一种改进的刀具磨损监测方法使用本地图像和工件的分形维数

文摘

刀具磨损是一个关键因素,主导着表面质量和明显影响生成的工件表面纹理。为了实现准确的评价刀具磨损从生成的工件表面加工过程后,新开发的刀具磨损监测方法获得的工件表面的分形维数数字图像。一个白手起家的简单装置是用来捕捉周围的本地数字图像感兴趣的地区。此外,基于当地的倾斜校正方法快速傅里叶变换能量也提出了表面纹理方向调整。此外,刀具磨损派生的基于分形维数定量评估利用固有不规则性描述的高可靠性。拟议的刀具磨损监测方法验证其可行性和有效性在实际铣削实验使用的材料符合美国钢铁协会的1045立式加工中心。测试结果表明,该方法是刀具磨损状态评估的能力。

1。介绍

加工工具是一个重要的组件在制造系统中,和它的失败(刀具磨损和破损)属性高达20%的机器停机时间(1),和工具和工具的成本变化占3 - 12%的加工总成本(2]。因此,加工工具的可靠性成为一个无处不在的制造业至关重要的重要方面,直接影响能源消耗和产量(3]。传统工具替换策略采用统一的时间取决于经营者的主观经验。但这样的经验策略将不可避免地导致早期替代导致只有50 - 80%的工具使用有效的生活(4]。提高制造系统的可靠性,提出了很多策略的加工刀具状态监控。无处不在的计算,刀具磨损实时监控出现激烈的研究领域。

刀具磨损被认为是一个关键因素主导的表面质量也满足精度需求的一个关键指标在加工过程中(5]。刀具磨损监控或估算通常分为直接和间接监测(6]。直接传感技术的刀具磨损使用显微镜或charged-couple-device (CCD)相机是一种传统的建立刀具磨损测量方法(7]。但是这种方法阻止机器和删除工具持有人。所以,它延长了机智的时间和增加了生产成本。相反,许多工具间接监测方法提出的现代传感器。间接方法是有利的,因为他们不直接影响到加工过程,并提供在理想条件下识别精度高。

由于其制造成本优势和实时监控,间接的刀具磨损检测吸引了许多学者的关注。振动信号是应用最广泛的机械状态监测和故障检测方法8- - - - - -10]。此外,机器学习技术在各种工程应用场景中还发现了一个有前途的选择(11- - - - - -13]。最近,传感技术的进展已经导致刀具状态监测的建议使用各种信号,如温度、声发射、切削力和声音。科瓦克等人开发了一种新方法预测功能在工具部分基于tool-work热电偶温度与刀具磨损实验(14]。王等人提出了一种无损刀具磨损评价方法通过聚类能源破裂声发射(AE)信号的最小数量润滑切削条件下(15]。香港等人提出了一个实时的刀具磨损预测模型(切削力信号)的基础上,综合径向基本基于函数的核主成分分析(KPCA_IRBF)和相关向量机(RVM)和两种不同的切削实验验证了(16]。Ravikumar和拉马钱德兰进行刀具磨损监测系统利用声音信号期间获得铣削铝合金的17]。由于干扰的处理条件和有限的传感物理特性,多种形式的传感器检测测量工具的不同方面的条件。王等人提出了一个基于多重数据融合虚拟刀具磨损传感技术和人工智能模型的刀具状态监测(18]。黎萨等人提出了一个新颖的方法对铣削过程中刀具磨损的分类和检测使用多传感器信号和Mahalanobis-Taguchi系统(MTS) [19]。然而,这些间接方法提出一个重要的缺点:所有这些信号可能严重影响固有噪声在工业环境中生成(20.- - - - - -23),这降低了他们的性能。

铣削加工过程中使用扶轮刀具去除材料通过推进刀具工件。高效铣削过程是适合大规模生产,广泛应用于制造业。与转向机相比,很难测量旋转工具磨损与多个移动轴铣削。根据相关研究24),一个可靠的工具状态监测(TCM)可以在很大程度上减少10 - 40%的制造成本,减少停机时间和最大化的使用寿命铣工具。

加工表面地形后最终产品制造和可能是制造过程的载体和功能信息。直接和间接刀具磨损与传统评价方法相比,加工表面地形评估可以执行,而不需要停止切削过程,也喜欢自由噪声干扰的优点。不同加工表面缺陷与磨损的工具加工后在先前的文献和研究直接影响到后续生产组件的机械性能。加工参数、工具类型和几何属性以及工件在刀具磨损过程中最有影响力的参数(25]。更高层次的加工表面上生成表面损伤条件下的磨损的工具比新刀具不考虑其他切削条件。文献发现,除了切削条件(切削速度、进给速率,削减的深度),刀具磨损的修改主要影响表面粗糙度和吸引了许多研究者的注意26]。然而,一些研究得到相反的结果在评估刀具磨损表面粗糙度。李等人的研究结果表明,刀具磨损有明显的恶化对表面粗糙度的影响(27]。然而,在(28),作者首先发现表面粗糙度增加,然后下降当侧面磨损变化从0到0.3毫米。因此,刀具磨损评价方法基于一个更可靠的表面形貌统计指标是必不可少的。

由这些不同的地形参数激励刀具磨损状态监测方法,开发的一个新的刀具磨损评价方法从工件表面获得数字图像分形维数。在这个研究中,当地的数字图像通过一个白手起家的简单装置。倾斜校正方法基于局部快速傅里叶变换(FFT)能量也提出了表面纹理方向调整。刀具磨损的定量评价是基于分形维数来自倾斜纠正数字图像由于其高可靠性为固有不规则描述。

剩下的纸是组织如下:刀具磨损监测框架简要描述的部分2。实验研究了部分3,以及模型校准。开发方法的应用实例详细解释4。在一节中给出了一些结论5。

2。刀具磨损监测框架

2.1。拟议中的刀具磨损评价方法

本研究提出了一种新的刀具磨损监测方法,从工件表面获得数字图像分形维数。给出了该方法的流程图如图1。相关信息也在下面描述。步骤1:将白手起家的图像采集系统(部分中描述3.1。2)加工工件表面捕捉当地的表面图像。同时,刀具是起飞来评估工具穿传统直接刀具磨损法(描述的部分3.1。4)。步骤2:正确的原始图像的纹理斜部分提出了倾斜校正算法2.2。步骤3:在这个步骤中,估计轮廓是由类似的标准(29日]。然后,提取的轮廓曲线分形维数计算(部分中描述2.2)。最后,安装一个回归模型根据分形维度和基于传统直接获得刀具磨损刀具磨损方法(部分3所示。3)。

2.2。倾斜校正算法

霍夫变换、投影特征、傅里叶变换和shearlet变换是倾斜校正的常用算法(30.- - - - - -33]。那些倾斜检测和校正算法主要是针对检测文档的偏差水平或垂直方向的定向角。在本研究中,研究对象有一个专注于加工表面。之前的研究表明,二维信号可能含有强烈的声音在整个频域(34- - - - - -36]。因此,一种新的倾斜校正算法是必要的。

2.2.1。FFT的局部能量

图2是一个条纹图像与噪声干扰在哪里主波长,和波长组件吗和方向,分别。 和 两个方向的采样率,他们也FFT频谱的时期组件吗 。我们可以看到在图2,获得表面图像包含强烈的声音在整个频域。因此,一般的傅里叶变换用于文档扫描是不适合在这个研究。注意到的波长主要方向(在图2)是略有不同的x和y方向((b)和(c)在图2);它有可能正确的由当地FFT倾斜图像能量分布。定义本地FFT能源作为能源x傅里叶谱的正半轴 。根据这个定义,如果局部能量达到最大,图像应该倾斜。

2.2.2。倾斜校正算法

本文基于当地的小说倾斜校正算法二维FFT能源提出了改善倾斜校正精度。图中展示了该方法的流程图3见下面的步骤:第一步:输入原始图像。步骤2:使用FFT获得傅里叶频谱 。步骤3:计算傅里叶谱的局部能量李。步骤4:逆时针旋转图像1°到步骤2,直到程度达到360°旋转。第五步:输出图像的最大能量l_我。

一个典型的图像显示在图4(一)。可以看出,原始图像有明显的倾斜。这个倾斜会强烈影响刀具磨损的评估。当地的FFT能量分布如图4 (c)在水平轴表示旋转角度和垂直轴表示相应的当地FFT能源。图4 (c)显示,当地的FFT能量达到最大旋转角度时22°。旋转图像与20°;旋转图像如图4 (b)。调整图像的结果表明,该方法具有良好的倾斜校正能力。

2.3。分形维数

许多表面形貌参数已被广泛用于评估的目的从生成的工件刀具磨损。在本研究中,作者利用分形维数随着刀具磨损的评价指标。

多重分形分析,这是一个分形建模的自然延伸,已引起更多的关注和应用于近年来描述各种各样的物理现象。每一个几何实体都可以解释为一种特定的点组。不同的点的分布的二维投影显示不同的内在结构拓扑。一般来说,2 d点群的分布可以分为三种类型:均匀分布,随机分布,集体分配。

报告分形维数作为一种有效的工具来描述自然固有的不规则物体,以及点组整体形态特征(37]。分形维数的值反映了灌装点群的能力;它大于拓扑维数和小于空间维度(38]。分形模式的分析引起了热烈的讨论在过去的几年,主要领域的实证应用程序(39]。分形维数可以由几种类型的维度,例如,相似的维度,(BCD)[豪斯多夫维数,值盒维数计算40]。在这些方法中,BCD方法是最普遍接受的方法来确定分形维数在各应用领域由于其相对简单和可靠性(37,41]。

曼德布洛特(42)定义一组在一个欧氏空间被认为是自相似的N(r)不同的子集,每个副本的原始比例1 /按比例缩小r在每个空间的方向。分形维数的定义为一个对象 在哪里N(r)是最少的箱子的长度r需要完全覆盖对象。基于这个定义,提出了许多不同的尺寸类型。引入Gangepain和Roques-Carmes43),BCD发现是最简单和可靠的近似分形维数估计方法。BCD如图的原则5。使用一个固定的矩形分解点组,灌装的数量单位元素改变矩形的尺寸将会改变 。通过计算单位长度的元素数量和填充元素N (w),分形维数可以近似描述

因此,BCD方法的整个过程可以概括为以下步骤(图中可以看到6):(a)点组除以箱在不同长度 ,(b)计算数量N盒子的数量的孔隙像素大于1,和(c)情节日志(N( ))vs。 和使用合适的线性相关数据;污水生成的行表示BCD分形维数(44]。

如上所述,分形维数应大于拓扑维数小于空间维度。因此,对于二维投影,分形维数大于1小于2。分形维数反映了分布均匀度的点群;大的分形维数意味着良好的分布均匀度。图5显示了三个不同的点群分布情况。左边蓝色菱形点组,分形维数是2,而中间和右侧的菱形点的分形维数小于2组。

3所示。实验研究

为了调查提出了刀具磨损评价方法,一系列符合美国钢铁协会的1045钢铣削切削实验。

3.1。实验设置

3.1.1。工件和刀具

这个测试中使用的工件是AISI 1045钢,矩形块的尺寸230毫米(L)×90毫米(W)×90毫米(H),硬质合金端铣刀(10毫米直径)和三个牙齿是用于实验。

3.1.2。图像采集

收集的工件表面图像是一个白手起家的图像采集系统;图像采集系统的结构示意图如图7。手机的平台是构建(小米8,由小米公司,北京,中国),同轴光源(蓝光,VP-24,殃及Vanch光电科技有限公司生产的有限公司,上海,中国)和其他辅助机制。我们可以看到在图7,同轴光semireflective镜子对齐的光导致数组相同的镜头光轴。镜子表面工件均匀照明不均匀。焦距调节器是用来调整焦距。焦距调节器是用来确保聚焦距离的团结不同的照片。加工后,图像采集是放置在加工工件表面和捕捉数字图像。捕捉的细节参数表1。

3.1.3。实验参数

铣削切削实验进行垂直加工中心(DMTG VDL850A,由通用技术集团大连机床有限公司,大连,中国)。铣削试验的实验装置如图8。铣削加工参数的选择测试作为2000 rpm的主轴转速,进给速率的600毫米/分钟,0.5毫米的切削深度,切削宽度8毫米。

3.1.4。直接穿区域评价工具

在这个实验中,铣削过程多齿加工,每个齿都是相互独立的。相应的平均磨损面积是衡量一个电子测量显微镜通过直接测量法(gp - 300 c,由Gaopin精密仪器有限公司,有限公司,昆山,中国,如图9)。

3.2。评价指标

定量评估的性能开发方法,不同指标调查包括标准差、方差、偏态、峰态,粗糙度,分形维数。

偏态通常用来衡量一个随机变量的概率分布的不对称。如果偏态 ,有一个负面倾斜这意味着的质量分布主要集中在右边的图。如果 ,有一个积极的斜这意味着质量的分布主要集中在左边的图。类似于高斯分布正态分布 。

峰度衡量数据是否重尾分布或light-tailed相对于高斯正态分布。数据集高峰度往往有沉重的尾巴,或离群值。数据集峰度往往有较低的光尾,或缺乏离群值。

表面粗糙度是一个典型的参数指振幅信息和高频违规行为。在实践中有许多不同的粗糙度参数,但Ra(的算术均值偏差)是迄今为止最常用的一个。Ra的定义是 在哪里l的长度和z表示高度。根据这个定义,表面粗糙度可以量化的偏差真正的表面法向量的方向从其理想的形式39]。

3.3。模型校准

3.3.1。刀具磨损评价通过直接的方法

使用工具的一些微观图像如图所示10。刀具磨损计算获得的图像后,刀具磨损过程与不同的处理层表所示2(方向测量方法)。人们已经发现,刀具磨损区域恶化随着处理时间的增加。根据表3,刀具磨损过程可以明显分为两个阶段,稳定磨损阶段和急剧磨损阶段。在稳定磨损阶段,意味着刀具磨损区域逐渐增加从0.023毫米²到0.088毫米²。在急剧磨损阶段,意味着刀具磨损面积从0.088毫米迅速恶化²到0.529毫米²。

3.3.2。刀具磨损评价由不同的指标

从研磨表面图像收集符合美国钢铁协会的1045钢工件表面通过白手起家的图像采集系统。在实验中,获得了每一层3图像。一些典型的样本图像显示在图中11。我们可以看到在图11,图像纹理变得模糊与刀具磨损的加剧。因此,我们可以进一步探讨刀具磨损和表面图像纹理之间的关系通过适当的统计数据。

在这个研究中,各种指标(标准差、方差、偏态、峰态和分形维数)研究了根据获得的工件局部图像。根据ISO 4288的指令,工件应正确定位这部分对应的方向最大值的粗糙度。因此,在本研究中,指标计算沿着红色虚线图11。此外,移动粗糙度测量设备(类型:MarSurf PS10向男方索要“麦亥尔”(由(德国哥廷根)),图12)是从事测量加工表面粗糙度重复测量的平均粗糙度值。在不同粗糙度Ra处理层表所示4。根据记录的表,新工具产生一个大粗糙度和降低很快。然而,随着刀具磨损的进一步恶化,相应的表面粗糙度也增加。

图13显示所有指标的变化在不同的处理层。在图中,我们可以看到所有的统计参数之间没有明显的相关性,切削层。它看起来更像是一个随机游走。定量地衡量他们的相似之处,作者使用以下相关系数: 在哪里米_我是我th评价指标和是刀具磨损区。

之间的相关系数指标和测量刀具磨损区域图中列出14。这是推断从图14分形维数的强烈相关刀具磨损区域及其相关系数高达0.96。根据结果,综合得出分形维数是一种有效的用具来评估刀具磨损区。

3.3.3。模型校准

提出过,刀具磨损区域强烈相关工件局部图像的分形维数和比例关系。应用线性拟合分形维数(如图15,在那里x轴表示相应的分形维数和y轴显示刀具磨损区域)R广场是0.9247的均方误差(RMSE) 0.007394,这意味着线性拟合是非常重要的。拟合线性方程可以表示为 在哪里刀具磨损区域吗F_d分形维数。

我们可以看到在图15,可以得出结论,刀具磨损区域高度与分形维数成正比。因此,线性拟合可以有效地揭示刀具磨损区域和分形维数之间的关系,也可以准确地评估表明,刀具磨损工件局部图像的分形维数。

4所示。验证实验的开发方法

定量分析结果,使用校准的测量收集模型相比与传统的直接工具磨损评价方法在这一节中。开发方法的性能测试三种不同的铣削实验。结果显示,这些指标的值与通过直接法测量高度一致。考虑的结果直接法作为刀具磨损的理论价值,计算相对误差为23.16%,1.28%,14.21%。我们可以看到在桌子上3,提出了刀具磨损评价方法提供了令人兴奋的机遇。然而,不确定性仍然在验证实验,相对误差在第一个实验报告为23.16%,值得进一步的机械的研究。

5。结论

本文开发了一种新的刀具磨损监测方法,从工件表面获得数字图像分形维数。在这个研究中,一个白手起家的简单装置是用来捕捉当地的数字图像。然后,基于当地FFT能源倾斜校正方法也提出了表面纹理方向调整。最后,刀具磨损的情况下准确地评估工件局部图像的分形维数。实际执行在一个立式加工中心铣削实验来验证该方法。测试结果表明该方法取得了高精度刀具磨损估计。这项工作的主要结果可以概括如下:(1)提出了一种新颖的刀具磨损监测方法在本研究表面纹理信息是用于刀具磨损估计。与传统方法相比,该方法可以执行,而不需要停止切削过程,也喜欢自由噪声干扰的优点。(2)倾斜校正方法基于局部FFT能量也提出了表面纹理方向调整。测试结果表明,该算法可以有效地纠正斜在强噪音。(3)分形维数是首先用于刀具磨损估计。与其他各种指标相比,分形维数强烈相关刀具磨损区。结果表明,刀具磨损可以准确地评估工件局部图像的分形维数。

研究表明,工件表面纹理包含很多工具的几何信息,可以用来提取人数穿信息基于表面数字信息。然而,作者认为,加工表面携带更多的制造流程和功能信息,值得进一步探索。

数据可用性

使用的数据来支持本研究的结果包括在本文中。

的利益冲突

作者宣称没有利益冲突。

确认

这项工作是财务支持温州市级重大科技创新项目(没有。ZG2020023)。

引用

1. l . Fernandez-Robles g·泽帕迪,大肠圣保罗,n . Petkov和m . Castejon-Limas”识别铣原位插入基于一个通用的机器视觉系统,”制造系统期刊卷,45 48-57,2017页。视图:出版商的网站|谷歌学术搜索
2. y周和w·雪”,回顾在铣削过程中刀具状态监测方法,”国际先进制造技术杂志》上,卷96,不。5 - 8,2509 - 2523年,2018页。视图:出版商的网站|谷歌学术搜索
3. z Lei, y, b .太阳,w .太阳,“一种内在的时间表decomposition-based内核极端学习机方法检测在铣削过程中刀具磨损条件,”国际先进制造技术杂志》上卷,106年,第21212 - 12032页,2020年。视图:出版商的网站|谷歌学术搜索
4. k . Salonitis和a . Kolios可靠性评估基于代理的刀具寿命近似方法,”国际先进制造技术杂志》上,卷71,不。5 - 8,1197 - 1208年,2014页。视图:出版商的网站|谷歌学术搜索
5. y, b .太阳,w .太阳,和z Lei“刀具磨损状态监测是基于一个两层的角内核极端学习机利用声音传感器对铣削过程中,“《智能制造2020年出版社。视图:谷歌学术搜索
6. m .努里·b·k·Fussell b . l . Ziniti和e·林德“实时在铣削刀具磨损监测使用切削条件独立的方法,”国际机床制造杂志》上卷。89年,1-13,2015页。视图:出版商的网站|谷歌学术搜索
7. 郑y . j . Wang, p . Wang, r . x高,“虚拟传感增强粒子滤波为基础条件预测工具,”《生产流程,28卷,不。3、472 - 478年,2017页。视图:出版商的网站|谷歌学术搜索
8. w .太阳,y, j ., b . Chen和w·冯,”汉克尔依赖于滚动轴承状态监测:一个增强的框架,用于时间序列分析,“IEEE仪表和测量卷,70篇文章ID 3512310, 2021。视图:出版商的网站|谷歌学术搜索
9. w .太阳,y,曹x、b . Chen w·冯和l .陈”的两阶段方法使用图形相似性评价轴承故障检测,”测量文章ID 108138卷,165年,2020年。视图:出版商的网站|谷歌学术搜索
10. a·库马尔y, c·p·甘地,r·库马尔和j .香”轴承缺陷大小评估使用基于小波变换的卷积神经网络(DCNN),“亚历山大工程杂志卷,59号2、999 - 1012年,2020页。视图:出版商的网站|谷歌学术搜索
11. a·库马尔·c·p·甘地,y, g . Vashishtha r·库马尔和j .香”改善CNN 2-wheeler诊断发动机缺陷的车辆使用小波synchro-squeezed变换(墓场)”以知识为基础的系统文章ID 106453卷,285年,2020年。视图:谷歌学术搜索
12. Kumar和r·库马尔”、“最小二乘拟合的自适应小波生成和自动预测缺陷尺寸的轴承使用levenberg-marquardt反向传播,”杂志的无损评价卷,36条ID 2017。视图:出版商的网站|谷歌学术搜索
13. g . Vashishtha和r·库马尔”的有效健康指示器水斗式轮使用征收飞行突变基因,”算法”测量科学与技术2021年出版社。视图:谷歌学术搜索
14. p·科瓦奇,m . Gostimirovic d Rodic, b . Savkovic”使用温度的预测方法工具生活在可持续生产,”测量卷,133年,第327 - 320页,2019年。视图:出版商的网站|谷歌学术搜索
15. 保z . c . Wang,张平,w•明和m·陈,“最小数量润滑下刀具磨损评价聚类破裂声发射信号的能量,”测量卷,138年,第265 - 256页,2019年。视图:出版商的网站|谷歌学术搜索
16. d .香港陈y:李,c .段l . Lu和d·陈,“相关向量机刀具磨损预测。”机械系统和信号处理卷,127年,第594 - 573页,2019年。视图:出版商的网站|谷歌学术搜索
17. s Ravikumar和k . i拉马钱德兰刀具磨损监测多点刀具使用声音信号特征与机器学习技术,信号”今天材料:诉讼,5卷,不。11日,第25729 - 25720页,2018年。视图:出版商的网站|谷歌学术搜索
18. 谢j . j . Wang, r·赵l . Zhang和l .段“多重融合虚拟刀具磨损传感无处不在的制造业为基础,“机器人和电脑一体机制造卷,45 47-58,2017页。视图:出版商的网站|谷歌学术搜索
19. j . a .甘尼黎刹,m . m . z . Nuawi和c·h·c . Haron”刀具磨损的分类和检测使用多传感器信号和Mahalanobis-Taguchi系统,”穿卷,376 - 377,1759 - 1765年,2017页。视图:出版商的网站|谷歌学术搜索
20. 黄j . b .陈、李y和w .太阳,“分形几何力学特征分析,小波分解的”测量文章ID 108571卷,173年,2020年。视图:谷歌学术搜索
21. x y . b . Chen Li曹,w .太阳,和w .他,“取消电源线干扰使用适应性等级从心电图信号过滤器锋利的决议,”IEEE访问7卷,第150676 - 150667页,2019年。视图:出版商的网站|谷歌学术搜索
22. a·库马尔和r·库马尔”自适应人工智能自动识别缺陷的角接触轴承,”神经计算和应用卷,29号8,277 - 287年,2018页。视图:出版商的网站|谷歌学术搜索
23. g . Vashishtha s Chauhan m·辛格,r·库马尔”轴承缺陷鉴定群分解考虑排列熵测量和反对黏菌算法,”测量文章ID 109389卷,178年,2021年。视图:出版商的网站|谷歌学术搜索
24. a·g·Rehorn j .江和p·e·班,“最先进的刀具状态监测方法和结果:复习一下,”国际先进制造技术杂志》上,26卷,不。7 - 8,693 - 710年,2005页。视图:出版商的网站|谷歌学术搜索
25. m . Klaic z Murat、t . Staroveski和d . Brezak”刀具磨损监测岩石钻井应用程序使用振动信号,”穿卷,408 - 409,222 - 227年,2018页。视图:出版商的网站|谷歌学术搜索
26. 梁x、z刘和王,“最先进的刀具磨损引起的表面完整性的影响在加工过程中钛和镍合金:复习一下,”测量卷,132年,第181 - 150页,2019年。视图:出版商的网站|谷歌学术搜索
27. s . l . m . Li秀,d . k . Aspinwall d·皮尔森和w·莱希”研究刀具磨损和工件表面完整性钻井后碳纤维增强塑料层压制品变进给速率策略,”Procedia CIRP卷,71年,第412 - 407页,2018年。视图:出版商的网站|谷歌学术搜索
28. 梁x和z刘”,刀具磨损行为和相应的加工表面形貌在高速加工的Ti-6Al-4V细粒度的工具,”摩擦学国际卷,121年,第332 - 321页,2018年。视图:出版商的网站|谷歌学术搜索
29. w .太阳,b .姚明,b . Chen等人“非接触表面粗糙度估计使用2 d复杂的智能评价小波增强ResNet研磨金属表面质量,”应用科学ID 381条,卷。8日,2020年。视图:谷歌学术搜索
30. Verma r . n和l·g·马利克,”回顾照明和倾斜校正技术扫描文件,”Procedia计算机科学,45卷,第327 - 322页,2015年。视图:出版商的网站|谷歌学术搜索
31. f·张,y,瞿x、b . Liu和r·张,“扫描文档图像倾斜校正shearlet变换的基础上,“多学科的人工智能的趋势,9426卷,2015年。视图:谷歌学术搜索
32. m . w . Li Breier, d . Merhof”倾斜校正和行提取关键印刷文本图像,”《IEEE国际会议上图像处理(ICIP)加拿大魁北克,页472 - 476,2015年9月。视图:谷歌学术搜索
33. m .两名和m . Sid-Ahmed倾斜检测和校正基于axes-parallel边界框,“国际期刊文档分析和识别(IJDAR),18卷,不。1,59 - 71年,2015页。视图:出版商的网站|谷歌学术搜索
34. w .太阳,曹x, b . Chen y, z沈,和j .香”两阶段的方法来建立测量球螺丝的关键参数,“精密工程卷,66年,第86 - 76页,2020年。视图:出版商的网站|谷歌学术搜索
35. w .太阳和x曹”,曲率增强的轴承故障诊断方法使用二维振动信号,”机械科学与技术杂志》上,34卷,不。6,2257 - 2266年,2020页。视图:出版商的网站|谷歌学术搜索
36. w .太阳:曾,y,“形态心律失常自动诊断方法增强卷积神经网络,使用灰度共生矩阵法”IEEE访问7卷,第67129 - 67123页,2019年。视图:出版商的网站|谷歌学术搜索
37. H.-R。所以,G.-B。所以,G.-G。金”,增强计盒分形维数估计的算法,”协会杂志》上的控制,机器人技术和系统,22卷,不。9日,第715 - 710页,2016年。视图:出版商的网站|谷歌学术搜索
38. h . i Tijani:阿卜杜拉,a . Yuzir和z . Ujang“流变,分形流体动力学的有氧颗粒。”生物资源技术卷,186年,第285 - 276页,2015年。视图:出版商的网站|谷歌学术搜索
39. k .邓·d·潘、李x和f .阴”火花测试基于分形测量碳的碳含量钢箱数,“测量卷,133年,第80 - 77页,2019年。视图:出版商的网站|谷歌学术搜索
40. x y, r, s .妈,杨和f·王,“分形维数的具体meso-structure基于x射线计算机断层扫描,”粉抛光工艺卷,350年,第99 - 91页,2019年。视图:谷歌学术搜索
41. j .严y太阳,美国Cai, x,“计盒方法改进估计分形维数的图像,”杂志的应用分析与计算》第六卷,没有。4、1114 - 1125年,2016页。视图:谷歌学术搜索
42. 曼德布洛特,”英国海岸有多长?统计自相似性和分维。”科学,卷156,不。3775年,第638 - 636页,1967年。视图:出版商的网站|谷歌学术搜索
43. j。j Gagnepain和c . Roques-Carmes”二维和三维表面粗糙度,分形方法”穿,卷109,不。1 - 4、119 - 126年,1986页。视图:出版商的网站|谷歌学术搜索
44. h·吴,y, y姚明,和k . Wu,“基于成像micro-fracture结构的分形表征煤”燃料卷。239年,62年53 - 2019页。视图:出版商的网站|谷歌学术搜索

版权

版权©2021年海城Yu等。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。