CN117564809B - 一种主轴刀具紧固识别方法及识别装置 - Google Patents
一种主轴刀具紧固识别方法及识别装置 Download PDFInfo
- Publication number
- CN117564809B CN117564809B CN202410069080.XA CN202410069080A CN117564809B CN 117564809 B CN117564809 B CN 117564809B CN 202410069080 A CN202410069080 A CN 202410069080A CN 117564809 B CN117564809 B CN 117564809B
- Authority
- CN
- China
- Prior art keywords
- thermal
- cutter
- tool
- thermodynamic
- enhancement
- 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
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000005728 strengthening Methods 0.000 claims abstract description 95
- 230000002776 aggregation Effects 0.000 claims description 49
- 238000004220 aggregation Methods 0.000 claims description 49
- 230000003044 adaptive effect Effects 0.000 claims description 36
- 238000005496 tempering Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000003860 storage Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000003623 enhancer Substances 0.000 description 3
- 238000003754 machining Methods 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000000227 grinding Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000930 thermomechanical effect Effects 0.000 description 1
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
- B23Q17/002—Arrangements for observing, indicating or measuring on machine tools for indicating or measuring the holding action of work or tool holders
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Numerical Control (AREA)
Abstract
本申请提供了一种主轴刀具紧固识别方法及识别装置，通过获取该目标主轴刀具的刀具热图像集，将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基，选取一个自适应热力强化基，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域，重复上述步骤，确定剩余自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域，确定每个刀具热力强化域的刀具紧固热力熵，根据所有的刀具紧固热力熵确定目标主轴刀具的刀具紧固识别因子，根据所述刀具紧固识别因子对该目标主轴刀具进行状态标记，可实现对主轴刀具紧固状态进行智能识别。
Description
技术领域
本申请涉及主轴刀具技术领域，特别是本申请涉及一种主轴刀具紧固识别方法及识别装置。
背景技术
主轴刀具是指机床上安装在主轴上进行加工操作的工具或刀具，主轴刀具的种类繁多，常见的主轴刀具类型包括：铣刀、钻头、磨削刀具和螺纹刀具等，具体选择取决于加工操作的要求以及工件的材料和形状。
主轴刀具紧固识别是指对机床主轴上的刀具紧固状态进行检测和辨识的过程，在机床工作中，刀具的紧固状态对加工质量、工具寿命和安全性等方面都具有重要影响，及早发现刀具松动或紧固不良等问题，可以及时避免加工事故或损坏，在现有技术中，往往只能依靠工人的经验对主轴刀具的紧固状态进行判断，导致了机床加工合格率过低，因此如何对主轴刀具紧固状态进行智能识别显得尤为重要。
发明内容
基于此，有必要针对上述技术问题，本申请提供一种用以对主轴刀具紧固状态进行智能识别的主轴刀具紧固识别方法及识别装置。
为解决上述技术问题，本申请采用如下技术方案：
第一方面，本申请提供一种主轴刀具紧固识别方法，包括如下步骤：
启动目标主轴刀具运行，获取该目标主轴刀具的刀具热图像集；
将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基；
选取一个自适应热力强化基，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域，重复上述步骤，确定剩余自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域；
确定每个刀具热力强化域的刀具紧固热力熵，根据所有的刀具紧固热力熵确定目标主轴刀具的刀具紧固识别因子；
根据所述刀具紧固识别因子对该目标主轴刀具进行状态标记。
在一些实施例中，将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基具体包括：
选取刀具热图像集中一张刀具热图像，将该张刀具热图像转换为刀具热力序列；
对所述刀具热力序列进行聚拢化，得到刀具热力聚拢序列；
确定所述刀具热力聚拢序列的刀具热力聚拢子列集；
通过所述刀具热力聚拢子列集确定所述刀具热力聚拢序列的自适应热力强化基；
重复上述由刀具热图像确定自适应热力强化基的步骤，得到刀具热图像集中剩余刀具热图像的刀具热力聚拢序列，进而得到剩余刀具热力聚拢序列的自适应热力强化基。
在一些实施例中，通过所述刀具热力聚拢子列集确定所述刀具热力聚拢序列的自适应热力强化基具体包括：
选取所述刀具热力聚拢子列集中一个刀具热力聚拢子列；
确定该个刀具热力聚拢子列中每两个相邻热力聚拢值之间的相邻聚拢差量；
根据所有的相邻聚拢差量确定该个刀具热力聚拢子列的热力强化子基；
重复上述步骤，确定所述刀具热力聚拢子列集中剩余刀具热力聚拢子列的热力强化子基，将所有热力强化子基的集合作为自适应热力强化基。
在一些实施例中，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域具体包括：
选取该个自适应热力强化基中一个热力强化子基，确定该个热力强化子基的可变强化因子；
通过所述可变强化因子确定该个热力强化子基中每个热力聚拢值的热力聚拢强化值；
将所有的热力聚拢强化值按照对应热力聚拢值在该个热力强化子基中的顺序进行排序，将排序得到的序列作为该个热力强化子基的刀具热力强化分列；
重复上述步骤，确定该个自适应热力强化基中剩余热力强化子基的刀具热力强化分列；
将所有的刀具热力强化分列组成该个自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域。
在一些实施例中，确定该个热力强化子基的可变强化因子具体包括：
获取该个热力强化子基中每个热力聚拢值；
确定该个热力强化子基中最大热力聚拢值；
确定该个热力强化子基中热力聚拢值的总个数；
确定该个热力强化子基的热力波动系数；
根据该个热力强化子基中每个热力聚拢值、该个热力强化子基中最大热力聚拢值、该个热力强化子基中热力聚拢值的总个数和该个热力强化子基的热力波动系数确定该个热力强化子基的可变强化因子。
在一些实施例中，根据所述刀具紧固识别因子对该目标主轴刀具进行状态标记具体包括：
当所述刀具紧固识别因子超过预设的刀具紧固识别阈值时，则将该目标主轴刀具标记为松弛状态；
当所述刀具紧固识别因子小于等于预设的刀具紧固识别阈值时，则将该目标主轴刀具标记为紧固状态。
在一些实施例中，所述刀具热图像集中的刀具热图像通过红外热像仪按照预定时间间隔对目标主轴刀具运行过程进行拍摄得到。
第二方面，本申请提供一种主轴刀具紧固识别装置，其包括有紧固识别单元，所述紧固识别单元包括：
获取模块，用于在启动目标主轴刀具运行后，获取该目标主轴刀具的刀具热图像集；
转换模块，用于将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基；
强化域确定模块，用于选取一个自适应热力强化基，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域，继续确定剩余自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域；
识别因子确定模块，用于确定每个刀具热力强化域的刀具紧固热力熵，根据所有的刀具紧固热力熵确定目标主轴刀具的刀具紧固识别因子；
状态标记模块，用于根据所述刀具紧固识别因子对该目标主轴刀具进行状态标记。
第三方面，本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的主轴刀具紧固识别方法的步骤。
第四方面，本申请提供一种计算机可读存储介质，所存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的主轴刀具紧固识别方法的步骤。
本申请公开的实施例提供的技术方案具有以下有益效果：
本申请提供的主轴刀具紧固识别方法及识别装置中，该方案通过将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，所述刀具热力聚拢序列中的热力聚拢值为对应像素值进行聚拢后的值，有助于增强像素值之间的比较性，更方便区分像素值之间的不同，进而确定每个刀具热力聚拢序列的自适应热力强化基，通过自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域，刀具热力强化域反映了紧固识别过程中刀具热图像中特征像素点的集合，有助于减少不相关像素点的干扰，进一步增加了通过刀具热力强化域确定刀具紧固识别因子的准确性，最终根据刀具紧固识别因子实现对目标主轴刀具的标记，该方案与现有技术中只能依靠工人的经验对主轴刀具的紧固状态进行判断相比，可实现对主轴刀具紧固状态进行智能识别。
附图说明
图1为本申请一些实施例中主轴刀具紧固识别方法的流程示意图；
图2为本申请一些实施例中确定自适应热力强化基的流程示意图；
图3为本申请一些实施例中紧固识别单元的结构框图；
图4为本申请一些实施例中计算机设备的内部结构图。
具体实施方式
本申请核心是启动目标主轴刀具运行，获取该目标主轴刀具的刀具热图像集，将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基，选取一个自适应热力强化基，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域，重复上述步骤，确定剩余自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域，确定每个刀具热力强化域的刀具紧固热力熵，根据所有的刀具紧固热力熵确定目标主轴刀具的刀具紧固识别因子，当所述刀具紧固识别因子超过预设的刀具紧固识别阈值时，则将该目标主轴刀具标记为松弛状态，从而该方案与现有技术中只能依靠工人的经验对主轴刀具的紧固状态进行判断相比，可实现对主轴刀具紧固状态进行智能识别。
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。参考图1，该图是根据本申请一些实施例所示的主轴刀具紧固识别方法的示例性流程图，该主轴刀具紧固识别方法100主要包括如下步骤：
在步骤101，启动目标主轴刀具运行，获取该目标主轴刀具的刀具热图像集。
具体实现时，启动目标主轴刀具运行，通过红外热像仪按照预定时间间隔对目标主轴刀具运行过程进行拍摄，并将拍摄得到的图像均作为刀具热图像，将所有刀具热图像的集合作为刀具热图像集。
在步骤102，将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基。
在一些实施例中，将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基可采用下述步骤实现：
选取刀具热图像集中一张刀具热图像，将该张刀具热图像转换为刀具热力序列；
对所述刀具热力序列进行聚拢化，得到刀具热力聚拢序列；
确定所述刀具热力聚拢序列的刀具热力聚拢子列集；
通过所述刀具热力聚拢子列集确定所述刀具热力聚拢序列的自适应热力强化基；
重复上述由刀具热图像确定自适应热力强化基的步骤，得到刀具热图像集中剩余刀具热图像的刀具热力聚拢序列，进而得到剩余刀具热力聚拢序列的自适应热力强化基。
具体实现时，将该张刀具热图像转换为刀具热力序列，即：将该张刀具热图像中每个像素点的像素值按照像素点从左往右从上往下的顺序进行排序，得到刀具热力序列，例如：该张刀具热图像中每个像素点的像素值为：
其中，表示第1行第1列像素点的像素值，/>表示第1行第2列像素点的像素值，/>表示第2行第1列像素点的像素值，依次类推，第3行第3列像素点的像素值表示为，刀具热力序列为：/>；确定所述刀具热力聚拢序列的刀具热力聚拢子列集，即：所述刀具热力聚拢序列中所有热力聚拢值按照对应像素点的行值进行分列，得到多个刀具热力聚拢子列，将所有的刀具热力聚拢子列的集合作为刀具热力聚拢子列集，例如：刀具热力聚拢序列为：/>，其中，热力聚拢值/>对应像素点的像素值为：/>，对应像素点的行值为：1，则将/>作为一个刀具热力聚拢子列，依次类推，遍历刀具热力聚拢序列中剩余的热力聚拢值，得到对应的刀具热力聚拢子列。
需要说明的是，本申请中将刀具热图像中每个像素点的像素值均作为对应像素点的热力值。
其中，在一些实施例中，对所述刀具热力序列进行聚拢化，得到刀具热力聚拢序列可采用下述步骤实现：
获取所述刀具热力序列中每个像素点的像素值；
确定所述刀具热力序列中最大像素值和最小像素值/>；
根据所述最大像素值和所述最小像素值/>确定所述刀具热力序列中每个像素点的热力聚拢值；
将所有的热力聚拢值按照对应像素点在刀具热力序列中的顺序进行排序，将排序得到的序列作为刀具热力聚拢序列，其中每个热力聚拢值可采用下述公式确定：
其中，表示第/>个像素点的热力聚拢值，/>表示第/>个像素点的像素值。
需要说明的是，本申请中的热力聚拢值为对应像素值进行聚拢后的值，对像素值进行聚拢有助于增强像素值之间的比较性，更方便区分像素值之间的不同。
另外，在一些实施例中，参考图2所示，该图是本申请一些实施例中确定自适应热力强化基的流程示意图，本实施例中确定自适应热力强化基可采用下述步骤实现：
首先，在步骤1021中，选取所述刀具热力聚拢子列集中一个刀具热力聚拢子列；
其次，在步骤1022中，确定该个刀具热力聚拢子列中每两个相邻热力聚拢值之间的相邻聚拢差量；
然后，在步骤1023中，根据所有的相邻聚拢差量确定该个刀具热力聚拢子列的热力强化子基；
最终，在步骤1024中，重复上述步骤，确定所述刀具热力聚拢子列集中剩余刀具热力聚拢子列的热力强化子基，将所有热力强化子基的集合作为自适应热力强化基。
其中，具体实现时，确定该个刀具热力聚拢子列中每两个相邻热力聚拢值之间的相邻聚拢差量，即：将该个刀具热力聚拢子列中相邻的热力聚拢值进行作差，并将作差的绝对值作为该相邻的热力聚拢值的相邻聚拢差量；根据所有的相邻聚拢差量确定该个刀具热力聚拢子列的热力强化子基，即：选取一个相邻聚拢差量，当该个相邻聚拢差量超过预设的相邻聚拢差量阈值时，删除该个相邻聚拢差量对应的最小热力聚拢值，且删除最小热力聚拢值对应方向上的其它热力聚拢值，例如：该个相邻聚拢差量对应和/>，且/>，该个相邻聚拢差量对应的刀具热力聚拢子列为/>，若该个相邻聚拢差量超过预设的相邻聚拢差量阈值，则删除/>，且删除/>和/>，重复上述步骤，对剩余相邻聚拢差量进行判断和删除，将所有未被删除的热力聚拢值按照其在刀具热力聚拢子列中的顺序进行排序，将排序得到的序列作为该个刀具热力聚拢子列的热力强化子基。
需要说明的是，本申请中的相邻聚拢差量阈值可根据历史实验数据中的所有相邻聚拢差量以及实验需求进行设置，一般取值为所有相邻聚拢差量的平均值的1.3倍，在其它实施例中也可以采用其它方法对相邻聚拢差量阈值进行设置，这里不做限定。
另外，需要说明的是，本申请中的自适应热力强化基为对应刀具热力聚拢序列对应的所有热力强化子基的集合，自适应热力强化基反映了根据刀具热力聚拢子列不同可选择适应的热力强化子基，自适应热力强化基中的热力强化子基反映了对应刀具热力聚拢子列中具有明显特征意义的热力聚拢值的集合。
在步骤103，选取一个自适应热力强化基，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域，重复上述步骤，确定剩余自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域。
在一些实施例中，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域可采用下述步骤实现：
选取该个自适应热力强化基中一个热力强化子基，确定该个热力强化子基的可变强化因子；
通过所述可变强化因子确定该个热力强化子基中每个热力聚拢值的热力聚拢强化值；
将所有的热力聚拢强化值按照对应热力聚拢值在该个热力强化子基中的顺序进行排序，将排序得到的序列作为该个热力强化子基的刀具热力强化分列；
重复上述步骤，确定该个自适应热力强化基中剩余热力强化子基的刀具热力强化分列；
将所有的刀具热力强化分列组成该个自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域。
其中，在一些实施例中，确定该个热力强化子基的可变强化因子可采用下述步骤实现：
获取该个热力强化子基中第个热力聚拢值/>；
确定该个热力强化子基中最大热力聚拢值；
确定该个热力强化子基中热力聚拢值的总个数；
确定该个热力强化子基的热力波动系数；
根据该个热力强化子基中第个热力聚拢值/>、该个热力强化子基中最大热力聚拢值/>、该个热力强化子基中热力聚拢值的总个数/>和该个热力强化子基的热力波动系数/>确定该个热力强化子基的可变强化因子，其中所述可变强化因子可采用下述公式确定：
其中，表示该个热力强化子基的可变强化因子，/>表示以自然数/>为底的指数函数，/>。
具体实现时，所述热力波动系数反映了该个热力强化子基中所有热力聚拢值的离散程度，可采用该个热力强化子基中所有热力聚拢值的标准差表示，在其它实施例中也可以采用其它方法表示，这里不做限定。
需要说明的是，本申请中的可变强化因子反映了对不同热力强化子基中的热力聚拢值强化程度的不同，当可变强化因子越大时，则表示对对应热力强化子基中的热力聚拢值强化程度越大，当可变强化因子越小时，则表示对对应热力强化子基中的热力聚拢值强化程度越小。
另外，具体实现时，通过所述可变强化因子确定该个热力强化子基中每个热力聚拢值的热力聚拢强化值，例如：可将所述可变强化因子与该个热力强化子基中每个热力聚拢值相乘，将相乘得到的值均作为热力聚拢强化值；将所有的刀具热力强化分列组成该个自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域，即：将所有的刀具热力强化分列中的所有热力聚拢强化值的集合作为该个自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域。
需要说明的是，本申请中的刀具热力强化域反映了紧固识别过程中刀具热图像中特征像素点的集合，所述特征像素点指的是热力聚拢强化值对应的像素点。
在步骤104，确定每个刀具热力强化域的刀具紧固热力熵，根据所有的刀具紧固热力熵确定目标主轴刀具的刀具紧固识别因子。
在一些实施例中，确定每个刀具热力强化域的刀具紧固热力熵可采用下述步骤实现：
获取第个刀具热力强化域中不同热力聚拢强化值的总数量/>；
确定第个刀具热力强化域中第/>个不同热力聚拢强化值在该个刀具热力强化域中的热力活跃度/>；
根据所述第个刀具热力强化域中不同热力聚拢强化值的总数量/>和所述第/>个刀具热力强化域中第/>个不同热力聚拢强化值在该个刀具热力强化域中的热力活跃度确定该个刀具热力强化域的刀具紧固热力熵，其中所述刀具紧固热力熵采用下述公式确定：
其中，表示第/>个刀具热力强化域的刀具紧固热力熵，/>。
具体实现时，所述热力活跃度反映了对应热力聚拢强化值在刀具热力强化域中的活跃程度，在一些实施例中，热力活跃度可采用对应热力聚拢强化值在刀具热力强化域中的概率表示，在其他实施例中也可采用其它方法表示，这里不做限定。
需要说明的是，本申请中一个刀具热图像对应一个刀具紧固热力熵。
在一些实施例中，根据所有的刀具紧固热力熵确定目标主轴刀具的刀具紧固识别因子可采用下述步骤实现：
将所有的刀具紧固热力熵按照对应刀具热图像的采集时间进行排序，得到刀具紧固热力熵序列；
根据所述刀具紧固热力熵序列确定刀具紧固热力熵差序列；
通过所述刀具紧固热力熵差序列确定目标主轴刀具的刀具紧固识别因子。
具体实现时，根据所述刀具紧固热力熵序列确定刀具紧固热力熵差集，即：选取所述刀具紧固热力熵序列中第一个刀具紧固热力熵，将该个刀具紧固热力熵与所述刀具紧固热力熵序列中第二个刀具紧固热力熵进行作差，将差值的绝对值作为刀具紧固热力熵差序列中的第一个刀具紧固热力熵差，选取所述刀具紧固热力熵序列中第二个刀具紧固热力熵，将该个刀具紧固热力熵与所述刀具紧固热力熵序列中第三个刀具紧固热力熵进行作差，将差值的绝对值作为刀具紧固热力熵差序列中的第二个刀具紧固热力熵差，重复上述步骤，得到刀具紧固热力熵差序列中剩余的刀具紧固热力熵差。
其中在一些实施例中，通过所述刀具紧固热力熵差序列确定目标主轴刀具的刀具紧固识别因子可采用下述公式确定：
其中，表示目标主轴刀具的刀具紧固识别因子，/>表示刀具紧固热力熵差序列中第/>个刀具紧固热力熵差，/>表示刀具紧固热力熵差序列中第/>个刀具紧固热力熵差，/>表示刀具紧固热力熵差序列中刀具紧固热力熵差的总数量，/>。
在步骤105，根据所述刀具紧固识别因子对该目标主轴刀具进行状态标记。
在一些实施例中，根据所述刀具紧固识别因子对该目标主轴刀具进行状态标记可采用下述步骤实现：
当所述刀具紧固识别因子超过预设的刀具紧固识别阈值时，则将该目标主轴刀具标记为松弛状态；
当所述刀具紧固识别因子小于等于预设的刀具紧固识别阈值时，则将该目标主轴刀具标记为紧固状态。
具体实现时，对目标主轴刀具进行紧固识别以后，将标记结果存储与对应的刀具紧固检测数据库中。
需要说明的是，本申请中的刀具紧固识别阈值介于判定为紧固状态的最小值和松弛状态的最大值之间，所述刀具紧固识别阈值可根据历史实验数据中所有处于松弛状态和紧固状态之间的主轴刀具对应的刀具紧固识别因子进行设置，在一些实施例中，可采用历史实验数据中所有处于松弛状态和紧固状态之间的主轴刀具对应的刀具紧固识别因子的平均值进行设置，在其它实施例中也可采用其它方法进行设置，这里不做限定。
需要说明的是，本申请中通过获取目标主轴刀具的热图像，进而对刀具热图像中的热力值进行相应处理，根据处理后的热力值计算得到目标主轴刀具的刀具紧固识别因子，将所述刀具紧固识别因子与设置的刀具紧固识别阈值进行比较，从而对目标主轴刀具进行状态标记。
另外，本申请的另一方面，在一些实施例中，本申请提供一种主轴刀具紧固识别装置，该装置包括有紧固识别单元，参考图3，该图是根据本申请一些实施例所示的紧固识别单元的示例性硬件和/或软件的示意图，该紧固识别单元300包括：获取模块301、转换模块302、强化域确定模块303、识别因子确定模块304和状态标记模块305，分别说明如下：
获取模块301，本申请中获取模块301主要用于在启动目标主轴刀具运行后，获取该目标主轴刀具的刀具热图像集；
转换模块302，本申请中转换模块302主要用于将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基；
强化域确定模块303，本申请中强化域确定模块块303主要用于选取一个自适应热力强化基，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域，继续确定剩余自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域；
识别因子确定模块304，本申请中识别因子确定模块304主要用于确定每个刀具热力强化域的刀具紧固热力熵，根据所有的刀具紧固热力熵确定目标主轴刀具的刀具紧固识别因子；
状态标记模块305，本申请中状态标记模块305主要用于根据所述刀具紧固识别因子对该目标主轴刀具进行状态标记。
上述主轴刀具紧固识别装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
另外，在一个实施例中，本申请提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图4所示。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储主轴刀具紧固识别数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种主轴刀具紧固识别方法。
本领域技术人员可以理解，图4中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述主轴刀具紧固识别方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，存储有计算机程序，该计算机程序被处理器执行时实现上述主轴刀具紧固识别方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述主轴刀具紧固识别方法实施例中的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。
综上，本申请实施例公开的主轴刀具紧固识别方法及识别装置中，首先，启动目标主轴刀具运行，获取该目标主轴刀具的刀具热图像集，将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基，选取一个自适应热力强化基，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域，重复上述步骤，确定剩余自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域，确定每个刀具热力强化域的刀具紧固热力熵，根据所有的刀具紧固热力熵确定目标主轴刀具的刀具紧固识别因子，当所述刀具紧固识别因子超过预设的刀具紧固识别阈值时，则将该目标主轴刀具标记为松弛状态，该方案与现有技术中只能依靠工人的经验对主轴刀具的紧固状态进行判断相比，可实现对主轴刀具紧固状态进行智能识别。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种主轴刀具紧固识别方法，其特征在于，包括如下步骤：
启动目标主轴刀具运行，获取该目标主轴刀具的刀具热图像集；
将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基；
选取一个自适应热力强化基，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域，重复上述步骤，确定剩余自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域；
确定每个刀具热力强化域的刀具紧固热力熵，根据所有的刀具紧固热力熵确定目标主轴刀具的刀具紧固识别因子；
根据所述刀具紧固识别因子对该目标主轴刀具进行状态标记。
2.如权利要求1所述的方法，其特征在于，将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基具体包括：
选取刀具热图像集中一张刀具热图像，将该张刀具热图像转换为刀具热力序列；
对所述刀具热力序列进行聚拢化，得到刀具热力聚拢序列；
确定所述刀具热力聚拢序列的刀具热力聚拢子列集；
通过所述刀具热力聚拢子列集确定所述刀具热力聚拢序列的自适应热力强化基；
重复上述由刀具热图像确定自适应热力强化基的步骤，得到刀具热图像集中剩余刀具热图像的刀具热力聚拢序列，进而得到剩余刀具热力聚拢序列的自适应热力强化基。
3.如权利要求2所述的方法，其特征在于，通过所述刀具热力聚拢子列集确定所述刀具热力聚拢序列的自适应热力强化基具体包括：
选取所述刀具热力聚拢子列集中一个刀具热力聚拢子列；
确定该个刀具热力聚拢子列中每两个相邻热力聚拢值之间的相邻聚拢差量；
根据所有的相邻聚拢差量确定该个刀具热力聚拢子列的热力强化子基；
重复上述步骤，确定所述刀具热力聚拢子列集中剩余刀具热力聚拢子列的热力强化子基，将所有热力强化子基的集合作为自适应热力强化基。
4.如权利要求1所述的方法，其特征在于，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域具体包括：
选取该个自适应热力强化基中一个热力强化子基，确定该个热力强化子基的可变强化因子；
通过所述可变强化因子确定该个热力强化子基中每个热力聚拢值的热力聚拢强化值；
将所有的热力聚拢强化值按照对应热力聚拢值在该个热力强化子基中的顺序进行排序，将排序得到的序列作为该个热力强化子基的刀具热力强化分列；
重复上述步骤，确定该个自适应热力强化基中剩余热力强化子基的刀具热力强化分列；
将所有的刀具热力强化分列组成该个自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域。
5.如权利要求4所述的方法，其特征在于，确定该个热力强化子基的可变强化因子具体包括：
获取该个热力强化子基中每个热力聚拢值；
确定该个热力强化子基中最大热力聚拢值；
确定该个热力强化子基中热力聚拢值的总个数；
确定该个热力强化子基的热力波动系数；
根据该个热力强化子基中每个热力聚拢值、该个热力强化子基中最大热力聚拢值、该个热力强化子基中热力聚拢值的总个数和该个热力强化子基的热力波动系数确定该个热力强化子基的可变强化因子。
6.如权利要求1所述的方法，其特征在于，根据所述刀具紧固识别因子对该目标主轴刀具进行状态标记具体包括：
当所述刀具紧固识别因子超过预设的刀具紧固识别阈值时，则将该目标主轴刀具标记为松弛状态；
当所述刀具紧固识别因子小于等于预设的刀具紧固识别阈值时，则将该目标主轴刀具标记为紧固状态。
7.如权利要求1所述的方法，其特征在于，所述刀具热图像集中的刀具热图像通过红外热像仪按照预定时间间隔对目标主轴刀具运行过程进行拍摄得到。
8.一种主轴刀具紧固识别装置，其特征在于，包括有紧固识别单元，所述紧固识别单元包括：
获取模块，用于在启动目标主轴刀具运行后，获取该目标主轴刀具的刀具热图像集；
转换模块，用于将所述刀具热图像集中每张刀具热图像转换为对应的刀具热力聚拢序列，进而确定每个刀具热力聚拢序列的自适应热力强化基；
强化域确定模块，用于选取一个自适应热力强化基，通过该个自适应热力强化基确定对应刀具热力聚拢序列的刀具热力强化域，继续确定剩余自适应热力强化基对应刀具热力聚拢序列的刀具热力强化域；
识别因子确定模块，用于确定每个刀具热力强化域的刀具紧固热力熵，根据所有的刀具紧固热力熵确定目标主轴刀具的刀具紧固识别因子；
状态标记模块，用于根据所述刀具紧固识别因子对该目标主轴刀具进行状态标记。
9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的主轴刀具紧固识别方法的步骤。
10.一种计算机可读存储介质，所存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的主轴刀具紧固识别方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410069080.XA CN117564809B (zh) | 2024-01-17 | 2024-01-17 | 一种主轴刀具紧固识别方法及识别装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410069080.XA CN117564809B (zh) | 2024-01-17 | 2024-01-17 | 一种主轴刀具紧固识别方法及识别装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117564809A CN117564809A (zh) | 2024-02-20 |
| CN117564809B true CN117564809B (zh) | 2024-04-09 |
Family
ID=89896048
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410069080.XA Active CN117564809B (zh) | 2024-01-17 | 2024-01-17 | 一种主轴刀具紧固识别方法及识别装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117564809B (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3974924A1 (de) * | 2020-09-29 | 2022-03-30 | Siemens Energy Global GmbH & Co. KG | Verfahren zur offline und/oder online identifikation eines zustandes einer werkzeugmaschine, zumindest eines ihrer werkzeuge oder zumindest eines darin bearbeiteten werkstücks |
| CN114382542A (zh) * | 2022-01-25 | 2022-04-22 | 中铁工程装备集团有限公司 | 一种刀盘结泥饼检测方法 |
| CN115309106A (zh) * | 2022-08-05 | 2022-11-08 | 襄阳华中科技大学先进制造工程研究院 | 基于多源异构数据的机床热力场仿真系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105451905B (zh) * | 2013-08-09 | 2018-04-17 | 百超激光股份公司 | 折弯压力机 |
-
2024
- 2024-01-17 CN CN202410069080.XA patent/CN117564809B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3974924A1 (de) * | 2020-09-29 | 2022-03-30 | Siemens Energy Global GmbH & Co. KG | Verfahren zur offline und/oder online identifikation eines zustandes einer werkzeugmaschine, zumindest eines ihrer werkzeuge oder zumindest eines darin bearbeiteten werkstücks |
| CN114382542A (zh) * | 2022-01-25 | 2022-04-22 | 中铁工程装备集团有限公司 | 一种刀盘结泥饼检测方法 |
| CN115309106A (zh) * | 2022-08-05 | 2022-11-08 | 襄阳华中科技大学先进制造工程研究院 | 基于多源异构数据的机床热力场仿真系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117564809A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115145906B (zh) | 一种面向结构化数据的预处理和补全方法 | |
| CN111401460A (zh) | 一种基于限值学习的异常电量数据辨识方法 | |
| CN112529014B (zh) | 直线检测方法、信息提取方法、装置、设备及存储介质 | |
| CN110570445B (zh) | 一种图像分割方法、装置、终端及可读介质 | |
| CN112001351A (zh) | 多个视频流处理方法、系统、计算机设备和存储介质 | |
| CN111126822A (zh) | 一种工业机器人健康评估方法、装置及存储介质 | |
| CN117564809B (zh) | 一种主轴刀具紧固识别方法及识别装置 | |
| CN111177217A (zh) | 数据预处理方法、装置、计算机设备及存储介质 | |
| CN115545058A (zh) | 一种水表数据分析方法、系统及可读存储介质 | |
| CN113065400A (zh) | 基于无锚框两阶段网络检测发票印章的方法及装置 | |
| CN112613521B (zh) | 基于数据转换的多层次数据分析系统及方法 | |
| CN113610866A (zh) | 练字图像的裁剪方法、装置、设备和存储介质 | |
| CN113470104A (zh) | 基于灰度值对比的小麦穗粒计数测量方法及系统 | |
| CN101851678A (zh) | 一种家禽的保种方法 | |
| CN112364017A (zh) | 一种利用布隆过滤器过滤黑白名单的方法 | |
| Lux et al. | Automatic discovery of metagenomic structure | |
| CN116109893B (zh) | 一种矿井场景图像分类方法、系统及存储介质 | |
| CN115063667B (zh) | 一种面向文档扫描pdf文件的并行识别处理方法 | |
| CN117422633A (zh) | 样本视野图像的处理方法和装置 | |
| CN117541874A (zh) | 基于改进Faster_rcnn模型的农业巡检机器人巡检方法、装置和介质 | |
| CN111123867B (zh) | 一种火电厂dcs系统及其数据处理方法 | |
| AU2021105987A4 (en) | Method for quickly identifying extreme high/low temperature events based on raster data | |
| CN114827143B (zh) | 一种离散数据采集方法、系统及云端服务器、边缘计算端 | |
| CN111065100B (zh) | 威胁分析方法及装置和威胁分析系统 | |
| CN113803223B (zh) | 一种风机叶片结冰状态实时监测方法、系统、介质及设备 |
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 |