基于马氏距离的刀具磨破损状态监测方法的研究.pdfVIP

基于马氏距离的刀具磨破损状态监测方法研究， 计时鸣 袁巨龙 张宪 张利 张立彬 (浙江工业大学机电工程学院 杭州 310014) 摘 要 研究了印度统计学家P.C.Mahalanobi。提出的马氏距离的计算方法。提出了根据刀具图像的灰度进行部件点集 划分的新方法。实现了马氏距离计算中部件点集划分的自动化。根据这一方法，将刀具磨损区划分为高亮度部件，刀具 刃口区划分为低亮度部件。通过试验，研究了高亮度部件和低亮度部件的马氏距离与刀具磨损状态的关系，结果表明， 高亮度部件的马氏距离与刀具磨损状态密切相关，且具有很高的灵敏度，可以用于在线监测刀具的磨破损状态。 关挂词 刀具 监测 马氏VP离 像中判断磨破损状况。在此基础上，作者提出一种 1 引言 基于马氏距离判断刀具磨破损状况的新方法，本文 将介绍其基本原理、实现过程和相关试验结果。 切削刀具磨破损将影响工件尺寸和表面品质、 重则导致机床损坏，因此，在自动化加工设备中， 2 马氏距离的定义与计算方法 对刀具状态进行监测十分必要。自20世纪初提出 ii具状态监测 (ToolConditionMonitoring--TCM) 在图像中，任意像素点P离开第i个部件点集 的概念以来，TCM问题一直被广为重视。TCM的 m;的马氏距离定义为 一些传统方法，例如基于声发射、切削力、超声波、 d;(p)=m(一P)TSv}m一P) ()1 振动、温度、应力应变、电机电流功率等监测方法， 其中，P一x[,Y]T表示P点坐标矢量，，“。。对应点 己得到大量应用，但人们也发现由于工作机理方面 集中的各像素点坐标矢量，，=0/N这“，是第i个 的制约，这些方法应用场合的广泛性和应用效果受 部件点集的坐标矢量均值，这里N是第i个部件点 到很大限$$q1111-1210 近年来，“基于视觉的刀具状态监测 集的总像素点数，另外，S、是第i个部件点集的内 -Vision-basedTCM，即VTCM方法，逐步引起 部散布矩阵 关注，鉴于机床操作者主要是利用视觉对刀具状况 S,,=E[u(一，Xu;-m;)TJ (2) 进行判断，因此，VTCM方法具有仿生学上的合理 若物体被划分为。个部件，则图像中物体总点 性，预计随着计算机视觉技术的高速发展，该方法 集坐标均值为 将逐步发展成为TCM领域的一类重要手段131-ISl 用。=生t-, (3) 由印度统计学家 PC.Mahalanobis提出的马氏 距离，被用来定义图像中任 点到物体部件点集的 若取式(1)中P=mo，则m。距各部件点集a), 抽象距离。与欧氏距离相比，马氏距离的大小不仅 的马氏距离为 与各个点集相对分布有关，而且与各个点集自身内 d;M(O)一m((，一moys.;m(，一ma) (4) 部像素点的分布有关191一!121。作者的研究发现，在 VTCM方法中，可以应用马氏距离表达刀具磨破损 称m。距。个部件点集。‘(i=1,2...n)的马氏 区像素点的分布特征，进而被用于从刀具的表面图 距离组成的矢量为马氏距离矢量 D。一d[im(a}dzm(o}...,d.(-J] (5) *本文受浙汀省 ‘151人才土程’，基金资助