崔春蕾,袁德志,朱锟鹏

(1.中国科学院合肥物质科学研究院智能机械研究所,合肥 230031;2.中国科学技术大学,合肥 230026)

0 引言

在机床加工过程中,刀具与加工件之间的高速摩擦会使刀具产生磨损,严重磨损的刀具会降低加工效率和加工精度,故需对刀具的磨损状况进行监测。刀具磨损监测方法可以分为间接法和直接法。间接法是对加工过程中采集的一维信号,例如声信号[1]、振动信号[2]、主轴电流[3]、切削力[4]等,进行特征提取,通过特征值对刀具磨损状态进行监测的方法。然而间接法不能直观监测刀具磨损情况,并且基于深度学习的方法受到训练集数据量的约束,无法满足加工条件多变的情况。

直接法是通过光学相机对刀具切削刃进行拍摄,利用机器视觉方法对刀具图像进行分析的方法。直接法分为两种:传统图像处理法与基于深度学习的方法。前者主要包括边缘检测[6]、阈值分割[7]以及形态学分析[9]等方法。后者利用神经网络对刀具图像进行图像分类[11]以及目标检测[12]等处理。使用直接法对刀具状态进行监测的精确度较高,且不受加工条件的影响。但目前直接法所用图像,是将刀具取下后,使用高分辨率相机进行拍摄。而在实际加工中,由于刀具的高速旋转、微细刀具直径较小以及成本的限制,导致获取的图像分辨率较低。因此直接使用低分辨率图像进行刀具磨损进行监测,会降低监测的准确度。

超分辨率重建方法可以建立高低分辨率图像对之间的关系,可以用于刀具图像,将低分辨率图像重建为高分辨率图像。……