CN117391514A - 一种立轴磨床的加工质量管理方法及系统 - Google Patents
一种立轴磨床的加工质量管理方法及系统 Download PDFInfo
- Publication number
- CN117391514A CN117391514A CN202311377581.6A CN202311377581A CN117391514A CN 117391514 A CN117391514 A CN 117391514A CN 202311377581 A CN202311377581 A CN 202311377581A CN 117391514 A CN117391514 A CN 117391514A
- Authority
- CN
- China
- Prior art keywords
- flaw
- identification
- workpiece
- sample
- apparent
- 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.)
- Pending
Links
- 238000000227 grinding Methods 0.000 title claims abstract description 79
- 238000007726 management method Methods 0.000 title claims abstract description 23
- 238000003754 machining Methods 0.000 title claims description 69
- 238000012545 processing Methods 0.000 claims abstract description 76
- 238000004458 analytical method Methods 0.000 claims abstract description 55
- 238000003326 Quality management system Methods 0.000 claims abstract description 5
- 238000000034 method Methods 0.000 claims description 50
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000010276 construction Methods 0.000 claims description 15
- 238000013461 design Methods 0.000 claims description 14
- 238000009826 distribution Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 9
- 238000012216 screening Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 230000002950 deficient Effects 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 9
- 230000000694 effects Effects 0.000 abstract description 7
- 239000002699 waste material Substances 0.000 abstract description 5
- 230000007547 defect Effects 0.000 description 22
- 238000005498 polishing Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000004323 axial length Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000007517 polishing process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B27/00—Other grinding machines or devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B27/00—Other grinding machines or devices
- B24B27/0092—Grinding attachments for lathes or the like
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B51/00—Arrangements for automatic control of a series of individual steps in grinding a workpiece
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/04—Manufacturing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Manufacturing & Machinery (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Geometry (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
本发明提供了一种立轴磨床的加工质量管理方法及系统,涉及机床控制技术领域,通过获取加工件表观图像集,将加工件表观图像集同步输入表观瑕疵识别模块获得瑕疵强度标识图像集,基于瑕疵强度标识图像集对标准数字模型进行还原标识,获得目标数字模型;根据多级轴向加工长度和多级加工粗糙度约束对目标数字模型进行轴向多级划分和多级加工轨迹分析,获得多级加工轨迹参数以控制目标立轴磨床对目标加工件进行表面瑕疵管理。解决了现有技术中存在立轴磨床往往采用遍历打磨方式进行加工件表面瑕疵去除,导致加工件表面瑕疵去除效率较低,立轴磨床运行能耗浪费的技术问题。达到了提高加工件表面瑕疵去除效率,降低立轴磨床运行能耗浪费的技术效果。
Description
技术领域
本发明涉及机床控制技术领域,具体涉及一种立轴磨床的加工质量管理方法及系统。
背景技术
现阶段,立轴磨床在加工件表面瑕疵去除方面存在技术短板,通常,立轴磨床采用遍历打磨方式进行加工件表面瑕疵去除,这种方式虽然操作简单,但去除效率较低,且会导致立轴磨床运行能耗浪费。
遍历打磨方式意味着立轴磨床会逐个接触加工件的表面,以消除瑕疵,这种方法在实际操作中不仅费时费力,而且由于加工件表面瑕疵形状和深度的不同,可能导致打磨过程中产生大量不必要的磨粒,进一步降低加工件表面的质量。
同时,由于遍历打磨方式需要立轴磨床持续运行,使得磨床在去除瑕疵的过程中产生了大量的能耗,增加了生产成本。
现有技术中存在立轴磨床往往采用遍历打磨方式进行加工件表面瑕疵去除,导致加工件表面瑕疵去除效率较低,立轴磨床运行能耗浪费的技术问题。
发明内容
本申请提供了一种立轴磨床的加工质量管理方法及系统,用于针对解决现有技术中存在立轴磨床往往采用遍历打磨方式进行加工件表面瑕疵去除,导致加工件表面瑕疵去除效率较低,立轴磨床运行能耗浪费的技术问题。
鉴于上述问题,本申请提供了一种立轴磨床的加工质量管理方法及系统。
本申请的第一个方面,提供了一种立轴磨床的加工质量管理方法,所述方法包括:获取加工件表观图像集,其中,所述加工件表观图像集通过对目标加工件进行表观图像采集获得;预构建表观瑕疵识别模块,其中,所述表观瑕疵识别模块包括瑕疵面积识别通道和瑕疵深度识别通道;将所述加工件表观图像集同步分别输入所述表观瑕疵识别模块中的所述瑕疵面积识别通道和所述瑕疵深度识别通道,获得瑕疵强度标识图像集;预构建标准数字模型,其中,所述标准数字模型根据所述目标加工件的标准设计参数构建生成;基于所述瑕疵强度标识图像集对所述标准数字模型进行还原标识,获得目标数字模型;交互获得目标立轴磨床的多级轴向加工长度和多级加工粗糙度约束;根据所述多级轴向加工长度和所述多级加工粗糙度约束对所述目标数字模型进行轴向多级划分和多级加工轨迹分析,获得多级加工轨迹参数;采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行表面瑕疵管理。
本申请的第二个方面,提供了一种立轴磨床的加工质量管理系统,所述系统包括:表观图像采集模块,用于获取加工件表观图像集,其中,所述加工件表观图像集通过对目标加工件进行表观图像采集获得;瑕疵识别构建模块,用于预构建表观瑕疵识别模块,其中,所述表观瑕疵识别模块包括瑕疵面积识别通道和瑕疵深度识别通道;瑕疵识别执行模块,用于将所述加工件表观图像集同步分别输入所述表观瑕疵识别模块中的所述瑕疵面积识别通道和所述瑕疵深度识别通道,获得瑕疵强度标识图像集;数字模型构建模块,用于预构建标准数字模型,其中,所述标准数字模型根据所述目标加工件的标准设计参数构建生成;还原标识执行模块,用于基于所述瑕疵强度标识图像集对所述标准数字模型进行还原标识,获得目标数字模型;磨床信息交互模块,用于交互获得目标立轴磨床的多级轴向加工长度和多级加工粗糙度约束;加工轨迹分析模块,用于根据所述多级轴向加工长度和所述多级加工粗糙度约束对所述目标数字模型进行轴向多级划分和多级加工轨迹分析,获得多级加工轨迹参数;瑕疵管理执行模块,用于采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行表面瑕疵管理。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
本申请实施例提供的方法通过获取加工件表观图像集,其中,所述加工件表观图像集通过对目标加工件进行表观图像采集获得;预构建表观瑕疵识别模块,其中,所述表观瑕疵识别模块包括瑕疵面积识别通道和瑕疵深度识别通道;将所述加工件表观图像集同步分别输入所述表观瑕疵识别模块中的所述瑕疵面积识别通道和所述瑕疵深度识别通道,获得瑕疵强度标识图像集;预构建标准数字模型,其中,所述标准数字模型根据所述目标加工件的标准设计参数构建生成;基于所述瑕疵强度标识图像集对所述标准数字模型进行还原标识,获得目标数字模型;交互获得目标立轴磨床的多级轴向加工长度和多级加工粗糙度约束;根据所述多级轴向加工长度和所述多级加工粗糙度约束对所述目标数字模型进行轴向多级划分和多级加工轨迹分析,获得多级加工轨迹参数;采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行表面瑕疵管理。达到了提高加工件表面瑕疵去除效率,降低立轴磨床运行能耗浪费的技术效果。
附图说明
图1为本申请提供的一种立轴磨床的加工质量管理方法流程示意图;
图2为本申请提供的一种立轴磨床的加工质量管理方法中构建表观瑕疵识别模块的流程示意图;
图3为本申请提供的一种立轴磨床的加工质量管理方法中进行加工件表面瑕疵管理的流程示意图;
图4为本申请提供的一种立轴磨床的加工质量管理系统的结构示意图。
附图标记说明:表观图像采集模块1,瑕疵识别构建模块2,瑕疵识别执行模块3,数字模型构建模块4,还原标识执行模块5,磨床信息交互模块6,加工轨迹分析模块7,瑕疵管理执行模块8。
具体实施方式
本申请提供了一种立轴磨床的加工质量管理方法及系统,用于针对解决现有技术中存在立轴磨床往往采用遍历打磨方式进行加工件表面瑕疵去除,导致加工件表面瑕疵去除效率较低,立轴磨床运行能耗浪费的技术问题。达到了提高加工件表面瑕疵去除效率,降低立轴磨床运行能耗浪费的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合相关规定。
下面,将参考附图对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本发明的一部分实施例,而不是本发明的全部实施例,应理解,本发明不受这里描述的示例实施例的限制。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示,本申请提供了一种立轴磨床的加工质量管理方法,所述方法包括:
A100:获取加工件表观图像集,其中,所述加工件表观图像集通过对目标加工件进行表观图像采集获得;
具体而言,在本实施例中,所述目标加工件为包括但不限于圆筒、圆锥、球体、螺纹的圆柱形规则零件,所述目标立轴磨床用于对所述目标加工件进行表面凸起瑕疵的有效切削打磨去除。
基于所述目标加工件为圆柱形规则零件的特性,本实施例中采用将所述目标加工件进行轴向垂直放置方式进行旋转式表面图像采集,获得所述加工件表观图像集,通过将所述加工件表观图像集中的若干组加工件表观图像进行拼接,即可实现获得目标加工件表观完整图像。
本实施例获取加工件表观图像集用于后续基于图像自动化进行瑕疵面积以及瑕疵高度的检测识别。
A200:预构建表观瑕疵识别模块,其中,所述表观瑕疵识别模块包括瑕疵面积识别通道和瑕疵深度识别通道;
在一个实施例中,如图2所示,预构建表观瑕疵识别模块,其中,所述表观瑕疵识别模块包括瑕疵面积识别通道和瑕疵深度识别通道,本申请提供的方法步骤A200还包括:
A210:所述表观瑕疵识别模块还包括瑕疵定位标识单元;
A220:交互获得标准加工件的标准图像信息,并基于所述标准图像信息进行标准表观纹理特征提取,以所述标准表观纹理特征为瑕疵筛选约束构建所述瑕疵定位标识单元;
A230:交互获得样本加工件表观图像集,对所述样本加工件表观图像集进行样本加工件轮廓标识和样本加工件瑕疵面积标识,获得样本面积标识图像集;
A240:采用所述样本加工件表观图像集和所述样本面积标识图像集进行所述瑕疵面积识别通道的构建;
A250:交互获得样本瑕疵高度信息集,其中,所述样本瑕疵高度信息集与所述样本面积标识图像集一一映射,基于所述样本面积标识图像集和所述样本瑕疵高度信息集提取获得多组样本瑕疵高度数据-样本瑕疵图像;
A260:基于所述多组样本瑕疵高度数据-样本瑕疵图像构建所述瑕疵深度识别通道。
在一个实施例中,基于所述多组样本瑕疵高度数据-样本瑕疵图像构建所述瑕疵深度识别通道,本申请提供的方法步骤A260还包括:
A261:所述瑕疵深度识别通道包括颜色特征分析子通道和纹理特征分析子通道;
A262:基于所述多组样本瑕疵高度数据-样本瑕疵图像进行瑕疵颜色特征调用,获得多组样本瑕疵高度数据-样本瑕疵颜色特征;
A263:基于知识图谱构建所述颜色特征分析子通道,并采用所述多组样本瑕疵高度数据-样本瑕疵颜色特征进行所述颜色特征分析子通道的数据填充;
A264:基于所述多组样本瑕疵高度数据-样本瑕疵图像进行瑕疵纹理特征调用,获得多组样本瑕疵高度数据-样本瑕疵纹理特征;
A265:基于知识图谱构建所述纹理特征分析子通道,并采用所述多组样本瑕疵高度数据-样本瑕疵纹理特征进行所述纹理特征分析子通道的数据填充。
具体而言,在本实施例中,所述表观瑕疵识别模块包括瑕疵定位标识单元、瑕疵面积识别通道和瑕疵深度识别通道。所述瑕疵定位标识单元用于对采集获得的加工件表观图像进行图像中存在瑕疵的有效识别标记,所述瑕疵面积识别通道和瑕疵深度识别通道在已有瑕疵识别标记的基础上,进一步进行瑕疵面积分析以及瑕疵高度变化情况分析。
所述瑕疵定位标识单元的构建方法如下,所述标准加工件为经由立轴磨床加工获得的表观无凸起瑕疵的合格加工件,交互获得标准加工件的标准图像信息,并基于所述标准图像信息进行标准表观纹理特征提取,所述标准表观纹理特征即为在无瑕疵情况下,加工件表面的纹理特征,以所述标准表观纹理特征为瑕疵筛选约束构建所述瑕疵定位标识单元。
交互获得样本加工件表观图像集,所述样本加工件表观图像集中每张样本加工件表观图像中既包括加工件的整体零件轮廓,也包括加工件表面的瑕疵情况。
基于此,本实施例采用人工对所述样本加工件表观图像集进行瑕疵轮廓划分标识,并将划分获得的轮廓输入面积识别软件进行面积计算和标识,以实现进行样本加工件轮廓标识和样本加工件瑕疵面积标识,获得样本面积标识图像集。
基于反向传播神经网络进行所述瑕疵面积识别通道的构建,所述瑕疵面积识别通道进行瑕疵面积识别的原理为根据加工件的轮廓和瑕疵轮廓的比例关系进行瑕疵面积的识别预测。
为提高所述瑕疵面积识别通道的识别准确度,本实施例采用将所述样本加工件表观图像集和所述样本面积标识图像集采用7:2:1的数据量划分规则进行数据划分,获得训练数据、测试数据,基于训练数据进行所述瑕疵面积识别通道的面积识别训练,基于测试数据进行所述瑕疵面积识别通道的面积识别准确度测试,以使所述瑕疵面积识别通道的瑕疵面积识别准确度稳定高于98%。
基于激光扫描技术对前述样本加工件的进行瑕疵扫描,以获得所述样本瑕疵高度信息集,所述样本瑕疵高度信息集中每个样本瑕疵高度信息对应于一个样本面积标识图像,同时应理解的,每个单独瑕疵块中存在多个高度不同的瑕疵凸起。
基于所述样本瑕疵高度信息集与所述样本面积标识图像集存在一一映射的特性,基于所述样本面积标识图像集和所述样本瑕疵高度信息集提取获得多组样本瑕疵高度数据-样本瑕疵图像。
在本实施例中,所述瑕疵深度识别通道基于瑕疵图像进行凸起瑕疵高度识别的原理为不同高度瑕疵的颜色纹理特征存在差异性。本实施例基于所述多组样本瑕疵高度数据-样本瑕疵图像构建所述瑕疵深度识别通道,所述瑕疵深度识别通道具体包括颜色特征分析子通道和纹理特征分析子通道;
基于所述多组样本瑕疵高度数据-样本瑕疵图像进行不同凸起瑕疵高度以及对应瑕疵颜色的标识,完成瑕疵颜色特征调用,获得多组样本瑕疵高度数据-样本瑕疵颜色特征。
基于知识图谱构建所述颜色特征分析子通道,并采用所述多组样本瑕疵高度数据-样本瑕疵颜色特征进行所述颜色特征分析子通道的数据填充,以获得第一属性为瑕疵颜色,第一属性值为多个样本瑕疵颜色特征,第二属性为瑕疵高度,第二属性值为多个样本瑕疵高度数据的所述颜色特征分析子通道。
基于所述多组样本瑕疵高度数据-样本瑕疵图像进行不同凸起瑕疵高度以及对应瑕疵纹理的标识,完成瑕疵纹理特征调用,获得多组样本瑕疵高度数据-样本瑕疵纹理特征。
基于知识图谱构建所述纹理特征分析子通道,并采用所述多组样本瑕疵高度数据-样本瑕疵纹理特征进行所述纹理特征分析子通道的数据填充,以获得第一属性为瑕疵纹理,第一属性值为多个样本瑕疵纹理特征,第二属性为瑕疵高度,第二属性值为多个样本瑕疵高度数据的所述纹理特征分析子通道。
本实施例通过构建表观瑕疵识别模块,实现了对于加工件表观瑕疵面积以及表观瑕疵深度进行自动化识别的技术效果。
A300:将所述加工件表观图像集同步分别输入所述表观瑕疵识别模块中的所述瑕疵面积识别通道和所述瑕疵深度识别通道,获得瑕疵强度标识图像集;
在一个实施例中,将所述加工件表观图像集同步分别输入所述表观瑕疵识别模块中的所述瑕疵面积识别通道和所述瑕疵深度识别通道,获得瑕疵强度标识图像集,本申请提供的方法步骤A300还包括:
A310:从所述加工件表观图像集调用获得第一加工件表观图像;
A320:基于所述瑕疵定位标识单元对所述第一加工件表观图像进行瑕疵识别标识,获得第一瑕疵标识图像,其中,所述第一瑕疵标识图像中包括K个瑕疵轮廓标识,其中,K为正整数;
A330:将所述第一瑕疵标识图像同步输入所述瑕疵面积识别通道和所述瑕疵深度识别通道;
A340:基于所述瑕疵面积识别通道进行瑕疵面积识别,输出第一面积标识图像,其中,所述第一面积标识图像中包括K个瑕疵面积标识;
A350:所述第一瑕疵标识图像在所述瑕疵深度识别通道中,同步进入所述颜色特征分析子通道和所述纹理特征分析子通道,获得第一颜色高度特征和第一纹理高度特征;
A360:预设权重分配规则,并基于所述权重分配规则进行所述第一颜色高度特征和所述第一纹理高度特征的加权计算,获得第一高度标识图像,其中,所述第一高度标识图像中包括K个瑕疵高度标识,其中,所述瑕疵高度标识包括瑕疵平均高度、瑕疵最大高度以及瑕疵高度极差;
A370:对所述第一高度标识图像和所述第一面积标识图像进行图像重合,生成第一瑕疵强度标识图像;
A380:以此类推,生成所述瑕疵强度标识图像集。
具体而言,在本实施例中,由于对所述加工件表观图像集中任意一张加工件表观图像中瑕疵面积以及瑕疵深度识别的方法具有一致性,因而本实施例以对从所述加工件表观图像集中随机选取调用获得第一加工件表观图像进行图像中瑕疵识别为例,进行技术方案的详细阐述。
在本实施例中,将所述第一加工件表观图像输入所述表观瑕疵识别模块后,首先所述瑕疵定位标识单元以所述标准表观纹理特征为瑕疵筛选约束,遍历比对所述第一加工件表观图像,将所述第一加工件表观图像中不符合所述瑕疵筛选约束的区域进行瑕疵识别标识,获得第一瑕疵标识图像,其中,所述第一瑕疵标识图像中包括K个瑕疵轮廓标识,K为正整数。
随之,将所述第一瑕疵标识图像同步输入所述瑕疵面积识别通道和所述瑕疵深度识别通道,基于所述瑕疵面积识别通道和所述瑕疵深度识别通道同步机进行瑕疵面积识别和瑕疵深度识别,从而提高瑕疵识别效率。
具体的,基于所述瑕疵面积识别通道进行所述K个瑕疵轮廓标识的轮廓面积识别,输出第一面积标识图像,所述第一面积标识图像中包括K个瑕疵面积标识。
基于所述瑕疵深度识别通道进行所述K个瑕疵轮廓标识的轮廓内瑕疵凸起高度识别,具体的,所述K个瑕疵轮廓标识同步进入所述颜色特征分析子通道和所述纹理特征分析子通道,在所述颜色特征分析子通道中,对于K个瑕疵轮廓标识进行颜色提取进而遍历比对知识图谱,获得K个瑕疵轮廓标识对应的K个瑕疵轮廓区域的瑕疵凸起数据集合作为所述第一颜色高度特征。
进一步的,对所述第一颜色高度特征中K个瑕疵轮廓区域中每个瑕疵轮廓区域的若干个瑕疵凸起高度数据进行序列化处理以及均值计算,以获得每个瑕疵轮廓区域的瑕疵平均高度、瑕疵最大高度以及瑕疵高度极差,共计获得K个瑕疵轮廓区域的K组瑕疵平均高度、瑕疵最大高度以及瑕疵高度极差。
在所述纹理特征识别分析子通道中,对于K个瑕疵轮廓标识进行所存在纹理特征的全部提取进而遍历比对知识图谱,获得K个瑕疵轮廓标识对应的K个瑕疵轮廓区域的瑕疵凸起数据集合作为所述第一纹理高度特征。
进一步的,对所述第一纹理高度特征中K个瑕疵轮廓区域中每个瑕疵轮廓区域的若干个瑕疵凸起高度数据进行序列化处理以及均值计算,以获得每个瑕疵轮廓区域的瑕疵平均高度、瑕疵最大高度以及瑕疵高度极差,共计获得K个瑕疵轮廓区域的K组瑕疵平均高度、瑕疵最大高度以及瑕疵高度极差。
预设权重分配规则,所述预设权重分配规则为权重平均,并基于所述权重分配规则进行所述第一颜色高度特征和所述第一纹理高度特征中对应的K个瑕疵轮廓区域的K组瑕疵平均高度、瑕疵最大高度以及瑕疵高度极差的加权计算,获得第一高度标识图像,其中,所述第一高度标识图像中包括K个瑕疵高度标识,其中,所述瑕疵高度标识包括瑕疵平均高度、瑕疵最大高度以及瑕疵高度极差。
对所述第一高度标识图像和所述第一面积标识图像进行图像重合,以对准K个瑕疵轮廓区域,生成第一瑕疵强度标识图像,在所述第一瑕疵强度标识图像中,所述K个瑕疵轮廓区域每个区域都具有瑕疵高度标识和瑕疵面积标识。
以此类推,进行所述加工件表观图像集的处理,生成所述瑕疵强度标识图像集。
A400:预构建标准数字模型,其中,所述标准数字模型根据所述目标加工件的标准设计参数构建生成;
A500:基于所述瑕疵强度标识图像集对所述标准数字模型进行还原标识,获得目标数字模型;
具体而言,在本实施例中,交互获得生产所述标准加工件的所述标准设计参数,基于所述标准设计参数采用现有建模技术进行3D数字模型构建,获得所述标准数字模型。
基于步骤A100可知,将所述加工件表观图像集中的若干组加工件表观图像进行拼接,即可实现获得目标加工件表观完整图像。因而本实施例基于所述瑕疵强度标识图像集对所述标准数字模型进行还原标识投影,获得目标数字模型,所述目标数字模型具有N个表观瑕疵,所述N个表观瑕疵对应于N组瑕疵面积标识-瑕疵高度标识。
所述目标数字模型还原了目标加工件的瑕疵情况,且基于所述目标数字模型可以获知目标加工件表面全部瑕疵的瑕疵区域面积、瑕疵区域不特定数量瑕疵凸起高度。
A600:交互获得目标立轴磨床的多级轴向加工长度和多级加工粗糙度约束;
具体而言,在本实施例中,为简化目标立轴磨床的控制参数调节量,本实施例获得目标立轴磨床进行不同粗糙度区间的瑕疵进行打磨加工的多级控制参数,所述多级打磨控制参数对应于所述多级加工粗糙度约束。
若一个瑕疵粗糙度落入对应的加工粗糙度约束,即可采用对应等级的打磨控制参数进行瑕疵打磨去除。本实施例在后续说明书中详细参数瑕疵粗糙度的评价方法。
所述轴向加工长度指目标立轴磨床在某个等级的控制参数下,对处于旋转状态的加工件进行圆周打磨时,每次可打磨加工的轴向长度,在不同等级加工控制参数下,由于加工工具的调整,多个等级可打磨加工的轴向长度不一致,即多级控制参数对应有多级轴向加工长度。
本实施例获得多级轴向加工长度和多级加工粗糙度约束为后续确定对目标加工件进行轴向圆周式加工时的目标立轴磨床的加工设备的位移变化提供参考。
A700:根据所述多级轴向加工长度和所述多级加工粗糙度约束对所述目标数字模型进行轴向多级划分和多级加工轨迹分析,获得多级加工轨迹参数;
在一个实施例中,根据所述多级轴向加工长度和所述多级加工粗糙度约束对所述目标数字模型进行轴向多级划分和多级加工轨迹分析,获得多级加工轨迹参数,本申请提供的方法步骤A700还包括:
A710:所述目标数字模型具有N个表观瑕疵,所述N个表观瑕疵对应于N组瑕疵面积标识-瑕疵高度标识;
A720:将所述N组瑕疵面积标识-瑕疵高度标识输入预构建的粗糙度计算公式,获得N个瑕疵粗糙度指数;
A730:基于所述多级轴向加工长度和所述多级加工粗糙度约束调用获得一级轴向加工长度和一级加工粗糙度约束;
A740:采用所述一级轴向加工长度进行所述目标数字模型的轴向划分,获得M段局部数字模型;
A750:基于所述一级加工粗糙度约束遍历所述M段局部数字模型,生成一级加工轨迹参数;
A760:以此类推,获得所述多级加工轨迹参数。
在一个实施例中,本申请提供的方法步骤还包括:
A721:预构建粗糙度计算公式,所述粗糙度计算公式如下:
其中,为瑕疵粗糙度指数,/>为瑕疵面积,/>为瑕疵平均高度,/>为瑕疵最大高度,/>为瑕疵高度极差。
具体而言,应理解的,一个瑕疵区域的瑕疵粗糙度和瑕疵区域的瑕疵面积、瑕疵区域不特定数量瑕疵凸起高度相关,基于此,本实施例预构建实现科学化评价各个瑕疵区域的瑕疵粗糙度的所述粗糙度计算公式,所述粗糙度计算公式具体如下:
其中,为瑕疵粗糙度指数,/>为瑕疵面积,/>为瑕疵平均高度,/>为瑕疵最大高度,/>为瑕疵高度极差。
将所述N组瑕疵面积标识-瑕疵高度标识输入预构建的粗糙度计算公式,获得N个瑕疵粗糙度指数。
前述步骤A600的多级加工粗糙度约束基于历史多级控制参数可加工的多级历史多个瑕疵的瑕疵面积及瑕疵凸起高度进行计算和序列化处理和极值提取获得。
由于构建所述多级加工轨迹参数中每级加工轨迹参数的方法具有一致性,因而本实施例以进行一级加工轨迹参数的获得方法为例,进行技术方案的详细阐述。
具体的,基于所述多级轴向加工长度和所述多级加工粗糙度约束调用获得一级轴向加工长度和一级加工粗糙度约束,其中,所述一级加工粗糙度约束对应有进行目标立轴磨床控制的一级控制参数。
采用所述一级轴向加工长度进行所述目标数字模型的轴向划分,获得M段局部数字模型,每段局部数字模型可能包括一个或多个或局部的瑕疵区域。
基于M段局部数字模型获得M组瑕疵区域以及M组瑕疵粗糙度指数,基于所述一级加工粗糙度约束遍历所述M组瑕疵粗糙度指数,生成一级加工轨迹参数。
示例性的,所述M组瑕疵粗糙度指数中第一组、第三组、第七组瑕疵粗糙度指数存在满足所述一级加工粗糙度约束的数值,即就是第一段、第二段和第三段局部数字模型所处区域存在粗糙度符合所述一级加工粗糙度约束的瑕疵区域。相应的,所述一级加工轨迹参数即为目标立轴磨床在基于一级控制参数运行时,逐次通过目标加工件的第一段、第二段和第三段局部。采用获得一级加工轨迹参数相同方法,获得所述多级加工轨迹参数。
本实施例通过根据瑕疵粗糙度进行瑕疵分级以及根据单次目标立轴磨床可加工范围进行目标加工件轴向划分,实现了获得可快速精准进行目标加工件表观瑕疵去除的所述多级加工轨迹参数,达到了提高加工件表面瑕疵去除效率和瑕疵去除精准度,降低立轴磨床运行能耗浪费的技术效果。
A800:采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行表面瑕疵管理。
在一个实施例中,如图3所示,采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行表面瑕疵管理,本申请提供的方法步骤A800还包括:
A810:采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行多轮次打磨加工,获得目标打磨加工件;
A820:采用所述标准设计参数对所述目标打磨加工件进行尺寸偏差分析,获得目标尺寸偏差参数;
A830:基于所述目标尺寸偏差参数进行所述目标立轴磨床的设备故障调试。
具体而言,在本实施例中,采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行多轮次打磨加工,获得目标打磨加工件,所述目标打磨加工件为去除点表面凸起瑕疵后的加工件。
基于所述标准设计参数进行尺寸信息提取,获得多个尺寸参数信息,参考所述多个尺寸参数信息对所述目标打磨加工件进行对应尺寸采集,获得多个实际尺寸参数信息。
基于多个实际尺寸参数信息和多个尺寸参数信息进行尺寸偏差计算,获得所述目标尺寸偏差参数,若所述目标尺寸偏差参数不为零,则表明当前目标立轴磨床存在设备故障。
将所述目标尺寸偏差参数发送至运维管理人员,运维管理人员参考所述目标尺寸偏差参数进行所述目标立轴磨床的设备故障调试,从而实现避免目标立轴磨床自身的设备故障造成的加工件打磨偏差。
本实施例通过比对目标打磨加工件与标准设计参数,实现了对目标立轴磨床进行设备故障缺陷的快速发觉和故障消除的技术效果。
实施例二
基于与前述实施例中一种立轴磨床的加工质量管理方法相同的发明构思,如图4所示,本申请提供了一种立轴磨床的加工质量管理系统,其中,所述系统包括:
表观图像采集模块1,用于获取加工件表观图像集,其中,所述加工件表观图像集通过对目标加工件进行表观图像采集获得;
瑕疵识别构建模块2,用于预构建表观瑕疵识别模块,其中,所述表观瑕疵识别模块包括瑕疵面积识别通道和瑕疵深度识别通道;
瑕疵识别执行模块3,用于将所述加工件表观图像集同步分别输入所述表观瑕疵识别模块中的所述瑕疵面积识别通道和所述瑕疵深度识别通道,获得瑕疵强度标识图像集;
数字模型构建模块4,用于预构建标准数字模型,其中,所述标准数字模型根据所述目标加工件的标准设计参数构建生成;
还原标识执行模块5,用于基于所述瑕疵强度标识图像集对所述标准数字模型进行还原标识,获得目标数字模型;
磨床信息交互模块6,用于交互获得目标立轴磨床的多级轴向加工长度和多级加工粗糙度约束;
加工轨迹分析模块7,用于根据所述多级轴向加工长度和所述多级加工粗糙度约束对所述目标数字模型进行轴向多级划分和多级加工轨迹分析,获得多级加工轨迹参数;
瑕疵管理执行模块8,用于采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行表面瑕疵管理。
在一个实施例中,所述系统还包括:
瑕疵定位执行单元,用于所述表观瑕疵识别模块还包括瑕疵定位标识单元;
定位单元构建单元,用于交互获得标准加工件的标准图像信息,并基于所述标准图像信息进行标准表观纹理特征提取,以所述标准表观纹理特征为瑕疵筛选约束构建所述瑕疵定位标识单元;
样本数据获得单元,用于交互获得样本加工件表观图像集,对所述样本加工件表观图像集进行样本加工件轮廓标识和样本加工件瑕疵面积标识,获得样本面积标识图像集;
识别通道构建单元,用于采用所述样本加工件表观图像集和所述样本面积标识图像集进行所述瑕疵面积识别通道的构建;
瑕疵高度采集单元,用于交互获得样本瑕疵高度信息集,其中,所述样本瑕疵高度信息集与所述样本面积标识图像集一一映射,基于所述样本面积标识图像集和所述样本瑕疵高度信息集提取获得多组样本瑕疵高度数据-样本瑕疵图像;
识别通道生成单元,用于基于所述多组样本瑕疵高度数据-样本瑕疵图像构建所述瑕疵深度识别通道。
在一个实施例中,所述系统还包括:
识别通道组建单元,用于所述瑕疵深度识别通道包括颜色特征分析子通道和纹理特征分析子通道;
颜色特征调用单元,用于基于所述多组样本瑕疵高度数据-样本瑕疵图像进行瑕疵颜色特征调用,获得多组样本瑕疵高度数据-样本瑕疵颜色特征;
颜色通道构建单元,用于基于知识图谱构建所述颜色特征分析子通道,并采用所述多组样本瑕疵高度数据-样本瑕疵颜色特征进行所述颜色特征分析子通道的数据填充;
纹理特征调用单元,用于基于所述多组样本瑕疵高度数据-样本瑕疵图像进行瑕疵纹理特征调用,获得多组样本瑕疵高度数据-样本瑕疵纹理特征;
纹理通道构建单元,用于基于知识图谱构建所述纹理特征分析子通道,并采用所述多组样本瑕疵高度数据-样本瑕疵纹理特征进行所述纹理特征分析子通道的数据填充。
在一个实施例中,所述系统还包括:
表观图像调用单元,用于从所述加工件表观图像集调用获得第一加工件表观图像;
瑕疵识别执行单元,用于基于所述瑕疵定位标识单元对所述第一加工件表观图像进行瑕疵识别标识,获得第一瑕疵标识图像,其中,所述第一瑕疵标识图像中包括K个瑕疵轮廓标识,其中,K为正整数;
数据输入执行单元,用于将所述第一瑕疵标识图像同步输入所述瑕疵面积识别通道和所述瑕疵深度识别通道;
瑕疵面积识别单元,用于基于所述瑕疵面积识别通道进行瑕疵面积识别,输出第一面积标识图像,其中,所述第一面积标识图像中包括K个瑕疵面积标识;
瑕疵深度识别单元,用于所述第一瑕疵标识图像在所述瑕疵深度识别通道中,同步进入所述颜色特征分析子通道和所述纹理特征分析子通道,获得第一颜色高度特征和第一纹理高度特征;
瑕疵深度计算单元,用于预设权重分配规则,并基于所述权重分配规则进行所述第一颜色高度特征和所述第一纹理高度特征的加权计算,获得第一高度标识图像,其中,所述第一高度标识图像中包括K个瑕疵高度标识,其中,所述瑕疵高度标识包括瑕疵平均高度、瑕疵最大高度以及瑕疵高度极差;
瑕疵强度整合单元,用于对所述第一高度标识图像和所述第一面积标识图像进行图像重合,生成第一瑕疵强度标识图像;
瑕疵强度获得单元,用于以此类推,生成所述瑕疵强度标识图像集。
在一个实施例中,所述系统还包括:
表观瑕疵标识单元,用于所述目标数字模型具有N个表观瑕疵,所述N个表观瑕疵对应于N组瑕疵面积标识-瑕疵高度标识;
瑕疵粗糙度计算单元,用于将所述N组瑕疵面积标识-瑕疵高度标识输入预构建的粗糙度计算公式,获得N个瑕疵粗糙度指数;
数据调用执行单元,用于基于所述多级轴向加工长度和所述多级加工粗糙度约束调用获得一级轴向加工长度和一级加工粗糙度约束;
模型轴向划分单元,用于采用所述一级轴向加工长度进行所述目标数字模型的轴向划分,获得M段局部数字模型;
加工轨迹生成单元,用于基于所述一级加工粗糙度约束遍历所述M段局部数字模型,生成一级加工轨迹参数;
以此类推,获得所述多级加工轨迹参数。
在一个实施例中,所述系统还包括:
公式构建执行单元,用于预构建粗糙度计算公式,所述粗糙度计算公式如下:
其中,为瑕疵粗糙度指数,/>为瑕疵面积,/>为瑕疵平均高度,/>为瑕疵最大高度,/>为瑕疵高度极差。
在一个实施例中,所述系统还包括:
打磨加工执行单元,用于采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行多轮次打磨加工,获得目标打磨加工件;
尺寸偏差分析单元,用于采用所述标准设计参数对所述目标打磨加工件进行尺寸偏差分析,获得目标尺寸偏差参数;
设备调试执行单元,用于基于所述目标尺寸偏差参数进行所述目标立轴磨床的设备故障调试。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中,通过各种不限类型的计算机处理器识别计算机指令或程序,进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例,本技术领域的技术人员在不脱离本发明原理的前提下,对本发明所作的任何改进和修饰,皆应落入本发明的专利保护范围。
Claims (8)
1.一种立轴磨床的加工质量管理方法,其特征在于,所述方法包括:
获取加工件表观图像集,其中,所述加工件表观图像集通过对目标加工件进行表观图像采集获得;
预构建表观瑕疵识别模块,其中,所述表观瑕疵识别模块包括瑕疵面积识别通道和瑕疵深度识别通道;
将所述加工件表观图像集同步分别输入所述表观瑕疵识别模块中的所述瑕疵面积识别通道和所述瑕疵深度识别通道,获得瑕疵强度标识图像集;
预构建标准数字模型,其中,所述标准数字模型根据所述目标加工件的标准设计参数构建生成;
基于所述瑕疵强度标识图像集对所述标准数字模型进行还原标识,获得目标数字模型;
交互获得目标立轴磨床的多级轴向加工长度和多级加工粗糙度约束;
根据所述多级轴向加工长度和所述多级加工粗糙度约束对所述目标数字模型进行轴向多级划分和多级加工轨迹分析,获得多级加工轨迹参数;
采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行表面瑕疵管理。
2.如权利要求1所述的方法,其特征在于,预构建表观瑕疵识别模块,其中,所述表观瑕疵识别模块包括瑕疵面积识别通道和瑕疵深度识别通道,所述方法还包括:
所述表观瑕疵识别模块还包括瑕疵定位标识单元;
交互获得标准加工件的标准图像信息,并基于所述标准图像信息进行标准表观纹理特征提取,以所述标准表观纹理特征为瑕疵筛选约束构建所述瑕疵定位标识单元;
交互获得样本加工件表观图像集,对所述样本加工件表观图像集进行样本加工件轮廓标识和样本加工件瑕疵面积标识,获得样本面积标识图像集;
采用所述样本加工件表观图像集和所述样本面积标识图像集进行所述瑕疵面积识别通道的构建;
交互获得样本瑕疵高度信息集,其中,所述样本瑕疵高度信息集与所述样本面积标识图像集一一映射,基于所述样本面积标识图像集和所述样本瑕疵高度信息集提取获得多组样本瑕疵高度数据-样本瑕疵图像;
基于所述多组样本瑕疵高度数据-样本瑕疵图像构建所述瑕疵深度识别通道。
3.如权利要求2所述的方法,其特征在于,基于所述多组样本瑕疵高度数据-样本瑕疵图像构建所述瑕疵深度识别通道,所述方法还包括:
所述瑕疵深度识别通道包括颜色特征分析子通道和纹理特征分析子通道;
基于所述多组样本瑕疵高度数据-样本瑕疵图像进行瑕疵颜色特征调用,获得多组样本瑕疵高度数据-样本瑕疵颜色特征;
基于知识图谱构建所述颜色特征分析子通道,并采用所述多组样本瑕疵高度数据-样本瑕疵颜色特征进行所述颜色特征分析子通道的数据填充;
基于所述多组样本瑕疵高度数据-样本瑕疵图像进行瑕疵纹理特征调用,获得多组样本瑕疵高度数据-样本瑕疵纹理特征;
基于知识图谱构建所述纹理特征分析子通道,并采用所述多组样本瑕疵高度数据-样本瑕疵纹理特征进行所述纹理特征分析子通道的数据填充。
4.如权利要求3所述的方法,其特征在于,将所述加工件表观图像集同步分别输入所述表观瑕疵识别模块中的所述瑕疵面积识别通道和所述瑕疵深度识别通道,获得瑕疵强度标识图像集,所述方法还包括:
从所述加工件表观图像集调用获得第一加工件表观图像;
基于所述瑕疵定位标识单元对所述第一加工件表观图像进行瑕疵识别标识,获得第一瑕疵标识图像,其中,所述第一瑕疵标识图像中包括K个瑕疵轮廓标识,其中,K为正整数;
将所述第一瑕疵标识图像同步输入所述瑕疵面积识别通道和所述瑕疵深度识别通道;
基于所述瑕疵面积识别通道进行瑕疵面积识别,输出第一面积标识图像,其中,所述第一面积标识图像中包括K个瑕疵面积标识;
所述第一瑕疵标识图像在所述瑕疵深度识别通道中,同步进入所述颜色特征分析子通道和所述纹理特征分析子通道,获得第一颜色高度特征和第一纹理高度特征;
预设权重分配规则,并基于所述权重分配规则进行所述第一颜色高度特征和所述第一纹理高度特征的加权计算,获得第一高度标识图像,其中,所述第一高度标识图像中包括K个瑕疵高度标识,其中,所述瑕疵高度标识包括瑕疵平均高度、瑕疵最大高度以及瑕疵高度极差;
对所述第一高度标识图像和所述第一面积标识图像进行图像重合,生成第一瑕疵强度标识图像;
以此类推,生成所述瑕疵强度标识图像集。
5.如权利要求4所述的方法,其特征在于,根据所述多级轴向加工长度和所述多级加工粗糙度约束对所述目标数字模型进行轴向多级划分和多级加工轨迹分析,获得多级加工轨迹参数,所述方法还包括:
所述目标数字模型具有N个表观瑕疵,所述N个表观瑕疵对应于N组瑕疵面积标识-瑕疵高度标识;
将所述N组瑕疵面积标识-瑕疵高度标识输入预构建的粗糙度计算公式,获得N个瑕疵粗糙度指数;
基于所述多级轴向加工长度和所述多级加工粗糙度约束调用获得一级轴向加工长度和一级加工粗糙度约束;
采用所述一级轴向加工长度进行所述目标数字模型的轴向划分,获得M段局部数字模型;
基于所述一级加工粗糙度约束遍历所述M段局部数字模型,生成一级加工轨迹参数;
以此类推,获得所述多级加工轨迹参数。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
预构建粗糙度计算公式,所述粗糙度计算公式如下:
其中,为瑕疵粗糙度指数,/>为瑕疵面积,/>为瑕疵平均高度,/>为瑕疵最大高度,/>为瑕疵高度极差。
7.如权利要求1所述的方法,其特征在于,采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行表面瑕疵管理,所述方法还包括:
采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行多轮次打磨加工,获得目标打磨加工件;
采用所述标准设计参数对所述目标打磨加工件进行尺寸偏差分析,获得目标尺寸偏差参数;
基于所述目标尺寸偏差参数进行所述目标立轴磨床的设备故障调试。
8.一种立轴磨床的加工质量管理系统,其特征在于,所述系统包括:
表观图像采集模块,用于获取加工件表观图像集,其中,所述加工件表观图像集通过对目标加工件进行表观图像采集获得;
瑕疵识别构建模块,用于预构建表观瑕疵识别模块,其中,所述表观瑕疵识别模块包括瑕疵面积识别通道和瑕疵深度识别通道;
瑕疵识别执行模块,用于将所述加工件表观图像集同步分别输入所述表观瑕疵识别模块中的所述瑕疵面积识别通道和所述瑕疵深度识别通道,获得瑕疵强度标识图像集;
数字模型构建模块,用于预构建标准数字模型,其中,所述标准数字模型根据所述目标加工件的标准设计参数构建生成;
还原标识执行模块,用于基于所述瑕疵强度标识图像集对所述标准数字模型进行还原标识,获得目标数字模型;
磨床信息交互模块,用于交互获得目标立轴磨床的多级轴向加工长度和多级加工粗糙度约束;
加工轨迹分析模块,用于根据所述多级轴向加工长度和所述多级加工粗糙度约束对所述目标数字模型进行轴向多级划分和多级加工轨迹分析,获得多级加工轨迹参数;
瑕疵管理执行模块,用于采用所述多级加工轨迹参数控制所述目标立轴磨床对所述目标加工件进行表面瑕疵管理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311377581.6A CN117391514A (zh) | 2023-10-24 | 2023-10-24 | 一种立轴磨床的加工质量管理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311377581.6A CN117391514A (zh) | 2023-10-24 | 2023-10-24 | 一种立轴磨床的加工质量管理方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117391514A true CN117391514A (zh) | 2024-01-12 |
Family
ID=89435493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311377581.6A Pending CN117391514A (zh) | 2023-10-24 | 2023-10-24 | 一种立轴磨床的加工质量管理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117391514A (zh) |
-
2023
- 2023-10-24 CN CN202311377581.6A patent/CN117391514A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110900307B (zh) | 一种数字孪生驱动的数控机床刀具监控系统 | |
Kerr et al. | Assessment and visualisation of machine tool wear using computer vision | |
CN110587377B (zh) | 一种在线监测铣削加工刀具缺损的方法 | |
CN108445835B (zh) | 一种数控机床的零件加工尺寸预测方法 | |
CN109318056A (zh) | 一种基于多种类传感器复合信号的刀具磨损监控方法 | |
CN102335872B (zh) | 基于人工神经网络的磨床砂轮自动修整方法和修整装置 | |
US20230004152A1 (en) | Method for monitoring and/or predecting machining processes and/or machnining outcomes | |
CN110146019A (zh) | 一种基于工业相机的工件尺寸在线检测与自动补偿方法 | |
CN116224930B (zh) | 一种数控磨床产品的加工控制方法及系统 | |
Zhou et al. | Chisel edge wear measurement of high-speed steel twist drills based on machine vision | |
CN110488607A (zh) | 一种基于卷积残差网络和迁移学习对车刀磨损的识别方法 | |
CN113544608A (zh) | 用于在工业生产中的质量控制的方法和系统 | |
Deng et al. | A hybrid model using genetic algorithm and neural network for process parameters optimization in NC camshaft grinding | |
CN116977117B (zh) | 一种精密部件的加工智能分析方法及系统 | |
CN114800040A (zh) | 工艺-状态数据关联的刀具磨损监测方法及系统 | |
CN117391514A (zh) | 一种立轴磨床的加工质量管理方法及系统 | |
CN116992740B (zh) | 一种通讯基站精密部件生产设备的智能调控方法及系统 | |
CN110658782B (zh) | 一种基于特征的数控机床固有能效预测方法 | |
CN117571523A (zh) | 一种基于盾构机的滚刀质量检测方法、设备及介质 | |
CN116228766A (zh) | 一种等离子加工设备的智能调控方法及系统 | |
CN113424120A (zh) | 无需计量地捕获机器特别是机床的特性确定该特性的方法 | |
CN108227627B (zh) | 一种用于船用柴油机关键件的数控程序编制方法 | |
CN116165970A (zh) | 用于五金器件生产的控制方法及装置 | |
CN113752084A (zh) | 一种数控机床刀具性能的智能化监测方法和系统 | |
Adikaram et al. | An Automatic Density Cluster Generation Method to Identify the Amount of Tool Flank Wear via Tool Vibration |
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 |