684 珩磨機(jī)的總體設(shè)計(jì)【優(yōu)秀含8張CAD圖+文獻(xiàn)翻譯+說明書】,優(yōu)秀含8張CAD圖+文獻(xiàn)翻譯+說明書,684,珩磨機(jī)的總體設(shè)計(jì)【優(yōu)秀含8張CAD圖+文獻(xiàn)翻譯+說明書】,珩磨機(jī),總體,整體,設(shè)計(jì),優(yōu)秀,優(yōu)良,cad,文獻(xiàn),翻譯,說明書,仿單 珩磨汔缸孔徑的評(píng)價(jià) 摘要 內(nèi)燃機(jī)汽缸孔的珩磨組織在潤(rùn)滑油的消耗量，有害氣體排放，以及運(yùn)轉(zhuǎn)特性方面發(fā)揮了重要作用.為了客觀評(píng)價(jià)珩磨表面，描述表面織構(gòu)的特征被量化成二維數(shù)據(jù).文章著重于兩個(gè)關(guān)鍵步驟的數(shù)據(jù)分析：預(yù)處理，其目的是去除不相干的成分和提取感興趣的信息，和提取特征以保證感興趣的表面特征能夠得到可靠的數(shù)值估計(jì)，如珩磨角，溝槽參數(shù)，表面缺陷等，評(píng)估結(jié)果可以很容易的應(yīng)用于用戶的評(píng)價(jià)。 關(guān)鍵詞：珩磨，表面紋理，自動(dòng)視覺檢測(cè) 1、簡(jiǎn)介： 內(nèi)燃機(jī)氣缸孔是用珩磨的方法加工的，經(jīng)過該加工的表面主要由兩個(gè)隨機(jī)在氣缸對(duì)稱軸不同角度出現(xiàn)的螺旋槽帶組成。紋理質(zhì)量對(duì)于氣缸的干燥作業(yè)性能，石油消費(fèi)量，有害氣體排放，和運(yùn)行性能是非常重要的。直到目前，專家們?nèi)匀灰揽炕谖⒂^圖像的視覺觀察來評(píng)價(jià)珩磨組織。這種方法枯燥，具有很大的主觀性，并且耗時(shí)。為了得到客觀和可重復(fù)性的結(jié)果，一個(gè)自動(dòng)化的方法檢查是必要的。 2 、檢查方法 2.1表面數(shù)據(jù) 有一些不同的方法來衡量的珩磨表面。從表1中可以看出，傳統(tǒng)的方法，機(jī)械筆只執(zhí)行表面輪廓的一維測(cè)量。與此相反，灰度圖和光學(xué)簡(jiǎn)圖提供二維數(shù)據(jù)在合理的時(shí)間。 由于珩磨紋理的橫向幾何特征只能進(jìn)行分析二維數(shù)據(jù)，在后面的討論中，我們將集中分析這樣的數(shù)據(jù)?？疾斓呐c不同的測(cè)量原理相關(guān)的特征也被列入本表。 描述珩磨紋理重要特征的信號(hào)模型是本文所討論的評(píng)價(jià)方法的基礎(chǔ)?；谶@個(gè)模型，可以展示明確的和數(shù)學(xué)上完整定義的特性，使得組織評(píng)估具有重現(xiàn)性和客觀性。這種方法不同于許多廣泛應(yīng)用的方法—如依靠神經(jīng)網(wǎng)絡(luò)，它往往被視為一個(gè)“暗箱”[1] 。 特征的選擇是基于珩磨圖 [2] ，和許多專家的意見，并且也在分析輪廓數(shù)據(jù)的實(shí)例中通過增加新的體積參數(shù)來拓展該方法。這得出了一系列的可以滿足個(gè)人用戶需求的特征。 2.2珩磨組織性能 圖1顯示一些珩磨組織的性能，在這個(gè)基礎(chǔ)上來定義特征。最常用的是粗糙度參數(shù)，例如那些基于承載比曲線（雅培曲線）的參數(shù) [ 3 ] ，以及Ra，Rz和Rmax。 [ 4 ] 。然而，處理珩磨表面，重要的是要確定一些將橫向幾何形狀量化的特征。通過這種方式，最相關(guān)的紋理特性可以被描述，如珩磨角度，材料涂片，斷溝， 雜散溝槽 ，洞，外構(gòu)和薄片，如圖1所示。此外，描述溝槽平衡，穩(wěn)態(tài)的存在，凹槽形狀，裂縫，轉(zhuǎn)折溝槽，零散標(biāo)記的特征也需要。 機(jī)械鐵筆 灰度圖像 光學(xué)輪廓 測(cè)量區(qū)域 1-D 2-D 2-D 深度信息 是 不 是 橫向幾何信息 不 是 是 覆蓋整個(gè)表面 非常耗時(shí) 盡可能合理努力 非常耗時(shí) 計(jì)算處理費(fèi)用 低 高 高 非接觸測(cè)量 不 是 是 標(biāo)準(zhǔn)化參數(shù) 是 不 是 圖表1：表1 ：比較機(jī)械手寫設(shè)備，灰度圖像和光學(xué)簡(jiǎn)圖灰鑄鐵氣缸套 圖1 ：珩磨紋理顯示橫向特點(diǎn)和缺陷： （a）材料涂片 ，溝中斷; （b）雜散溝槽; （c）孔或外構(gòu)的合作; （d）薄片。 2.3自動(dòng)檢測(cè) 圖2顯示自動(dòng)檢測(cè)應(yīng)用的概述和其在珩磨加工中對(duì)質(zhì)量控制的目的。一個(gè)二維或三維傳感器提供珩磨表面的數(shù)據(jù)g（x），其中x = （x，y）T∈ R 2指橫向空間坐標(biāo)系?；疑珘K圖是傳感器數(shù)據(jù)處理系統(tǒng)的一部分，該系統(tǒng)的輸出數(shù)據(jù)可以用來簡(jiǎn)單地說明表面質(zhì)量，還可以在加工工藝發(fā)生中斷時(shí)發(fā)出警報(bào)，或可以通過反饋控制器調(diào)節(jié)珩磨過程，因?yàn)殓衲ソM織包含有關(guān)功能和加工過程的信息，不論珩磨后珩磨刷執(zhí)行或不執(zhí)行。 以下各節(jié)中，我們將集中于自動(dòng)化檢測(cè)的兩個(gè)關(guān)鍵步驟：對(duì)傳感器數(shù)據(jù)的預(yù)處理和特征提取，我們將針對(duì)這些步驟舉出一些例子。 圖2 ：自動(dòng)檢測(cè)的磨練表面。 3、預(yù)處理 預(yù)處理的目的是要抑制無關(guān)部分，即不均勻性i（x）和外界干擾b（x） ，同時(shí)增強(qiáng)感興趣的信息，比如組織t（x）。在圖像數(shù)據(jù)的獲取過程中，不均勻性i（x）可能是由于表面光潔度的空間差異。其他的產(chǎn)生外界干擾的原因包括偏離理想情況下的溝槽和缺陷，比如說材料涂片和薄片等。 我們用一個(gè)信號(hào)模型g（x）來描述傳感器數(shù)據(jù)，包含組織t（x）和無關(guān)成分i（x）和b（x）： 為了能夠替代感興趣的信息t（x），首先要進(jìn)行以下的假設(shè)：不同的成分必須在數(shù)學(xué)上是可以進(jìn)行區(qū)分的。 如圖3所示，經(jīng)過嚴(yán)格的分離程序，我們可以得到原始數(shù)據(jù)的成分。然后，分離出不需要的成分，經(jīng)過逆變換可以得到預(yù)處理的結(jié)果。 圖3：預(yù)處理的原理 這種處理過程的好處是簡(jiǎn)化了特征提取的步驟，并且使圖像處理過程更穩(wěn)定，這可以通過以下的例子來說明。 3.1 均質(zhì) 當(dāng)凹槽組織被數(shù)據(jù)采集過程中的非均勻性強(qiáng)度所降級(jí)，如非均勻照明，均質(zhì)化就可以制止這種有害的組成部分[ 6 ] 。圖4用這種方法做某一特定組織的例子。圖的左邊，是原始的形態(tài)。中間是用標(biāo)準(zhǔn)的同質(zhì)化方法——同質(zhì)濾波，假設(shè)非均質(zhì)和組織結(jié)合——得出的結(jié)果。特別是在左上角的部分，這張圖像的對(duì)比度很差。右邊的圖像是采用了圖3中的模型得出的結(jié)果。在這種情況下，對(duì)比度和臨界值都是均勻的，它基于一種綜合考慮了感興趣的信號(hào)和非均勻干擾信號(hào)的模型[6]。這的結(jié)果顯然比前者更均勻，并且使組織分析更具有說服力。 圖4 ：均質(zhì)： （左）規(guī)劃紋理; （中）同態(tài)濾波; （右）基于模型的同質(zhì)化 3.2紋理分解 下一個(gè)例子是對(duì)磨紋理進(jìn)行，以簡(jiǎn)化特征提取。由于珩磨組織很復(fù)雜，如果根據(jù)方程 （1）能夠得出部分組織信號(hào)g（x），那么檢測(cè)任務(wù)所需要的特征的提取就變得很容易了。這樣，開發(fā)出一種從組織信號(hào)g（x）中分離出包含直接結(jié)構(gòu)（比如溝槽）的成分函數(shù)t（x）和表現(xiàn)各向同性的組成（比如背景，包括缺陷和物體）的函數(shù)b（x）。在這種情況下，我們將利用均質(zhì)假設(shè)。 幸運(yùn)的是，一個(gè)非常有效的執(zhí)行此分離的算法已經(jīng)存在[7].圖5的左邊顯示的是原始珩磨紋理，其他兩個(gè)圖像的結(jié)果代表的是應(yīng)用該算法計(jì)算出的自適應(yīng)紋理結(jié)果。在溝槽的組織中，只有理想的凹槽才能被觀察到，而背景圖像包含所有偏離理想槽和缺陷以及其他物質(zhì)。至于更全面分離算法的討論，有興趣的讀者可參照[ 7 ]。 圖5 ：紋理分解：（左）珩磨紋理;（中心）凹槽紋理; （右）背景紋理。 3.3、參考表面 最后為了消除形狀組成，我們將定義參考表面。圖6展示了珩磨表面輪廓的軌跡，光滑的曲線描述了將要消除的形狀組成。但是，對(duì)流低通濾波的方法導(dǎo)致溝槽區(qū)域的畸變，如用點(diǎn)劃線表示的。我們針對(duì)該問題已經(jīng)開發(fā)出了一種二維迭代的濾波器來取代高斯濾波，這種方法在處理深的溝槽時(shí)優(yōu)勢(shì)尤為明顯。圖7中所描繪的三維圖形展示了珩磨表面的一個(gè)部分和應(yīng)用此方法算出的參考表面。 圖6：參考表面：對(duì)流低通濾波的問題 圖7 ：原件磨練表面和參考面。 4、特征提取 4.1珩磨角 第一個(gè)特征提取的例子是估計(jì)珩磨角度。為此，首先計(jì)算出周期（PG），它與傅里葉變換出的紋理函數(shù)成正比。 周期是一個(gè)估算的功率譜密度（ PSD ）函數(shù)的量，它指出了產(chǎn)生紋理的隨機(jī)過程的譜線的性質(zhì)[ 9 ] 。然后，徑向估算周期，如圖8所示。 由于珩磨紋理包括兩個(gè)系列的凹槽，估算功能也顯示出兩個(gè)極大值。珩磨角度估算兩個(gè)極大值之間的差異有關(guān)： 由于平均計(jì)算使周期值盡管存在差異，徑向投影卻是一個(gè)非常光滑曲線。因此，這一方法可以快速和可靠的估計(jì)珩磨角。 4.2、溝槽參數(shù) 下面的例子是關(guān)于溝槽參數(shù)的提取的。這是基于Radon轉(zhuǎn)換來完成的，這種轉(zhuǎn)換是將二維圖像的每一行畫作轉(zhuǎn)換區(qū)域的一個(gè)點(diǎn)，如圖9所示[10]。接著，每一個(gè)Radon轉(zhuǎn)換的和溝槽相對(duì)應(yīng)的明顯的峰都通過形態(tài)濾波被檢測(cè)到。最后，對(duì)于每一個(gè)被檢測(cè)到的溝槽，其相應(yīng)的參數(shù)（振幅，寬度，位置和角度）都可以通過濾波器的輸出來估測(cè)[9]。 圖9 ：圖示Radon變換 4.3、缺陷的檢測(cè) 在3.2節(jié)中，我們介紹了一種分解珩磨組織的算法。本節(jié)將重點(diǎn)討論所得到的背景組織，它包含了關(guān)于缺陷和物質(zhì)的主要信息，并且將研究一種可以通過圖像來檢測(cè)缺陷的有效方法。它是上一小節(jié)溝槽檢測(cè)的改進(jìn)，如圖11[11]。 在這種情況下，通過分解得到的溝槽圖像10的Radon轉(zhuǎn)換主要是收集有關(guān)溝槽的信息，如圖10（b）。 此外，分布在溝槽的缺陷也通過背景圖片的Radon變換集中于Radon域的峰上，見圖10 （d）和（e）。通過在Radon域內(nèi)結(jié)合凹槽紋理和背景紋理，只有代表缺陷溝槽的峰仍然存在，見圖10 （c）項(xiàng)。此圖片最明顯的高峰對(duì)應(yīng)于圖10（f）中的三個(gè)溝槽，它們確實(shí)是原始圖像中最突出的凹槽缺陷如圖5(a)。 圖10：缺陷檢測(cè)：（a）溝槽圖像；（b）圖像a的Radon轉(zhuǎn)變；（c）b和e的乘積；（d）背景圖片；（e）圖像d的Radon轉(zhuǎn)變；（f）檢測(cè)到的溝槽 5、總結(jié)和結(jié)論 本文展示了如何利用信號(hào)處理方法從不同的方面來自動(dòng)評(píng)估灰鑄鐵中珩磨組織的相關(guān)性能。為了進(jìn)行有效地自動(dòng)評(píng)估，首先需要進(jìn)行預(yù)處理，并且一個(gè)明確的和數(shù)學(xué)上完整定義的特征導(dǎo)向的方法，通過納入深層數(shù)據(jù)，新的與功能相關(guān)的參數(shù)就可以被計(jì)算出來。在以往的做法，只有粗糙度參數(shù)的一階統(tǒng)計(jì)數(shù)據(jù)被用來量化需要研究的特點(diǎn)。但是本文所探討的方法，，是基于紋理的橫向幾何特征的基本分析來進(jìn)行的，包括那些與高階相關(guān)的統(tǒng)計(jì)情況。這使專家和標(biāo)準(zhǔn)所提出的自動(dòng)評(píng)估可以適用于不同的公司。 參考文獻(xiàn)：