木工刀具网

 找回密码
 注册
互动
互动
技术
技术
相关
相关
展示
展示
查看: 320|回复: 0

[刀具检测] 立铣刀侧刃磨损检测的装置及方法

[复制链接]
  • TA的每日心情
    开心
    2020-10-31 15:40
  • 签到天数: 6 天

    [LV.2]偶尔看看I

    发表于 2022-8-2 08:31:55 | 显示全部楼层 |阅读模式
    0

    马上注册,结交更多好友,享用更多功能,让你轻松玩转社区

    您需要 登录 才可以下载或查看,没有账号?注册

    x
    本帖最后由 长相有问题 于 2022-8-2 08:43 编辑

    立铣刀侧刃磨损检测的装置及方法
    田 颖,杨利明,郜占旭,邵文婷,赵茂翔,王太勇
    (天津大学机械工程学院,天津 300072)
    摘 要:针对机器视觉技术在立铣刀侧刃磨损检测过程中,面对刀尖结构破损缺失或月牙洼结构等典型工况下出现的刀尖区域结构缺失、图像信息不完整等问题,提出一种线激光边缘检测与机器视觉相结合的轮廓获取方法.分析导致刀尖区域图像信息缺失的主要原因是侧刃的螺旋分布特性及实际拍摄条件中复杂光照等.因此,本文提出一种图像拼接策略对捕捉到的磨损区域不同光强下的原始照片进行预处理,选取弱光下的刀尖区域和强光下的均匀磨损区域作为数据源;对该数据源采用组合型阈值分割的方法进行轮廓提取,拼接后获得较为完整的刀具磨损区域图;为补充准确的刀尖区域缺失信息,利用线激光检测数据进行补偿,从而获得更加完整和丰富的刀具磨损区域信息.设计并搭建了机器视觉和线激光相结合的立铣刀侧刃磨损检测实验装置,对两种检测方法的实验数据进行采集,实现了线激光在刀尖区域的检测数据对图像数据中的缺失信息进行补偿.最后,通过实际铣削加工实验,获取典型刀具磨损状态实验样本,对文中所提检测方法和实验装置进行验证.结果表明该装置能够获取更完善的磨损区域轮廓信息,给出精确的刀具磨损参数和磨损区域的全面评价,最大磨损值的测量精度高于98%,最大误差不超过5mm.
    关键词:立铣刀侧刃;刀具磨损;线激光;机器视觉

    在利用切削刀具进行金属加工的过程中,与铣削加工最相关的就是刀具的磨损和由此导致的刀具寿命缩短,进而导致了低加工精度和低生产率.切削刀具的状态对于生产效率和表面加工质量有重要影响,对刀具进行磨损检测具有一定的必要性.但目前针对立铣刀的各种测量技术还仍存在精度不高或者是评价信息不够全面等问题,缺乏准确性[1-4].因此需要智能高效的检测方法和装置,能够快速地检测立铣刀磨损从而避免因为刀具失效造成加工效率以及加工质量下降,并且可以降低生产成本.

    基于机器视觉的刀具磨损检测方法不受切削条件和工件材料的影响,而且在测量切削过程中刀具磨损的实际几何变化时,它具有更高的准确性和可靠 性[5-6].因此,一直以来众多学者对立铣刀磨损检测方法的研究都集中在基于机器视觉的检测方法和设备上.其中Szydłowski等[7]建造了一台微铣刀自动化检查机,并提出了一种基于小波的原始扩展景深图像重建方法,实现对微型铣刀磨损完全自动化的检测.Su等[8]使用机器视觉开发了一种使用微钻视觉系统的自动化刀面磨损测量方案,并通过使用这种方法评估刀具寿命.Dai等[9]提出了一种用于在线刀具状态监测的机器视觉系统的新型装置,以提高零件质量并延长微型刀具的使用寿命.Wang等[10]开发了一种自动化系统,用于捕获和处理移动刀片的连续图像,以使用连续图像对之间的互相关技术来测量铣削中的侧面磨损.You等[11]提出了一种在宽视野图像中通过刀具磨损区域的“定位、分割和测量”进行刀具磨损监控.

    总的来说,由于立铣刀侧刃刀尖部位时常出现刀尖结构破损缺失或月牙洼磨损,以及立铣刀侧刃螺旋分布的复杂空间形貌和实际拍摄条件中复杂光照等因素的限制,采取单一机器视觉检测方法会造成刀尖区域图像信息不完整的问题,很难实现对立铣刀磨损状态的准确评价.但是,由于线激光检测方法具有高效高精、灵敏度高、实时性好等特点被广泛应用于高精度非接触测量中.同时,相较于机器视觉检测方法,线激光检测方法具有装置结构较为简单、容易标定、定位精度和重复定位精度高等优点,因此线激光技术在刀具磨损状态检测领域具有广阔的应用潜力.其中Matsumura等[12]提出了一种通过线激光扫描器监测铣削过程中侧面磨损的方法.通过测量铣刀直径和高度的变化来监控立铣刀侧面磨损.Devillez等[13]提出了使用白光干涉测量法测量磨损坑,并将磨损量与磨损坑的深度和粗糙度相关联.代红川[14]研究了基于激光位移传感器的刀具磨损检测方法,设计并搭建了基于激光位移传感器的刀具磨损检测系统.研究了刀具磨损区域任意截面面积和磨损体积的测量方法.刘佳斌等[15]对数控加工中的直柄立铣刀的在位测量设计并搭建了一套线结构光视觉测量系统,通过构建出立铣刀的三维形貌,实现在不同时刻测得刀具的径向尺寸.

    通过众多学者对激光技术在刀具测量的研究可知,线激光测量技术具有很高的可靠性和高效性.因此,本文对线激光测量技术在立铣刀侧刃磨损测量的工程应用进行了一系列研究发现,线激光在刀尖区域的检测数据可以对图像数据中刀尖缺失的信息进行补偿,而且具有更高的鲁棒性.

    基于此,本文提出了一种线激光边缘检测与机器视觉相结合的轮廓获取方法,设计并搭建了一套集成两项技术的立铣刀侧刃磨损状态检测装置.对机器视觉获取到仍存在信息缺失的刀尖区域,利用线激光检测数据进行补充,从而获得更加完整和丰富的刀具磨损区域信息,帮助对立铣刀侧刃磨损状态做出更加准确的评价.

    1 线激光数据对刀尖区域图像信息缺失的补偿方法1.1 线激光技术

    线激光扫描测径方法是当前运用普遍的直径测量方法,具有高精度、快速、可实现在线动态测量等优点.测量原理如图1所示.

    激光光束由激光发射器发出后,经平面反光镜反射传到稳定转动的正八面体扫描反射镜上,激光光束经过正八面体扫描反射镜面反射后形成了激光扫描光束,激光扫描光束穿过透镜1后,变成互相平行且匀速的线激光扫描光束,线激光扫描穿过待测工件,经过透镜2后汇聚在光敏元件上,光敏元件将接收到的光信号变成电信号,待测物工件遮挡住部分平行光,并通过透镜2在光敏元件上转换成低电平;而没有被遮挡的平行光则转换为高电平,通过计算低电平的扫描时间,就可以计算出被测工件的直径.

    3d1b211d87d86c75eff6d5aa07a4726c.png
    [size=0.8em]图1 线激光测径原理
    [size=0.8em]Fig.1 Line laser diameter measurement

    在切削过程中,刀具的磨损是在剧烈的剪切力和摩擦力作用下逐步形成的.通过对立铣刀侧铣磨损原理分析,立铣刀侧刃磨损原理如图2所示.

    图2是立铣刀的一个垂直于轴线的剖面图.在立铣刀侧刃磨损中,通过线激光传感器测量立铣刀侧刃磨损前后的直径,可以直接获取的数据是当前截面侧刃初始半径 8b3c80024788a74863988e8d502bf864.png 和磨损后当前截面最大半径 243ce774eb0f3cdab14778734bb069d1.png .因此,立铣刀侧刃磨损前后切削刃移动距离的测量就转化到测量同一径向线上半径的变化量,即 891bab480e8ce62c068197eeed605352.png .推导出的立铣刀侧刃磨损前后切削刃移动距离 5cc51fb360a3d2c038ae300fed0a86ac.png 的准确表达式为

    1f5da7b38ffe728d16c69049bd63e396.png (1)
    5122208d1ec2c39388eda577a9c6a8c6.png (2)

    式中: 5cc51fb360a3d2c038ae300fed0a86ac.png 为立铣刀磨损前后侧刃每一截面内切削刃移动的距离; 564ea361fd358185056eb5d2d79a7e85.png 为立铣刀侧刃的前角; cc3a34d0ea7fca07ec12b8450a86a87e.png 为立铣刀侧刃的后角; 8b3c80024788a74863988e8d502bf864.png 为当前截面侧刃初始半径; 243ce774eb0f3cdab14778734bb069d1.png 为测得的磨损后当前截面最大半径; 62a361a43c73e3225b41d47f82637a80.png 是需要求解的中间未知量.但 62a361a43c73e3225b41d47f82637a80.png 是由立铣刀侧刃的前角 564ea361fd358185056eb5d2d79a7e85.png 、后角 cc3a34d0ea7fca07ec12b8450a86a87e.png 8b3c80024788a74863988e8d502bf864.png 243ce774eb0f3cdab14778734bb069d1.png 确定的,因此 62a361a43c73e3225b41d47f82637a80.png 是随着 243ce774eb0f3cdab14778734bb069d1.png 变化的因变量.但是由于该公式求解的复杂性, 62a361a43c73e3225b41d47f82637a80.png 需要使用计算机进行求解,结果比较复杂,在此给出了 62a361a43c73e3225b41d47f82637a80.png 243ce774eb0f3cdab14778734bb069d1.png 之间的关系式.

    [size=0.8em]图2 立铣刀侧刃磨损原理
    [size=0.8em]Fig.2 Principle of end milling side edge wear
    1.2 机器视觉技术

    针对立铣刀侧刃磨损区域存在的一些突出特征,如刀尖部位的轮廓不清晰且存在阴影区域,整体区域进行阈值分割会损失更多刀尖信息.提出了利用组合型阈值分割方法来提取刀具磨损区域轮廓.整体流程图如3所示,具体步骤如下.

    [size=0.8em]图3 提取立铣刀侧刃磨损区域轮廓的流程
    [size=0.8em]Fig.3 Flow chart of showing contour extraction in the side edge wear area of the end milling

    (1) 数据源.捕捉刀具在同一位置磨损区域不同光强条件下的原始照片;然后将每张照片切成两部分:刀尖区域和均匀磨损区域.选取弱光下的刀尖区域和强光下的均匀磨损区域作为数据源.二者同步进行后续的图像处理.

    (2) 预处理.对二者进行灰度化处理和采取合适的滤波方式进行去噪.目的是降低噪声对后续处理的影响.

    (3) 组合型阈值分割方法.该方法包括改进的直方图方法和局部阈值分割方法.改进的直方图方法能从整体上去除更多的条带噪点.局部阈值分割方法实现了磨损区域轮廓附近细小噪点的去除.将两种方法的结果叠加,消除磨损区域外的噪点.

    (4) 轮廓提取.首先,拼接获得完整的刀具磨损区域.然后,对磨损区域进行精确的边缘检测.最后提取出完整的带有灰度信息的刀具磨损区域.

    通过上述图像拼接的策略和组合型阈值分割的算法提取立铣刀侧刃磨损区域轮廓图,即获得了较为完整的刀具磨损区域图,结果如图4所示.同时实现了对存在阴影以及磨损更为复杂的刀尖区域较为完整的提取.

    [size=0.8em]图4 刀具磨损区域完整提取的结果
    [size=0.8em]Fig.4 Results of complete extraction of the tool wear area
    1.3 补偿方法

    该刀具磨损区域提取的方法中,还存在一个问题:虽然刀尖区域的轮廓提取比较完整,但是随着加工时间的增加,刀尖是会随着不断切削过程出现刀尖结构破损缺失或月牙洼结构的磨损,此时的刀尖信息不再完整.如图5(b)所示,通过上述的阈值分割已经达到了很好的轮廓提取效果,但是因为刀尖出现的结构破损缺失,影响到红色虚线位置代表的最大磨损值的结果以及刀尖信息的完整性.

    为了解决上述刀尖区域存在的问题,提出通过对采集的线激光数据进行合理处理后,完善切削加工以后的切削刃来补全刀尖区域的轮廓.首先,由刀具磨损图像中的未磨损区域的主切削刃通过最小二乘法直线拟合,获取立铣刀的原始切削刃的位置(图5(b)红线).其次,将线激光技术所获取直径数据通过计算得到磨损后的切削刃所在的位置(图5(b)绿线).最后,补全刀具磨损轮廓与切削刃之间的间隙,这样就补全了刀尖磨损掉的区域.从图5(b)中可知,线激光数据计算出的磨损后的切削刃位置与机器视觉所获取的实际切削刃的位置基本重合,说明了线激光技术获取的切削刃位置是有效的.因此,也证明了可以通过刀尖区域内线激光获取的切削刃来补全刀尖磨损掉的区域.补全刀尖后的磨损区域轮廓效果如图5(c)所示.

    由于立铣刀侧刃常会出现刀尖存在破损或者月牙洼的情况,机器视觉所获取的切削刃会因此造成靠近刀尖处的数据在计算中拟合出的结果误差较大然而,线激光技术因为测量机理上的不同,直接测量的是数据,避免了上述问题的影响,因此线激光数据对刀尖区域图像信息缺失的补偿方法在保证准确性的前提下有着更高的鲁棒性.

    .

    [size=0.8em]图5 刀尖补全过程示意
    [size=0.8em]Fig.5 Schematic diagram of the tool nose completion process

    提取到完整的磨损区域以后,就可以计算刀具的磨损参数,包括平均磨损值、最大磨损值 和磨损面积,具体公式如下.

    (3)
    (4)
    (5)
    a90192aabaee09359e8254fce39439c2.png (6)

    式中: 6695bba15a1b4741fa6d6040ba57e5f9.png e52bed99cb3697b3e8336a0e656f2d03.png 分别代表磨损轮廓内第i行最右侧和最左侧像素点的横坐标; 0247e187b5eb692292f7a3dd370dad52.png 代表每个像素的实际宽度.

    2 立铣刀侧刃磨损检测装置原理

    根据上述介绍的线激光技术和机器视觉技术融合表达磨损区域轮廓的方法.设计了一种基于线激光与机器视觉检测技术的立铣刀侧刃磨损检测装置,如图6所示.该装置主要由机器视觉模块、线激光传感器、三轴运动控制器、卡盘、电动旋转平台和计算机组成.

    c5ffaa5ed91c2c4e2541580f58eadd56.jpg
    [size=0.8em]图6 立铣刀侧刃磨损检测装置原理和实物
    [size=0.8em]Fig.6 Principle and the physical object of the end milling side edge wear detection device

    线激光传感器安装在三轴运动控制器z轴的固定端,可以进行精确定位和立铣刀直径测量.线激光传感器测量立铣刀直径原理如图7所示,平行光源发出光束平行的线激光,均匀投射到立铣刀待测截面位置处,立铣刀会因为遮挡线激光的一部分光束,在线阵的光敏元件上呈现出低电平区域.光敏元件输出数据中包含截面的尺寸信息,图7中阶跃边缘n1、 n2为一次采集数据中的边缘信号.通过数据处理系统对截面尺寸信息的处理,得到立铣刀截面处的直径尺寸.

    63d6cc7b6152f3c29eea963bfafdbee2.png
    [size=0.8em]图7 线激光传感器测量原理
    [size=0.8em]Fig.7 Diagram of the measurement principle in the line laser sensor

    检测装置中的机器视觉模块配有一台采用高频变焦镜头的工业相机,一个用于辅助相机照明的环形光源.其中相机内部软件完善,允许实时传输的图像显示在计算机屏幕上.环形光源的亮度是可控的.因此,环形光源可以提供不同强度光源的拍摄条件.工业相机的安装位置垂直于立铣刀轴线的方向.实验加工参数中的背吃刀量为1mm,因此相机捕捉的目标的高度应选取1.5~2.0mm.同时,根据目标高度以及尽可能提高精度的要求,选取了工业相机视场范围为2.5mm×2.0mm时的参数.该视场适用于实验中的目标区域的采集.此时,机器视觉系统的电子放大倍率为135,相机的工作距离为85mm,图像的分辨率为1920像素×1080像素,每个像素 0247e187b5eb692292f7a3dd370dad52.png 代表1.4206mm.

    电动旋转平台为卡盘提供动力,并且可以改变相机对立铣刀侧刃检查所需的角度位置.

    3 实验验证3.1 实验条件和数据采集流程

    选择型号为φ16×32×16D×92L的HSS立铣刀进行铣削加工实验,加工参数如表1.

    [size=0.8em]表1 加工参数
    [size=0.8em]Tab.1 Processing parameters
    3da3c92638df562a5a949579bf26a2ef.jpg

    对铣削加工后的多把立铣刀利用第2节的立铣刀侧刃磨损检测装置进行检测实验,采集所需要的线激光数据和图像数据.具体的检测流程主要分为以下3个步骤.

    (1) 对于保持旋转的立铣刀,采用线激光传感器定位测量初始点,沿立铣刀轴向切削深度范围内的多次以固定位移量进给测量立铣刀直径,直至扫描完侧刃整个磨损区域.其中线激光传感器采集到的数据如图8所示.

    209f37db0a20b352106f5b0487bc5f63.png
    [size=0.8em]图8 线激光传感器测得的原始数据
    [size=0.8em]Fig.8 Measured raw data display using the line laser sensor

    (2) 调整立铣刀角度位置,至侧刃垂直于相机方向,用工业相机捕捉立铣刀侧刃同一位置强光和弱光下的刀具磨损图像,见图9.由于是四刃的立铣刀,需要重复上述步骤获取4个切削刃的刀具磨损图像.

    (3) 利用线激光传感器的数据和工业相机捕捉的照片进行上述的分析处理方法,获得立铣刀侧刃磨损区域的数据结果和可视化展示.

    在加工完工件的平面之后,使用上述的设备和流程采集所需要的数据.如图10所示,选取了其中 8个典型刀具磨损状态实验样本,对提出的方法进行验证和展示.

    e56efd49b8742fed16351ca8f53d7778.jpg
    [size=0.8em]图9 强弱光源条件下的刀具磨损
    [size=0.8em]Fig.9 Tool wear diagram under strong and weak light source conditions
    032186a644f98667f5abebc4ddaf10de.jpg
    [size=0.8em]图10 采集到的8个刀具磨损图像
    [size=0.8em]Fig.10 Eight tool wear images collected
    3.2 实验结果

    选取了上述8个样本中的8号进行了可视化展示,结果如图11所示.平均磨损值 b52e74e2371f6247ddae523f05b6b652.png 和最大磨损值 b7a0afe369fcc158151e5e55436ed045.png 作为一维数据展示,磨损面积和磨损区域轮廓作为二维数据展示.同理,对其他样本也进行同样的处理,得出的磨损参数值结果如表2所示.

    3.3 讨 论

    为了检验上述刀具磨损测量结果的正确性和有效性,与利用显微镜直接手动测量的方式对比.为了降低手动测量的误差,对一幅刀具磨损图像测量3次最大磨损值,选取平均值作为手动测量的最终结果.表3显示了上述8个样本使用本文方法进行的刀具最大磨损值测量与直接进行手工测量之间的结果对比.图12给出了两种测量结果的对比.

    a88a62c00bead4d5eb47718103159c70.jpg
    [size=0.8em]图11 8号样本两个维度的结果
    [size=0.8em]Fig.11 Two dimensions of the results of sample No. 8
    [size=0.8em]表2 磨损参数值结果
    [size=0.8em]Tab.2 Results of wear parameter values
    5e65ca6c236c7ed429951e5fa0d8bd9d.jpg

    [size=0.8em]表3 8个样本的最大磨损值测量结果对比
    [size=0.8em]Tab.3 Measurement results comparison of the maximum wear values of eight samples
    e7ddd261c283dfdc3d7c77b405369daa.jpg

    从表3和图12的对比结果可以看出,直接手工测量的最大磨损值与本文的测量方法结果接近,并且这两种方法的测量结果之间的差异很小.这两种方法的测量结果之间的平均误差为0.825mm.绝对平均误差为2.9 mm.这两种方法的测量结果之间的最大误差为4.2 mm.同时,通过使用本文的刀具磨损参数测量方法,测量出的刀具最大磨损值的精度为98.985%.因此,本文所提出的方法是可靠的.

    64342acedcc7e81ef06529344c1b2505.png
    [size=0.8em]图12 两种测量结果的对比
    [size=0.8em]Fig.12 Comparison of two measurement results

    通过观察8个样本的两个维度的数据和结果,可发现两大特点.

    (1) 对补全刀尖后的刀具磨损图像测量最大磨损值更有利于评估刀具磨损状态.例如表2中的两组数据:2号和3号,两组数据的平均磨损值基本一致,但是3号比2号的最大磨损值大0.0738mm.这是由于3号图像中的刀尖发生了结构破损,如果未补全刀尖缺失的信息,测得的3号的最大磨损值为0.220mm,相对于2号不仅差值缩小,而且造成评估3号比2号的最大磨损值小,会造成磨损状态评估错误.5号和6号,两者通过平均磨损值和磨损面积值判断都处于正常中期磨损状态.其中5号的磨损区域整体比较均匀,但是6号的刀尖区域磨损严重,最大磨损值已经接近刀具失效的状态.

    (2) 二维的磨损区域轮廓有助于表达刀具磨损区域内的细节信息.一维的数据结果只能初步判断刀具的磨损阶段.不能很好地展示出磨损区域内所有位置的磨损细节.例如表2中的4号和5号,两组数据的平均磨损值和补全刀尖后的磨损面积值都相差不大,但是磨损轮廓的形状差异比较大.5号还处于正常磨损状态,但是4号的刀尖已经出现了比较严重的结构破损.7号和8号,两者虽然都出现了刀尖缺失,但是原因并不相同.7号是刀尖出现了严重的结构破损,而8号刀尖是正常磨损时出现月牙洼结构.

    因此,两个维度数据的表达有助于进一步分析立铣刀的磨损机理和评估立铣刀的磨损状态.也体现出提出的立铣刀侧刃磨损检测装置及方法的先进性和全面性.

    4 结 语

    提出了一种基于线激光与机器视觉检测技术融合的立铣刀磨损检测设备以及方法.借助线激光技术与机器视觉技术的结合,有效解决了采取单一机器视觉技术在处理刀尖结构破损缺失或月牙洼结构时造成刀尖区域图像信息不完整的问题.设计了一套线激光与机器视觉相结合的立铣刀磨损检测设备,对采集的线激光数据进行合理修正后引入,在立铣刀磨损区域轮廓识别的结果中,得到了更加完整刀具磨损区域以及刀具磨损参数.有效地提升了最大磨损值的测量效果,实现测量精度高于98%,最大误差不超过5.0mm.并且,此方法可以同时准确获取刀具磨损区域的一维、二维磨损的可量化评价指标,丰富了刀具磨损评价方法的有效信息,有助于进一步分析立铣刀侧刃的磨损机理和评估立铣刀的磨损状态.同时,该立铣刀侧刃磨损检测装置在自动化车间立铣刀智能化自动检测领域中有很高的的应用价值.

    致 谢

    本论文在立铣刀轮廓识别方面的研究工作,是“基于全局能量流动监测数据的装备制造周期自适应高效运行维护一体化系统研究”项目研究的一部分,受到了国家自然科学基金(No.51975407)的资助,特此感谢.

    参考文献:

    [1] Kurada S,Bradley C. A review of machine vision sensors for tool condition monitoring[J]. Computers in Industry,1997,34(1):55-72.

    [2] Dutta S,Pal S K,Mukhopadhyay S,et al. Application of digital image processing in tool condition monitoring:A review[J]. CIRP Journal of Manufactur-ing Science and Technology,2013,6(3):212-232.

    [3] Malekian M,Park S,Jun M B G. Tool wear monitoring of micro-milling operations[J]. Journal of Materials Processing Technology,2009,209(10):4903-4914.

    [4] Grzesik W. Advanced Machining Processes of Metallic Materials[M]. Amsterdam:Elsevier,2017.

    [5] Pfeifer T,Elzer J. Measuring drill wear with digital image processing[J]. Measurement,1990,8(3):132-136.

    [6] Jeon J U,Kim S W. Optical flank wear monitoring of cutting tools by image processing[J]. Wear,1988,127(2):207-217.

    [7] Szydłowski M,Powałka B,Matuszak M,et al. Machine vision micro-milling tool wear inspection by image reconstruction and light reflectance[J]. 2016,44:236-244.

    [8] Su J C,Huang C K,Tarng Y S. An automated flank wear measurement of microdrills using machine vision [J]. Journal of Materials Processing Technology,2006,180(1):328-335.

    [9] Dai Y,Zhu K. A machine vision system for micro-milling tool condition monitoring[J]. Precision Engineer-ing,2018,52:183-191.

    [10] Wang W,Wong Y S,Hong G S. Flank wear measurement by successive image analysis[J]. Com-puters in Industry,2005,56(8):816-830.

    [11] You Z,Gao H,Guo L,at al. On-line milling cutter wear monitoring in a wide field-of-view camera[J]. Wear,2020,460/461:203479.

    [12] Matsumura T,Murayama T,Usui E. Tool wear monitoring in milling process with laser scan micrometer [C]// 10th International Conference on Precision Engi-neering (ICPE). Yokohama,Japan,2002:764-768.

    [13] Devillez A,Lesko S,Mozer W. Cutting tool crater wear measurement with white light interferometry[J]. Wear,2004,256(1):56-65.

    [14] 代红川. 基于激光传感器的刀具磨损检测方法研究[D]. 北京:华北电力大学能源动力与机械工程学院,2017.

    Dai Hongchuan. Research on Tool Wear Detection Method Based on Laser Displacement Sensor[D]. Beijing:School of Energy Power and Mechanical Engineering,North China Electric Power University,2017(in Chinese).

    [15] 刘佳斌,刘今越,任东城,等. 基于面结构光投影法的刀具轮廓尺寸非接触测量技术研究[J]. 机床与液压,2018,46(1):74-79.

    Liu Jiabin,Liu Jinyue,Ren Dongcheng,et al. Research on tool outline dimension non-contact measurement technique based on surface structured light projection[J]. Machine Tool and Hydraulics,2018,46(1):74-79(in Chinese).

    [size=1.8em]Device and Method for Detecting Side Edge Wear of End Milling
    Tian Ying,Yang Liming,Gao Zhanxu,Shao Wenting,Zhao Maoxiang,Wang Taiyong
    (School of Mechanical Engineering,Tianjin University,Tianjin 300072,China)
    Abstract:In this paper,a solution is proposed for the missing tooltip structure and incomplete image information problems in the machine vision technology process during the side edge wear detection of end milling. These problems can be a result of the tooltip structure damage or crescent crater structure. The proposed solution is a contour acquisition method combining line laser edge detection and machine vision. Analysis of the main reasons for the lack of image information in the tooltip area led to the spiral distribution characteristics of the side edge and complex lighting in actual shooting conditions. Therefore,an image stitching strategy is proposed to preprocess the captured original photos of the wear area under various light intensities and select the tooltip area under low light and the uniformly worn area under strong light as the data source. The combined threshold segmentation method is used for contour extraction. A relatively complete tool wear area map is obtained after stitching to supplement the accurate missing information of the tooltip area. Additionally,line laser detection data is used to compensate and obtain a more complete and rich tool wear area information. An end milling side edge wear detection experimental device that combines machine vision and line laser is designed and built. Experimental data of the two detection methods are collected. Then,line laser detection data in the tooltip area,which is missing from image data,is compensated. Finally,through actual milling process experiments,we obtain experimental samples of typical tool wear conditions to verify the detection methods and experimental devices mentioned in the article. The results show that the device can obtain complete wear area profile information and provide accurate tool wear parameters and a comprehensive evaluation of the wear area. The measurement accuracy of the wear value is higher than 98%,and the maximum error does not exceed 5mm.
    Keywords:side edge of end milling;tool wear;line laser;machine vision
    中图分类号:TG714;TH69
    文献标志码:A
    文章编号:0493-2137(2022)10-1008-08
    DOI:10.11784/tdxbz202105055
    收稿日期:2021-05-26;
    修回日期:2021-12-28.
    作者简介:田 颖(1977— ),女,博士,副教授,tianying@tju.edu.cn.
    通信作者:杨利明,ylm@tju.edu.cn.
    基金项目:国家自然科学基金资助项目(51975407,51975402);宁波市科技创新2025重大专项(2019B10075).
    Supported by the National Natural Science Foundation of China(No. 51975407,No. 51975402),Ningbo Science and Technology Innovation 2025 Major Special Project(No. 2019B10075).

    您需要登录后才可以回帖 登录 | 注册

    本版积分规则

    关闭

    站长推荐上一条 /1 下一条

    木工刀具论坛·免责声明

    本站提供网上自由讨论使用,所有个人言论并不代表本站立场,与本站立场无关,本站不会对其內容负任何责任。
    木工刀具网是非营利性交流网站,旨在进行个人学习和交流。本站内容均经过严格审查筛选,网站部分文章和资料均从网上搜集整理,由热心网友自由上传,版权归原作者所有,只做为交流学习之用,不得用于商业用途,法律后果自负。如您发现违反国家法律法规的相关內容,请立即联系我们,我们立刻从网站上删除,并致以最深的歉意。 Email:yygyfnn@163.com 微信:157561175点击这里给我发消息 点击这里给我发消息点击这

里给我发消息

    QQ|手机版|Archiver|家具木工机械刀具 ( 湘ICP备17003003号 )|网站地图公网安备 33011802001189号

    GMT+8, 2022-12-10 02:53 , Processed in 1.168946 second(s), 9 queries , File On.

    Powered by Discuz! X3.4

    Copyright © 2001-2021, Tencent Cloud.

    快速回复 返回顶部 返回列表