型以及是否需要更换刀具。
本发明与现有技术相比,其显著优点是:
(1)本发明采用实时在线预警与移动视觉高精诊断结合的方式,当预警系统报警后,移动视觉诊断系统定位导航找到对应的机床进行视觉高精诊断,不仅实现了一套诊断系统可服务车间或产线多台机床,同时该系统可根据车间或产线变化修改车间或产线信息库,适用于不同车间或产线。此外,视觉诊断系统设在在机床外部,保护了视觉系统不受机床环境影响,诊断结果更加精确可靠,避免了工人凭经验判断造成误判,导致加工质量恶化、刀具浪费等情况发生,大幅减低车间或产线工人劳动强度,节约了劳动力以及制造成本。
(2)本发明采用功率电流传感器监测机床刀具是否异常,无需改变机床结构,无需预埋传感器,可直接在机床电气柜处进行监测,不会影响机床加工精度,同时监测结果亦不受机床振动影响,同时该系统通过监测加工过程中,机床的功率/电流曲线与标准功率/电流曲线的重合度误差以及峰值差超过设定阈值来预警机床刀具切削异常,避免了仅靠单一时刻的功率/电流值预警刀具异常易造成误判的情况发生,提高了监测预警可靠性。
(3)本发明通过设置风机、集尘罩、毛刷,回收箱等,将加工过程中产生的切屑粉尘吸入回收箱,保证了机床加工环境的清洁,有效防止切屑粉尘油污附着在刀具上影响刀具损伤检测结果准确性;
附图说明
图1为检测系统示意总体结构示意图。
图2为视觉系统结构示意图。
图3为移动视觉高精诊断系统结构示意图。
图4为工业相机采集刀具侧刃图像示意图。
图5为工业相机采集刀具底刃图像示意图。
图6为本发明系统工作流程示意图。
图7是本发明损伤刀具图像示意图。
图8是本发明刀具损伤区域的提取示意图。
具体实施方式
下面结合附图及具体实施例对本发明做进一步的介绍。
一种车间或产线用刀具损伤智能化移动监测系统,其特征在于,包括机床环境清洁系统、初步在线预警系统、移动视觉高精诊断系统、服务器19。
所述机床环境清洁系统与机床同步启/停,用于将可机床加工过程中产生的切屑、粉尘、油污通过风机3吸入回收箱4内,保证了机床加工环境的清洁,有效防止切屑、粉尘、油污等附着在刀具21上影响刀具损伤检测结果准确性。
所述初步在线预警系统包括功率/电流传感器9、数据采集卡10、无线传输模块;所述功率/电流传感器9用于实时监测车间或产线每台机床加工过程中机床主轴功率/电流的变化值,所述数据采集卡10将功率/电流传感器9检测到的信号通过无线传输模块传输给服务器19。
所述移动视觉高精诊断系统包括AGV运动小车18、机器人17、机器视觉模块;所述AGV运动小车18设置在机床生产车间或产线内;所述机器人17设置在AGV运动小车18上;所述机器视觉模块包括连接件16、工业相机15、镜头14、环形光源13;所述工业相机15通过连接件16固定在机器人17的执行末端;所述镜头14与工业相机15连接;所述环形光源13设置在镜头14前端;所述AGV运动小车18用于将机器人17运载到车间或产线指定位置;进一步的,所述机器人17带动视觉模块采集刀具的侧刃图像与底刃图像。
所述服务器19设置在AGV运动小车18上,其包括车间或产线信息库模块、数据处理模块、运动控制模块、图像采集模块、图像处理模块; 所述车间或产线信息库模块用于存储机床位置、车间或产线导航地图、机床编号、检测工位坐标等信息;所述数据处理模块用于实时显示机床加工过程中功率/电流信号随时间变化的曲线以及标准功率/电流曲线,并计算功率/电流曲线与标准功率/电流曲线的重合度误差以及峰值差,若加工过程中,某机床的功率/电流曲线与标准功率曲线重合度误差以及峰值差超过设定阈值,则发出预警,将功率/电流信号异常的机床停机并将机床编号信息发送给运动控制模块;所述运动控制模块根据接收到的异常机床编号,在车间或产线信息库中检索对应的机床和刀具位置信息,提供给AGV运动小车18及机器人17,驱动移动视觉高精诊断系统准确到达指定检测工位进行图像采集;所述图像采集模块用于自动对焦刀具使呈现清晰刀具图像并完成刀具侧刃与底刃图像拍照;所述图像处理模块用于对移动视觉高精诊断系统采集的刀具图像进行处理,计算刀具损伤程度,判断是否需要更换刀具。
进一步的,所述机床环境清洁系统包括清理毛刷8、集尘罩7、软管5、风机3、回收箱4、过滤板12;所述清理毛刷通过扁条安装于集尘罩7上,使其密布整个集尘罩7口边缘;所述集尘罩7安装于机床主轴6上,加工过程中,毛刷罩住刀具,防止切屑粉尘飞溅,采集刀具图像时,集尘罩沿机床主轴方向向上移动,露出刀具;所述软管5一端通过抱箍与集尘罩7连接,另一端与回收箱4下部连接;所述过滤板12用于过滤切屑粉尘,其设置在回收箱4内,将回收箱4上部与下部隔开;所述风机3的进风口1与回收箱4上部连接,出风口2保持出风通畅。
进一步的,所述无线传输模块包括数据发射器11与多通道数据接收器20;所述数据发射器11与数据采集卡10连接;所述多通道数据接收器20与服务器19连接,其通道数等于或大于车间机床数量。
为保证AGV运动小车18能准确运载机器人17到达机床附近,并且机器人17能带动机器视觉模块采集相应刀具图像,每台机床设置有第一检测工位与第二检测工位,且机床与机床之间的间距大于移动视觉诊断系统的最大宽度;所述第一检测工位为AGV运动小车18运载机器人17到达的指定位置;所述第二检测工位为机床主轴原点位置,进行刀具图像采集时,机床主轴6停于原点位置,机器人带动视觉模块,调整相机相对于刀具的位置,进行图像采集。
进一步的,所述车间或产线信息库模块包括信息库编辑单元与信息库检索调用单元。
所述信息库编辑单元用于增加,删除,修改保存车间或产线信息,可根据车间或产线情况对信息库进行编辑调整,实时更新完善车间或产线信息库,使检测系统普适性更强,仅需编辑调整车间或产线信息,该系统便可服务于各种类型的机床车间或产线。
所述信息库检索调用单元用于存储车间或产线导航地图、车间机床布置、机床编号等信息,在对应每台机床编号下,有第一检测工位坐标、第二检测工位坐标、机床类型、刀具类型等信息,所存储的信息可供运动控制模块调用进而驱动AGV运动小车18以及机器人17到达对应检测工位。
进一步的,所述数据处理模块包括曲线生成单元与第一判定单元。
所述曲线生成单元用于以功率/电流信号为纵轴,时间为横轴,实时显示机床加工过程中功率/电流信号随时间变化的曲线以及标准功率/电流曲线,并计算功率/电流曲线与标准功率/电流曲线的重合度误差以及峰值差。
所述第一判定单元用于判定加工过程中,某机床的功率/电流曲线与标准功率/电流曲线重合度误差以及峰值差是否超过设定阈值,若超出,则发出预警,将功率/电流信号异常的机床停机并将机床编号信息发送给运动控制模块。
进一步的,所述运动控制模块包括AGV运动小车运动单元与机器人控制单元。
所述AGV运动小车运动单元用于根据预警系统提供的刀具损伤机床的编号在车间或产线信息库中进行检索,找到对应机床第一检测工位坐标及导航地图信息,并提供给AGV运动小车18以驱动移动视觉高精诊断系统到达对应机床的第一检测工位。
所述机器人控制单元用于根据预警系统提供的刀具损伤机床的编号在车间或产线信息库中进行检索,找到对应机床型号、参数信息以及对应的第二检测工位坐标,并提供给机器人17,使机器人17带动机器视觉模块准确到达第二检测工位,进行刀具侧刃与底刃图像采集。
进一步的,所述图像采集模块包括自动对焦单元与刀具拍照单元。
所述自动对焦单元用于对焦刀具21,使呈现清晰的刀具图像,刀具图像清晰度参数可实时反馈给机器人,动态调节机器视觉模块位置,实现刀具图像清晰对焦。
所述刀具拍照单元用于对焦完成后,拍摄完整的刀具侧刃与底刃图像并通过千兆以太网传输给服务器。
进一步的,所述图像处理模块包括图像预处理单元、损伤区域提取计算单元、第二判定单元。
所述图像预处理单元用于对采集的刀具图像进行灰度化、中值滤波降噪以及直方图均衡化图像增强。
所述损伤区域提取计算单元用于提取刀具擦伤与缺失区域,并对损伤区域进行测量,计算出刀具损伤面积、最大损伤带宽度以及最大损伤带长度。
上述的损伤区域分为磨损区域与破损区域,分别将两块区域作为目标,将其从图像背景以及刀具完好区域中提取出来,并以两区域之和的几何特征作为刀具损伤程度及损伤类型的判别标准;
所述刀具磨损区域为加工过程中刀具刀尖以及前后刀面与工件剧烈摩擦形成的磨伤区域;该区域基于刀具损伤图像的目标融合及目标转移后,通过图像差分提取得到;
所述刀具破损区域为刀具加工过程中刀刃边缘及刀尖出现的细微崩刃及耗损缺失区域;该区域通过采集图像中完好的切削刃像素点,基于数据拟合重建刀具切削刃上下边界而提取得到。
所述刀具磨损区域与背景、刀具完好区域组成完好的刀具图像,其具有面积最小,特征不明显,易被作为噪声信号处理,存在难以识别的困难;所述刀具破损区域为崩刃缺失区域,被背景所覆盖。为保证刀具损伤特征提取的完整性以及诊断结果的准确性,分别提取刀具磨损区域与刀具破损区域作为刀具的总损伤特征。
所述磨损区域提取包含目标融合、目标转移、图像差分三步。
所述目标融合是指将刀具损伤图像中刀具磨损区域与刀具完好区域融合为一个区域,背景为一个区域,即将刀具完好区域与刀具磨损区域像素置为255,背景区域像素置为0,该操作可通过最大类方法,均值迭代法等进行图像二值化操作实现;
所述目标转移是指将刀具损伤图像中刀具磨损区域转移到背景区域,与背景融合为一块区域,刀具完整部分为一块区域;可通过将刀具图像背景置为255,显示为白色,进而,将原始刀具图像乘以一个权重值,再与背景为白色的图像相加实现。所述权重值的确定可通过像素扫描获取原始图像中像素最大的值记为a,则权重值为255/a-1。
所述图像差分是目标转移后的图像融合后的背景像素值置为0,刀具完整部分像素置为255,进而减去目标融合后的刀具图像,提取出刀具磨损区域。
所述破损区域提取包含数据点采集、边界拟合重建、区域提取三步。
所述数据点采集是指对刀具损伤图像进行canny边缘检测,鼠标截取canny图像中刀具未损伤的上边界区域与下边界区域,对截取的上边界、下边界区域进行像素点扫描,将像素值为255 像素点坐标进行保存。
所述边界拟合重建是指对刀具图像进行正二值化,即将刀具区域像素置为255,背景区域像素置为0,并基于采集到的完整切削刃坐标数据,在二值化图像上对刀具切削刃上边界与下边界进行拟合重建,重建边界交点即为刀尖。
所述区域提取是指以重建切削刃为边界,将图像中刀具区域的像素置为255,显示为白色,至此基于损伤的刀具图像完成了刀具重建,得到新刀图像,进而基于差分法,利用重建后的新刀图像减去已损伤的二值化刀具图像即得到破损区域。
所述第二判定单元根据是否存在刀具损伤与擦伤区域区别刀具磨损/破损,若不存在擦伤区域,仅存在缺失区域,则判定刀具为崩刃破损,若存在擦伤区域则判定刀具为磨损损伤,同时根据刀具损伤量大小是否达到设定阈值,确定是否需要更换刀具。
基于上述的检测系统,本发明还提出了一种车间或产线用刀具损伤智能化监测方法,具体包括以下步骤:
步骤1、收集车间或产线信息,包括车间或产线机床布置、车间或产线导航地图、机床型号,机床编号,检测工位坐标等信息,建立车间或产线信息库;
步骤2、清洁吸尘:机床环境清洁系统与机床加工同步启动,清理毛刷罩住刀具,清洁系统实时将加工过程中产生的切屑、粉尘、油污通过风机吸入回收箱内;
步骤3、功率/电流传感器在线预警:
步骤3.1、数据采集与传输:
步骤3.1.1、采集未损伤刀具在一段加工时间内的功率/电流信号存入第一判定单元,作为标准功率/电流信号
步骤3.1.2、实时监测采集每台机床的功率/电流信号变化值,并通过无线传输模块传输给服务器;
步骤3.2、初步在线预判:以功率/电流信号为纵轴,时间为横轴,实时显示机床加工过程中功率/电流信号随时间变化的曲线以及标准功率/电流曲线,并计算实时功率/电流曲线与标准功率/电流曲线的重合度误差以及峰值差;若加工过程中,某机床的功率/电流曲线与标准功率/电流曲线重合度误差以及峰值差超过设定阈值,则发出预警,将功率/电流信号异常的机床停机,集尘罩沿机床主轴方向向上移动,露出刀具,并将机床编号信息传输给服务器;
步骤4、移动视觉诊断系统在位高精检测:
步骤4.1、导航定位:服务器根据异常机床编号在车间或产线信息库中进行检索,找到对应机床检测工位坐标及导航地图信息,提供给AGV运动小车以及机器人,驱动移动视觉高精诊断系统到达异常机床的检测工位;
步骤4.2、图像采集与传输:机器人调整自身姿态,控制工业相机与机床刀具的相对位置,带动视觉模块进行对焦,使呈现清晰的刀具的图像,进而采集完整的刀具侧刃图像与底刃图像,并通过千兆以太网传输给计算机;
步骤4.3、视觉高精检测:利用图像处理对采集的刀具图像进行灰度化、滤波降噪、图像增强以及损伤区域提取,并通过标尺计算标定图像上一个像素的实际面积S和边长a×b,进而对刀具损伤几何特征进行测量,计算出刀具磨损/破损面积、最大损伤带长度、最大损伤带宽度;
步骤5、根据移动视觉高精诊断系统诊断的刀具损伤信息判断刀具磨损/破损类型以及是否需要更换刀具。
Claims (10)
1.一种车间或产线用刀具损伤智能化移动监测系统,其特征在于,包括机床环境清洁系统、初步在线预警系统、移动视觉高精诊断系统及服务器[19];
所述机床环境清洁系统与机床同步启/停,用于将机床加工过程中产生的切屑、粉尘、油污通过风机[3]吸入回收箱[4]内,保证了机床加工环境的清洁,有效防止切屑、粉尘、油污等附着在刀具[21]上影响刀具损伤检测结果准确性;
所述初步在线预警系统包括功率/电流传感器[9]、数据采集卡[10]、无线传输模块;所述功率/电流传感器[9]用于实时监测车间或产线内每台机床加工过程中机床主轴功率/电流的变化值,所述数据采集卡[10]将功率/电流传感器[9]检测到的信号通过无线传输模块传输给服务器[19];
所述移动视觉高精诊断系统包括AGV运动小车[18]、机器人[17]及机器视觉模块;所述AGV运动小车[18]设置在机床生产车间或产线内;所述机器人[17]设置在AGV运动小车[18]上;所述机器视觉模块包括连接件[16]、工业相机[15]、镜头[14]、环形光源[13];所述工业相机[15]通过连接件[16]固定在机器人[17]的执行末端;所述镜头[14]与工业相机[15]连接;所述环形光源[13]设置在镜头[14]前端;所述AGV运动小车[18]用于将机器人[17]运载到车间或产线指定位置;所述机器人[17]带动所述机器视觉模块采集刀具的侧刃图像与底刃图像;
所述服务器[19]设置在AGV运动小车[18]上,其包括车间或产线信息库模块、数据处理模块、运动控制模块、图像采集模块、图像处理模块;所述车间或产线信息库模块用于存储机床位置、车间或产线导航地图、机床编号及检测工位坐标信息;所述数据处理模块用于实时显示机床加工过程中功率/电流信号随时间变化的曲线以及标准功率/电流曲线,并计算功率/电流曲线与标准功率/电流曲线的重合度误差以及峰值差,若加工过程中,某机床的功率/电流曲线与标准功率曲线重合度误差以及峰值差超过设定阈值,则发出预警,将功率/电流信号异常的机床停机并将异常机床编号信息发送给运动控制模块;所述运动控制模块根据接收到的异常机床编号,在车间或产线信息库中检索对应的机床和刀具位置信息,提供给AGV运动小车[18]及机器人[17],驱动所述移动视觉高精诊断系统到达指定检测工位进行图像采集;所述图像采集模块用于自动对焦刀具使呈现清晰刀具图像并完成刀具侧刃与底刃图像拍照;所述图像处理模块用于对移动视觉高精诊断系统采集的刀具图像进行处理,计算刀具损伤程度,判断是否需要更换刀具。
2.根据权利要求1所述的车间或产线用刀具损伤智能化移动监测系统,其特征在于,所述机床环境清洁系统包括清理毛刷[8]、集尘罩[7]、软管[5]、风机[3]、回收箱[4]及过滤板[12];所述清理毛刷通过扁条安装于集尘罩[7]上,使其密布整个集尘罩[7]边缘;所述集尘罩[7]安装于机床主轴[6]上,加工过程中,毛刷罩住刀具,防止切屑粉尘飞溅,采集刀具图像时,集尘罩沿机床主轴方向向上移动,露出刀具;所述软管[5]一端通过抱箍与集尘罩[7]连接,另一端与回收箱[4]下部连接;所述过滤板[12]用于过滤切屑粉尘油污,其设置在回收箱[4]内,将回收箱[4]上部与下部隔开;所述风机[3]的进风口[1]与回收箱[4]上部连接,出风口[2]保持出风通畅。
3.根据权利要求1所述的车间或产线用刀具损伤智能化移动监测系统,其特征在于,所述无线传输模块包括数据发射器[11]与多通道数据接收器[20];所述数据发射器[11]与数据采集卡[10]连接;所述多通道数据接收器[20]与服务器[19]连接,其通道数等于或大于车间机床数量。
4.根据权利要求1所述的车间或产线用刀具损伤智能化移动监测系统,其特征在于,每台机床设置有第一检测工位与第二检测工位,且机床与机床之间的间距大于移动视觉高精诊断系统的最大宽度;所述第一检测工位为AGV运动小车[18]运载机器人[17]到达的指定位置;所述第二检测工位为机床主轴原点位置,进行刀具图像采集时,机床主轴[6]停于原点位置,机器人带动机器视觉模块,调整镜头[14]相对于刀具的位置,进行图像采集。
5.根据权利要求1所述的车间或产线用刀具损伤智能化移动监测系统,其特征在于,所述车间或产线信息库模块包括信息库编辑单元与信息库检索调用单元;
所述信息库编辑单元用于增加,删除,修改保存车间信息,可根据车间或产线情况对信息库进行编辑调整,实时更新完善车间或产线信息库,使检测系统普适性更强,仅需编辑调整车间或产线信息,该系统可服务于各种类型的机床车间或产线;
所述信息库检索调用单元用于存储车间或产线导航地图、车间或产线机床布置、机床编号等信息,在对应每台机床编号下,有第一检测工位坐标、第二检测工位坐标、机床类型、刀具类型等信息,所存储的信息可供运动控制模块调用进而驱动AGV运动小车[18]以及机器人[17]到达对应检测工位。
6.根据权利要求1所述的车间或产线用刀具损伤智能化移动监测系统,其特征在于,所述数据处理模块包括曲线生成单元与第一判定单元;
所述曲线生成单元用于以功率/电流信号为纵轴,时间为横轴,实时显示机床加工过程中功率/电流信号随时间变化的曲线以及标准功率/电流曲线,并计算功率/电流曲线与标准功率/电流曲线的重合度误差以及峰值差;
所述第一判定单元用于判定加工过程中,某机床的功率/电流曲线与标准功率/电流曲线重合度误差以及峰值差是否超过设定阈值,若超出,则发出预警,将功率/电流信号异常的机床停机并将机床编号信息发送给运动控制模块。
7.根据权利要求1所述的车间或产线用刀具损伤智能化移动监测系统,其特征在于,所述运动控制模块包括AGV运动小车运动单元与机器人控制单元;
所述AGV运动小车运动单元用于根据预警系统提供的刀具损伤机床的编号在车间或产线信息库中进行检索,找到对应机床第一检测工位坐标及导航地图信息,并提供给AGV运动小车[18]以驱动移动视觉高精诊断系统到达对应机床的第一检测工位;
所述机器人控制单元用于根据预警系统提供的刀具损伤机床的编号在车间或产线信息库中进行检索,找到对应机床型号、参数信息以及对应的第二检测工位坐标,并提供给机器人[17],使机器人[17]带动机器视觉模块准确到达第二检测工位,进行刀具侧刃与底刃图像采集。
8.根据权利要求1所述的车间或产线用刀具损伤智能化移动监测系统,其特征在于,所述图像采集模块包括自动对焦单元与刀具拍照单元;
所述自动对焦单元用于对焦刀具[21],使呈现清晰的刀具图像,刀具图像清晰度参数可实时反馈给机器人,动态调节机器视觉模块位置,实现刀具图像清晰对焦;
所述刀具拍照单元用于对焦完成后,拍摄完整的刀具侧刃与底刃图像并通过千兆以太网传输给服务器。
9.根据权利要求1所述的车间或产线用刀具损伤智能化移动监测系统,其特征在于,所述图像处理模块包括图像预处理单元、损伤区域提取计算单元、第二判定单元;
所述图像预处理单元用于对采集的刀具图像进行灰度化、中值滤波降噪以及邻域处理图像增强;
所述损伤区域提取计算单元用于提取刀具擦伤与缺失区域,并对损伤区域进行测量,计算出刀具损伤面积、最大损伤带宽度以及最大损伤带长度;
所述第二判定单元根据是否存在刀具损伤与擦伤区域区别刀具磨损/破损,若不存在擦伤区域,仅存在缺失区域,则判定刀具为崩刃破损,若存在擦伤区域则判定刀具为磨损损伤,同时根据刀具损伤量大小是否达到设定阈值,确定是否需要更换刀具。
10.根据权利要求1-9中任一项所述的车间或产线用刀具损伤智能化移动监测系统的监测方法,其特征在于步骤如下:
步骤1、收集车间或产线信息:包括车间或产线机床布置、车间或产线导航地图、机床型号,机床编号,检测工位坐标等信息,建立车间或产线信息库;
步骤2、清洁吸尘:机床环境清洁系统与机床加工同步启动,清理毛刷罩住刀具,清洁系统实时将加工过程中产生的切屑、粉尘、油污通过风机吸入回收箱内;
步骤3、功率/电流传感器在线预警:
步骤3.1、数据采集与传输:
步骤3.1.1、采集未损伤刀具在一段加工时间内的功率/电流信号存入第一判定单元,作为标准功率/电流信号;
步骤3.1.2、实时监测采集每台机床的功率/电流信号变化值,并通过无线传输模块传输给服务器;
步骤3.2、初步在线预判:以功率/电流信号为纵轴,时间为横轴,实时显示机床加工过程中功率/电流信号随时间变化的曲线以及标准功率/电流曲线,并计算实时功率/电流曲线与标准功率/电流曲线的重合度误差以及峰值差;若加工过程中,某机床的功率/电流曲线与标准功率/电流曲线重合度误差以及峰值差超过设定阈值,则发出预警,将功率/电流信号异常的机床停机,集尘罩沿机床主轴方向向上移动,露出刀具,并将机床编号信息传输给服务器;
步骤4、移动视觉高精诊断系统在位高精检测:
步骤4.1、导航定位:服务器根据异常机床编号在车间或产线信息库中进行检索,找到对应机床检测工位坐标及导航地图信息,提供给AGV运动小车以及机器人,驱动移动视觉高精诊断系统到达异常机床的检测工位;
步骤4.2、图像采集与传输:机器人调整自身姿态,控制工业相机与机床刀具的相对位置,带动机器视觉模块进行对焦,使呈现清晰的刀具的图像,进而采集完整的刀具侧刃图像与底刃图像,并通过千兆以太网传输给计算机;
步骤4.3、视觉高精检测:利用图像处理对采集的刀具图像进行灰度化、滤波降噪、图像增强以及损伤区域提取,并通过标尺计算标定图像上一个像素的实际面积S和边长a×b,进而对刀具损伤几何特征进行测量,计算出刀具磨损/破损面积、最大损伤带长度、最大损伤带宽度;
步骤5、根据移动视觉高精诊断系统诊断的刀具损伤信息判断刀具磨损/破损类型以及是否需要更换刀具。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010058158.XA CN111069976B (zh) | 2020-01-19 | 2020-01-19 | 一种车间或产线用刀具损伤智能化移动监测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010058158.XA CN111069976B (zh) | 2020-01-19 | 2020-01-19 | 一种车间或产线用刀具损伤智能化移动监测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111069976A CN111069976A (zh) | 2020-04-28 |
CN111069976B true CN111069976B (zh) | 2021-08-17 |
Family
ID=70323726
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010058158.XA Active CN111069976B (zh) | 2020-01-19 | 2020-01-19 | 一种车间或产线用刀具损伤智能化移动监测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111069976B (zh) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111571308A (zh) * | 2020-05-19 | 2020-08-25 | 哈尔滨理工大学 | 一种用于刀具磨损在机检测装置及刀具磨损检测方法 |
CN111948976B (zh) * | 2020-07-31 | 2022-03-15 | 深圳吉兰丁智能科技有限公司 | 刀具状态监控方法、非易失性可读存储介质及电子设备 |
CN112001906B (zh) * | 2020-08-24 | 2024-02-02 | 徐工汉云技术股份有限公司 | 一种结合非极大值抑制的钢板焊缝图像检测方法 |
CN112792617B (zh) * | 2021-01-27 | 2021-08-10 | 北京航天华世科技股份有限公司 | 一种多机床辅助管理系统 |
JP6887070B1 (ja) * | 2021-02-26 | 2021-06-16 | Dmg森精機株式会社 | 工作機械、表示制御方法、および表示制御プログラム |
CN113568384A (zh) * | 2021-06-30 | 2021-10-29 | 东风设备制造有限公司 | 一种基于agv小车自动上刀、注油系统 |
CN113927370A (zh) * | 2021-09-22 | 2022-01-14 | 南京理工大学 | 一种基于多源信号的产线用刀具剩余寿命实时云监测系统及方法 |
CN114227375A (zh) * | 2022-01-12 | 2022-03-25 | 深圳市山龙智控有限公司 | 自动对刀系统及方法 |
CN114367996A (zh) * | 2022-02-21 | 2022-04-19 | 南京理工大学 | 一种刀具损伤原位检测与换刀机器人 |
CN114888636B (zh) * | 2022-05-09 | 2023-12-01 | 南京理工大学 | 一种基于三维激光扫描的刀具损伤智能化监测系统及方法 |
CN114905334B (zh) * | 2022-05-17 | 2023-10-20 | 北京理工大学 | 一种智能实时清洁切削监控系统和方法 |
CN115842848B (zh) * | 2023-03-01 | 2023-04-28 | 成都远峰科技发展有限公司 | 一种基于工业物联网的动态监控系统及其控制方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5972509A (ja) * | 1982-10-19 | 1984-04-24 | Toshiba Corp | 工作機械用工具の補修装置 |
DE10361920B4 (de) * | 2003-12-23 | 2006-03-09 | Starragheckert Gmbh | Vorrichtung und Verfahren zur Kontrolle von Werkzeugen |
CN101879691B (zh) * | 2010-06-25 | 2012-03-07 | 北京航空航天大学 | 一种混合式回转刀具磨损检测装置 |
CN104385059B (zh) * | 2014-09-12 | 2017-04-05 | 浙江海洋学院 | 一种刀面磨损检测方法及其装置 |
DE202015003155U1 (de) * | 2015-04-29 | 2015-05-26 | Keba Ag | Bedienpanel einer elektronischen Steuerung zum Bedienen, Überwachen oder Programmieren von industriellen Anlagen oder Maschinen |
CN108296880B (zh) * | 2018-03-22 | 2023-07-21 | 山东大学 | 基于ccd的刀具磨破损在线检测装置及其检测方法 |
-
2020
- 2020-01-19 CN CN202010058158.XA patent/CN111069976B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111069976A (zh) | 2020-04-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111069976B (zh) | 一种车间或产线用刀具损伤智能化移动监测系统及方法 | |
CN108931961B (zh) | 一种基于机器视觉的整体式立铣刀磨破损检测方法 | |
CN111537517B (zh) | 一种无人智能化冲压缺陷识别方法 | |
CN109969736B (zh) | 一种大型运载皮带跑偏故障智能检测方法 | |
CN111122587B (zh) | 一种基于视觉特征提取的刀具损伤检测方法 | |
CN111230593B (zh) | 一种基于动态图像序列的铣刀磨损量视觉测量方法 | |
CN105674910B (zh) | 一种超大型剪板机板料剪切边缘曲线检测系统及方法 | |
CN102529019B (zh) | 一种模具检测、保护及零件检测、摘取的方法 | |
CN112264839A (zh) | 一种用于制造物联网的切削刀具磨损在位测量装置及方法 | |
CN110930405A (zh) | 一种基于图像区域划分的刀具损伤检测方法 | |
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 | |
CN114227054B (zh) | 一种基于3d点云的管板焊缝自动检测方法 | |
CN102455171A (zh) | 一种激光拼焊焊缝背面几何形貌检测方法及其实现装置 | |
CN108582075A (zh) | 一种智能机器人视觉自动化抓取系统 | |
CN110728657A (zh) | 一种基于深度学习的环状轴承外表面缺陷检测方法 | |
CN111524154B (zh) | 一种基于影像的隧道管片自动化分割方法 | |
CN113744247A (zh) | 一种pcb焊点缺陷识别方法和系统 | |
CN113641155A (zh) | 一种高温锻件检测控制系统 | |
CN109345500B (zh) | 一种基于机器视觉的机床刀具刀尖点位置计算方法 | |
CN1320335C (zh) | 基于图像识别的砂轮形貌动态检测方法 | |
CN102303314B (zh) | 工业生产中的碳碗中心和导槽定位装置及其定位方法 | |
CN111054640A (zh) | 一种自动化机械检测装置 | |
TWI407242B (zh) | Multi - axis tool grinding machine tool grinding image detection system | |
JP2022123399A (ja) | 加工最適化システム、及び加工最適化システムによる加工最適化方法 | |
CN110455809A (zh) | 一种连杆表面缺陷的机器视觉检测装置及方法 |
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 |