CN109773593A - 一种基于余量约束条件下的磨削方法 - Google Patents

一种基于余量约束条件下的磨削方法 Download PDF

Info

Publication number
CN109773593A
CN109773593A CN201910070955.7A CN201910070955A CN109773593A CN 109773593 A CN109773593 A CN 109773593A CN 201910070955 A CN201910070955 A CN 201910070955A CN 109773593 A CN109773593 A CN 109773593A
Authority
CN
China
Prior art keywords
model
reconstruction
components
reconstruction model
theoretical model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201910070955.7A
Other languages
English (en)
Other versions
CN109773593B (zh
Inventor
张明德
谭依泞
沈智军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing University of Technology
Original Assignee
Chongqing University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing University of Technology filed Critical Chongqing University of Technology
Priority to CN201910070955.7A priority Critical patent/CN109773593B/zh
Publication of CN109773593A publication Critical patent/CN109773593A/zh
Application granted granted Critical
Publication of CN109773593B publication Critical patent/CN109773593B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Numerical Control (AREA)
  • Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
  • Grinding And Polishing Of Tertiary Curved Surfaces And Surfaces With Complex Shapes (AREA)

Abstract

本发明公开了一种基于余量约束条件下的磨削方法,其包括如下步骤:步骤一,获取零部件的三维测量数据,根据三维测量数据逆向重构零部件的重构模型;步骤二,初始匹配,得到重构模型到理论模型的初始变换矩阵;步骤三,精确匹配,通过迭代运算完成重构模型和理论模型的精确匹配,得到零部件的加工基准和加工余量;步骤四,由步骤三得到的加工基准和加工余量设定磨削参数,对零部件进行磨削加工。其能够有效确定零部件的加工基准和加工余量,有效解决无基准叶片类零部件的数控砂带自适应磨削工艺难的问题。

Description

一种基于余量约束条件下的磨削方法
技术领域
本发明涉及叶片类零件的磨削加工,具体涉及一种基于余量约束条件下的磨削方法。
背景技术
无基准叶片类零件其叶身型面及榫头缘板是一般未经过机械加工,故在实际数控砂带自适应磨削过程中,无法以其榫头等部位确定加工基准。此类无基准叶片类零件后续磨削加工,此前一直是通过人力的方式进行加工,而人力加工的方式不仅效率低下,一致性差,良品率低,无法满足此类零件的加工需求,而且劳动环境恶劣,劳动强度大,不利于从业人员的身体健康。近年来,数控砂带自适应磨削加工此类无基准叶片零件是发展的趋势,而在自适应磨削过程中,加工基准的确定是影响此类零件加工精度的重要因素。同时,零部件的加工余量是磨抛加工的重要依据,通过在零部件的理论模型上规划磨抛加工轨迹,获得刀触点坐标,求取零部件理论模型上待加工区域的刀触点沿法失方向到重构模型的距离,即为零部件的型面的加工余量,因此,重构模型与理论模型的匹配精度将直接影响加工基准和加工余量的确定。
发明内容
本发明的目的是提供一种基于余量约束条件下的磨削方法,其能够有效确定零部件的加工基准和加工余量,有效解决无基准叶片类零部件的数控砂带自适应磨削工艺难的问题。
本发明所述的基于余量约束条件下的磨削方法,其包括如下步骤:
步骤一,获取零部件的三维测量数据,根据三维测量数据逆向重构零部件的重构模型,重构模型设为曲面Q(u1,v1),理论模型设为曲面p(u,v);
步骤二,初始匹配,在重构模型上选取三个数据点m1、m2和m3,理论模型上选取三个数据点n1、n2和n3,通过m1、m2和m3在重构模型上建立以m1为坐标原点的坐标系通过n1、n2和n3在理论模型上建立以n1为坐标原点的坐标系得到重构模型到理论模型的平移向量为:
式中,ω1为三个数据点m1、m2和m3的形心,ω1=(m1+m2+m3)/3,ω2为三个数据点n1、n2和n3的形心,ω2=(n1+n2+n3)/3,R为重构模型到理论模型的初始变换矩阵;
步骤三,精确匹配,通过迭代运算完成重构模型和理论模型的精确匹配,得到零部件的加工基准和加工余量;
步骤四,由步骤三得到的加工基准和加工余量设定磨削参数,对零部件进行磨削加工。
进一步,所述步骤二中的坐标系∑1的基矢为:
坐标系∑2的基矢为:
进一步,所述步骤二中的变换矩阵R的计算公式为:
式中,T表示矩阵的转置,-1表示矩阵的逆。
进一步,所述步骤三中的迭代运算为:首先建立目标函数E(g),设定迭代终止精度εe
所述目标函数为
式中,为重构模型上的数据点qi在刚体变换g下到理论模型p(u,v)的最小距离,也就是点gqi到理论模型p(u,v)曲面的最小距离,其计算式为:
通过求解非线性方程,得到第k次迭代的刚体变换矩阵gk
式中,α、β和γ为迭代前、后重构模型坐标系∑1基矢的之间的夹角,Δx、Δy和Δz为迭代前、后重构模型坐标系∑1基矢的平移量;
将计算结果代入目标函数,计算迭代收敛准则εiter:
若εiter≤εe,则结束迭代运算,若εiter>εe,则增加迭代次数,继续迭代运算。
本发明与现有技术相比具有如下有益效果:
1、本发明采用初始匹配和精确匹配相结合的方法来确定无基准零部件的加工基准和加工余量,保证了无基准零部件的磨削加工。
2、本发采用“三点法”实现重构模型和理论模型的初始匹配,便于操作,可行性高,提高了初始匹配的精度。
3、本发明通过建立特定的优化目标函数,保证了精确匹配的精度,进而更好地确定了零部件的加工基准和加工余量,保证了零部件的磨削精度。
附图说明
图1是本发明的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作详细说明。
船用整体螺旋桨成型工艺一般是采用毛坯浇注,没有进行机械加工,故无加工基准,同时由于船用螺旋桨尺寸大、体积重量大,且需要多道工序完成加工,本实施例选用机器人夹持磨头完成船用螺旋桨的后续自适应磨抛加工,参见图1,所示的基于余量约束条件下的磨削方法,其包括如下步骤。
步骤一,选用海克斯康GLOBAL SILVER CLASSIC SR 05.07.05型号接触式三坐标测量机对其进行检测。根据检测获取的螺旋桨点云数据,利用NX8.5三维造型软件,采用三次非均匀有理B样条曲线曲面算法对螺旋桨叶身型面进行模型重构,重构模型设为曲面 Q(u1,v1),理论模型设为曲面p(u,v)。
步骤二,将船用螺旋桨的重构模型与理论模型进行初始匹配,在重构模型上选取三个数据点m1、m2和m3,理论模型上选取三个数据点n1、n2和n3,通过m1、m2和m3在重构模型上建立以m1为坐标原点的坐标系通过n1、n2和n3在理论模型上建立以n1为坐标原点的坐标系所述坐标系∑1的基矢为:
坐标系∑2的基矢为:
选取重构模型上的一点p1,其理论模型上对应点p,p1在坐标系中的径矢为p在坐标系中的径矢为由于刚体变换不改变矢量之间的夹角,所以与各自所在坐标系的基矢的点乘的关系为:
上述等式可写为:
解出上式得到重构模型到理论模型的变换关系:
综上所述,得到重构模型到理论模型的变换矩阵R:式中, T表示矩阵的转置,-1表示矩阵的逆。
由于两个初始重构模型和理论模型的形心应该重合,得到重构模型到理论模型的平移向量为:式中,ω1为三个数据点m1、m2和m3的形心,ω1=(m1+m2+m3)/3,ω2为三个数据点n1、n2和n3的形心,ω2=(n1+n2+n3)/3,R为重构模型到理论模型的初始变换矩阵。
步骤三,精确匹配,建立非线性最小二乘目标函数E(g),设定迭代终止精度εe;所述目标函数为:
式中,为重构模型上的数据点qi在刚体变换g下到理论模型p(u,v)的最小距离,也就是点gqi到理论模型p(u,v)曲面的最小距离,其计算式为:
则有:
为了求得ming,采用迭代运算来加快全局最优收敛速度,设经过初始匹配得到的变换矩阵为g0,g0=R,当迭代次数k=0,计算目标函数
得到E(g0)的值。
通过求解非线性方程,得到第k次迭代的刚体变换矩阵gk
式中,α、β和γ为迭代前、后重构模型坐标系∑1基矢的之间的夹角,Δx、Δy和Δz为迭代前、后重构模型坐标系∑1基矢的平移量;
将计算结果代入目标函数,计算迭代收敛准则εiter:
若εiter≤εe,则结束迭代运算,实现了重构模型与理论模型的精确匹配,从而确定船用螺旋桨的加工基准和加工余量。
若εiter>εe,则增加迭代次数,继续迭代运算。
步骤四,由步骤三得到的加工基准和加工余量分布信息,生成机器人自适应磨削加工程序,对船用螺旋桨型面局部超差区域进行磨削加工,再进行精磨抛光,完成船用螺旋桨的磨抛加工。

Claims (4)

1.一种基于余量约束条件下的磨削方法,其特征在于包括如下步骤:
步骤一,获取零部件的三维测量数据,根据三维测量数据逆向重构零部件的重构模型,重构模型设为曲面Q(u1,v1),理论模型设为曲面p(u,v);
步骤二,初始匹配,在重构模型上选取三个数据点m1、m2和m3,理论模型上选取三个数据点n1、n2和n3,通过m1、m2和m3在重构模型上建立以m1为坐标原点的坐标系通过n1、n2和n3在理论模型上建立以n1为坐标原点的坐标系得到重构模型到理论模型的平移向量为:
式中,ω1为三个数据点m1、m2和m3的形心,ω1=(m1+m2+m3)/3,ω2为三个数据点n1、n2和n3的形心,ω2=(n1+n2+n3)/3,R为重构模型到理论模型的初始变换矩阵;
步骤三,精确匹配,通过迭代运算完成重构模型和理论模型的精确匹配,得到零部件的加工基准和加工余量;
步骤四,由步骤三得到的加工基准和加工余量设定磨削参数,对零部件进行磨削加工。
2.根据权利要求1所述的基于余量约束条件下的磨削方法,其特征在于:所述步骤二中的坐标系∑1的基矢为:
坐标系∑2的基矢为:
3.根据权利要求1或2所述的基于余量约束条件下的磨削方法,其特征在于:所述步骤二中的变换矩阵R的计算公式为:
式中,T表示矩阵的转置,-1表示矩阵的逆。
4.根据权利要求1或2所述的基于余量约束条件下的磨削方法,其特征在于:所述步骤三中的迭代运算为:首先建立目标函数E(g),设定迭代终止精度εe
所述目标函数为
式中,为重构模型上的数据点qi在刚体变换g下到理论模型p(u,v)的最小距离,也就是点gqi到理论模型p(u,v)曲面的最小距离,其计算式为:
通过求解非线性方程,得到第k次迭代的刚体变换矩阵gk
式中,α、β和γ为迭代前、后重构模型坐标系∑1基矢的之间的夹角,Δx、Δy和Δz为迭代前、后重构模型坐标系∑1基矢的平移量;
将计算结果代入目标函数,计算迭代收敛准则εiter:
若εiter≤εe,则结束迭代运算,若εiter>εe,则增加迭代次数,继续迭代运算。
CN201910070955.7A 2019-01-25 2019-01-25 一种基于余量约束条件下的磨削方法 Active CN109773593B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910070955.7A CN109773593B (zh) 2019-01-25 2019-01-25 一种基于余量约束条件下的磨削方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910070955.7A CN109773593B (zh) 2019-01-25 2019-01-25 一种基于余量约束条件下的磨削方法

Publications (2)

Publication Number Publication Date
CN109773593A true CN109773593A (zh) 2019-05-21
CN109773593B CN109773593B (zh) 2021-01-22

Family

ID=66502451

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910070955.7A Active CN109773593B (zh) 2019-01-25 2019-01-25 一种基于余量约束条件下的磨削方法

Country Status (1)

Country Link
CN (1) CN109773593B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111300208A (zh) * 2019-12-19 2020-06-19 重庆大学 一种复杂曲面机器人砂带变进给自适应磨削方法及设备
CN111618654A (zh) * 2020-06-04 2020-09-04 清华大学 一种叶片加工工序的自适应调控方法、装置、及电子设备
CN115625595A (zh) * 2022-12-21 2023-01-20 太原理工大学 一种定量控制的叶片抛磨方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102183205A (zh) * 2011-01-19 2011-09-14 北京航空航天大学 一种大型零部件最佳装配位姿匹配的方法
CN104616311A (zh) * 2015-02-13 2015-05-13 重庆大学 基于改进icp算法的损伤零部件精确配准方法
CN106407683A (zh) * 2016-09-19 2017-02-15 上海理工大学 基于磨削去除率模型的切入磨削工艺参数优化方法
CN108279643A (zh) * 2018-01-29 2018-07-13 西南交通大学 一种基于测量点与自适应差分进化算法的工件姿态调整方法
CN108917600A (zh) * 2018-07-05 2018-11-30 西安交通大学 一种基于三维反求的复杂结构毛坯加工定位方法
CN109117560A (zh) * 2018-08-17 2019-01-01 武汉理工大学 基于mbd的汽车典型机加工零件三维工艺设计方法及平台

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102183205A (zh) * 2011-01-19 2011-09-14 北京航空航天大学 一种大型零部件最佳装配位姿匹配的方法
CN104616311A (zh) * 2015-02-13 2015-05-13 重庆大学 基于改进icp算法的损伤零部件精确配准方法
CN106407683A (zh) * 2016-09-19 2017-02-15 上海理工大学 基于磨削去除率模型的切入磨削工艺参数优化方法
CN108279643A (zh) * 2018-01-29 2018-07-13 西南交通大学 一种基于测量点与自适应差分进化算法的工件姿态调整方法
CN108917600A (zh) * 2018-07-05 2018-11-30 西安交通大学 一种基于三维反求的复杂结构毛坯加工定位方法
CN109117560A (zh) * 2018-08-17 2019-01-01 武汉理工大学 基于mbd的汽车典型机加工零件三维工艺设计方法及平台

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111300208A (zh) * 2019-12-19 2020-06-19 重庆大学 一种复杂曲面机器人砂带变进给自适应磨削方法及设备
CN111618654A (zh) * 2020-06-04 2020-09-04 清华大学 一种叶片加工工序的自适应调控方法、装置、及电子设备
CN111618654B (zh) * 2020-06-04 2022-07-08 清华大学 一种叶片加工工序的自适应调控方法、装置、及电子设备
CN115625595A (zh) * 2022-12-21 2023-01-20 太原理工大学 一种定量控制的叶片抛磨方法
CN115625595B (zh) * 2022-12-21 2023-03-17 太原理工大学 一种定量控制的叶片抛磨方法

Also Published As

Publication number Publication date
CN109773593B (zh) 2021-01-22

Similar Documents

Publication Publication Date Title
CN109773593A (zh) 一种基于余量约束条件下的磨削方法
CN110014426B (zh) 一种利用低精度深度相机高精度抓取形状对称工件的方法
CN109202912B (zh) 一种基于单目深度传感器和机械臂配准目标轮廓点云的方法
CN104867136B (zh) 一种基于距离方差最小的工件点云匹配算法
CN108279643B (zh) 一种基于测量点与自适应差分进化算法的工件姿态调整方法
CN104697462B (zh) 一种基于中轴线的航空叶片型面特征参数提取方法
CN110202318B (zh) 一种基于双侧超声滚压加工的航空叶片定位与姿态调节方法
CN110119566B (zh) 一种适用于复杂曲面机器人砂带磨抛的切削深度预测方法及装置
CN106354098B (zh) 一种nurbs组合曲面上刀具加工轨迹生成方法
CN106446343B (zh) 一种径流叶轮直纹叶片参数化型线的自动提取方法
CN103236064A (zh) 一种基于法向量的点云自动配准方法
CN109917333B (zh) 融合aoa观测量与tdoa观测量的无源定位方法
CN110103071B (zh) 一种变形复杂零件的数字化寻位加工方法
CN105654483A (zh) 三维点云全自动配准方法
CN109101741B (zh) 一种基于三角网格简化的复杂曲面检测自适应采样方法
CN112862878A (zh) 一种基于3d视觉的机械臂修坯方法
CN114055255A (zh) 一种基于实时点云的大型复杂构件表面打磨路径规划方法
CN108274187A (zh) 一种复杂曲面零件缺陷修复系统及修复方法
Rouhani et al. Implicit polynomial representation through a fast fitting error estimation
CN113160129B (zh) 组合式精简点云数据的快速配准方法
CN112508895A (zh) 一种基于曲面配准的螺旋桨叶片质量评估方法
CN110587485B (zh) 一种磨抛接触力实时规划方法及系统
CN106803266A (zh) 一种船体复杂外板点云肋骨线提取方法及装置
CN108536932B (zh) 基于互扭约束条件下的航空叶片积叠轴垂直度计算方法
CN113835064B (zh) 一种协同校正源观测信息的加权多维标度tdoa定位方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant