CN109855590B - 一种圆柱类零件弯曲变形轴线杠杆式连续测量方法 - Google Patents

Abstract

本发明提供了一种圆柱类零件弯曲变形轴线杠杆式连续测量方法，主要由被测圆柱轴、杠杆机构、位移传感器以及丝杠导轨组成。被测圆柱轴做匀速旋转运动，杠杆机构回转中心与位移传感器固定在与被测圆柱轴线平行的丝杠导轨上。杠杆机构与丝杠导轨方向垂直，杠杆机构一端与被测圆柱轴表面接触，另一端与位移传感器探头接触，被测圆柱轴的偏心变化波动量可以由杠杆机构传递到位移传感器。对信号进行算法处理，可得到被测圆柱轴的各截面的偏心量、偏心方向，从而绘制出其实际轴线的空间曲线。该方法避免了传感器探头与被测件的直接接触，可以实现对圆柱类零件轴线的连续测量，更准确的获得被测件轴线的三维空间曲线，其结构简单、原理可靠、精度高。

Description

一种圆柱类零件弯曲变形轴线杠杆式连续测量方法

技术领域

本发明属于零件轴线测量领域，具体涉及一种圆柱类零件弯曲变形轴线杠杆式连续测量方法。

背景技术

圆柱类零件作为做旋转运动的零部件，是工业生产中最常用的零件之一，例如各种传动轴、主轴、电动机和汽轮机的转子等。由于制造水平的限制，钢材在热轧制时的受热不均匀、降温不均匀以及压下控制的不合理性都会导致生产零件的轴线产生弯曲变形，影响零件的直线度。而直线度测量是几何量计量领域里最基本、最重要的项目，它与尺寸精度、圆度和粗糙度统称为影响产品质量的四大要素，对轴类等零件的评估具有重要的意义。

圆柱类零件的真实轴线对于理想轴线的偏离程度一般是作为衡量该零件直线度公差大小的手段，其测量方法一般可分为非接触式测量和接触式测量。非接触式测量又可分为光学方法和非光学方法。非光学方法中比较常用包括电容性、电感性以及射线法等；光学方法主要有投影法、扫描法、干涉法、衍射法以及光学成像法等。接触式测量可分为直接测量和间接测量两种，所谓直接测量就是传感器探头直接与被测工件表面接触，而间接测量就是借助中间机构使传感器探头不与工件表面直接接触的测量方法。非接触式测量容易受到光和空气等环境因素的干扰，抗干扰能力差、稳定性差，影响测量信号的准确性。接触式测量中的直接测量法中，传感器探头与工件表面的直接接触与频繁摩擦、工件表面的部分凸起等因素会对测量结果造成影响。而间接测量将被测零件的偏差通过中间机构传递给传感器，避免了传感器探头与工件频繁摩擦造成的磨损，提高了精度。

综上所述，能实现可靠性高、适用性广泛、经济性强的圆柱类零件轴线测量方法，具有重要意义与实际应用价值。

发明内容

本发明的目的是提供一种圆柱类零件弯曲变形轴线杠杆式连续测量方法，该方法避免了传感器探头与工件频繁摩擦造成的磨损，而且能实现对被测零件的连续测量，提高了测量精度。

为实现上述目的，本发明采用的技术方案如下：

一种圆柱类零件弯曲变形轴线杠杆式连续测量方法，是由被测圆柱轴、动态连续测量机构等组成，其动态连续测量机构主要由杠杆机构、位移传感器以及用于支撑杠杆机构和传感器的丝杠导轨等组成。

所述被测圆柱轴以固定的角速度匀速旋转；所述丝杠导轨的方向与被测体的轴线方向平行。

所述杠杆机构在所述丝杠导轨上做匀速直线运动，杠杆机构与丝杠导轨方向垂直并且丝杠导轨的回转中心固定在其运动轴线上；杠杆机构的测量端与被测圆柱轴表面接触，另一端与位移传感器的探头接触，从而避免了传感器探头与被测件的直接接触与频繁摩擦。

所述的位移传感器的测量探头与杠杆机构的非测量端接触，被测圆柱轴的偏心变化波动量可以由杠杆机构传递到位移传感器，再由采集卡对测量信号进行采集并输入计算机，通过算法进行处理，得到被测圆柱轴的各截面的偏心量以及偏心方向，从而绘制出其实际轴心线的空间曲线。

本发明的优势在于：与直接接触测量相比，杠杆式测量方法不紧继承了直接接触的所有优点，而且解决了直接测量方法中传感器与被测零件贴合不紧的问题，又将传感器与被测件分离，避免了传感器探头与被测件表面的直接接触与频繁摩擦；并且可以实现对圆柱类零件轴线的连续测量，更准确的获得被测件轴线的真实三维空间曲线，其结构简单、原理可靠、效率高、易于实现自动化。

附图说明

图1为本发明测量方法示意图

图2为本发明测量方法截面原理图

图3(a)为本发明用于测量的模拟圆柱轴

图3(b)为基于本测量方法位移传感器的模拟仿真测量曲线图

图4为本发明测量方法测量数据处理算法流程图

具体实施方式

以下结合附图对本发明进行进一步说明：

如图1所示，本发明一种圆柱类零件弯曲变形轴线杠杆式连续测量方法，主要是由被测圆柱轴1、杠杆机构2、位移传感器4以及用于支撑杠杆机构和传感器的丝杠导轨3等组成。所述被测圆柱轴1以固定的角速度ω匀速旋转；所述丝杠导轨3的方向与被测圆柱轴1的轴线方向平行。。

所述杠杆机构2在所述丝杠导轨3上做速度为v的匀速直线运动，杠杆机构2与丝杠导轨3方向垂直并且丝杠导轨3的回转中心固定在其运动轴线上；杠杆机构2的测量端与被测圆柱轴1表面接触，另一端与位移传感器4的探头接触，从而避免了传感器4探头与被测圆柱轴1的直接接触与频繁摩擦。

所述的位移传感器4的测量探头与杠杆机构2的非测量端接触，被测圆柱轴1的偏心变化波动量可以由杠杆机构2传递到位移传感器4。

如图2所示，为本发明测量方法截面原理图。定义杠杆机构2的回转中心坐标为O(0,0)，其基本结构尺寸分别为C，r，E；被测圆柱轴1的总长度为L，被测截面半径为R，回转中心为O′(A,B)，截面几何中心为O″(A₀,B₀)，偏心量为e，偏心角为θ，其中A₀＝A+ecos(θ)，B₀＝B+esin(θ)，该位置所处的相交为

其中

为初始相角，t为测量时间。

在t时刻，传感器所处的轴向位置和相角为

z＝z₀+vt (1)

其中，z₀为传感器初始位置。

偏心量e和初始相角

均是轴向位置z的函数，即e＝e(z)和

这两个函数就是测量所要最终确定的。

如图2中，位移传感器4的测量方向直线方程L₀为：x＝-r；经过坐标原点的杠杆机构L₂的直线方程为：y＝-xtan(Ф)；对于直线L₁，相当于将直线L₂向下平移了C/cos(Ф)个单位，所以图2中个直线的方程分别为：

L₀：x＝-r (3)

L₁：y＝-xtan(Ф)-C/cos(Ф) (4)

L₂：y＝-xtan(Ф) (5)

根据平面解析几何及三角函数关系，可以求得位移传感器4探头测得的位移变化量，即位移传感器4示值为：

如图3(a)和3(b)所示，为基于本发明测量方法位移传感器4的模拟仿真测量值，其中对应图2中各结构尺寸为C＝15mm，r＝65mm，E＝20mm，A＝130mm，B＝32mm，L＝300mm，R＝32mm。再由采集卡对位移传感器4的测量信号进行采集并输入计算机。

如图4，对位移传感器4采集的数据进行处理按照以下算法进行：

1)按照设定的数据采集量N_p、移动速度v和转速ω，进行数据有效采集，给定初始位置z₀，获得位置z和传感器示值δ的对应信号序列z_s和D_s；

2)算法输入：z_s，D_s，v，ω，(R，C，r，E，A，B)；

3)计算x₀＝arcsin[(R+E)/(A²+B²)^1/2]-arctan(B/A)；

计算D₀＝rtan(x₀)-C/cos(x₀)+C；

4)将信号序列D_s中各元素减去D₀，获得新的信号序列D_s；

5)寻找信号序列D_s中具有相邻两元素符号相异特征的数据，即满足D_s(k)×D_s(k+1)<0的数据，并将所有这样的数据位置k保存为向量I_p；

6)在向量I_p首尾增加1和D_s的数据长度N_D，获得新向量I₀，即I₀＝[1,I_p,N_D]；

7)循环依次提取I₀中相邻两个元素I₁和I₂，即I₁＝I₀(k)，I₂＝I₀(k+1)；

8)提取信号序列D_s中第I₁至第I₂元素，找出其中的绝对值最大元素所在D_s中的位置I_A；

9)计算D_A＝D_s(I_A)+D₀，计算x＝{r-[r²-(2C-D_A)D_A]^1/2}/(2C-D_A)，计算J_k＝π/2-2arctan(x)-[z_s(I_A)-z₀]ω/v；

10)如果D_s(I_A)>0，那么计算J_k＝π+J_k；

11)记录z_As(k)＝z_s(I_A)；计算并记录h_As(k)＝J_k-floor(J_k/2/π)×2π，其中floor表示向下取整运算；计算并记录e_As(k)＝{[(1-x²)B+2Ax]/(1+x²)-(R+E)}的绝对值；

12)返回7，进行后续计算；

13)算法输出向量：轴向位置z_As，偏心量e_As，偏心角h_As。

通过上述算法处理，得到被测圆柱轴1的各截面偏心量以及偏心方向，从而可绘制出其实际轴心线的空间曲线。

Claims (1)

1.一种圆柱类零件弯曲变形轴线杠杆式连续测量方法，其测量装置主要由被测圆柱轴、杠杆机构、位移传感器以及用于支撑杠杆机构和传感器的丝杠导轨组成，且丝杠导轨的方向与被测圆柱轴的轴线方向平行，在被测圆柱轴以固定的角速度匀速旋转、丝杠导轨带动杠杆机构做匀速直线运动的测量过程中，其特征在于所述位移传感器采集的数据处理按以下算法进行：

1)按照设定的数据采集量N_p、移动速度v和转速ω，进行数据有效采集，给定初始位置z₀，获得位置z和传感器示值δ的对应信号序列z_s和D_s；

2)算法输入：z_s，D_s，v，ω，杠杆机构基本结构尺寸C、r、E，回转中心坐标(A,B)，被测截面半径R；

3)计算x₀＝arcsin[(R+E)/(A²+B²)^1/2]-arctan(B/A)；

计算D₀＝rtan(x₀)-C/cos(x₀)+C；

4)将信号序列D_s中各元素减去D₀，获得新的信号序列D_s；

5)寻找信号序列D_s中具有相邻两元素符号相异特征的数据，即满足D_s(k)×D_s(k+1)<0的数据，并将所有这样的数据位置k保存为向量I_p；

6)在向量I_p首尾增加1和D_s的数据长度N_D，获得新向量I₀，即I₀＝[1,I_p,N_D]；

7)循环依次提取I₀中相邻两个元素I₁和I₂，即I₁＝I₀(k)，I₂＝I₀(k+1)；

8)提取信号序列D_s中第I₁至第I₂元素，找出其中的绝对值最大元素所在D_s中的位置I_A；

9)计算D_A＝D_s(I_A)+D₀，计算x＝{r-[r²-(2C-D_A)D_A]^1/2}/(2C-D_A)，计算J_k＝π/2-2arctan(x)-[z_s(I_A)-z₀]ω/v；

10)如果D_s(I_A)>0，那么计算J_k＝π+J_k；

11)记录z_As(k)＝z_s(I_A)；计算并记录h_As(k)＝J_k-floor(J_k/2/π)×2π，其中floor表示向下取整运算；计算并记录e_As(k)＝{[(1-x²)B+2Ax]/(1+x²)-(R+E)}的绝对值；

12)返回步骤7)，进行后续计算；

13)算法输出向量：轴向位置z_As，偏心量e_As，偏心角h_As。

Images