基于视觉传感和数据驱动的砂带磨削材料去除率预测方法

作     者：庞婉静 

作者单位：西安理工大学 

学位级别：硕士

导师姓名：张广鹏

授予年度：2021年

学科分类：080503[工学-材料加工工程] 08[工学] 080203[工学-机械设计及理论] 0805[工学-材料科学与工程（可授工学、理学学位）] 0802[工学-机械工程] 080201[工学-机械制造及其自动化] 

主      题：砂带磨削 材料去除率预测 局部遮挡算法 图像识别 基因表达式编程 

摘      要：砂带磨削是具有磨削、抛光、研磨等多种作用复合的加工工艺,由于其效率高、成本低等优点,被广泛应用于航空叶片、透平机叶片、鼓风机叶片等复杂曲面零件的精密加工中。砂带磨削属于柔性加工,磨削参数之间呈高度耦合,加上加工中砂带磨损这一动态因素的影响,导致磨削过程中的材料去除率具有不确定性,直接影响工件表面精度和工作性能,因此探索新的砂带磨削材料去除量预测方法具有重要意义。 本文建立了基于视觉传感和数据驱动的材料去除率预测模型,以磨削过程中视觉传感器采集的火花图像与材料去除率作为输入,建立基于基因表达式编程的材料去除率预测模型,为砂带磨削材料去除率在线预测提供了一种新的方法。 本文的研究工作如下: （1）搭建基于视觉传感器的砂带磨削试验台,对火花图像进行预处理。首先,采集了不同磨削参数下的砂带磨削火花图像与其对应的材料去除率。其次,对影响火花图像识别的背景不相关区域进行了图像分割,分割出只有火花信息的图像。最后,针对复杂磨削环境中出现局部遮挡火花图像问题,建立了基于遮挡火花图像的边缘修复与填充模型,保证了复杂环境中火花图像信息的精确性和有效性。 （2）对火花图像进行量化表征和特征约减。对预处理完成后的火花图像,提取了火花图像的五种特征,即:纹理特征、亮度特征、颜色特征、频率特征、形状特征等,其中包括21个表征量,并给出了火花图像量化表征方法与步骤。对21个表征量进行约减,最终确定了15个与材料去除率具有强相关性的表征量。基于所选表征量和材料去除率,构建训练数据集,为下一步建立数据驱动的材料去除率模型做好数据基础。 （3）建立了基于基因表达式编程程和卷积神经网络的材料去除率预测模型。以15个火花图像的表征量为模型输入,材料去除率为输出,分别建立了基于基因表达式编程和卷积神经网络的材料去除率预测模型。针对建立的模型进行性能评价,评价参数包括:MAE、MEE、RMSE、R2、MRE等5个参数。结果表明,在满足相同预测精度的条件下,GEP模型在建模速度和响应时间方面表现更优。