第4章加工過程的智能監測與控制本章要點4.1概述4.2加工過程的無損檢測技術4.4機床加工精度的控制4.3加工過程的智能診斷概述4.1.1加工過程的智能監測與控制的目的

制造過程中的狀態監測主要是為了保障自動化加工設備的安全和加工質量，實現高效低成本加工，將來自制造系統的多傳感器在空間或時間上的冗余或互補信息通過一定的準則進行組合，挖掘更深層次，有效的狀態信息。最終實現對制造系統的一些關鍵參數進行有效的測量和評估。4.1.2智能監測與控制的內容圖4-1加工過程監測與控制實現流程（1）加工過程仿真與優化：針對

不同零件的加工工藝、切削參數、進給速度等加工過程中影響零件加工質量的各種參數，通過基于加工過程模型的仿真，進行參數的預測和優化選取，生成優化的加工過程控制指令。（2）過程監控與誤差補償：利用各種傳感器、遠程監控與故障診斷技術，對加工過程中的振動、切削溫度、刀具磨損、加工變形以及設備的運行狀態與健康狀況進行監測；根據預先建立的系統控制模型，實時調整加工參數，并對加工過程中產生的誤差

進行實時補償。（3）通訊等其他輔助智能：將實時信息傳遞給遠程監控與故障診斷系統，以及車間管理MES系統。4.1.3加工過程的智能監測與控制發展趨勢加工過程的智能監控技術的發展將主要包括：（1）加工過程監控更適合于精密加工和自適應控制的要求；（2）由單一信號的監控向多傳感器、多信號監控的發展，充分利用多傳感器的功能來消除外界干擾，避免漏報誤報情況；（3）智能技術與加工過程監控結合更加緊密；充分利用智能技術的優點，突出監控的智能性和柔性；提高監控系統的可靠性和實用性。4.2.1加工過程中常用的無損檢測技術4.2.2機器視覺4.2.3機械零件內部缺陷的紅外無損檢測技術4.2.4陣列渦流檢測技術及其應用4.2.5加工過程刀具振動檢測4.2.1加工過程中常用的無損檢測技術

金屬零件缺陷的無損檢測是通過利用電、磁、聲、光、熱等作為激勵源對金屬零件進行加熱，根據試件內部結構的形態以及變化所反饋的信息進行檢測，從而判斷金屬零件內部是否存在缺陷。目前，加工過程的典型無損檢測方法主要有：渦流檢測、超聲檢測、射線檢測、激光檢測、滲透檢測、磁粉檢測等。4.2.2機器視覺1.機器視覺的定義、用途及其系統構成圖4-2機器視覺系統的一般構成圖4-3機器視覺系統構成示例2機器視覺測量原理圖4-4雙目視覺系統測量原理O1和Or是雙目系統的兩個攝像頭，P是待測目標點，左右兩光軸平行，間距是T，焦距是f。對于空間任意一點P，通過攝像機O1觀察，看到它在攝像機O1上的成像點為P1，X軸上的坐標為X1，但無法由P的位置得到P1的位置。實際上O1P連線上任意一點均是P1。所以如果同時用O1和Or這兩個攝像機觀察P點，由于空間P既在直線O1P1上，又在OrP2上，所以P點是兩直線O1P1和OrP2交點，即P點的三維位置是唯一確定的。圖4-5機器視覺圖像處理過程

圖像采集是圖像信息處理的第一個步驟，此步驟為圖像分割、圖像匹配和深度計算提供分析和處理的對象。

視覺圖像是模擬量，要對視覺圖像進行數字化才能輸入計算機。視頻圖像采集卡可以將攝像頭攝取的模擬圖像信號轉換成數字圖像信號，使得計算機得到需要的數字圖像信號。

圖像分割的目的是將圖像劃分成若干個有意義的互補交互的小區域，或者是將目標區域從背景中分離出來，小區域是具有共同屬性并且在空間上相互連接的像素的集合。

圖像匹配：圖像分割后，對多幅圖片進行同名點匹配，從匹配結果中可以獲得同一目標在多幅圖片上的視差，最后計算出該目標的實際坐標。3機器視覺技術的應用舉例示例1：刀具磨損狀態的機器視覺檢測技術圖4-6刀具磨損檢測系統結構簡圖（1）刀具磨損檢測系統總體架構及檢測原理圖4-7刀具磨損檢測系統總體架構（2）檢測系統總體架構圖4-8刀具磨損檢測總體流程（3）圖像處理過程圖4-9圖像處理過程

基于機器視覺的刀具磨損檢測可以測量刀具的磨損量，其檢測精度取決于刀具磨損圖像的處理．刀具磨損檢測中的圖像處理過程主要包括圖像的灰度化、自適應中值濾波、自適應二值化及邊緣檢測（4）基于計算智能的刀具磨損檢測圖

4-11基于人工神經網絡的刀具磨損檢測示意圖

在不同刀具材料、切削參數、冷卻方式及加工要求情況下，分別獲取加工前的刀具和加工Δｔ時段以后的刀具圖像，并提取刀具磨損區域數據特征量，如后刀面磨損量、刀具前角和后角、刀尖距離等．將不同工況、不同刀具磨損區域的數據特征向量作為樣本，輸入人工神經網絡模型．基于人工神經網絡的刀具磨損檢測示意圖如圖4-11所示．示例2基于機器視覺的零件表面缺陷檢測圖4-13圖像采集硬件平臺圖4-14缺陷檢測系統GUI與缺陷檢測示例圖像讀入模塊：是將采集到的圖像讀入到該檢測系統當中，通過刷新按鈕可以對輸入圖像進行更換。圖像處理模塊：包括了圖像背景的分割,圖像增強和缺陷的提取。缺陷后處理模塊：該模塊是對提取出來的零件缺陷進行一些必要的后處理，包括形態學處理和邊緣檢測。缺陷識別和零件質量等級判定模塊：主要包括缺陷識別和零件質量等級評定模塊。缺陷識別模塊是對處理后的缺陷圖像進行特征的提取，并且建立相應的參數庫來訓練缺陷分類器的一種模塊。圖4-15零件表面缺陷檢測與評定

通過質量等級模塊處理后，得到的閾值為（180，370],質量等級為四級零件，如圖4-15所示。4.2.3機械零件內部缺陷的紅外無損檢測技術（1）紅外熱成像技術簡介

紅外熱成像技術是一種利用紅外攝像機將物體表面不可見的紅外熱輻射信息轉換為可見的熱圖像的非接觸、不破壞、實時、快速檢測方法。

紅外檢測技術根據是否需要外部激勵源可分為有源（主動）檢測和無源（被動）紅外檢測。被動紅外熱成像技術是利用物體發射的紅外輻射載有物體的特征信息進行智能分析判斷。主動紅外熱成像技術是通過主動施加特定的外部熱激勵，通過熱量在物體內部的熱傳導，根據物體內部缺陷處的熱傳導系數不同導致物體表面溫度的差異，使用紅外熱像儀采集熱像圖并加以判斷。（2）電磁激勵紅外無損檢測技術基本原理圖4-16紅外成像原理含缺陷金屬零件的檢測示例圖4-17金屬零件的缺陷檢測系統組成示意圖4.2.4陣列渦流檢測技術及其應用（1）陣列渦流技術原理

渦流檢測以電磁感應為基礎，當載有交變電流的檢測線圈靠近被檢導體時，由于線圈磁場的作用，試件中會感生出渦流。同時該渦流也會產生磁場，渦流磁場會影響線圈磁場的強弱，進而導致檢測線圈電壓和阻抗的變化。導體表面或近表面的缺陷會影響渦流的強度和分布，引起檢測線圈電壓和阻抗的變化，根據這一變化，可以推知導體中缺陷的存在。圖4-19陣列渦輪傳感器之間的切換示例：

汽輪機葉片和葉根槽陣列渦流檢測圖4-20汽輪機葉片（左圖）和樅樹型葉根槽（右圖）①儀器選用

示例中選用SMART－5097陣列渦流探傷儀，該儀器支持32通道陣列傳感器，可以滿足產品檢驗的需要。②探頭結構

根據陣列渦流探頭的特點和汽輪機葉片、葉根槽的結構特性可以看出，對于面積較大工件的檢測，除了需要滿足檢測靈敏度、檢測速度以及缺陷定位精度等要求外，還需要考慮被檢測工件的幾何形狀、曲面變化、

測量空間等客觀條件。(a)陣列柔性探頭(b)葉片邊緣檢測探頭(c)葉根槽檢測仿形探頭圖4-21陣列渦流傳感器探頭4.2.5加工過程刀具振動檢測圖4-24刀具振動導致零件表面產生波紋圖4-25刀具空間三維振動特征參數示意圖（1）

銑削振動信號測試方法現狀

無論采用何種檢測方法，其目的均在于通過適當的傳感器準確獲取機床部件的振動信號，以便于后續通過信號的處理、信號的分析，提取信號中所蘊涵的被檢測對象的工況信息。振動信號檢測流程如圖4-26所示。圖4-26刀具振動的檢測流程示意圖（2）測振傳感器的選擇傳感器的選取主要考慮以下方面

：①檢測物理量的選擇②選擇傳感器的量程、靈敏度等動態特性指標③考慮傳感器的使用環境、壽命、耐用程度等要求示

例4-27現場傳感器選用與布置圖示例中選用了美國PCB公司生產的PCB356A02三向加速度傳感器兩個，頻響0.5-6khz，量程±500g，分辨率0.0005g，靈敏度分別為9.94mv/g和9.87mv/g。北京昆侖海岸傳感器公司的ST-2U-05-00-20系列電渦流傳感器兩個，工作電源電壓為±15V，變換輸出為(0~5)V測量范圍1.5mm標定靈敏度為4.403mm/EU。

采用Kistler9257B壓電晶體力傳感器和5070A電荷放大器測量加工過程中的交變切削力，量程為±5KN，固有頻率為3khz靈敏度分別是0.5N/mv和-3.7pc/mv，其具有結構緊湊，分辨率高等優點。測試傳感器布置如圖

4-27所示。（3）銑削振動信號的采集系統構建圖4-28切削力測試系統示意圖目前，機械狀態監測和故障診斷的研究主要集中在以下幾個問題：(1)故障機理的研究(2)信號提取與多信息融合(3)信號分析與特征提取(4)智能診斷與混合診斷加工過程的智能診斷示例：顫振在線智能檢測機床加工精度的控制1．加工過程機床熱性能的設計與控制圖4-26機床熱變形的影響因素（1）機床熱態特性數值模擬法研究圖4-27軸承及其周邊的有限元熱模型(2)機床主軸熱態特性試驗方法①熱測試平臺研究

圖4-29機床熱誤差智能補償系統框圖圖4-30機床主軸熱誤差監測系統②測點優化研究

以溫度測點布置與優化為代表的熱態特性試驗方法，是目前數控機床熱試驗研究的熱點。溫度變量作為數控機床熱誤差補償模型的唯一輸入變量，其測點布置選擇對于數控機床的熱態性能測試有著非常重要的作用，對于建立高精度、高魯

棒性熱誤差補償模型更起著決定性的作用。2．數控機床空間定位精度控制方法（1）幾何誤差的檢測與辨識圖4-31激光干涉儀定位誤差檢測原理平動軸幾何誤差的直接測量②轉動軸幾何誤差的檢測與辨識

基于加工試件的轉動軸幾何誤差的辨識是在平動軸誤差預先補償的基礎上，利用待檢測的五軸數控機床加工有特殊幾何特征的試件，然后通過坐標測量機檢測試件特征點的位置，通過特征點理想位置和實際位置的偏差及機床的誤差模型來辨識轉軸的誤差項。

基于檢測儀器的擺動軸幾何誤差辨識方法通常是以檢測儀器獲取的機床的誤差信息為基礎，

結合機床的誤差模型通過數學方法解算擺動軸的各項幾何誤差。③動態誤差的檢測方法圖

4-37應用加速度傳感器進行試驗模態分析的試驗流程（2）數控機床的誤差補償方法①幾何誤差的補償

五軸數控機床幾何誤差補償所采用的補償方法包括：硬件補償和軟件補償兩種。硬件補償是指運用一些補償裝置或者微動機構對機床的幾何誤差進行局部的修正。圖4-38基于壓電陶瓷的微動補償機構圖4-39基于誤差模型的NC-PLC誤差補償系統示意圖

幾何誤差的軟件補償是在機床誤差預測模型基礎上發展起來的一種新方法。該種方法通常是在幾何誤差檢測、辨識后建立機床的加工誤差