论文部分内容阅读
轴承是机械基础部件,而钢球作为滚动球轴承的关键零件,其表面缺陷情况直接影响轴承精度、动态性能和使用寿命。因此,对钢球表面缺陷检测技术的研究是具有非常重要的理论和实用价值。本文对基于图像技术的钢球表面缺陷检测仪开发中的光源选择、展开机构动力学仿真分析、钢球表面缺陷的模式识别等关键技术问题进行了深入的研究,并搭建了能够实际应用的样机,其主要研究内容如下:进行了检测系统的光源优化研究。从钢球表面反光特性的分析入手,研究了钢球表面成像的难点,建立了钢球表面的光反射模型。通过对大面积漫反射平板光源、漫反射扁平环形光源、漫反射球面光源和同轴光源等LED光源大量的理论和实验分析,最终确定了由FPR光源、LDR光源组合的检测机构照明方案。该光源方案,有效地解决了光晕现象、周围景物映入等问题,提高了钢球图像的质量和有效检测面积,为后期的图像处理奠定了基础。运用UG与ADAMS联合建立了检测系统展开机构的模型并进行了运动学和动力学仿真,较为真实的仿真出钢球在展开盘检测腔中的实际运动轨迹、受力及碰撞情况。钢球与检测腔侧壁存在碰撞导致钢球产生回弹运动,通过优化展开腔的直径、阻尼特性、摩擦盘与展开盘转速、摩擦盘搓动速度等结构参数和运动参数,可以改变钢球的运动状态,从而保证钢球表面能完全展开和检测效率最高。进行了钢球缺陷识别及分类关键技术研究。首先研究了钢球表面图像采集及降噪增强的图像预处理方法。将原始图片经过两次小波消噪处理消去高频白噪声,再经图像平滑处理使消噪后的图片平滑,然后设定灰度阈值运用Canny算子对图片进行边缘检测,最后对图片进行形态学处理以及图像锐化处理,为钢球缺陷的特征提取奠定了基础。确定将缺陷面积、缺陷长短径比、缺陷周长以及欧拉数等作为钢球表面缺陷识别的特征参数,并提出了一种基于BP神经网络的钢球表面缺陷类型识别方法。通过对采集到的钢球表面缺陷图像进行图像处理及特征提取,得到学习样本和预测样本,运用MATLAB软件对学习样本分析并确定合理的神经网络结构,从而精确的识别出预测样本中钢球表面缺陷的类型,通过大量实验分析,验证了该识别方法的准确性及可行性。最后在上述研究基础上,确定了光源系统、展开系统、基于单片机控制的控制系统等检测仪关键部分的设计方案,搭建了可以实际应用的基于图像技术的钢球检测仪样机,通过实验验证了所获得研究结论的正确性。