刀具磨损检测论文_李玲华,李鸣,张宇

导读:本文包含了刀具磨损检测论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:刀具,磨损,盾构,电流,在线,卷积,视觉。

刀具磨损检测论文文献综述

李玲华,李鸣,张宇[1](2019)在《基于OpenCV的嵌入式数控刀具磨损检测系统开发》一文中研究指出基于嵌入式ARM-Linux平台与OpenCV开源视觉库设计出一款在线检测数控刀具磨损状态的系统。系统采用Linux的视频模块V4L2对工业摄像头进行数据的采集,利用OpenCV智能算法以及轮廓处理等相关函数在嵌入式图像采集端实现了对刀具磨损特征值(VB)的提取,根据提取出的特征值判断刀具磨损状态。终端WIFI模块通过自身AP功能,将图像数据传输到其他网络设备进行显示,实现了无线传输功能。测试结果表明,系统达到预期目标。(本文来源于《机床与液压》期刊2019年22期)

周天祥,李为平,柳和生[2](2019)在《盾构刀具磨损及在线检测技术研究概况》一文中研究指出综述了国内外近年来盾构刀具磨损分析及在线检测技术的最新研究发展。详细介绍了盾构刀具的分类、磨损机理和失效分析等,并将国内外刀具进行对比分析,找出存在的差异。着重从气体检测技术,掘进参数分析技术,液压磨损检测技术,直接检测法和超声波检测技术等方面阐述了盾构刀具在线检测技术的发展状况和存在的缺陷。最后,根据现阶段的发展水平浅谈对未来盾构刀具磨损及在线检测技术的展望。(本文来源于《建筑机械化》期刊2019年11期)

王利强,李绍朋,吕志杰[3](2019)在《基于轮廓提取的刀具磨损量检测研究》一文中研究指出为了提高车削加工过程中的刀具磨损检测效率,降低生产成本,提出了一种基于轮廓提取的刀具磨损量检测算法。由CCD相机获取刀具磨损图像,通过图像预处理、图像的形态学处理、阈值分割、改进的轮廓找寻算法实现了刀具磨损区域的连通域轮廓点集的提取,通过连通域外接矩形实现了刀具磨损量的精确测量。开展刀具切削磨损检测试验,通过与光学显微镜测量结果对比,结果表明:该算法能够实现较高的检测精度,能够利用算法搭建刀具在机检测系统。(本文来源于《制造技术与机床》期刊2019年11期)

范云龙,陈劲杰[4](2019)在《基于KNN的刀具磨损状态检测》一文中研究指出为了检测机械加工过程中的刀具磨损程度,保证加工质量,提出基于KNN算法的刀具磨损状态方法。利用KNN算法中的相似度分类的特征,对数字图像文本化后进行相似度计算,形成分类模型识别刀具磨损程度,最后通过实验证明该方法的识别准确性。该方法监测过程简单,动态性和经济性好,适合在加工过程中推广。(本文来源于《农业装备与车辆工程》期刊2019年09期)

桑宏强,张新建,刘丽冰,金国光,陈丽莎[5](2019)在《基于工件纹理和卷积神经网络的刀具磨损检测》一文中研究指出文章在现有刀具磨损检测算法的研究基础上,针对铣削刀具磨损检测提出了一种基于卷积神经网络的刀具磨损检测算法。对原始的AlexNet卷积神经网络参数以及训练算法进行了优化,同时搭建了实验平台,进行了机床切削实验并采集了大量的工件纹理图片,使用这些图片样本对所改进的方法进行验证并与其他算法进行了对比研究。结果表明,改进后的AlexNet卷积神经网络算法能够更好地对刀具磨损程度进行判断。(本文来源于《组合机床与自动化加工技术》期刊2019年07期)

张小翠,徐小明[6](2019)在《一种基于变频器电流检测机床刀具磨损新方法的研究》一文中研究指出针对传统机床刀具磨损状态检测方法的局限性和不足等问题,采用间接量来检测刀具磨损状态而提出了一种基于机床变频器叁相输入平均有效电流信号来检测刀具磨损状态新方法。首先,介绍了铣床变频器电流检测刀具磨损新方法的工作原理,验证并对比了叁相平均有效电流信号计算法优于传统RMS计算法;其次,利用叁相平均有效电流(ARMS)计算法和传统RMS计算法来获取计算后的有效电流信号,结合小波降噪和EEMD分解法对信号进行降噪、分解及重构处理,分析重构后其时频域下两种方法计算的有效电流值信号各频带能量和均方差并将其组成特征向量;最后,将特征向量输入CPSO-ELM和PNN神经网络等分类器进行故障识别和对比。实验结果表明,CPSO-ELM相比PNN神经网络分类器具有准确的识别效果,验证了所采用的变频器电流来检测铣床刀具磨损新方法的有效性和可行性。(本文来源于《机床与液压》期刊2019年13期)

李超,孙昊,李庆党[7](2018)在《盾构机刀具磨损检测技术研究》一文中研究指出对不同盾构机磨损检测方法的优缺点与工作过程进行了对比,介绍了滚刀检查和更换原则,并对两种盾构机刀具磨损预估模型进行了分析。针对在实际施工中难以对盾构机刀具磨损情况进行实时检测的问题,介绍了在实验室中进行滚动压痕磨损试验的原理与设备。(本文来源于《机械制造》期刊2018年12期)

肖忠跃,张为民,刘朝晖[8](2018)在《基于最大熵与交叉熵理论的刀具磨损检测技术》一文中研究指出提出一种基于信息论最大熵和交叉熵理论的刀具磨损检测技术。在分析处理切削过程中振动加速度信号的基础上,利用最大熵方法计算不同时间段内振动加速度信号的最大熵概率值,再利用交叉熵理论计算相邻时间段振动信号概率密度分布的交叉熵值,以及各时间段信号概率相对起始时间段信号概率的交叉熵值。在此基础上,根据交叉熵值的变化对刀具磨损进行判断。研究结果表明:随着刀具磨损量的增大,切削振动信号概率分布变化的交叉熵值逐渐增大。因此可利用切削振动加速度信号的最大熵概率分布的交叉熵值的变化趋势来检测刀具的磨损状况。(本文来源于《机床与液压》期刊2018年22期)

王丹,杨林[9](2018)在《刀具磨损原理及刀具磨损检测方法》一文中研究指出在机械加工中,刀具的质量对所加工产品的质量影响尤为明显,因此人们极其重视对刀具破损或磨损状态的监控。刀具磨损机理及刀具耐用度是研究刀具检测方法的理论基础,目前就刀具磨损的检测研究比较热门,检测方法也比较多。现对刀具磨损和刀具耐用度的基本知识及常用刀具磨损检测方法进行整理综述。(本文来源于《农机使用与维修》期刊2018年11期)

管声启,陈永当,任浪,洪奔奔,卢浩[10](2018)在《基于视觉目标特征驱动的刀具磨损检测》一文中研究指出为了实现对数控刀具磨损的自动检测,给出了一种新的刀具磨损自动检测方法.首先,对采集图像的刀具磨损区域数目和面积进行分析;然后,以检测目标面积特征的稀少性作为任务因子,驱动刀具磨损区域显着度的提高;最后,利用检测目标数目特征的稀少性,滤除噪声信息.实验结果表明,由于利用检测目标的稀少性,能够实现检测目标与背景信息的分离,从而提高刀具磨损区域分割的准确性,检测准确率达到95%以上.(本文来源于《西安工程大学学报》期刊2018年04期)

刀具磨损检测论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

综述了国内外近年来盾构刀具磨损分析及在线检测技术的最新研究发展。详细介绍了盾构刀具的分类、磨损机理和失效分析等,并将国内外刀具进行对比分析,找出存在的差异。着重从气体检测技术,掘进参数分析技术,液压磨损检测技术,直接检测法和超声波检测技术等方面阐述了盾构刀具在线检测技术的发展状况和存在的缺陷。最后,根据现阶段的发展水平浅谈对未来盾构刀具磨损及在线检测技术的展望。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

刀具磨损检测论文参考文献

[1].李玲华,李鸣,张宇.基于OpenCV的嵌入式数控刀具磨损检测系统开发[J].机床与液压.2019

[2].周天祥,李为平,柳和生.盾构刀具磨损及在线检测技术研究概况[J].建筑机械化.2019

[3].王利强,李绍朋,吕志杰.基于轮廓提取的刀具磨损量检测研究[J].制造技术与机床.2019

[4].范云龙,陈劲杰.基于KNN的刀具磨损状态检测[J].农业装备与车辆工程.2019

[5].桑宏强,张新建,刘丽冰,金国光,陈丽莎.基于工件纹理和卷积神经网络的刀具磨损检测[J].组合机床与自动化加工技术.2019

[6].张小翠,徐小明.一种基于变频器电流检测机床刀具磨损新方法的研究[J].机床与液压.2019

[7].李超,孙昊,李庆党.盾构机刀具磨损检测技术研究[J].机械制造.2018

[8].肖忠跃,张为民,刘朝晖.基于最大熵与交叉熵理论的刀具磨损检测技术[J].机床与液压.2018

[9].王丹,杨林.刀具磨损原理及刀具磨损检测方法[J].农机使用与维修.2018

[10].管声启,陈永当,任浪,洪奔奔,卢浩.基于视觉目标特征驱动的刀具磨损检测[J].西安工程大学学报.2018

论文知识图

刀具磨损检测仪器刀具磨损检测系统软件Fig.5-1T...2 基于CC2430的刀具磨损检测系统1刀具磨损检测系统结构简图6基于人工神经网络的刀具磨损检测刀具磨损检测系统主要组成部分

标签:;  ;  ;  ;  ;  ;  ;  

刀具磨损检测论文_李玲华,李鸣,张宇
下载Doc文档

猜你喜欢