本技术涉及机械状态监测和材料预测，具体而言，涉及一种工件表面质量预测方法、装置及计算设备。
背景技术：
1、工件表面质量直接影响产品的外观、性能和寿命，因此需要提前预测和控制表面质量以确保产品质量符合标准。在一般的加工过程中，工件的表面质量受机床状态、切削参数、主轴振动、材料性能及刀具磨损等多因素的共同影响，因此对加工工件表面质量进行预测并指导工业生产是先进制造技术的一个热点和难点。电主轴是数控机床的核心部件之一，其振动特性对工件的加工精度、加工质量有明显影响。它的动态响应预测与振动响应识别对于保障数控机床的安全稳定运行与加工质量具有重要的意义。制造业的传统质量预测依赖于设计师、操作员和检验员的武断和离散的意见，这些意见往往不一致，导致所得到的结果不够精确。另一种预测方法为经验方法，经验方法一般是在给定的机床加工条件下，进行大量的工艺实验，如控制变量法及正交试验法，再利用统计分析的方法得出经验模型，效率低下，预测结果也不够精准。
技术实现思路
1、本技术提供一种工件表面质量预测方法，用于解决现有技术难以准确预测工件表面质量的问题。
2、第一方面，本发明提供一种工件表面质量预测方法，所述方法包括：获取待预测工件对应的多个样本图像，其中，所述待预测工件为已加工过的工件，所述多个样本图像为对所述待预测工件的截面图像进行分割得到的；根据所述样本图像的第一属性数据对所述多个样本图像进行分组，得到对应的组分布模型，其中，所述组分布模型中的每组样本图像对应一个加工过程；针对所述组分布模型中的一组样本图像，将该组样本图像中的每个样本图像划分为多个细分段，并根据所述样本图像的第二属性数据将该组样本图像对应的多个细分段划分为多个状态，得到该组样本图像对应的段分布模型，其中，一个所述段分布模型对应一个加工周期；根据所述段分布模型计算该组样本图像对应的状态转移概率矩阵；根据所述状态转移概率矩阵确定该组样本图像对应的马尔可夫过渡模型的参数，以确定该组样本图像对应的加工过程内所述待预测工件的表面质量。
3、在上述方案中，基于样本图像的第一属性数据以及第二属性数据可以依次基于待预测工件对应的样本图像得到组分布模型以及段分布模型，从而可以基于上述段分布模型确定马尔可夫预测模型的参数，以预测工件的表面质量。其中，通过将马尔可夫预测模型与机械加工领域相结合，采用数学统计的方法预测工件表面质量，提高了加工表面质量预测的效率。
4、作为一种可选的方式，所述第一属性数据包括显微硬度值的均值，所述根据所述样本图像的第一属性数据对所述多个样本图像进行分组，得到对应的组分布模型，包括：获取每个样本图像对应的显微硬度值的均值；根据所述多个样本图像分别对应的均值的大小对所述多个样本图像进行分组，并得到所述组分布模型，所述组分布模型的组数小于或者等于所述多个样本图像的数量。在上述方案中，显微硬度值适用于直观反映金属材料内部的微观组织结构硬度差异，采用统计学的方法对样本图像分组，方便材料特性相近的样本图像被分为一组，可以简化计算过程，减少计算量，使预测结果更加精准。
5、作为一种可选的方式，所述第二属性数据包括黑色像素的状态比率，所述将该组样本图像中的每个样本图像划分为多个细分段，并根据所述样本图像的第二属性数据将该组样本图像对应的多个细分段划分为多个状态，得到该组样本图像对应的段分布模型，包括：将该组样本图像中的每个样本图像划分成多行多列，其中，一行与一列所交叉重合的部分为一个细分段；计算每个细分段内黑色像素的状态比率，以及，计算所有所述细分段的所述状态比率的均值和所述状态比率的标准差；根据所述多个细分段分别对应的状态比率将所述多个细分段划分至多个子区间，其中，每个子区间表征一个状态，每个子区间的宽度根据所述状态比率的均值以及所述状态比率的标准差确定。在上述方案中，在组分布模型的基础上进一步建立段分布模型，有利于建立马尔可夫过渡模型，更加精准的预测工件表面质量。
6、作为一种可选的方式，每个细分段内黑色像素的状态比率为该细分段内黑色像素所占面积与该细分段面积的比值。在上述方案中，给出了黑色像素的状态比率的具体计算方式，有利于建立马尔可夫过渡模型，更加精准的预测工件表面质量。
7、作为一种可选的方式，所述根据所述段分布模型计算该组样本图像对应的状态转移概率矩阵，包括：根据第一规则计算所述状态转移概率矩阵，所述第一规则为在状态转移概率矩阵下，每个状态只能改变到相邻状态或自身状态：
8、
9、式中，,,,表示所述状态转移概率矩阵；表示状态+1到的过渡转移概率；为所述状态转移概率矩阵的对角线元素，代表的是在状态发生的前提下再发生状态的概率；n表示自然数；为以状态为开始条件的状态观测数；为在所述段分布模型中状态离散出现的次数；为在所述段分布模型中状态第j次出现时包含的细分段个数，为单个样本图像包括的细分段总数。在上述方案中，给出了状态数大于2时，计算状态转移概率矩阵的方法，该状态转移概率矩阵经过第一规则的改进，使得计算马尔可夫过渡模型的过程更加简便，提高了工件表面质量的预测效率。
10、作为一种可选的方式，所述获取待预测工件对应的多个样本图像，包括：获取所述待预测工件的截面图像；对所述截面图像进行等比例分割，得到所述多个样本图像。在上述方案中，将同一截面图像连续等比例分割，得到多个样本图像，每个样本图像大小一致，合理的分割方式有利于建立组分布模型。
11、作为一种可选的方式，所述获取所述待预测工件的截面图像，包括：控制电子显微镜，采集所述待预测工件上沿加工进给方向的工件截面对应的所述截面图像。在上述方案中，规定了截面图像的位置与方向，使得采集的样本图像能够包含更多有效信息，使得建立的马尔可夫过渡模型能够更加精准的预测工件表面质量。
12、第二方面，本发明还提供一种工件表面质量预测装置，包括： 获取模块，用于获取待预测工件对应的多个样本图像，其中，所述待预测工件为已加工过的工件，所述多个样本图像为对所述待预测工件的截面图像进行分割得到的；分组模块，用于根据所述样本图像的第一属性数据对所述多个样本图像进行分组，得到对应的组分布模型，其中，所述组分布模型中的每组样本图像对应一个加工过程；分段模块，用于针对所述组分布模型中的一组样本图像，将该组样本图像中的每个样本图像划分为多个细分段，并根据所述样本图像的第二属性数据将该组样本图像对应的多个细分段划分为多个状态，得到该组样本图像对应的段分布模型；计算模块，用于根据所述段分布模型计算该组样本图像对应的状态转移概率矩阵；确定马尔可夫过渡模型模块，用于根据所述状态转移概率矩阵确定该组样本图像对应的马尔可夫过渡模型的参数，以确定该组样本图像对应的加工过程内所述待预测工件的表面质量。
13、第三方面，本技术实施例提供一种计算设备，包括：处理器、存储器和总线，其中，所述处理器和所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行第一方面的方法步骤。
14、第四方面，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，所述处理器执行上述第一方面的方法步骤。
1.一种工件表面质量预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一属性数据包括显微硬度值的均值，所述根据所述样本图像的第一属性数据对所述多个样本图像进行分组，得到对应的组分布模型，包括：
3.根据权利要求1所述的方法，其特征在于，所述第二属性数据包括黑色像素的状态比率，所述将该组样本图像中的每个样本图像划分为多个细分段，并根据所述样本图像的第二属性数据将该组样本图像对应的多个细分段划分为多个状态，得到该组样本图像对应的段分布模型，包括：
4.根据权利要求3所述的方法，其特征在于，每个细分段内黑色像素的状态比率为该细分段内黑色像素所占面积与该细分段面积的比值。
5.根据权利要求1所述的方法，其特征在于，所述根据所述段分布模型计算该组样本图像对应的状态转移概率矩阵，包括：
6.根据权利要求1-5任一项所述的方法，其特征在于，所述获取待预测工件对应的多个样本图像，包括：
7.根据权利要求6所述的方法，其特征在于，所述获取所述待预测工件的截面图像，包括：
8.一种工件表面质量预测装置，其特征在于，包括：
9.一种计算设备，包括：处理器、存储器和总线，其中，所述处理器和所述存储器通过所述总线完成相互间的通信；所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，所述处理器执行权利要求1-7任一项所述的方法。
