基于改进信息熵的直接刀具状态监测设备部署
Equipment Deployment of Direct Tool-Condition Monitoring Based on Improved Information Entropy作者机构:西南交通大学先进驱动节能技术教育部工程研究中心四川成都610031 西南交通大学机械工程学院四川成都610031
出 版 物:《西南交通大学学报》 (Journal of Southwest Jiaotong University)
年 卷 期:2024年第59卷第1期
页 面:160-167页
核心收录:
学科分类:08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 0802[工学-机械工程] 081102[工学-检测技术与自动化装置] 0811[工学-控制科学与工程] 080201[工学-机械制造及其自动化]
主 题:信息熵 方差分析 多项式回归 机器视觉 刀具状态监测
摘 要:在不拆刀情况下,基于机器视觉的在线刀具状态监测系统可完成刀具磨损测量和状态评估,但与在线捕获刀具图像质量息息相关的系统部署参数选择却鲜有研究.为解决上述问题,本文构建基于改进信息熵的多项式回归模型以实现刀具状态监测系统的最优部署.首先,使用自适应阈值方法去除捕获刀具图像中背景要素干扰,并通过信息熵指标评估图像中刀具磨损区域的成像质量;然后,构建相机工作距离、曝光时间与所提出评价指标之间的多项式回归模型以描述部署参数与提出评价指标的映射关系;最后,应用最小二乘法求取多项式模型系数获得最优部署参数.在确保自变量的因子水平涵盖最优部署参数情况下设计正交实验,实验结果表明:提出的评价指标与工作距离、曝光时间等部署参数之间均存在主效应关系,符合光学成像系统的变化规律;与支持向量机、决策树和K近邻(K-nearest neighbor,KNN)算法等非线性回归预测模型相比,三次多项式回归模型预测误差最小,其平均绝对误差、均方误差、均方根误差分别为0.022631,0.00068,0.026069;在多项式回归模型求解的最优部署参数下,所捕获的刀具图像的测量精度达到96.76%,提高0.74%,满足刀具状态监测的精度要求.