CN115319538A - 五轴头刀具磨损智能检测方法及系统 - Google Patents
五轴头刀具磨损智能检测方法及系统 Download PDFInfo
- Publication number
- CN115319538A CN115319538A CN202211048402.XA CN202211048402A CN115319538A CN 115319538 A CN115319538 A CN 115319538A CN 202211048402 A CN202211048402 A CN 202211048402A CN 115319538 A CN115319538 A CN 115319538A
- Authority
- CN
- China
- Prior art keywords
- cutter
- module
- tool
- wear
- image
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000005299 abrasion Methods 0.000 claims abstract description 14
- 230000002159 abnormal effect Effects 0.000 claims description 20
- 239000013598 vector Substances 0.000 claims description 19
- 230000010354 integration Effects 0.000 claims description 12
- 238000000034 method Methods 0.000 claims description 11
- 230000004927 fusion Effects 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010586 diagram Methods 0.000 claims description 6
- 238000002679 ablation Methods 0.000 claims description 5
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000004519 manufacturing process Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000003754 machining Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004227 thermal cracking Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
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
- B23Q17/0952—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 during machining
- B23Q17/0957—Detection of tool breakage
-
- 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
- B23Q17/0904—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 before or after machining
- B23Q17/0909—Detection of broken tools
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Numerical Control (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明提供了一种五轴头刀具磨损智能检测方法及系统,包括:步骤S1:利用声音传感器获取数控机床刀具工作时的声音波形图,并上传至上位机;步骤S2:上位机将获取的声音波形图与标准声音波形图进行拟合对比;步骤S3:基于拟合对比结果判断当前声音波形图所属刀具的种类、尺寸和刀具状态。
Description
技术领域
本发明涉及刀具检测技术领域,具体地,涉及五轴头刀具磨损智能检测方法及系统。
背景技术
在数控机床加工过程中,经常会出现磨损现象。比如出现切削刃和刀尖崩碎,这种情况的出现会直接影响到机床的正常工作;刀片或者刀具折断,可能是因为材料中有裂缝,加上操作不当等折断,以至于刀具无法继续使用只能报废;当刀具承受多种负荷,如机械负荷,如热负荷,切削表面因热胀冷缩将会不可避免的出现热应力,从而导致刀面开裂。崩刃现象的出现无法避免,热裂崩刃以及切削微崩刃在某些情况下还能继续工作一段时间,但刀具寿命会大幅度下降。时间久了热裂崩刃也会导致刀具折断,微崩刃的情况也会衍生成为掉尖,不仅工件需要重新铣削或直接报废,更重要的是严重降低生产效率。还有数控机床刀具的多种磨损,会严重影响到工件加工精度和进程,严重者需要返工或工件直接报废。崩刃在部分热裂崩刃,微崩刃的时期很难能够及时监测并反馈出来,崩刃时材料内部结构的改变也很难从外观发现,只能依靠维修检测人员去现场进行调试分析,而在这一段时间又将耗费大量的时间与人力物力,并且为了防止崩刃现象再次出现需要维护人员进行设备分析讨论出崩刃原因给出建议。
专利文献CN112059724B(申请号:202010948269.8)公开了一种数控机床刀具磨损监测装置及检测方法。数控机床刀具磨损监测装置包括外壳、共振弹簧、调频组件、计数组件;外壳设置于机床刀具;调频组件包括调频柱、第一配重组件;调频柱竖直且设置于外壳内;第一配重组件有多个,沿周向均布于调频柱下端,每个第一配重组件上设置有不同重量的软磁块;共振弹簧竖直设置于外壳内,且位于第一配重组件上方,其下端设置有第二配重组件,以吸取第一配重组件上的软磁块,进而改变共振弹簧固有频率;计数组件设置于共振弹簧上方,配置成将共振弹簧的振动次数进行记录并显示。共振弹簧将刀具的振动转化为自身的振动并通过计数组件记录刀具实际振动次数,进而估算刀具磨损程度。
本发明为了更加优质的服务客户,在数控机床设备中增添部分传感器检测,通过传感器的数据处理实时保护刀具的安全,并且可以远程监控设备状态,避免由于场地、材料、误操作等原因导致设备故障。同时在设备维护上也可以远程检修。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种五轴头刀具磨损智能检测方法及系统。
根据本发明提供的一种五轴头刀具磨损智能检测方法,包括:
步骤S1:利用声音传感器获取数控机床刀具工作时的声音波形图;
步骤S2:将获取的声音波形图与标准声音波形图进行拟合对比;
步骤S3:基于拟合对比结果判断当前声音波形图所属刀具的种类、尺寸和刀具状态。
优选地,所述标准声音波形图采用:选用各种规格、样式的数控机床刀具分别在包括刀具的正常工作、后刀面磨损、月牙洼磨损、塑性变形、裂纹以及崩刃的情况下经过多次实验和计算得到相应数控刀具工作时的标准声音波形图。
优选地,所述步骤S2采用:
步骤S2.1:将采集到的振动图像打包成数据文件;
步骤S2.2:获取数据文件的序列数据长度;
步骤S2.3:设置较短序列为基准,将积分近似按离散点取和的方式进行近似的积分;
步骤S2.4:积分完成后,通过计算得出相关系数;
步骤S2.5:相关系数越接近1代表拟合程度越高。
优选地,当刀具出现异常情况后,则通过双摄像头模式对刀具进行自旋式360°全方位扫描,获取刀具各个角度图像,并对刀具表面偏差进行测量上传至上位机;上位机将刀具各个角度图像拼接为3D模型;基于拼接的3D模型确定磨损点。
优选地,所述上位机将刀具各个角度图像拼接为3D模型采用:
步骤1:刀具扫描仪采集异常刀具图像信息;
步骤2:将图像信息上传至上位机后,使用ORB算法构建异常刀具图像金字塔;
步骤3:在异常刀具图像金字塔使用Fast算法从每层图像中提取预设重要特征点;
步骤4:计算以预设重要特征点为中心的矩形的强度形心;
步骤5:从预设重要特征点指向强度形心的向量确立为当前预设重要特征点的方向;
步骤6:基于预设重要特征点和预设重要特征点的方向,通过Rotation-AwareBRIE开始创建特征向量;
步骤7:特征向量创建后,使用MPL对扫描仪记录的三张刀具图片进行特征点匹配;
步骤8:匹配之后采用pscp算法消除误匹配,得到匹配数据;
步骤9:使用PROSAC算法对匹配数据计算得出投影矩阵;
步骤10:在投影矩阵中使用消融法选取最佳缝合线进行多分辨率融合;
步骤11:融合完成之后集合特征向量形成三维刀具图像。
优选地,基于确定的磨损点确定当前的磨损点是否可以忽略,当可忽略时,则将当前磨损点对应的波形图增加至标准声音波形图中;当不可忽略时,则进行相应换刀处理。
根据本发明提供的一种五轴头刀具磨损智能检测系统,包括:
模块M1:利用声音传感器获取数控机床刀具工作时的声音波形图;
模块M2:将获取的声音波形图与标准声音波形图进行拟合对比;
模块M3:基于拟合对比结果判断当前声音波形图所属刀具的种类、尺寸和刀具状态。
优选地,所述模块M2采用:
模块M2.1:将采集到的振动图像打包成数据文件;
模块M2.2:获取数据文件的序列数据长度;
模块M2.3:设置较短序列为基准,将积分近似按离散点取和的方式进行近似的积分;
模块M2.4:积分完成后,通过计算得出相关系数;
模块M2.5:相关系数越接近1代表拟合程度越高。
优选地,当刀具出现异常情况后,则通过双摄像头模式对刀具进行自旋式360°全方位扫描,获取刀具各个角度图像,并对刀具表面偏差进行测量上传至上位机;上位机将刀具各个角度图像拼接为3D模型;基于拼接的3D模型确定磨损点。
优选地,所述上位机将刀具各个角度图像拼接为3D模型采用:
模块N1:刀具扫描仪采集异常刀具图像信息;
模块N2:将图像信息上传至上位机后,使用ORB算法构建异常刀具图像金字塔;
模块N3:在异常刀具图像金字塔使用Fast算法从每层图像中提取预设重要特征点;
模块N4:计算以预设重要特征点为中心的矩形的强度形心;
模块N5:从预设重要特征点指向强度形心的向量确立为当前预设重要特征点的方向;
模块N6:基于预设重要特征点和预设重要特征点的方向,通过Rotation-AwareBRIE开始创建特征向量;
模块N7:特征向量创建后,使用MPL对扫描仪记录的三张刀具图片进行特征点匹配;
模块N8:匹配之后采用pscp算法消除误匹配,得到匹配数据;
模块N9:使用PROSAC算法对匹配数据计算得出投影矩阵;
模块N10:在投影矩阵中使用消融法选取最佳缝合线进行多分辨率融合;
模块N11:融合完成之后集合特征向量形成三维刀具图像。
与现有技术相比,本发明具有如下的有益效果:
1、本发明通过将声音传感器安置在主轴箱内实现刀具出现人眼难以观测的问题仍然可以检测出故障异常的技术效果;
2、本发明通过实时检测刀具工作状态的技术特征,实现刀具异常机床立刻停止工作的技术效果,大大减少由于刀具问题工件需要返工或工件报废的情况,提升机床工作效率;
3、本发明通过刀具检测盒在工作时才会翻转180°,在闲置时倒扣在工作台下的技术特征,实现不会占用加工空间,同时保证了一定的美观的技术效果;
4、本发明通过全过程由系统自动运行的技术特征,实现了现场服务人员无需接近数控机床,在系统自定义用户界面就可以实现数控机床刀具数据检测的技术效果;
5、本发明通过远程模块的技术特征,实现制造商可远程查看刀具状态,协助客户处理机床刀具故障的技术效果。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为五轴头刀具磨损智能检测方法流程图。
图2为刀具声音检测流程图。
图3为异常刀具3D模型生成流程图。
图4为刀具检测装置工作位置图。
图5为刀具检测装置休眠位置图。
图6为五轴头刀具磨损智能检测系统示意图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
实施例1
本发明提供了一种五轴头刀具磨损智能检测方法,如图1至6所示,包括:
首先选用各种规格,样式的车刀、铣刀、拉刀、螺纹刀具、铰刀等等数控机床刀具,分别在其正常工作、后刀面磨损、月牙洼磨损、塑性变形,裂纹以及崩刃等所有常见刀具磨损的情况经过数遍实验和计算,得出这些数控刀具在工作时的标准声音波形图。
当数控机床开始工作后,主轴箱的声音传感器1开始工作实时获取刀具工作时的声音波形图,将刀具工作时的声音波形图实时上传至上位机,上位机通过一种信号波形相似程度的判别算法与通过实验所得出的刀具工作标准声音波形图进行拟合对比。
在计算拟合系数前,先将正常刀具工作产生的波形图打包成数据文件,实际刀具工作所产生的波形图也通过声音传感器采集然后打包成数据文件。然后采用CCommonDialog子类CFileDialog类的成员函数来将两个波形数据文件提取出来,再使用CFile类的相关成员函数将提取出的数据文件读取到内存中。读取完刀具工作的波形图后,使用m_nData1Len指令获取波形图数据长度。由于两个波形图的数据序列长度存在差异,设置短数据序列作为基准,以此减少系统运算刀具工作波形图相似系数的冗杂数据。
通过系统算法拟合结果,自动判断出该声音波形图所属刀具的种类,尺寸和刀具状态。当出现刀具异常情况后,上位机比对数据库后监测到异常声纹,停止机床工作,避免造成更大的损失。随即上位机发出已经设置完毕的定位指令,将主轴定位在刀具检测盒2旁,同时刀具检测盒2翻转180°,进入工作环境;固定光源4启动,刀具开始绕Z轴旋转,每旋转120°将由刀尖扫描摄像头3和刀柄扫描摄像头5进行一次图像采集。由于单扫描仪可能存在扫描死角,并且对于图像的偏差修正会耗费更多时间,影响工作效率。我们采用双扫描仪模式对刀具进行自旋式360°全方位信息采集,快速精确地对部件表面偏差进行测量,上传至上位机。
系统采用一种全新的ORB算法快速将一个物体各个角度图像拼接而成3D模型。首先扫描仪采集刀具信息数据,ORB算法开始构建刀具图像金字塔,逐层降低图像分辨率,减少像素。当构建完成后,使用Fast算法从每层图像中提取重要特征点,实现部分缩放不变性。然后计算以该特征点为中心的矩形中的强度形心。计算强度形心后,从特征点指向强度形心的向量即为该特征点的方向。有了特征点和方向,系统通过Rotation-Aware BRIE开始创建特征向量。使用MPL对扫描仪记录的三张刀具图片进行特征点匹配,用pscp算法消除误匹配,匹配完成之后系统使用PROSAC算法计算得出投影矩阵,最后使用消融法选取最佳缝合线进行多分辨率融合。融合完成之后匹配扫描仪收集的位置信息和特征向量形成三维刀具图像。此外,使用英伟达TX1嵌入式系统的实数运算和图像收集、远程无线传输模块,加速图像拼接的运算。通过测试结果表明,相较于传统的图像拼接技术算法,本发明算法速度是传统ORB算法的10倍以上、传统SIFT算法的600倍。系统性能大幅度提升,同时功耗相对减小。通过系统运算之后,用户可在自定义界面或者远程设备查看刀具3D模型,确定磨损点后可进行两种选择。一是此磨损可忽略,随后将该类型波形图临时性加入刀具正常工作数据库,即本次生产过程不再产生报警信号。为了生产安全,当机床断电,再次上电时,此类型波形图数据被释放,移出刀具正常工作数据库。二是此磨损不可忽略,数控机床执行换刀操作后,警报信号解除,上位机发出刀具回到原点的指令,以及刀具检测盒2翻转180°进入休眠区域。数控机床继续进行工作。
本发明提供的五轴头刀具磨损智能检测系统,可以通过本发明提供的五轴头刀具磨损智能检测方法中的步骤流程实现。本领域技术人员,可以将所述五轴头刀具磨损智能检测方法理解为五轴头刀具磨损智能检测系统的一个优选例。
在本申请的描述中,需要理解的是,术语“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统、装置及其各个模块以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统、装置及其各个模块以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同程序。所以,本发明提供的系统、装置及其各个模块可以被认为是一种硬件部件,而对其内包括的用于实现各种程序的模块也可以视为硬件部件内的结构;也可以将用于实现各种功能的模块视为既可以是实现方法的软件程序又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种五轴头刀具磨损智能检测方法,其特征在于,包括:
步骤S1:利用声音传感器获取数控机床刀具工作时的声音波形图;
步骤S2:将获取的声音波形图与标准声音波形图进行拟合对比;
步骤S3:基于拟合对比结果判断当前声音波形图所属刀具的种类、尺寸和刀具状态。
2.根据权利要求1所述的五轴头刀具磨损智能检测方法,其特征在于,所述标准声音波形图采用:选用各种规格、样式的数控机床刀具分别在包括刀具的正常工作、后刀面磨损、月牙洼磨损、塑性变形、裂纹以及崩刃的情况下经过多次实验和计算得到相应数控刀具工作时的标准声音波形图。
3.根据权利要求1所述的五轴头刀具磨损智能检测方法,其特征在于,所述步骤S2采用:
步骤S2.1:将采集到的振动图像打包成数据文件;
步骤S2.2:获取数据文件的序列数据长度;
步骤S2.3:设置较短序列为基准,将积分近似按离散点取和的方式进行近似的积分;
步骤S2.4:积分完成后,通过计算得出相关系数;
步骤S2.5:相关系数越接近1代表拟合程度越高。
4.根据权利要求1所述的五轴头刀具磨损智能检测方法,其特征在于,当刀具出现异常情况后,则通过双摄像头模式对刀具进行自旋式360°全方位扫描,获取刀具各个角度图像,并对刀具表面偏差进行测量上传至上位机;上位机将刀具各个角度图像拼接为3D模型;基于拼接的3D模型确定磨损点。
5.根据权利要求4所述的五轴头刀具磨损智能检测方法,其特征在于,所述上位机将刀具各个角度图像拼接为3D模型采用:
步骤1:刀具扫描仪采集异常刀具图像信息;
步骤2:将图像信息上传至上位机后,使用ORB算法构建异常刀具图像金字塔;
步骤3:在异常刀具图像金字塔使用Fast算法从每层图像中提取预设重要特征点;
步骤4:计算以预设重要特征点为中心的矩形的强度形心;
步骤5:从预设重要特征点指向强度形心的向量确立为当前预设重要特征点的方向;
步骤6:基于预设重要特征点和预设重要特征点的方向,通过Rotation-Aware BRIE开始创建特征向量;
步骤7:特征向量创建后,使用MPL对扫描仪记录的三张刀具图片进行特征点匹配;
步骤8:匹配之后采用pscp算法消除误匹配,得到匹配数据;
步骤9:使用PROSAC算法对匹配数据计算得出投影矩阵;
步骤10:在投影矩阵中使用消融法选取最佳缝合线进行多分辨率融合;
步骤11:融合完成之后集合特征向量形成三维刀具图像。
6.根据权利要求4所述的五轴头刀具磨损智能检测方法,其特征在于,基于确定的磨损点确定当前的磨损点是否可以忽略,当可忽略时,则将当前磨损点对应的波形图增加至标准声音波形图中;当不可忽略时,则进行相应换刀处理。
7.一种五轴头刀具磨损智能检测系统,其特征在于,包括:
模块M1:利用声音传感器获取数控机床刀具工作时的声音波形图;
模块M2:将获取的声音波形图与标准声音波形图进行拟合对比;
模块M3:基于拟合对比结果判断当前声音波形图所属刀具的种类、尺寸和刀具状态。
8.根据权利要求7所述的五轴头刀具磨损智能检测系统,其特征在于,所述模块M2采用:
模块M2.1:将采集到的振动图像打包成数据文件;
模块M2.2:获取数据文件的序列数据长度;
模块M2.3:设置较短序列为基准,将积分近似按离散点取和的方式进行近似的积分;
模块M2.4:积分完成后,通过计算得出相关系数;
模块M2.5:相关系数越接近1代表拟合程度越高。
9.根据权利要求7所述的五轴头刀具磨损智能检测系统,其特征在于,当刀具出现异常情况后,则通过双摄像头模式对刀具进行自旋式360°全方位扫描,获取刀具各个角度图像,并对刀具表面偏差进行测量上传至上位机;上位机将刀具各个角度图像拼接为3D模型;基于拼接的3D模型确定磨损点。
10.根据权利要求9所述的五轴头刀具磨损智能检测系统,其特征在于,所述上位机将刀具各个角度图像拼接为3D模型采用:
模块N1:刀具扫描仪采集异常刀具图像信息;
模块N2:将图像信息上传至上位机后,使用ORB算法构建异常刀具图像金字塔;
模块N3:在异常刀具图像金字塔使用Fast算法从每层图像中提取预设重要特征点;
模块N4:计算以预设重要特征点为中心的矩形的强度形心;
模块N5:从预设重要特征点指向强度形心的向量确立为当前预设重要特征点的方向;
模块N6:基于预设重要特征点和预设重要特征点的方向,通过Rotation-Aware BRIE开始创建特征向量;
模块N7:特征向量创建后,使用MPL对扫描仪记录的三张刀具图片进行特征点匹配;
模块N8:匹配之后采用pscp算法消除误匹配,得到匹配数据;
模块N9:使用PROSAC算法对匹配数据计算得出投影矩阵;
模块N10:在投影矩阵中使用消融法选取最佳缝合线进行多分辨率融合;
模块N11:融合完成之后集合特征向量形成三维刀具图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211048402.XA CN115319538B (zh) | 2022-08-30 | 2022-08-30 | 五轴头刀具磨损智能检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211048402.XA CN115319538B (zh) | 2022-08-30 | 2022-08-30 | 五轴头刀具磨损智能检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115319538A true CN115319538A (zh) | 2022-11-11 |
CN115319538B CN115319538B (zh) | 2023-11-17 |
Family
ID=83927039
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211048402.XA Active CN115319538B (zh) | 2022-08-30 | 2022-08-30 | 五轴头刀具磨损智能检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115319538B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117030857A (zh) * | 2023-10-07 | 2023-11-10 | 中科航迈数控软件(深圳)有限公司 | 一种基于相控超声波的刀具探伤方法及相关设备 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819119A (zh) * | 2010-03-25 | 2010-09-01 | 南京大学 | 一种基于小波分析的磨削加工工况检测系统及其方法 |
CN106842970A (zh) * | 2017-02-24 | 2017-06-13 | 清华大学 | 一种监测装置及监测方法 |
CN107756139A (zh) * | 2016-08-18 | 2018-03-06 | 王智中 | 刀具状态检测系统及其方法 |
CN109732406A (zh) * | 2019-01-07 | 2019-05-10 | 北京信息科技大学 | 一种智能刀具故障诊断方法 |
CN110561193A (zh) * | 2019-09-18 | 2019-12-13 | 杭州友机技术有限公司 | 一种基于特征融合的刀具磨损评估及监控的方法与系统 |
US20200147737A1 (en) * | 2018-11-14 | 2020-05-14 | Fanuc Corporation | Device for detecting abnormality in attachment of tool |
CN111230593A (zh) * | 2020-03-02 | 2020-06-05 | 西南交通大学 | 一种基于动态图像序列的铣刀磨损量视觉测量方法 |
CN111639461A (zh) * | 2020-05-26 | 2020-09-08 | 浙江大学 | 针对工业不均衡数据的刀具磨损状态检测方法 |
CN111830906A (zh) * | 2020-07-27 | 2020-10-27 | 上海威研精密科技有限公司 | 一种旋转刀具失效状态在机监测系统及其检测方法 |
TWI708941B (zh) * | 2019-10-18 | 2020-11-01 | 財團法人金屬工業研究發展中心 | 聲音擷取裝置及加工機刀具狀態偵測設備 |
CN113146359A (zh) * | 2021-03-10 | 2021-07-23 | 深圳市磐锋精密技术有限公司 | 一种智能监测和诊断切削状态的数控机床控制系统 |
CN113189001A (zh) * | 2021-03-31 | 2021-07-30 | 山东大学 | 一种能够实现刀具磨损影像检测的盾构机及方法 |
US20210294297A1 (en) * | 2020-03-17 | 2021-09-23 | Fraisa Sa | Method for determining the state of wear of a tool |
CN113848796A (zh) * | 2021-10-28 | 2021-12-28 | 上海理工大学 | 一种基于云控制的智能处理系统 |
CN113920081A (zh) * | 2021-09-30 | 2022-01-11 | 杭州电子科技大学 | 一种刀具磨损度检测方法 |
CN114078473A (zh) * | 2020-08-13 | 2022-02-22 | 富泰华工业(深圳)有限公司 | 刀具检测方法、电子装置及存储介质 |
CN114184684A (zh) * | 2021-09-26 | 2022-03-15 | 无锡朝信科技信息系统有限公司 | 一种刀具切削状态在线检测方法及系统 |
-
2022
- 2022-08-30 CN CN202211048402.XA patent/CN115319538B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101819119A (zh) * | 2010-03-25 | 2010-09-01 | 南京大学 | 一种基于小波分析的磨削加工工况检测系统及其方法 |
CN107756139A (zh) * | 2016-08-18 | 2018-03-06 | 王智中 | 刀具状态检测系统及其方法 |
CN106842970A (zh) * | 2017-02-24 | 2017-06-13 | 清华大学 | 一种监测装置及监测方法 |
US20200147737A1 (en) * | 2018-11-14 | 2020-05-14 | Fanuc Corporation | Device for detecting abnormality in attachment of tool |
CN109732406A (zh) * | 2019-01-07 | 2019-05-10 | 北京信息科技大学 | 一种智能刀具故障诊断方法 |
CN110561193A (zh) * | 2019-09-18 | 2019-12-13 | 杭州友机技术有限公司 | 一种基于特征融合的刀具磨损评估及监控的方法与系统 |
TWI708941B (zh) * | 2019-10-18 | 2020-11-01 | 財團法人金屬工業研究發展中心 | 聲音擷取裝置及加工機刀具狀態偵測設備 |
CN111230593A (zh) * | 2020-03-02 | 2020-06-05 | 西南交通大学 | 一种基于动态图像序列的铣刀磨损量视觉测量方法 |
US20210294297A1 (en) * | 2020-03-17 | 2021-09-23 | Fraisa Sa | Method for determining the state of wear of a tool |
CN111639461A (zh) * | 2020-05-26 | 2020-09-08 | 浙江大学 | 针对工业不均衡数据的刀具磨损状态检测方法 |
CN111830906A (zh) * | 2020-07-27 | 2020-10-27 | 上海威研精密科技有限公司 | 一种旋转刀具失效状态在机监测系统及其检测方法 |
CN114078473A (zh) * | 2020-08-13 | 2022-02-22 | 富泰华工业(深圳)有限公司 | 刀具检测方法、电子装置及存储介质 |
CN113146359A (zh) * | 2021-03-10 | 2021-07-23 | 深圳市磐锋精密技术有限公司 | 一种智能监测和诊断切削状态的数控机床控制系统 |
CN113189001A (zh) * | 2021-03-31 | 2021-07-30 | 山东大学 | 一种能够实现刀具磨损影像检测的盾构机及方法 |
CN114184684A (zh) * | 2021-09-26 | 2022-03-15 | 无锡朝信科技信息系统有限公司 | 一种刀具切削状态在线检测方法及系统 |
CN113920081A (zh) * | 2021-09-30 | 2022-01-11 | 杭州电子科技大学 | 一种刀具磨损度检测方法 |
CN113848796A (zh) * | 2021-10-28 | 2021-12-28 | 上海理工大学 | 一种基于云控制的智能处理系统 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117030857A (zh) * | 2023-10-07 | 2023-11-10 | 中科航迈数控软件(深圳)有限公司 | 一种基于相控超声波的刀具探伤方法及相关设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115319538B (zh) | 2023-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111347292B (zh) | 数控机床刀具状态监测及控制系统与方法 | |
CN102528561B (zh) | 回转体刀具全加工周期磨破损在线自动检测装置 | |
CN105014481B (zh) | 便携式刀具磨损测量仪及采用该测量仪预测刀具剩余使用寿命的方法 | |
CN103286634B (zh) | 数控机床工装及工件匹配检验系统及加工控制方法 | |
CN102567983B (zh) | 即时红外热图中被监测目标位置的确定方法及应用 | |
US8568545B2 (en) | Automated material removal in composite structures | |
CN115319538B (zh) | 五轴头刀具磨损智能检测方法及系统 | |
CN102950510A (zh) | 检测装置、柔性生产系统、柔性生产线和检测方法 | |
CN108931961A (zh) | 一种基于机器视觉的整体式立铣刀磨破损检测方法 | |
CN107717631A (zh) | 一种高速铣削刀具磨损自动监测方法 | |
CN109242104A (zh) | 一种利用数据分析实时发现设备故障异常的系统 | |
CN111931605B (zh) | 一种核电厂高风险操作智能监护系统及方法 | |
JP2020187488A (ja) | 状態監視装置及びプログラム | |
JP2006085328A (ja) | 工作機械制御装置 | |
CA3118224A1 (en) | Scarf repair apparatus, system, and method | |
JP2006085328A5 (zh) | ||
CN116257930A (zh) | 用于交通工具的远程视觉检测的三维检测孪生体 | |
CN109143979A (zh) | 数控设备的加工控制方法、系统、可读存储介质和设备 | |
CN114511604A (zh) | 一种医疗器械金属零部件的增减复合智能修复方法 | |
CN107478205A (zh) | 航空发动机高精度装配质量检测机器人系统 | |
CN113344244B (zh) | 一种数字孪生驱动的工件加工能耗预测装置 | |
CN109313333B (zh) | 用于接合视觉检视装置的方法和系统 | |
JP6687664B2 (ja) | 波形表示装置 | |
KR20070098189A (ko) | 미세공구의 검사방법 | |
CN106984895A (zh) | 数字化超声波柔性智能焊接装备及其使用方法 |
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 |