《制造过程复杂工况辨析及其视觉特征识别方法研究---硕士论文》由会员分享，可在线阅读，更多相关《制造过程复杂工况辨析及其视觉特征识别方法研究---硕士论文（61页珍藏版）》请在金锄头文库上搜索。
1、分类号： 密级：U D C：编号： 学 位 论 文制造过程复杂工况辨析及其制造过程复杂工况辨析及其 视觉特征识别方法研究视觉特征识别方法研究指导教师姓名： 教 授 河北工业大学申请学位级别：硕 士学科、专业名称：仪器科学与技术论文提交日期： 年 月论文答辩日期: 年 月学位授予单位：河北工业大学答辩委员会主席：评阅人：年 月制造过程复杂工况辨析及其制造过程复杂工况辨析及其 视觉特征识别方法研究视觉特征识别方法研究摘摘要要随着先进制造业的发展，制造过程中的工况监控所遇到的问题也越来越突出，且直 接影响了生产效率，因此对复杂性工作状况进行辨析，从而实现对生产过程的预测及生 产安全控制具有十分重要的
2、意义。本文以制造过程的刀具状态和工件分类这两种典型工况为例分析说明了其视觉监控方法， 并通过对工况视觉特征的分析，建立了基于视觉特征聚类融合的工况辨析体系，利用 BP 神经网络特性实现多域信息空间的非线性映射，完成聚类分析和信息融合，最终达 到工况辨析的目的。通过对图像处理和视觉特征提取方法的研究，确定了本文所采用的图像滤波和边缘检测算子，以及基于 RGB 颜色空间的颜色矩特征提取，基于灰度共生矩阵的纹理特征提取 和基于 Hu 不变矩的形状特征提取方法。以刀具状态识别和工件分类为例进行实验，对比 独立特征识别和多混合特征融合识别的工况识别率，实验结果表明经聚类融合的识别率 明显提高，证明了基于
3、视觉特征聚类融合的工况辨析方法的优越性。关键词：关键词：工况辨析，聚类融合，图像处理，视觉特征，神经网络iNALYSIS OF COMPLEX WORKING CONDITIONSIN MANUFACTURING PROCESS AND RESEARCH BASED ONTHE VISUAL FEATURE RECOGNITION METHODSABSTRACTWith the development of advanced manufacturing industry, the problems of condition monitoring in manufacturing process
4、 are more and more prominent, and impact on productivity directly. Analysis of the complex working conditions help achieve the prediction and safety control of production process, which has great significance. In this paper, analysis of the visual monitoring methods of the tool condition and the wor
5、kpiece classification that two typical working conditions in manufacturing process, and through analyzing the visual feature of working conditions, established the analysis system of working conditions based on visual features clustering fusion. Using BP neural network achieved nonlinear mapping of
6、multi-domain information space, to complete the cluster analysis and information fusion, and to analyze the working conditions ultimately. By researching on the method of image processing and visual feature extraction, determined the image filtering and edge detection operator used in this paper, as
7、 well as the method of color moment feature extraction based on RGB color space, the texture feature extraction based on gray level co-occurrence matrix and the shape feature extraction based on Hu invariant moments. Taked the tool condition and the workpieces for example, carried out some identific
8、ation and classification experiment. Comparing the single-feature recognition rate with the multi-features fusion recognition rate of working conditions, it is obvious that the recognition rate of clustering fusion is higher, which proved the method of the analysis of working conditions based on vis
9、ual feature clustering fusion is superior.KEY WORDS: working conditions analysis, clustering fusion, image processing, visual feature, neural networkii目目录录第一章第一章 绪论绪论.11-1 课题来源 .1 1-2 论文研究的目的和意义 .1 1-3 国内外研究现状 .2 1-4 论文研究内容 .4第二章第二章 复杂工况辨析方法研究复杂工况辨析方法研究.52-1 工况的复杂性分析 .5 2-1-1 制造过程工况的复杂性 .5 2-1-2 加工系
10、统工况监控 .5 2-1-3 工况状态监控系统的基本结构 .5 2-2 典型工况视觉监控方法 .6 2-2-1 刀具的状态监控 .6 2-2-2 工件的分类识别 .7 2-3 工况视觉特征分析 .9 2-4 基于视觉特征聚类融合的工况辨析方法 10 2-4-1 聚类融合的结构原理 10 2-4-2 基于视觉特征的复杂工况聚类融合设计 10 2-4-3 神经网络工况辨识技术 12 2-5 本章小结 16第三章第三章 用于视觉特征辨识的图像处理方法用于视觉特征辨识的图像处理方法.173-1 图像滤波 17 3-1-1 滤波方法分类 17 3-1-2 图像滤波方法的选取 17 3-2 边缘检测 20
11、 3-2-1 边缘检测定义 20 3-2-2 边缘检测算子的选取 20 3-3 本章小结 24第四章第四章 用于工况辨析的视觉特征提取技术用于工况辨析的视觉特征提取技术.254-1 颜色特征的提取 25 4-1-1 颜色模型 25 4-1-2 颜色特征的描述方法 26 4-1-3 基于 RGB 颜色空间的颜色矩特征提取 27 4-2 纹理特征的提取 28 4-2-1 纹理特征的描述方法 28 4-2-2 基于灰度共生矩阵的纹理特征提取 28 4-3 形状特征的提取 31III4-3-1 形状特征的描述方法 31 4-3-2 基于 Hu 不变矩的形状特征提取 .32 4-4 本章小结 34第五章
12、第五章 利用利用 BP 网络实现多混合特征融合的工况识别网络实现多混合特征融合的工况识别355-1 BP 识别网络的设计35 5-1-1 BP 网络结构设计35 5-1-2 识别率的确定方法 35 5-2 刀具的状态识别 36 5-2-1 刀具样本的获取 36 5-2-2 独立特征的刀具状态识别 36 5-2-3 多混合特征融合的刀具状态识别 40 5-3 工件的分类识别 42 5-3-1 工件样本的获取 42 5-3-2 独立特征的工件分类识别 42 5-3-3 多混合特征融合的工件分类识别 46 5-4 实验结果分析 47 5-5 本章小结 48第六章第六章 结论与展望结论与展望.496-
13、1 结论 49 6-2 展望 49参考文献参考文献.51致谢致谢.54攻读学位期间所取得的相关科研成果攻读学位期间所取得的相关科研成果.55v符号说明符号说明CCD电荷耦合器件，Charge-coupled device CPU中央处理器，Central Processing Unit CNC计算机数字控制，Computer Numerical Control BP误差反向传播，Back-Progagation TCMS刀具状态监控系统，Tool Condition Monitoring System CVTCM基于计算机视觉的刀具状态监控，Computer-vision based Tool
14、 Condition Monitoring MRSAR多尺度自回归，Multiscale AutoregressiveLabVIEW实验室虚拟仪器工程工作平台，Laboratory Virtual instrument Engineering WorkbenchMATLAB矩阵实验室，Matrix Laboratoryvi河北工业大学硕士学位论文第一章第一章 绪论绪论1-1 课题来源课题来源人类感知外界信息，80%以上是通过视觉得到的，而图像实际上正是对这种感知能力的一种人为增强形式。随着图像数字技术的成熟，图像作为人类感知外部世界更丰富更直接的信息载体，正成为越来越重要的研究对象。人们利用计
15、算机、图像获取设备模拟人的视觉来采集图像并进行数字信号转换以通过计算机实现对图像的处理与理解。计算机视觉是指由人类设计并在计算机环境下实现的模拟或再现与人类视觉有关的某些智能行为的技术，如文字识别，图像模式识别等，它的应用也几乎遍及当今所有科学领域1。图像监控技术是将图像技术和制造技术以及计算机控制技术结合起来, 从而实现对机床等被控制对象的状态进行实时监控, 同时还可以通过网络进行远程监控。图像监控技术在数控机床上的应用, 可以使机床具有更好的可控性, 这种技术被集成于机床控制系统过程中, 对于制造业的发展将具有重要的意义2。目前，现代 CNC 集成制造系统中大量采用了工况辨析技术，包括机床
16、主轴箱故障诊断、刀具磨损模式识别等。据估计，采用加工工况实时监控技术，可将人为或技术因素引起的故障停机时间减少 75%，有效加工时间由无监控系统时的 10%提高到 65%，机床利用率提高 50%以上，加工费用降低 30%以上。近年来，根据实际生产需要，国内外开始将基于视觉的复杂工况监控技术用于 CNC 集成制造系统。模式识别(Patten Recognition)是利用计算机对某些物理对象进行分类，在错误率最小的情况下，使识别的结果尽量与客观事物相符。将模式识别应用于数字图像处理技术中，就是利用计算机来模拟人类的识别方法，对数字图像进行识别、分类。采用图像监控、图像识别等技术对工况进行预测，不仅可以有效避免制造过程中机械运行部件故障的产生，而且还可以掌握运行状态，从而达到对工况安全状态的预测以及产品质量的控制，具有非常重要的意义。1-2 论文研究的目的和意义论文研究的目的和意义随着现代工业的发展和科学技术的进步，设备向着大
