数据驱动的切削加工表面形貌灰度图像生成方法技术

本发明专利技术公开了一种数据驱动的切削加工表面形貌灰度图像生成方法，相较于切削表面形貌离线采集流程和切削表面形貌运动学仿真流程，大大减少了切削表面形貌图像的采集时间和图像生成时间，通过使用生成对抗网络中的生成器，将加工信号频谱图和刀具刚度数据直接转换为切削表面形貌灰度图像数据，避免了耗时较长的表面形貌图像数据采集和仿真的流程，有利于生成对抗网络学习加工信号数据和刀具刚度信息之间的全局信息，从而提高切削表面形貌图像生成的准确性，能够在加工过程中直接获取加工工件的切削表面形貌图像，灰度图像能更好的反映加工表面留下痕迹的深浅、疏密、形状，特别是纹理特征，利于工人快速判断加工零件的产品质量。量。量。

【技术实现步骤摘要】
数据驱动的切削加工表面形貌灰度图像生成方法


[0001]本专利技术属于切削加工
，具体的为一种数据驱动的切削加工表面形貌灰度图像生成方法。

技术介绍

[0002]车削、铣削等切削加工工艺是数控切削加工领域的基础制造工艺，切削加工后工件表面形貌特征会影响零件的疲劳强度、配合性能、摩擦性能、耐蚀性和润滑性，表面形貌是评价表面质量的综合指标，也是计算表面形状误差和粗糙度等结构特征参数的前提。在加工结束后使用昂贵的专用仪器离线测量表面形貌图像需要消耗大量的人力财力，因此三维表面形貌仿真和表面形貌灰度图像生成方法更具优势。现有的表面形貌仿真方法通常是通过解析模型求解工件的三维表面形貌。
[0003]目前，针对切削过程三维表面形貌图像的生成已经有部分研究。如公开号为CN112387995B的中国专利公开的一种自由曲面超精密车削后表面形貌预测方法，通过规划的刀具轨迹将需要进行表面形貌仿真的区域划分为网格，根据各网格点与已规划刀具轨迹上的刀触点的几何位置关系计算出仿真区域内所有网格点的坐标数据，再应用计算得到的坐标数据进行曲面重构，从而实现曲面单本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据驱动的切削加工表面形貌灰度图像生成方法，其特征在于：包括如下步骤：步骤一：读取训练集中的一幅真实的切削表面形貌图像，并根据图像的大小将其定义为(H，W，C)的三维矩阵，表示为：X
t
(H
t
，W
t
，C
t
)；t＝1；步骤二：将X
t
经过迭代训练t
‑
1次的判别器得到特征图M
t1
～M
t7
，并将特征图经过分类函数后输出所述切削表面形貌图像为真的概率；步骤三：使用二进制交叉熵损失函数计算所述步骤二中得到的所述切削表面形貌图像为真的概率与真实概率1之间的损失值，并进行反向传递，从而对迭代训练t
‑
1次的判别器中的模型参数进行迭代优化，得到迭代训练t次的判别器模型；步骤四：判断迭代次数t是否达到设定的最大迭代次数T
max
：若是，则终止迭代，得到训练完成的生成器，执行步骤十；若否，t＝t+1，执行步骤五；步骤五：对加工信号数据进行流化预处理，在加工表面实时监测过程中，通过沿刀具轨迹移动短时间窗口，利用短时傅里叶变换技术对数据进行特征归一化和频谱变换，获取加工信号频谱图并将频谱图大小定义为(H，W，C)的三维矩阵，表示为X
t1
(H
t1
，W
t1
，C
t1
)；步骤六：获取沿着刀具轴向上的刚度数据，得到沿着刀具轴向上一系列点的刚度，表示为X
t2
(1，W
t2
，1)，使W
t1
＝W
t2
；步骤七：在生成器中，构建自编码器网络，通过数据转换将对应的加工信号频谱图和刀具刚度数据转换成五通道单位矩阵X
′
t
，表示为：X
′
t
(H
′
t
，W
′
t
，C
′
t
)；步骤八：构建生成器网络，将递归残差块加入到生成器网络中获得改进的生成器，将预处理网络特征图X
′
t
经过改进的生成器得到特征图M
t8
～M
t13
；步骤九：将特征图M
t13
作为当前的X
t
，循环执行步骤二；步骤十：将测试集中的加工信号频谱图和刀具刚度数据输入到训练好的生成器中生成切削表面形貌图像。2.根据权利要求1所述的数据驱动的切削加工表面形貌灰度图像生成方法，其特征在于：所述步骤二中，x
t
经过迭代训练t
‑
1次的判别器得到特征图M
t1
～M
t7
的方法为：21)对X
t
进行特征提取，经卷积操作改变X
t
通道数量，然后经数据标准化和激活操作得到特征图M
t1
(H
′
t1
，W
′
t1
，C
′
t1
)；22)对M
t1
进行特征提取，经卷积操作改变M
t1
特征图的大小，然后经数据标准化和激活操作得到特征图23)对M
t2
进行特征提取，经卷积操作改变M
t2
特征图的大小，然后经数据标准化和激活操作得到特征图24)对M
t3
进行特征提取，经卷积操作改变M
t3
特征图的大小，然后经数据标准化和激活操作得到特征图25)对M
t4
进行特征提取，经卷积操作改变M
t4
特征图的大小，然后经数据标准化和激活操作得到特征26)对M
t5
进行特征提取，...

【专利技术属性】
技术研发人员：何彦，李祖锐，李育锋，吴鹏程，李科，吴俊佑，
申请(专利权)人：重庆大学，
类型：发明
国别省市：