一种基于二维卷积理论的工序信号数据提取及存储方法

摘要

本发明属于装备加工过程信号数据提取相关技术领域，其公开了一种基于二维卷积理论的工序信号数据提取及存储方法，其包括以下步骤：建立多个单工序加工信号的模板图像库及需要提取数据的多工序加工信号对应的全工序图像；将所述全工序图像与模板图像进行匹配，并采用相关系数来表示二者之间的匹配程度，同时按照相关系数大小来选择最佳模板图像；采用二维卷积理论对选取得到的最佳模板图像与所述全工序图像进行图像定位以得到定位像素点；根据定位像素点、所述全工序图像的像素点与对应的信号数据采样点之间的关系提取出所求的单工序加工信号对应的信号数据，并按时间顺序进行自动存储。

权利要求

1.一种基于二维卷积理论的工序信号数据提取及存储方法，其包括以下步骤:(1)建立多个单工序加工信号的模板图像库及需要提取数据的多工序加工信号对应的全工序图像；

(2)将所述全工序图像与模板图像进行匹配，并采用相关系数来表示二者之间的匹配程度，同时按照相关系数大小来选择最佳模板图像；

(3)采用二维卷积理论对选取得到的最佳模板图像与所述全工序图像进行图像定位以得到定位像素点；

(4)根据定位像素点、所述全工序图像的像素点与对应的信号数据采样点之间的关系提取出所求的单工序加工信号对应的信号数据，并按时间顺序进行自动存储。

2.如权利要求1所述的基于二维卷积理论的工序信号数据提取及存储方法，其特征在于：所述全工序图像及所述模板图像库是根据采集加工过程的数据而获得的。

3.如权利要求1-2任一项所述的基于二维卷积理论的工序信号数据提取及存储方法，其特征在于：所述最佳模板图像为所述模板图像库中相关系数最大的模板图像。

4.如权利要求1-2任一项所述的基于二维卷积理论的工序信号数据提取及存储方法，其特征在于：所述全工序图像的像素一致；单个工序的模板图像的像素一致。

说明书

一种基于二维卷积理论的工序信号数据提取及存储方法

技术领域

[0001] 本发明属于装备加工过程信号数据提取相关技术领域，更具体地，涉及一种基于二维卷积理论的信号数据提取及存储方法。

背景技术

[0002] 工业生产过程中，需要采集单工序的加工信号数据以便进行监测及分析零部件的状态。然而，实际加工过程中的加工信号的采集大多是多个工序进行连续采集，而后续的信号分析和处理过程中往往要求采用某一段加工工序的信号，这将需要从连续的多工序信号中提取相应的单工序信号。现阶段，大都是采用手动方法提取信号数据，自大量的加工数据中采用手动方法提取信号数据是极其麻烦的。

[0003] 目前，本领域相关技术人员已经做了一些研究，但是效果不是十分理想，无专门的应用于装备加工过程信号数据提取的技术方案。相应地，本领域存在着发展一种效率较高的适用于装备加工过程信号数据的提取及存储方法的技术需求。

发明内容

[0004] 针对现有技术的以上缺陷或改进需求，本发明提供了一种基于二维卷积理论的工序信号数据提取及存储方法，其基于二维卷积理论及装备加工过程信号数据提取的特点，针对工序信号的提取方法进行了设计。所述工序信号数据提取及存储方法建立了多个单工序加工信号的模板图像库及多工序加工信号对应的全工序图像，应用图像匹配方法将模板图像与全工序图像进行匹配并按照相关系数大小选取最佳模板图像，同时采用二维卷积理论对最佳模板图像与全工序图像进行定位以得到定位像素点，以定位像素点为依据进行数据提取，实现了多个不同工序加工数据的同时提取，同时实现了不同单工序加工数据按照时间顺序进行提取和自动分类存储。此外，通过所述工序信号数据提取及存储方法提取数据的精度在95％以上，能够很好的满足后续分析及处理中对数据精度的要求。

[0005] 为实现上述目的，本发明提供了一种基于二维卷积理论的工序信号数据提取及存储方法，其包括以下步骤：

[0006] (1)建立多个单工序加工信号的模板图像库及需要提取数据的多工序加工信号对应的全工序图像；

[0007] (2)将所述全工序图像与模板图像进行匹配，并采用相关系数来表示二者之间的匹配程度，同时按照相关系数大小来选择最佳模板图像；

[0008] (3)采用二维卷积理论对选取得到的最佳模板图像与所述全工序图像进行图像定位以得到定位像素点；

[0009] (4)根据定位像素点、所述全工序图像的像素点与对应的信号数据采样点之间的关系提取出所求的单工序加工信号对应的信号数据，并按时间顺序进行自动存储。

[0010] 进一步地，所述全工序图像及所述模板图像库是根据采集加工过程的数据而获得的。

[0011] 进一步地，所述最佳模板图像为所述模板图像库中相关系数最大的模板图像。

[0012] 进一步地，所述全工序图像的像素一致；单个工序的模板图像的像素一致。

[0013] 总体而言，通过本发明所构思的以上技术方案与现有技术相比，本发明的基于二维卷积理论的工序信号数据提取及存储方法主要具有以下优点：

[0014] (1)所述工序信号数据提取及存储方法建立了多个单工序加工信号的模板图像库及多工序加工信号对应的全工序图像，应用图像匹配方法将模板图像与全工序图像进行匹配并按照相关系数大小选取最佳模板图像，同时采用二维卷积理论对最佳模板图像与全工序图像进行定位以得到定位像素点，以定位像素点为依据进行数据提取，实现了多个不同工序加工数据的同时提取，同时实现了不同单工序加工数据按照时间顺序进行提取和自动分类存储，提高了效率，且相对简单；

[0015] (2)通过所述工序信号数据提取及存储方法提取数据的精度在95％以上，精度较高，能够很好的满足后续分析及处理中对数据精度的要求；

[0016] (3)所述工序信号数据提取及存储方法简单实用，灵活性较高，可广泛应用于加工过程信号数据的提取及存储。

附图说明

[0017] 图1是本发明提供的基于二维卷积理论的工序信号数据提取及存储方法的流程示意图；

[0018] 图2是本发明第一实施方式提供的基于二维卷积理论的工序信号数据提取及存储方法的流程图；

[0019] 图3是本发明第二实施方式提供的基于二维卷积理论的工序信号数据提取及存储方法的流程图。

具体实施方式

[0020] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

[0021] 实施例1

[0022] 请参阅图1及图2，以发动机缸盖表面加工过程工序数据的提取与分类自动存储为例来说明本发明第一实施方式提供的基于二维卷积理论的工序信号数据提取及存储方法，发动机缸盖加工采用加工中心进行加工，一次完成铣削和钻削两道工序。所述工序信号数据提取及存储方法主要包括以下步骤：

[0023] 步骤一，建立多个单工序加工信号的模板图像库及需要提取数据的多工序加工信号对应的全工序图像。具体地包括以下步骤：

[0024] (1)对卧式加工中心X轴丝杠的电流信号进行数据采集，并分别依据采集到的数据形成铣削工序、钻削工序的模板图像库及铣削和钻削对应的全工序图像；

[0025] (2)将所述全工序图像转变成黑白图像，并进行增强操作，以消除或者减弱噪声，改善图像质量，使得所述全工序图像变得更加清晰；

[0026] (3)对增强处理后的所述全工序图像进行图像二值化处理；

[0027] (4)分别对铣削工序的模板图像及钻削工序的模板图像进行增强处理，之后并对铣削工序的模板图像及钻削工序的模板图像进行图像二值化处理；

[0028] 步骤二，将全工序图像与模板图像进行匹配，并采用相关系数来表示二者之间的匹配程度，按照相关系数大小来选择最佳模板图像；同时，采用二维卷积理论对选取得到的最佳模板图像与全工序图像进行图像定位以得到模板图像在全工序图像中的定位像素点。具体地，首先，分别将铣削工序的模板图像及钻削工序的模板图像旋转90度；之后，将铣削工序的模板图像、钻削工序的模板图像及全工序图像按照公式(1)进行傅里叶变换至频域，接着进行乘积计算；最后，将得到的结果按照公式(2)进行反傅里叶变换，并取得到的结果的实部数值，即找到卷积值C中的最大值，所述最大值所在点的位置即为定位像素点，同时分别得到了铣削工序及钻削工序的二维卷积计算图像。

[0029]

[0030] 其中，M，N为图像尺寸，μ＝0，1，...，M-1，v＝0，1，...，N-1。

[0031]

[0032] 其中，x＝0，1，...，M-1，y＝0，1，...，N-1。

[0033] 步骤三，根据定位像素点、全工序图像的像素点与信号数据采样点之间的关系提取出所求的单工序加工信号对应的采样数据，并按时间先后顺序进行自动存储。具体地，首先，提供Matlab模块，自动依据所述定位像素点将铣削加工工序电流信号图及钻削加工工序电流信号图在所述全工序图像中圈出；接着，，加载与所述全工序图像对应的电流信号数据文件至所述Matlab模块，所述电流信号数据文件为所述Matlab模块内的“*.mat”文件；之后，将所述“*.mat”文件中的采样点与所述全工序图像的像素点进行对应，进而依据获得的对应关系提取铣削工序图像及钻削工序图像对应所述“*.mat”文件中的对应电流信号数据；最后，将提取获得的铣削工序的电流信号数据及钻削工序的电流信号数据分类进行存储，分别保存为mill_1.mat文件和dill_1.mat文件。

[0034] 将提取得到的对应加工工序信号数据，记为集合A，有ai(i＝1，2，...，n)∈A，与模板图像对应的加工工序信号数据，记为集合B，有bj(j＝1，2，...，m)∈B，如果有数据xt(t＝1，2，...，k)∈(A∩B)，那么数据的提取精度即为：

[0035]

[0036] 本实施方式中共提取铣削电流数据为16596个，其中有16505个是原始铣削工序图像的对应数据，故按照公式(3)计算得到提取数据精度为99.45％；钻削工序共提取电流数据26432个，其中有26350个是原始铣削工序图像的对应数据，故按照公式(3)计算得到提取数据精度为99.69％，以上结果可以满足后续分析问题对数据精确度的要求。

[0037] 实施例2

[0038] 请参阅图3，以生产过程中零部件的状态监测为例来说明本发明第二实施方式提供的基于二维卷积理论的工序信号数据提取及存储方法，为了准确的提取零部件全寿命周期下的铣削及钻削工序电流数据，这里分别依据铣削加工分别在新零件、正常运行及即将被更换三个不同状态下的电流数据图像来进行工序数据的循环提取与存储，根据给出的电流数据图像提取采集数据主要包括以下步骤：

[0039] 步骤一，图像数据采集。具体地，首先，将通过数据采集器采集的传感器电流数据整理，将每次加工过程的电流数据均提取72000个数据采集点；之后，将每次加工过程提取得到的72000个数据采集点形成的电流图像(全工序图像)按照加工时间先后顺序保存为“*.png”图片形式，文件按照序号先后命名，本实施方式中，保存的图片的像素一致，以便后续数据提取工作顺利进行；所有的电流图像均保存为1161×677像素，且均保存至同一文件夹；最后，将各状态铣削过程电流数据图像(模板图像)和钻削电流数据图像(模板图像)转换为相同像素图片，铣削过程电流数据图像均采用194×102像素，钻削过程电流图片均采用310×117像素，文件名按照零件状态新旧顺序命名，并与全工序图像保存至同一文件夹。

[0040] 步骤二，图像数据预处理。将3个铣削工序图像分别与当前需要定位的全工序加工图像进行图像匹配，匹配过程中计算二者的相关系数，取相关系数最大的铣削工序图像进行定位，具体地，首先，将当前匹配的全工序图像与铣削工序图像转换为灰度图像；之后，按照像素在全工序图像中截取与铣削工序图像尺寸相同的图像，将铣削工序图像与全工序图像中截图的图像进行循环匹配，每次匹配中均计算铣削工序图像与全工序图像中截取图像的相关系数r值，相关系数r的计算公式如公式(4)所示。

[0041]

[0042] 这里，X为铣削工序图像特征，Y为全工序图像特征；

[0043] 接着，循环结束，找到计算得到的所有r值中的最大值；之后，将3个铣削工序的加工过程图像均进行上述步骤，并找到3个图像中的相关系数r的最大值；最后，取最大相关系数r值对应的铣削加工过程图像与全工序图像，并按照实施例1中的步骤(2)～(4)进行图像数据预处理。

[0044] 步骤三，数据提取与存储。对选取的铣削和钻削加工过程图像及待定位的全工序图像按照实施例1中的步骤二和步骤三进行铣削及钻削工序电流数据的提取及存储。

[0045] 步骤四，多图循环数据提取与存储。具体地，对保存于同一文件夹中的多个全工序原始图像，按照上述步骤进行循环匹配计算相关系数r值，并进行对应铣削工序及钻削工序的电流数据提取和存储。提取得到的数据按照原图像时间先后顺序保存至同一“*.mat”文件中，以便后续分析应用。

[0046] 按照上述步骤，依次对文件夹中共20个全工序图像进行铣削工序及钻削工序数据提取，保存名称为mill_1.mat和dill_1.mat的Matlab文件。20个全工序图像的铣削工序及钻削工序数据提取精度如表1所示。

[0047] 表1 20个全工序图像数据提取精度表

[0048]

[0049] 由表1可见，20个全工序图像数据提取精度均达到了95％以上，可见，本发明提供的基于二维卷积理论的工序信号数据提取及存储方法可以较好的提取对应加工工序信号数据，可以满足后续分析对于数据提取精度的要求。

[0050] 本发明提供的基于二维卷积理论的工序信号数据提取及存储方法，其建立多个单工序加工信号的模板图像库及多工序加工信号对应的全工序图像，应用图像匹配方法将模板图像与全工序图像进行匹配并按照相关系数大小选取最佳模板图像，同时采用二维卷积理论对最佳模板图像与全工序图像进行定位以得到定位像素点，以定位像素点为依据进行数据提取，实现了多个不同工序加工数据的同时提取，同时实现了不同单工序加工数据按照时间顺序进行提取和自动分类存储，提高了效率，且相对简单；通过所述工序信号数据提取及存储方法提取数据的精度在95％以上，精度较高，能够很好的满足后续分析及处理中对数据精度的要求。此外，所述工序信号数据提取及存储方法简单实用，灵活性较高，可广泛应用于加工过程信号数据的提取及存储。

[0051] 本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。