智能制造技术基础 第4章 加工过程的智能监测与控制

1、,第4章 加工过程的智能监测与控制,本 章 要 点,4.1 概述,4.2 加工过程的无损检测技术,4.4 机床加工精度的控制,4.3 加工过程的智能诊断,概述,4.1.1加工过程的智能监测与控制的目的,制造过程中的状态监测主要是为了保障自动化加工设备的安全和加工质量，实现高效低成本加工，将来自制造系统的多传感器在空间或时间上的冗余或互补信息通过一定的准则进行组合，挖掘更深层次，有效的状态信息。最终实现对制造系统的一些关键参数进行有效的测量和评估。,4.1.2 智能监测与控制的内容,图 4-1 加工过程监测与控制实现流程,（1）加工过程仿真与优化：针对 不同零件的加工工艺、切削参数、进给速度等加工过程中影响零件加工质量的各种参数，通过基于加工过程模型的仿真，进行参数的预测和优化选取，生成优化的加工过程控制指令。,（2）过程监控与误差补偿：利用各种传感器、远程监控与故障诊断技术，对加工过程中的振动、切削温度、刀具磨损、加工变形以及设备的运行状态与健康状况进行监测；根据预先建立的系统控制模型，实时调整加工参数，并对加工过程中产生的误差 进行实时补偿。 （3）通讯等其他辅助智能：将实时信息传递

2、给远程监控与故障诊断系统，以及车间管理MES系统。,4.1.3加工过程的智能监测与控制发展趋势,加工过程的智能监控技术的发展将主要包括： （1）加工过程监控更适合于精密加工和自适应控制的要求； （2）由单一信号的监控向多传感器、多信号监控的发展，充分利用多传感器的功能来消除外界干扰，避免漏报误报情况； （3）智能技术与加工过程监控结合更加紧密；充分利用智能技术的优点，突出监控的智能性和柔性；提高监控系统的可靠性和实用性。,4.2.1 加工过程中常用的无损检测技术,4.2.2 机器视觉,4.2.3 机械零件内部缺陷的红外无损检测技术,4.2.4 阵列涡流检测技术及其应用,4.2.5加工过程刀具振动检测,4.2.1 加工过程中常用的无损检测技术,金属零件缺陷的无损检测是通过利用电、磁、声、光、热等作为激励源对金属零件进行加热，根据试件内部结构的形态以及变化所反馈的信息进行检测，从而判断金属零件内部是否存在缺陷。目前，加工过程的典型无损检测方法主要有：涡流检测、超声检测、射线检测、激光检测、渗透检测、磁粉检测等。,4.2.2 机器视觉,1. 机器视觉的定义、用途及其系统构成,图 4-2 机器

3、视觉系统的一般构成,图4-3 机器视觉系统构成示例,2 机器视觉测量原理,图4-4 双目视觉系统测量原理,O1和Or是双目系统的两个摄像头，P是待测目标点，左右两光轴平行，间距是T，焦距是f。对于空间任意一点P，通过摄像机O1观察，看到它在摄像机O1上的成像点为P1，X轴上的坐标为X1，但无法由P的位置得到P1的位置。实际上O1P连线上任意一点均是P1。所以如果同时用O1和Or这两个摄像机观察P点，由于空间P既在直线O1P1上，又在OrP2上，所以P点是两直线O1P1和OrP2交点，即P点的三维位置是唯一确定的。,图4-5 机器视觉图像处理过程,图像采集是图像信息处理的第一个步骤，此步骤为图像分割、图像匹配和深度计算提供分析和处理的对象。,视觉图像是模拟量，要对视觉图像进行数字化才能输入计算机。视频图像采集卡可以将摄像头摄取的模拟图像信号转换成数字图像信号，使得计算机得到需要的数字图像信号。,图像分割的目的是将图像划分成若干个有意义的互补交互的小区域，或者是将目标区域从背景中分离出来，小区域是具有共同属性并且在空间上相互连接的像素的集合。,图像匹配：图像分割后，对多幅图片进行同名点匹配

4、，从匹配结果中可以获得同一目标在多幅图片上的视差，最后计算出该目标的实际坐标。,3 机器视觉技术的应用举例,示例1：刀具磨损状态的机器视觉检测技术,图4-6 刀具磨损检测系统结构简图,（1）刀具磨损检测系统总体架构及检测原理,图4-7 刀具磨损检测系统总体架构,（2）检测系统总体架构,图4-8 刀具磨损检测总体流程,（3）图像处理过程,图4-9 图像处理过程,基于机器视觉的刀具磨损检测可以测量刀具的磨损量，其检测精度取决于刀具磨损图像的处理刀具磨损检测中的图像处理过程主要包括图像的灰度化、自适应中值滤波、自适应二值化及边缘检测,（4）基于计算智能的刀具磨损检测,图 4-11 基于人工神经网络的刀具磨损检测示意图,在不同刀具材料、切削参数、冷却方式及加工要求情况下，分别获取加工前的刀具和加工时段以后的刀具图像，并提取刀具磨损区域数据特征量，如后刀面磨损量、刀具前角和后角、刀尖距离等将不同工况、不同刀具磨损区域的数据特征向量作为样本，输入人工神经网络模型基于人工神经网络的刀具磨损检测示意图如图4-11所示,示例2 基于机器视觉的零件表面缺陷检测,图 4-13 图像采集硬件平台,图 4-14

5、 缺陷检测系统GUI与缺陷检测示例,图像读入模块：是将采集到的图像读入到该检测系统当中，通过刷新按钮可以对输入图像进行更换。,图像处理模块：包括了图像背景的分割,图像增强和缺陷的提取。,缺陷后处理模块：该模块是对提取出来的零件缺陷进行一些必要的后处理，包括形态学处理和边缘检测。,缺陷识别和零件质量等级判定模块：主要包括缺陷识别和零件质量等级评定模块。缺陷识别模块是对处理后的缺陷图像进行特征的提取，并且建立相应的参数库来训练缺陷分类器的一种模块。,图4-15 零件表面缺陷检测与评定,通过质量等级模块处理后，得到的阈值为（180，370, 质量等级为四级零件，如图4-15所示。,4.2.3 机械零件内部缺陷的红外无损检测技术,（1）红外热成像技术简介,红外热成像技术是一种利用红外摄像机将物体表面不可见的红外热辐射信息转换为可见的热图像的非接触、不破坏、实时、快速检测方法。,红外检测技术根据是否需要外部激励源可分为有源（主动）检测和无源（被动）红外检测。被动红外热成像技术是利用物体发射的红外辐射载有物体的特征信息进行智能分析判断。主动红外热成像技术是通过主动施加特定的外部热激励，通过热量在物

6、体内部的热传导，根据物体内部缺陷处的热传导系数不同导致物体表面温度的差异，使用红外热像仪采集热像图并加以判断。,（2）电磁激励红外无损检测技术基本原理,图4-16 红外成像原理,含缺陷金属零件的检测示例,图4-17 金属零件的缺陷检测系统组成示意图,4.2.4 阵列涡流检测技术及其应用,（1）阵列涡流技术原理,涡流检测以电磁感应为基础，当载有交变电流的检测线圈靠近被检导体时，由于线圈磁场的作用，试件中会感生出涡流。同时该涡流也会产生磁场，涡流磁场会影响线圈磁场的强弱，进而导致检测线圈电压和阻抗的变化。导体表面或近表面的缺陷会影响涡流的强度和分布，引起检测线圈电压和阻抗的变化，根据这一变化，可以推知导体中缺陷的存在。,图4-19 阵列涡轮传感器之间的切换,示例： 汽轮机叶片和叶根槽阵列涡流检测,图4-20 汽轮机叶片（左图）和枞树型叶根槽（右图）,仪器选用 示例中选用 SMART 5097 阵列涡流探伤仪，该仪器支持 32 通道阵列传感器，可以满足产品检验的需要。 探头结构 根据阵列涡流探头的特点和汽轮机叶片、叶根槽的结构特性可以看出，对于面积较大工件的检测，除了需要满足检测灵敏度、检测

7、速度以及缺陷定位精度等要求外，还需要考虑被检测工件的几何形状、曲面变化、 测量空间等客观条件。,(a)阵列柔性探头 (b)叶片边缘检测探头 (c)叶根槽检测仿形探头 图 4-21 阵列涡流传感器探头,4.2.5加工过程刀具振动检测,图4-24 刀具振动导致零件表面产生波纹,图4-25刀具空间三维振动特征参数示意图,（1） 铣削振动信号测试方法现状,无论采用何种检测方法，其目的均在于通过适当的传感器准确获取机床部件的振动信号，以便于后续通过信号的处理、信号的分析，提取信号中所蕴涵的被检测对象的工况信息。振动信号检测流程如图4-26所示。,图 4-26 刀具振动的检测流程示意图,（2）测振传感器的选择,传感器的选取主要考虑以下方面 ：,检测物理量的选择,选择传感器的量程、灵敏度等动态特性指标,考虑传感器的使用环境、寿命、耐用程度等要求,示 例,4-27现场传感器选用与布置图,示例中选用了美国 PCB 公司生产的 PCB356A02 三向加速度传感器两个，频响 0.5-6khz ，量程500g ，分辨率0.0005g，灵敏度分别为9.94mv/g和9.87mv/g。北京昆仑海岸传感器公司的

8、ST-2U-05-00-20 系列电涡流传感器两个，工作电源电压为15V，变换输出为(05)V 测量范围1.5mm 标定灵敏度为4.403mm/EU。,采用Kistler9257B 压电晶体力传感器和5070A电荷放大器测量加工过程中的交变切削力，量程为5KN，固有频率为 3khz 灵敏度分别是0.5N/mv 和-3.7pc/mv，其具有结构紧凑，分辨率高等优点。测试传感器布置如图 4-27 所示。,（3）铣削振动信号的采集系统构建,图 4-28 切削力测试系统示意图,目前，机械状态监测和故障诊断的研究主要集中在以下几个问题：,(1) 故障机理的研究,(2) 信号提取与多信息融合,(3) 信号分析与特征提取,(4) 智能诊断与混合诊断,加工过程的智能诊断,示例：颤振在线智能检测,机床加工精度的控制,1加工过程机床热性能的设计与控制,图 4-26机床热变形的影响因素,（1）机床热态特性数值模拟法研究,图4-27 轴承及其周边的有限元热模型,(2)机床主轴热态特性试验方法,热测试平台研究,图4-29 机床热误差智能补偿系统框图,图 4-30 机床主轴热误差监测系统,测点优化研究,以温度测点

9、布置与优化为代表的热态特性试验方法，是目前数控机床热试验研究的热点。温度变量作为数控机床热误差补偿模型的唯一输入变量，其测点布置选择对于数控机床的热态性能测试有着非常重要的作用，对于建立高精度、高鲁 棒性热误差补偿模型更起着决定性的作用。,2数控机床空间定位精度控制方法,（1）几何误差的检测与辨识,图4-31 激光干涉仪定位误差检测原理,平动轴几何误差的直接测量,转动轴几何误差的检测与辨识,基于加工试件的转动轴几何误差的辨识是在平动轴误差预先补偿的基础上，利用待检测的五轴数控机床加工有特殊几何特征的试件，然后通过坐标测量机检测试件特征点的位置，通过特征点理想位置和实际位置的偏差及机床的误差模型来辨识转轴的误差项。 基于检测仪器的摆动轴几何误差辨识方法通常是以检测仪器获取的机床的误差信息为基础， 结合机床的误差模型通过数学方法解算摆动轴的各项几何误差。,动态误差的检测方法,图 4-37 应用加速度传感器进行试验模态分析的试验流程,（2）数控机床的误差补偿方法,几何误差的补偿,五轴数控机床几何误差补偿所采用的补偿方法包括：硬件补偿和软件补偿两种。硬件补偿是指运用一些补偿装置或者微动机构对机床的几何误差进行局部的修正。,图4-38 基于压电陶瓷的微动补偿机构,图4-39 基于误差模型的 NC-PLC 误差补偿系统示意图,几何误差的软件补偿是在机床误差预测模型基础上发展起来的一种新方法。该种方法通常是在几何误差检测、辨识后建立机床的加工误差预测模型，然后根据误差预测模型计算工件加工过程中刀尖点的空间位置误差，通过坐标系零点偏置、修改NC代码或在控制系统中增加位置前馈补偿的方式实现刀具空间定位精度的改善。,动态误差的补偿,动态误差具有时变、随机、相关和动态特性，因而其补偿方法与几何误差的补偿方法有很大的差异。关于动态误差的补偿方法还处于研究初期，当前机床动态精度的改善还主要是通过伺服增益的调整和优化控制算法来实现。如基于正交耦合控制方法，采用可变增益正交控制方法。,图4-40 可变增益正交耦合控制框图,图4-41 广义正交耦合控制框图,

《智能制造技术基础 第4章 加工过程的智能监测与控制》由会员知**分享，可在线阅读，更多相关《智能制造技术基础 第4章 加工过程的智能监测与控制》请在金锄头文库上搜索。