轴承柱状滚动体表面缺陷检测关键技术研究
文献类型：学位论文
| 作者 | 张万智1,2
|
| 答辩日期 | 2019-05-17 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 杜劲松 |
| 关键词 | 圆柱滚子 缺陷检测 机器视觉 |
| 学位名称 | 硕士 |
| 学位专业 | 检测技术与自动化装置 |
| 其他题名 | Research on Key Technologies for Surface Defect Detection of Bearing Cylindrical Roller |
| 英文摘要 | 轴承零部件表面质量是衡量轴承产品性能的重要指标之一，其直接影响轴承在使用过程中的可靠性和稳定性，因此对轴承零部件表面进行检测具有重要意义。本文依托轴承零部件表面检测应用背景，开展了基于机器视觉的轴承柱状滚动体(圆柱滚子)表面缺陷检测共性关键技术研究。近年来，随着机器视觉相关理论和技术的不断发展，以机器视觉为基础的表面检测方法因其高效智能、非接触无损等优点在轴承圆柱滚子表面检测中得到了广泛的应用。由于轴承圆柱滚子表面具有反光度高、缺陷与背景对比弱、缺陷微小、曲线轮廓复杂且存在形位公差等特点，使得基于机器视觉的轴承圆柱滚子表面缺陷检测技术仍存在许多问题和难点：第一、在表面缺陷分割时，传统的阈值分割方法难以分割尺寸微小的表面缺陷；第二、在轮廓缺陷检测时，由于轮廓存在缺损和形位公差，使得难以有效建立标准轮廓匹配模板；第三、如何有效地对不同维度特征进行选择和组合，并克服单一缺陷分类识别模型的局限性也是表面缺陷分类识别中的难点。解决这些难点，并进一步提高圆柱滚子表面缺陷检测技术的综合性能，是本文首要研究问题。对此，本文主要进行以下几个方面的研究：在柱面缺陷检测过程中，本文基于遗传优化Otsu法提取滚子主体区域，提高了分割效率；针对柱面缺陷微小，难以检测分割这一特点，本文提出权重方差法，显著的提高了表面微小缺陷检测分割的精度。在端面缺陷检测过程中，本文以Tukey函数对最小二乘算法进行优化，降低了轮廓缺损点对轮廓标准圆拟合精度的影响，并设计了基于自匹配差分的轮廓缺陷检测方法；针对圆环表面缺陷检测，本文建立了基于统计阈值的缺陷判定准则。对于柱面缺陷分类识别，本文提出基于单变量特征评价和PCA降维融合的特征选择方法，并依据所选择特征建立了基于多模型集成的缺陷分类识别模型。为验证本文所设计轴承圆柱滚子表面缺陷检测相关算法的性能，以现有圆柱滚子样本进行实验。实验结果表明，本文缺陷检测算法能够准确检测出圆柱滚子柱面和端面存在的缺陷，缺陷检测精度为0.1mm；并且对柱面缺陷进行分类识别的结果能够满足现阶段的工业生产需求，算法整体具有较好的稳定性和鲁棒性。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 75页 |
| 源URL | [http://ir.sia.cn/handle/173321/25180]  |
| 专题 | 沈阳自动化研究所_智能检测与装备研究室 |
| 作者单位 | 1.中国科学院大学 2.中国科学院沈阳自动化研究所 |
| 推荐引用方式 GB/T 7714 | 张万智. 轴承柱状滚动体表面缺陷检测关键技术研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2019. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。