专利名称：一种球头铣刀定位及磨损监测方法
技术领域：
本发明涉及数控加工中基于机器视觉的球头铣刀磨损监测中的刀具定位及磨损测量问题，属于刀具磨损监测领域。
背景技术：
在铣削加工过程中，刀具的磨损对加工质量和加工效率有着重要影响，直接阻碍了加工自动化的进一步提高，而解决该问题的关键在于刀具磨损监测技术的发展。刀具磨损监测从刀具磨损测量的手段上可分为直接法和间接法。一般来讲，间接法实时性比较强， 能够实现在线同步监测。常用的间接法有切削力法、机床功率法、振动法和声发射法等。间接法通过监测与磨损有关的参数，从而反映出磨损量的变化。然而这种通过映射关系得到的磨损量并没有做到直接从磨损区域出发，对干扰信号敏感。基于机器视觉的方法直观地对磨损量进行测量，属于直接法，不受加工参数的影响，具有很好的稳定性。目前，基于机器视觉的刀具磨损监测技术的研究主要集中在车削领域，而在铣削领域的研究并不多，尤其针对球头铣刀方面的研究更为少见，有待进一步研究。对于车削刀具，一旦装夹完毕后定位也就完成；而对于铣削刀具，装夹完后，其在周向的旋转是自由的， 而且对于球头铣刀其切削刃和刀尖没有可以用来定位的参照基准，因此基于机器视觉的刀具磨损监测技术在铣削领域中应用的主要问题之一是如何快捷而又方便地实现铣削刀具磨损测量前的定位问题。球头铣刀在曲面加工中的应用十分广泛，为了对球头铣刀进行磨损监测，可以通过在数控机床上安装视觉监测系统，在加工前先采集刀具的新刀图像，然后在刀具每次退刀的间隙采集已磨损刀具的图像，并通过机床自身的功能保证所有采集的图像中刀具处于同一位置和角度。每次采集完刀具图像后，对该图像进行快速处理，提取出铣刀当前的磨损量，作为判定刀具状态的依据。采用该方法对球头铣刀进行磨损监测，存在以下问题需要解决，首先需要解决刀具的定位问题。其一为刀具的周向定位，即确定球头铣刀的切削刃的转角；其二为刀具上刀尖的定位，用于划分左右后刀面。因为所有图像中刀具在同一位置和角度，利用新刀处理得到的切削刃水平夹角和刀尖位置信息便可对磨损后刀具图像进行定位，继而便可进行磨损量的测量，实现铣刀的在线监测。
发明内容
针对现有技术存在的问题，本发明提出一种球头铣刀定位及磨损监测方法，解决了采用视觉的手段监测铣刀磨损中的刀具定位问题，完成了铣刀的磨损测量，实现了球头铣刀的磨损在线监测。本发明提出的球头铣刀定位及磨损监测方法，采用如下技术方案步骤1.安装视觉监测系统在数控机床上选择主轴能到达的机床边缘处安装视觉监测系统，包括相机支架、 CCD相机、镜头和LED环形光源，支架固定在机床上，相机固定在支架上，镜头朝上，LED环形光源加装在镜头前直接照射球头铣刀；在机床上装夹球头铣刀，将机床主轴移至相机正上方，确定进行图像采集的主轴所在位置的x、y坐标；然后调整机床主轴转角，使得所采集的刀具图像中切削刃大体处于水平位置；根据刀具最大切深计算出最大切削宽度，则图像中应呈现所有切削宽度范围内的刀具后刀面，根据所需成像大小调整好焦距并固定，沿ζ向调整主轴位置，使刀具切削刃在图像中清晰成像；调节光圈，使得在刀具图像中能清晰地区分出刀具；步骤2.采集球头铣刀的新刀图像并进行图像预处理视觉监测系统安装调试完毕后，采集球头铣刀的新刀灰度图像，通过滤波去噪对新刀灰度图像进行预处理；步骤3.划分新刀图像中的扫描处理区域对新刀灰度图像按列依次处理，每一列在竖直方向上存在两个边界，对于每一列像素点进行边界提取处理的具体过程如下计算各像素点的灰度差分值，比较同一列中各像素点灰度差分值的大小，则每一列中的两个边界处的灰度差分值分别具有最大值或最小值，根据每列所得的两个边界计算两边界间距离，则两边界间距离最小的列即为刀尖所在的列，以刀尖所在的列将刀具图像划分为左扫描区域和右扫描区域两部分；步骤4.新刀图像中切削刃上的点粗定位对新刀灰度图像中选定的左扫描区域自A方向B方逐列扫描，右扫描区域自B方向A方逐列扫描，则每一列中刀具切削刃位于图像中该列的灰度上升边界处，对于每一列像素点进行边界提取处理的具体过程如下计算各像素点的灰度差分值，比较同一列中各像素点灰度差分值的大小，差分值最大的像素点即为切削刃上的点，对全部列处理完毕后即可得到代表切削刃的像素级精度的数据点位置信息；步骤5.新刀图像中切削刃上的点精确定位利用切削刃的像素级精度的数据点位置信息、以及对应的各像素点的灰度差分值，采取亚像素边缘检测算法进一步提取切削刃上的亚像素级精度的数据点；步骤6.新刀图像中切削刃上的数据点的拟合将提取出的左、右切削刃上的亚像素级精度的数据点分别拟合出反映左、右切削刃整体趋势的直线，分别计算该两条直线与水平方向的夹角，取两个夹角的均值作为所求周向定位角度，以该角度旋转刀具图像，使刀具图像中切削刃处于水平位置，便完成球头铣刀的周向定位；步骤7.周向定位后新刀图像中刀尖位置与原始后刀面范围的确定对周向定位后的新刀图像进行逐列扫描处理，每一列在竖直方向上存在两个边界，对于每一列像素点进行边界提取处理，根据每列所得的两个边界计算两边界间距离，则两边界间距离最小的列为刀尖所在的列，这样便确定了刀尖的精确横向位置，并且原始后刀面范围即为图像中每列两边界间的范围；步骤8.磨损后刀具图像中铣刀磨损量的测量在铣削加工退刀间隙，采集磨损后刀具图像，并保证该时刻采集图像与采集新刀图像时，铣刀在机床坐标系中具有相同的位置和转角；以上述步骤6中求得的周向定位角度旋转磨损后刀具图像，完成磨损后刀具图像的周向定位，利用步骤7中求得的刀尖的精确横向位置将图像划分为左右两个扫描区域；对该两个扫描区域进行逐列扫描，得到区域内每一列中的上下边界，然后通过比较该上下边界的位置与原始刀体后刀面的边界的位置来确定该列是否发生了磨损，其中，左侧区域比较该B方边界与原始后刀面B方边界的位置是否重合，右侧区域比较该A方边界与原始后刀面A方边界位置是否重合，若不重合便可判定该列发生了磨损，对发生了磨损的列采用亚像素边缘检测方法确定磨损上下边界的精确位置，从而便可计算得到该列的磨损量，整个区域处理完后便可得到铣刀在该时刻的磨损量；对于右旋铣刀，上述A方指下方，B方指上方；对于左旋铣刀，上述A方指上方，B方指下方。该方法首先对球头铣刀的新刀图像进行处理，提取出图像中代表切削刃的精确数据点，对这些数据点进行直线拟合，便可计算出用于球头铣刀周向定位的水平夹角；在新刀图像中提取出刀尖的位置，而所有刀具图像中刀尖具有相同的位置。以该水平夹角旋转磨损后刀具的图像，实现刀具的周向定位，以该新刀中的刀尖位置作为磨损后刀具图像中刀尖的位置，接下来便可在竖直方向上测得球头铣刀分别在左右后刀面上的实际磨损量。本发明的有益效果是解决了采用机器视觉的手段监测球头铣刀磨损过程中的球头铣刀定位问题，一方面完成了刀具的周向定位，即确定球头铣刀的切削刃的转角，另一方面完成了刀具上刀尖的定位，确定了左右后刀面的区域范围；在实现了图像中铣刀定位的基础上完成了铣刀磨损量的测量；该发明采用软件实现处理算法，直接对采集的刀具图像进行处理，即可快速自动完成球头铣刀的定位，而不需要借助附加的定位装置，并测得铣刀当前的磨损量，从而实现铣刀的在线监测。上述步骤2.所述的滤波方法为中值滤波法，中值滤波是常用的非线性滤波方法， 也是图像处理技术中最常用的预处理技术，它在平滑随机噪声方面非常有效，同时它可以保护图像的边缘。上述步骤3.与步骤4.所述的边界提取过程所采用的算法具体为对于每一列采用公式(1)进行卷积操作，D(i，j) =-lXA(i-2，j)-2XA(i-l，j)+2XA(i+l，j)+lXA(i+2，j) (1)式中，A(i，j)为第j列、第i行像素点的灰度值，D(i，j)为该像素点在选定的前后各两像素的邻域内的灰度差分值。上述步骤5.所述的亚像素边缘检测算法为高斯曲线拟合算法，具体过程如下上述步骤4中已提取的像素级精度的切削刃上的点以及其前后各两点一共5个点的灰度差分值的分布，在χ-y坐标系下近似符合高斯分布，其中χ为该列中的像素行坐标， y为该点像素的灰度差分值，高斯曲线表达式为= -F^- exp(- (X:《))(2)
^2πσ2σ2其中，μ为均值，σ为标准差，该式左右两边取对数，则转化为下式1” = -(Χ_#) +In—(3)
2σ2 -ηπσ记为y' = ax2+bx+c(4)该式为抛物线曲线，其顶点即为图像中切削刃上的亚像素级精度的数据点。对应差分值最大的点标记为i = 0，其左右两个点i值分别为-2、-Ul和2，则Xi
7为该点的χ坐标，Yi为该点处的差分值，Yi取对数即为y。根据方形孔径采样定理可得
权利要求
1. 一种球头铣刀定位及磨损监测方法，其特征在于包括以下步骤 步骤1.安装视觉监测系统在数控机床上选择主轴能到达的机床边缘处安装视觉监测系统，包括相机支架、CCD相机、镜头和LED环形光源，支架固定在机床上，相机固定在支架上，镜头朝上，LED环形光源加装在镜头前直接照射球头铣刀；在机床上装夹球头铣刀，将机床主轴移至相机正上方，确定进行图像采集的主轴所在位置的χ、y坐标；然后调整机床主轴转角，使得所采集的刀具图像中切削刃大体处于水平位置；根据刀具最大切深计算出最大切削宽度，则图像中应呈现所有切削宽度范围内的刀具后刀面，根据所需成像大小调整好焦距并固定，沿ζ向调整主轴位置，使刀具切削刃在图像中清晰成像；调节光圈，使得在刀具图像中能清晰地区分出刀具；步骤2.采集球头铣刀的新刀图像并进行图像预处理视觉监测系统安装调试完毕后，采集球头铣刀的新刀灰度图像，通过滤波去噪对新刀灰度图像进行预处理；步骤3.划分新刀图像中的扫描处理区域对新刀灰度图像按列依次处理，每一列在竖直方向上存在两个边界，对于每一列像素点进行边界提取处理的具体过程如下计算各像素点的灰度差分值，比较同一列中各像素点灰度差分值的大小，则每一列中的两个边界处的灰度差分值分别具有最大值或最小值， 根据每列所得的两个边界计算两边界间距离，则两边界间距离最小的列即为刀尖所在的列，以刀尖所在的列将刀具图像划分为左扫描区域和右扫描区域两部分； 步骤4.新刀图像中切削刃上的点粗定位对新刀灰度图像中选定的左扫描区域自A方向B方逐列扫描，右扫描区域自B方向A 方逐列扫描，则每一列中刀具切削刃位于图像中该列的灰度上升边界处，对于每一列像素点进行边界提取处理的具体过程如下计算各像素点的灰度差分值，比较同一列中各像素点灰度差分值的大小，差分值最大的像素点即为切削刃上的点，对全部列处理完毕后即可得到代表切削刃的像素级精度的数据点位置信息； 步骤5.新刀图像中切削刃上的点精确定位利用切削刃的像素级精度的数据点位置信息、以及对应的各像素点的灰度差分值，采取亚像素边缘检测算法进一步提取切削刃上的亚像素级精度的数据点； 步骤6.新刀图像中切削刃上的数据点的拟合将提取出的左、右切削刃上的亚像素级精度的数据点分别拟合出反映左、右切削刃整体趋势的直线，分别计算该两条直线与水平方向的夹角，取两个夹角的均值作为所求周向定位角度，以该角度旋转刀具图像，使刀具图像中切削刃处于水平位置，便完成球头铣刀的周向定位；步骤7.周向定位后新刀图像中刀尖位置与原始后刀面范围的确定对周向定位后的新刀图像进行逐列扫描处理，每一列在竖直方向上存在两个边界，对于每一列像素点进行边界提取处理，根据每列所得的两个边界计算两边界间距离，则两边界间距离最小的列为刀尖所在的列，这样便确定了刀尖的精确横向位置，并且原始后刀面范围即为图像中每列两边界间的范围；步骤8.磨损后刀具图像中铣刀磨损量的测量在铣削加工退刀间隙，采集磨损后刀具图像，并保证该时刻采集图像与采集新刀图像时，铣刀在机床坐标系中具有相同的位置和转角；以上述步骤6中求得的周向定位角度旋转磨损后刀具图像，完成磨损后刀具图像的周向定位，利用步骤7中求得的刀尖的精确横向位置将图像划分为左右两个扫描区域；对该两个扫描区域进行逐列扫描，得到区域内每一列中的上下边界，然后通过比较该上下边界的位置与原始刀体后刀面的边界的位置来确定该列是否发生了磨损，其中，左侧区域比较该B方边界与原始后刀面B方边界的位置是否重合，右侧区域比较该A方边界与原始后刀面A方边界位置是否重合，若不重合便可判定该列发生了磨损，对发生了磨损的列采用亚像素边缘检测方法确定磨损上下边界的精确位置，从而便可计算得到该列的磨损量，整个区域处理完后便可得到铣刀在该时刻的磨损量；对于右旋铣刀，上述A方指下方，B方指上方；对于左旋铣刀，上述A方指上方，B方指下方。
2.根据权利要求1所述的球头铣刀定位及磨损监测方法，其特征在于上述步骤2.所述的滤波方法为中值滤波法。
3.根据权利要求1所述的球头铣刀定位及磨损监测方法，其特征在于上述步骤3.与步骤4.所述的边界提取过程所采用的算法为对于每一列采用公式(1)进行卷积操作，
4.根据权利要求3所述的球头铣刀定位及磨损监测方法，其特征在于上述步骤5.所述的亚像素边缘检测算法为高斯曲线拟合算法，具体过程如下上述步骤4中已提取的像素级精度的切削刃上的点以及其前后各两点一共5个点的灰度差分值的分布，在x-y坐标系下近似符合高斯分布，其中χ为该列中的像素行坐标，y为该点像素的灰度差分值，高斯曲线表达式为
5.根据权利要求1所述的球头铣刀定位及磨损监测方法，其特征在于上述步骤8.所述的划定的左右两个扫描区域进一步缩小为图像中刀体左右后刀面的外接矩形区域，只对该两个矩形区域进行处理便可得到铣刀的磨损量。
全文摘要
一种球头铣刀定位及磨损监测方法，属于数控铣削加工刀具磨损监测领域。其特征在于在数控机床上安装视觉监测系统；采集球头铣刀加工前的新刀图像，对图像进行预处理，提取图像中切削刃上的数据点，通过这些数据点拟合出反映切削刃整体趋势的直线，计算该直线的水平夹角，以该水平夹角旋转新刀图像，并提取出该旋转后图像中刀尖的位置；采集磨损后刀具图像，并保证与新刀图像具有相同的位置和角度，利用处理新刀图像得到的切削刃水平夹角和刀尖位置对该磨损后刀具图像进行周向定位和刀尖定位，继而提取出该时刻铣刀的磨损量。本发明的作用在于，实现了数控铣削加工刀具磨损监测中球头铣刀的定位，完成了刀具磨损的在线测量。
文档编号B23Q17/09GK102501140SQ20111037517
公开日2012年6月20日 申请日期2011年11月22日 优先权日2011年11月22日
发明者周来水, 张吉林, 张臣 申请人:南京航空航天大学