一种颤振纹理的检测方法及其装置制造方法及图纸

本申请提出一种颤振纹理的检测方法及其装置，该方法首先将采集的薄壁件铣削纹理图像进行图像预处理，再按比例随机分成训练集和测试集；对训练集和测试集进行向量化处理、数据降维和归一化处理；建立神经网络模型结构，初始化模型的权重、偏差和学习率参数，构建激活函数，运用前向传播计算当前的损失函数和成本函数，再通过后向传播计算其梯度；通过运行梯度下降法对权重和偏差进行优化，最后使用网络模型的学习的参数对测试集进行预测和分类辨别，输出预测准确率。本申请方法实现简单，并且误差修正，颤振纹理辨别准确率高，运行时间短和实时性强。

【技术实现步骤摘要】
一种颤振纹理的检测方法及其装置
本专利技术涉及机械视觉图像处理
，尤其涉及一种颤振纹理的检测方法及其装置。
技术介绍
目前，薄壁类零件在航天航空、车辆、船舶等领域广泛应用，但由于薄壁类工件自身刚度相对较低，容易在其机械加工制造过程中产生形变和模态失稳现象，从而产生颤振。在绝大部分的加工中，颤振现象影响极其恶劣但又普遍存在，对工件表面质量、加工精度造成消极影响。颤振不仅会使铣削加工过程不稳定，而且会加剧机床的磨损，影响机床和刀具的使用寿命。因此，在国际上视薄壁件颤振问题为复杂的制造工艺难题。为提高薄壁件的加工精度和加工效率，需要对颤振现象进行检测和预防，因此有效的监测手段和精准的颤振辨识已经成为智能控制领域一个重要的研究方向。颤振监测辨识技术是通过使用各种工业传感器采集工件在机械加工过程中出现的各种物理信息，并进行传输和处理，依据处理的结果对加工颤振进行检测和辨识。然而，目前颤振检测辨识技术主要分为：基于切削力信号的颤振检测，基于声场信号的颤振检测，基于振动信号的颤振检测和基于已加工工件表面图像信息的颤振检测。但由于切削中的切削液，本文档来自技高网...

【技术保护点】
1.一种颤振纹理的检测方法，其特征在于，所述方法包括：/n采集薄壁件的铣削纹理图像，所述铣削纹理图像包括正常切削图像和铣削颤振图像；/n将所述铣削纹理图像进行预处理，并随机将预处理后的所述铣削纹理图像划分为训练集和测试集；所述训练集和所述测试集成预设比例；/n对所述训练集和所述测试集进行向量化、数据降维以及归一化处理；/n根据所述训练集和所述测试集建立神经网络模型，所述神经网络模型包括初始化参数、实现前向和后向传播的损失函数和成本函数及其梯度、运行梯度下降算法来优化参数、预测以及分类辨别；/n初始化所述神经网络模型的权重、偏差、学习率和迭代步数参数，并构建阈值函数；/n前向传播计算当前的损失函...

【技术特征摘要】
1.一种颤振纹理的检测方法，其特征在于，所述方法包括：
采集薄壁件的铣削纹理图像，所述铣削纹理图像包括正常切削图像和铣削颤振图像；
将所述铣削纹理图像进行预处理，并随机将预处理后的所述铣削纹理图像划分为训练集和测试集；所述训练集和所述测试集成预设比例；
对所述训练集和所述测试集进行向量化、数据降维以及归一化处理；
根据所述训练集和所述测试集建立神经网络模型，所述神经网络模型包括初始化参数、实现前向和后向传播的损失函数和成本函数及其梯度、运行梯度下降算法来优化参数、预测以及分类辨别；
初始化所述神经网络模型的权重、偏差、学习率和迭代步数参数，并构建阈值函数；
前向传播计算当前的损失函数和成本函数，并进行后向传播进行其梯度；
通过所述梯度下降算法计算权重和偏差；
将所述权重和所述偏差输入所述训练集，进行分类辨别，并输出颤振纹理的识别准确率。


2.根据权利要求1所述的方法，其特征在于，所述铣削纹理图像预处理包括重置尺寸、卷积滤波和图像梯度提取；
所述预设比例为3∶2，即所述训练集与所述测试集的比值为3∶2。


3.根据权利要求2所述的方法，其特征在于，所述重置尺寸是将所述铣削纹理图像的宽X高，设置为400pxX150px大小；
所述的卷积滤波，设置8邻域的卷积核，并输入所述铣削纹理图像与所述卷积核进行图像卷积运算；
所述图像梯度提取，通过拉普拉斯算子对依次对所述铣削纹理图像像素进行梯度提取。


4.根据权利要求1所述的方法，其特征在于，对所述训练集和所述测试集进行向量化、数据降维以及归一化处理，具体包括：
将预处理后的所述铣削纹理图像转换成的向量序列，图像数据从三维矩阵降至一维向量；所述归一化是将向量数据集的每一行均除以像素通道最大值。


5.根据权利要求1所述的方法，其特征在于，所述方法还包括：以进行预测，其中是预测标签值，w为权重，T为转置符号，b为偏差，x(i)为第i张图像的像素向量；
σ为阈值激活函数，其表达式为z(i)为第i输入值。


6....

【专利技术属性】
技术研发人员：郭保苏，庄集超，裴国斌，胡敬文，
申请(专利权)人：燕山大学，
类型：发明
国别省市：河北;13