[發明專利]一種磨床砂輪自動檢測方法

在審

• 申請號: 202010911927.6
• 申請日: 2020-09-02
• 公開（公告）號: CN111993280A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 李錕;吳悅琦;候翰;王偉全
• 申請（專利權）人: 長春工程學院
• 主分類號: B24B49/12
• 分類號: B24B49/12;B24B49/00;B24B41/00
• 代理公司: 北京睿智保誠專利代理事務所(普通合伙) 11732
• 代理人: 周新楣

1.一種磨床砂輪自動檢測方法，其特征在于，包括以下步驟：

步驟S1：待檢磨床砂輪表面裂紋檢測；

步驟S2：步驟S1中檢測合格的待檢磨床砂輪進行待檢磨床砂輪動平衡檢測；

步驟S3：根據步驟S1檢測結果，將檢測合格的磨床砂輪放置待用。

2.根據權利要求1所述的一種磨床砂輪自動檢測方法，其特征在于，待檢磨床砂輪表面裂紋檢測包括如下步驟：

步驟S11：訓練集、驗證集與測試集的采集：采集待檢磨床砂輪表面裂紋圖像數據集，將采集的待檢磨床砂輪表面裂紋圖像數據集按比例隨機分成訓練集、驗證集和測試集；

步驟S12：目標分類檢測：對待檢磨床砂輪表面裂紋圖像數據采用卷積神經網絡進行目標分類檢測，通過采用遷移學習方法訓練卷積神經網絡模型；

步驟S13：利用模型進行待檢磨床砂輪表面裂紋檢測：采用滑動窗口掃描方法，待檢磨床砂輪表面裂紋圖像進行掃描，并依次送入訓練好的卷積神經網絡模型進行分類判斷，當判斷結果為裂紋時，對應區域的像素值保留；反之，則像素值賦0；

步驟S14：掃描完成后輸出檢測結果圖。

3.根據權利要求2所述的一種磨床砂輪自動檢測方法，其特征在于，在步驟S12當中，對訓練集和驗證集的待檢磨床砂輪表面裂紋圖像數據采用預訓練好的卷積神經網絡模型進行目標分類檢測，通過采用遷移學習方法調整預訓練好的卷積神經網絡模型。

4.根據權利要求2所述的一種磨床砂輪自動檢測方法，其特征在于，在步驟S11中，訓練集、驗證集和測試集中均包含有裂紋和無裂紋兩種類型的圖像數據。

5.根據權利要求2所述的一種磨床砂輪自動檢測方法，其特征在于，在步驟S14中，采用滑動窗口掃描方法，對待檢磨床砂輪表面裂紋圖像進行掃描的具體方法是：從待檢磨床砂輪表面裂紋圖像的左上角開始進行掃描，掃描窗口大小為256*256像素，掃描順序為從左到右、從上到下進行掃描。

6.根據權利要求1所述的一種磨床砂輪自動檢測方法，其特征在于，待檢磨床砂輪動平衡檢測包括如下步驟：

步驟S21：將步驟S1中檢測合格的待檢磨床砂輪利用砂輪動平衡檢測裝置進行動平衡檢測；

步驟S22：光電傳感器測量轉速的基準信號，振動傳感器檢測砂輪旋轉時的震動；

步驟S23：中央處理器接收步驟S22測得信號進行信號處理和分析，將處理結果發送至控制器，控制器控制平衡頭調整平衡塊與砂輪中心點連線的夾角大小，補償磨床砂輪不平衡質量；

步驟S24、補償后磨床砂輪震動信號達到設定的震動目標值之內，判定待檢磨床砂輪合格，反之為不合格。

7.根據權利要求6所述的一種磨床砂輪自動檢測方法，其特征在于，在步驟S23中，平衡頭調整平衡塊通過中央處理器驅動兩個永磁直流電機一個正轉、另一個反轉實現。