一种基于卷积神经网络的颤振识别方法和系统

    公开(公告)号:CN109986409A

    公开(公告)日:2019-07-09

    申请号:CN201910289065.5

    申请日:2019-04-11

    发明人: 冯伟 王建军

    IPC分类号: B23Q17/12 G06N3/04

    摘要: 本发明提供一种基于卷积神经网络的颤振识别方法和系统,该方法包括如下步骤:在实验工况下获取不同工艺参数下的削切噪音,对其进行滤波处理,得到削切噪声耳蜗谱;根据得到削切噪声耳蜗谱图对卷积神经网络进行训练,得到训练后的卷积神经网络;采集实际削切过程中的削切噪音,对其进行滤波处理,并采用训练后的卷积神经网络判别削切过程中是否发生颤振。本发明所提供的技术方案,采用削切过程中产生的削切噪声判断是否发生颤振,由于检测削切噪声时不需要接触加工机床和加工工件,适用性较强,能够解决现有技术中检测颤振的方式适用性差的问题。

    基于啮合-像素图像边缘跟踪法的齿轮齿廓边界提取方法

    公开(公告)号:CN108447071B

    公开(公告)日:2021-12-21

    申请号:CN201810219776.0

    申请日:2018-03-16

    IPC分类号: G06T7/13

    摘要: 基于啮合‑像素图像边缘跟踪法的齿轮齿廓边界提取方法,涉及齿轮。定义刀具与包络齿廓之间的传动比关系,设定刀具廓形步长和包络步长,获得不同啮合时间下的瞬时接触图像,将每个曲线包络簇图像进行二值化处理;扫略包络曲线簇边界,获取边界像素点,轮齿齿廓均为曲率变化规则的光滑齿廓;采用传统边界跟踪法对齿廓边缘进行初步跟踪,再结合阶梯型的齿廓像素边界特点及相邻齿廓曲率变化小的位置像素缺失这两大特征,对像素点进行二次提取与补偿,提高齿廓精度;刀具齿廓坐标标定;提取瞬时啮合点的像素坐标;不同瞬时啮合图像像素点间的转化;根据坐标变换过程,提取最终的齿廓坐标,提取齿轮的边缘齿廓,并进行齿形误差及接触线误差分析。