【技术实现步骤摘要】
砂带磨削材料去除率预测方法、装置、设备及存储介质
[0001]本专利技术涉及机器学习
,尤其涉及一种砂带磨削材料去除率预测方法、装置、设备及存储介质。
技术介绍
[0002]文献“基于遗传BP神经网络的内圆磨削ZTA陶瓷材料去除率预测”建立了通过超声频率、砂轮速度、工件速度和磨削深度等磨削参数和材料去除率之间的遗传BP神经网络预测模型。但是该模型忽略了砂轮本身的磨损对砂轮材料去除能力也有很大的影响,具有一定的局限性。文献“基于SVM的机器人高精度磨削建模”提出了一种基于SVM回归的磨削过程建模方法,研究了机器人进给速率、接触力和工件表面曲率对砂轮磨削过程中磨削量的影响。该文献依旧没有考虑砂轮磨削中自身的磨损对材料去除量的影响。文献“基于声发射信号的外圆切入磨削去除率监测”提取磨削过程中的声发射信号预测材料去除率。砂轮自身磨损程度不同,在磨削中产生的声发射信号也不同,所以该研究考虑了砂轮磨损对材料去除率的影响。然而声音信号作为一种监测磨削状态的间接信号,很容易受到环境因素的干扰,所以利用声发射信号预测材料去除率鲁棒性较弱。专利技术专利“一种基于火花图像的砂带磨削材料去除率识别方法”通过提取砂带磨削过程中的产生的火花图像的图像特征,建立了基于支持向量机的材料去除率预测模型。然而火花的出现需要满足一定的条件,比如较高的砂带速度,较大的磨削力等,所以该预测模型在砂带速度较小,磨削力较小的精密磨削应用场景下无法使用。
[0003]上述内容仅用于辅助理解本专利技术的技术方案,并不代表承认上述内容是现有技术。 >
技术实现思路
[0004]本专利技术的主要目的在于提供一种砂带磨削材料去除率预测方法、装置、设备及存储介质,旨在解决现有技术中:
[0005]1、无法对精密磨削进行预测;
[0006]2、预测过程受周围环境干扰较大,导致预测结果不准确;
[0007]3、预测精度低。
[0008]为实现上述目的,本专利技术提供了一种砂带磨削材料去除率预测方法,所述方法包括以下步骤:
[0009]使用多组不同的磨削参数磨削多条新砂带;
[0010]采集所述新砂带在磨削一道后的材料去除厚度并计算新砂带材料去除率,拍摄所述新砂带的多张磨削图像;
[0011]提取所述多张磨削图像的平均多维度特征参数;
[0012]将所述平均多维度特征参数和所述新砂带材料去除率归一化,并将归一化后的平均多维度特征参数作为输入数据集,将归一化后的新砂带材料去除率作为输出数据集;
[0013]基于所述输入数据集和所述输出数据集训练预设机器学习模型,得到材料去除率预测模型;
[0014]在待用砂带磨削时,通过工业相机采集砂带图像;
[0015]确定所述砂带图像的感兴趣区域;
[0016]计算所述感兴趣区域的多维度特征参数;
[0017]将所述多维度特征参数归一化,得到归一化特征参数;
[0018]将所述归一化特征参数输入至材料去除率预测模型中,得到归一化材料去除率;
[0019]将所述归一化去除率反归一化操作,得到实际材料去除率。
[0020]可选地,所述确定所述砂带图像的感兴趣区域,包括:
[0021]对所述砂带图像进行滤波操作、形态学处理以及二值化处理,得到处理后图像;
[0022]提取所述处理后图像中的砂带边缘,并对所述砂带边缘进行线性拟合,得到砂带基线;
[0023]基于所述砂带基线对所述砂带图像进行镜头矫正并裁剪,得到感兴趣区域。
[0024]可选地,所述计算所述感兴趣区域的多维度特征参数,包括:
[0025]提取所述感兴趣区域中的蓝色通道图像;
[0026]计算所述蓝色通道图像中的第一亮点面积和第二亮点面积;
[0027]根据所述第一亮点面积和所述第二亮点面积计算亮点面积特征参数,其中,所述多维度特征参数包括所述亮点面积特征参数。
[0028]可选地,所述计算所述感兴趣区域的多维度特征参数,包括:
[0029]将所述感兴趣区域的颜色空间由RGB颜色空间转换为HSV颜色空间,得到HSV格式图像;
[0030]计算所述HSV格式图像在色调通道的二阶颜色矩、在饱和度通道的一阶颜色矩和三阶颜色矩以及在亮度通道的二阶颜色矩阵,其中,所述多维度特征参数包括所述HSV格式图像在色调通道的二阶颜色矩、在饱和度通道的一阶颜色矩和三阶颜色矩以及在亮度通道的二阶颜色矩阵。
[0031]可选地,所述计算所述感兴趣区域的多维度特征参数,包括:
[0032]对所述感兴趣区域进行灰度化处理,得到灰度图像;
[0033]基于灰度共生矩阵计算所述灰度图像的纹理特征,其中,所述纹理特征包括角二阶矩阵、熵、对比度、相关性以及逆差距,所述多维度特征参数包括所述纹理特征。
[0034]此外,为实现上述目的,本专利技术还提出一种砂带磨削材料去除率预测装置,所述砂带磨削材料去除率预测装置包括:
[0035]磨削模块,用于使用多组不同的磨削参数磨削多条新砂带;
[0036]计算模块,用于采集所述新砂带在磨削一道后的材料去除厚度并计算新砂带材料去除率,拍摄所述新砂带的多张磨削图像;
[0037]提取模块,用于提取所述多张磨削图像的平均多维度特征参数;
[0038]数据集生成模块,用于将所述平均多维度特征参数和所述新砂带材料去除率归一化,并将归一化后的平均多维度特征参数作为输入数据集,将归一化后的新砂带材料去除率作为输出数据集;
[0039]训练模块,用于基于所述输入数据集和所述输出数据集训练预设机器学习模型,
得到材料去除率预测模型;
[0040]图像采集模块,用于在待用砂带磨削时,通过工业相机采集砂带图像;
[0041]区域确定模块,用于确定所述砂带图像的感兴趣区域;
[0042]参数计算模块,用于计算所述感兴趣区域的多维度特征参数;
[0043]参数归一模块,用于将所述多维度特征参数归一化,得到归一化特征参数;
[0044]去除率预测模块,用于将所述归一化特征参数输入至材料去除率预测模型中,得到归一化材料去除率;
[0045]反归一化模块,用于将所述归一化去除率反归一化操作,得到实际材料去除率。
[0046]此外,为实现上述目的,本专利技术还提出一种砂带磨削材料去除率预测设备,所述砂带磨削材料去除率预测设备包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的砂带磨削材料去除率预测程序,所述砂带磨削材料去除率预测程序配置为实现如上文所述的砂带磨削材料去除率预测方法的步骤。
[0047]此外,为实现上述目的,本专利技术还提出一种存储介质,所述存储介质上存储有砂带磨削材料去除率预测程序,所述砂带磨削材料去除率预测程序被处理器执行时实现如上文所述的砂带磨削材料去除率预测方法的步骤。
[0048]本专利技术使用多组不同的磨削参数磨削多条新砂带;采集所述新砂带在磨削一道后的材料去除厚度并计算本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种砂带磨削材料去除率预测方法,其特征在于,所述砂带磨削材料去除率预测方法,包括:使用多组不同的磨削参数磨削多条新砂带;采集所述新砂带在磨削一道后的材料去除厚度并计算新砂带材料去除率,拍摄所述新砂带的多张磨削图像;提取所述多张磨削图像的平均多维度特征参数;将所述平均多维度特征参数和所述新砂带材料去除率归一化,并将归一化后的平均多维度特征参数作为输入数据集,将归一化后的新砂带材料去除率作为输出数据集;基于所述输入数据集和所述输出数据集训练预设机器学习模型,得到材料去除率预测模型;在待用砂带磨削时,通过工业相机采集砂带图像;确定所述砂带图像的感兴趣区域;计算所述感兴趣区域的多维度特征参数;将所述多维度特征参数归一化,得到归一化特征参数;将所述归一化特征参数输入至材料去除率预测模型中,得到归一化材料去除率;将所述归一化去除率反归一化操作,得到实际材料去除率。2.如权利要求1所述的方法,其特征在于,所述确定所述砂带图像的感兴趣区域,包括:对所述砂带图像进行滤波操作、形态学处理以及二值化处理,得到处理后图像;提取所述处理后图像中的砂带边缘,并对所述砂带边缘进行线性拟合,得到砂带基线;基于所述砂带基线对所述砂带图像进行镜头矫正并裁剪,得到感兴趣区域。3.如权利要求1所述的方法,其特征在于,所述计算所述感兴趣区域的多维度特征参数,包括:提取所述感兴趣区域中的蓝色通道图像;计算所述蓝色通道图像中的第一亮点面积和第二亮点面积;根据所述第一亮点面积和所述第二亮点面积计算亮点面积特征参数,其中,所述多维度特征参数包括所述亮点面积特征参数。4.如权利要求1所述的方法,其特征在于,所述计算所述感兴趣区域的多维度特征参数,包括:将所述感兴趣区域的颜色空间由RGB颜色空间转换为HSV颜色空间,得到HSV格式图像;计算所述HSV格式图像在色调通道的二阶颜色矩、在饱和度通道的一阶颜色矩和三阶颜色矩以及在亮度通道的二阶颜色矩阵,其中,所述多维度特征参数包括所述HSV格式图像在色调通道的二阶颜色矩、在饱和度通道的一阶颜色矩和...
【专利技术属性】
技术研发人员:王宇翔,黄小康,郭文兴,陈华斌,陈小奇,李振,任伟培,
申请(专利权)人:宁波丞智科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。