CN111633559A - 一种基于表面微观三维形貌的最小加工余量预测方法 - Google Patents

一种基于表面微观三维形貌的最小加工余量预测方法 Download PDF

Info

Publication number
CN111633559A
CN111633559A CN202010515340.3A CN202010515340A CN111633559A CN 111633559 A CN111633559 A CN 111633559A CN 202010515340 A CN202010515340 A CN 202010515340A CN 111633559 A CN111633559 A CN 111633559A
Authority
CN
China
Prior art keywords
area
sample
machining allowance
volume
measurement
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
CN202010515340.3A
Other languages
English (en)
Other versions
CN111633559B (zh
Inventor
闫宁
陆静
赵延军
徐西鹏
姜峰
王宁昌
徐帅
吴晓磊
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.)
Huaqiao University
Zhengzhou Research Institute for Abrasives and Grinding Co Ltd
Original Assignee
Huaqiao University
Zhengzhou Research Institute for Abrasives and Grinding Co Ltd
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 Huaqiao University, Zhengzhou Research Institute for Abrasives and Grinding Co Ltd filed Critical Huaqiao University
Priority to CN202010515340.3A priority Critical patent/CN111633559B/zh
Publication of CN111633559A publication Critical patent/CN111633559A/zh
Application granted granted Critical
Publication of CN111633559B publication Critical patent/CN111633559B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B49/00—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation
    • B24B49/12—Measuring or gauging equipment for controlling the feed movement of the grinding tool or work; Arrangements of indicating or measuring equipment, e.g. for indicating the start of the grinding operation involving optical means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B24—GRINDING; POLISHING
    • B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
    • B24B51/00—Arrangements for automatic control of a series of individual steps in grinding a workpiece
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

本发明公开了一种基于表面微观三维形貌的最小加工余量预测方法，首先将需要加工的样品在提前设定好参数的白光干涉仪上进行三维形貌的检测，得到三维形貌检测图和测量数据，对每个测量区域得到的测量数据均进行表面重构并分别计算重构后每个测量区域表面最高点和最低点之间的材料体积V，取所有测量区域的材料体积的平均值，作为需要去除的材料余量体积V1，根据测量区域的面积以及需要去除的材料余量体积V1计算得到整个加工区域需要去除的材料体积。本发明提供的预测方法能对精密超精密加工中下一道材料需要去除的材料体积进行预测，还能用于光电、半导体材料加工流程中研磨、磨削等工序加工量的预估，应用范围广。

Description

一种基于表面微观三维形貌的最小加工余量预测方法
技术领域
本发明涉及加工余量预测技术领域，尤其涉及一种基于表面微观三维形貌的最小加工余量预测方法。
背景技术
零件加工过程是从毛坯去除材料的过程，去除材料的总量成为总加工余量。由于加工精度的要求越来越高，工序阶段被严格地划分，总加工余量被分配到各个工序中。每个工序的加工余量被严格的控制，既要去除上一道工序的加工缺陷层，又要保证本道工序产生较小的缺陷，这样就有了最小加工余量的要求。
专利CN201410454345.4公开了一种曲轴轴向加工余量自动分配方法，此专利利用加工中心的测量系统，对零件的宏观几何尺寸进行实际测量，与零件加工要求的轮廓进行对比，从而计算出每一道工序的加工余量。这是一种基于宏观几何形状的加工余量预测方法，未考虑表面微观三维形貌对加工余量的影响。然而在现有的很多加工场合尤其是精密超精密加工的场合，如半导体加工的场合，加工余量是特别小的，利用宏观的方法检测不能准确得到最小加工余量，误差较大，且在加工时材料去除比较高，加工时间长。
现有的技术未见与精密加工最小加工余量相关的专利。在实际加工中最小加工余量主要靠查表法或经验法确定，对超精密加工过程中最小加工余量的精准确定十分困难。
发明内容
本发明的目的是提供一种基于表面微观三维形貌的最小加工余量预测方法，能够对精密及超精密加工中需要去除的材料体积进行预测，使最小加工余量的确定更加精准，从而减少加工时间，缩小成本，并能用于光电、半导体材料加工流程中线切割、研磨、磨削等加工工序余量的预估，应用范围广。
本发明采用的技术方案为：一种基于表面微观三维形貌的最小加工余量预测方法，包括如下步骤：
a.将需要加工的样品放置在白光干涉仪上，根据样品的粗糙度选择倍数和分辨率，选择的倍数和分辨率要求能够获得样品的表面粗糙度和波纹度信息，然后进入下一步骤；
b.根据选择的特定倍数和分辨率下的测试视野的面积以及样品的大小选择取样面积，作为测量区域，然后进入下一步骤；
c.若测量区域的面积未超过特定的倍数和分辨率下的测试视野的面积，进入步骤e，若测量区域的面积超过了特定的倍数和分辨率下的测试视野的面积，进入步骤d；
d.选择拼接模式检测，在进行拼接模式检测前要根据拼接的面积选择拼接重叠比例和需要拼接的测量区域的块数，进入步骤e；
e.对测量区域进行三维形貌的检测，并对每个测量区域进行不少于5次的检测，得到三维形貌检测图和测量数据，进入步骤f；
f.对每个测量区域得到的测量数据均进行表面重构，然后进入下一步骤；
g.分别计算重构后每个测量区域表面最高点和最低点之间的材料体积V，然后进入下一步骤；
h.取所有测量区域的材料体积的平均值，作为需要去除的材料余量体积V1，然后进入下一步骤；
i.根据测量区域的面积以及需要去除的材料余量体积V1计算得到整个加工区域需要去除的材料体积V2。
优选的，在所述步骤a中，白光干涉仪采用Wyko NT9300光学轮廓仪，用于测量样品表面的三维高度信息。
优选的，在所述步骤b中，取样面积的形状为方形，方形的边长要不小于5倍样品表面波纹度的周期，也就是包含至少5个波峰和波谷。
优选的，在所述步骤c中，选择的拼接重叠比例为5-30％，选择的重叠比例不能影响拼接后的数据质量。
优选的，在所述步骤f中，表面重构的步骤包括去噪、滤波和填充。
优选的，所述去噪具体为，去掉样品表面的杂质信息，所述杂质信息包括毛刺和检测时由于像素缺失造成的尖峰。
优选的，所述滤波具体为，去除样品的其他信息，只保留样品的粗糙度信息。
优选的，所述填充具体为，将去噪和滤波后样品中的缺失数据点补全，使样品的高度信息连续。
本发明的有益效果是：本发明首先在需要加工的样品的表面选择测量区域，然后通过白光干涉仪对选取的所有测量区域的表面依次进行三维检测，获得三维形貌测量数据之后需要对其进行表面重构，然后得到加工表面的相应区域的三维高度信息，并分别计算每个测量区域表面重构后所选取的测量区域内材料最高点和最低点之间材料体积V，并取平均值作为需要去除的材料余量体积V1，然后根据测量区域面积与样品的面积的比值最终预测得到整个样品需要去除的材料体积V2。本发明提供的最小加工余量预测方法，是通过检测样品表面的微观三维形貌来计算得到的，从而使最小加工余量的确定更加精准，提高加工质量，减少加工时间，还能用于光电、半导体材料加工流程中研磨、磨削等工序加工量的预估，提高了应用的范围。
附图说明
图1为本发明测量区域的位置示意图；
图2为本发明所述金刚石衬底片去噪前的表面三维形貌示意图；
图3为本发明所述金刚石衬底片去噪前的表面高度分布示意图；
图4为本发明所述金刚石衬底片去噪后的表面三维形貌示意图；
图5为本发明所述金刚石衬底片去噪后的表面高度分布示意图；
图6为本发明所述截止频率的确定曲线图；
图7为本发明所述金刚石衬底片表面重构后的表面三维形貌示意图；
图8为本发明所述金刚石衬底片表面重构后的表面高度分布示意图；
图9为本发明所述金刚石衬底片的表面轮廓示意图；
图10为本发明所述材料体积V与金刚石衬底片相对高度的关系曲线示意图；
图11为本发明所述金刚石衬底片加工余量估计值与进给速度的关系曲线示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
一种基于表面微观三维形貌的最小加工余量预测方法，包括如下步骤：
a.将需要加工的样品放置在白光干涉仪上，所述白光干涉仪用于测量样品表面的三维高度信息，能够采用Wyko NT9300光学轮廓仪，根据样品的粗糙度选择倍数和分辨率，确定选择的倍数和分辨率要求能够获得样品的表面粗糙度和波纹度信息，然后进入下一步骤；
b.根据选择的特定倍数和分辨率下的测试视野的面积以及样品的大小选择取样面积，作为测量区域，取样面积的形状为方形，方形的边长要不小于5倍样品表面波纹度的周期，也就是包含至少5个波峰和波谷，测量区域的数量根据样品的形状和面积设定一定的间隔比例，该比例为测量区域形状边长的5-30倍，然后进入下一步骤；
c.若测量区域的面积未超过特定的倍数和分辨率下的测试视野的面积，进入步骤e，若测量区域的面积超过了特定的倍数和分辨率下的测试视野的面积，进入步骤d；
d.选择拼接模式检测，在进行拼接模式检测前要根据拼接的面积选择拼接重叠比例和需要拼接的测量区域的块数，选择的拼接重叠比例为5-30％，选择的重叠比例不能影响拼接后的数据质量，进入步骤e；
e.对测量区域进行三维形貌的检测，并对每个测量区域进行不少于5次的检测，得到三维形貌检测图和测量数据，进入步骤f；
f.对每个测量区域得到的测量数据均进行表面重构，所述表面重构的步骤包括去噪、滤波和填充，所述去噪具体为，去掉样品表面的杂质信息，所述杂质信息包括毛刺和检测时由于像素缺失造成的尖峰，所述滤波具体为，去除样品的其他信息，只保留样品的粗糙度信息，所述填充具体为，将去噪和滤波后样品中的缺失数据点补全，使样品的高度信息连续，然后进入下一步骤；
g.分别计算重构后每个测量区域表面最高点和最低点之间的材料体积V，然后进入下一步骤；
h.取所有测量区域的材料体积的平均值，作为需要去除的材料余量体积V1，然后进入下一步骤；
i.根据测量区域的面积以及需要去除的材料余量体积V1计算得到整个加工区域需要去除的材料体积V2。
下面结合实施例来具体说明：
选取10mm×10mm大小的金刚石衬底片作为需要加工的样品，将金刚石衬底片放置在Wyko NT9300光学轮廓仪的工作台上，测量金刚石衬底片表面的三维高度信息，首先调节Z轴的高度找到干涉条纹，并调节干涉条纹的宽度，保证测量时能够同时测到视野内干涉条纹的最低点和最高点。
根据金刚石衬底片的粗糙度选择倍数和分辨率，选择的倍数和分辨率要求能够获得金刚石衬底片的表面粗糙度和波纹度信息，操作时先用5倍镜头对金刚石衬底片样品进行预检测，得到样品的粗糙度为1.25μm，此时的分辨率为1.98μm，视野的大小为1.3mm×0.95mm。由此可见，使用5倍的镜头晶体分辨率太低，改用20倍的镜头进行检测，此时的分辨率为493.27μm。
根据选择的特定倍数和分辨率下的测试视野的面积以及金刚石衬底片的大小选择取样面积，作为测量区域。取样面积的形状选择为方形，方形的边长要不小于5倍金刚石衬底片表面波纹度的周期，也就是包含至少5个波峰和波谷，这样选取的取样面积更大，更具有代表性，使得样本的测量面积更加精确，操作时选择5个取样面积作为测量区域，测量区域的数量根据金刚石衬底片的形状和面积设定一定的间隔比例，取该比例为测量区域形状边长的5倍，5个测量区域的选取如图1所示。
为了保证视野的大小同样为1.3mm×0.95mm，需要对测量区域进行拼接，选择默认的拼接重叠比例20％，对样品高度信息以及干涉条纹的宽度进行调节，保证视野大小为1.3mm×0.95mm，对拼接后的测量区域进行三维形貌的检测，并对拼接后的每一个测量区域进行不少于5次的检测，即对每个测量区域均重复测量5次，得到拼接后的三维形貌检测图和测量数据。
对每个测量区域得到的测量数据均进行表面重构，表面重构的步骤包括去噪、滤波和填充。所述去噪具体为，去掉金刚石衬底片表面的杂质信息，所述杂质信息包括毛刺以及检测时由于像素缺失造成的尖峰，所述去噪处理之前的金刚石衬底片的表面三维形貌和柱状图分别如图2和图3所示，所述去噪处理之后的金刚石衬底片的表面三维形貌和柱状图分别如图4和图5所示。所述滤波具体为，去除金刚石衬底片的其他信息，只保留其粗糙度信息，在对测量数据进行滤波处理时，计算得到样品表面的功率谱密度与空间频率的关系曲线，选择数据波动趋于线性的临界位置点作为截止频率，截止频率的确定方式如图6所示，截止频率fc＝25.8mm-1。所述填充具体为，将去噪和滤波后样品中的缺失数据点补全，使样品的高度信息连续，填充后的样品不能出现像素点的缺失，也不能出现填充过量而影响测试的效果，填充处理后的金刚石衬底片的表面三维形貌及柱状图分别如图7和图8所示。
分别计算重构后每个测量区域内最高点和最低点之间的材料体积，作为需要去除的材料体积V，材料体积V如图9中的阴影部分所示，材料体积V是通过后处理软件积分的方式获得的视野内材料的体积，即利用Wyko NT9300光学轮廓仪设备Vision4.0软件的reverse积分功能可直接得材料体积V，材料体积V跟金刚石衬底片的相对高度的关系如图10所示。然后取所有测量区域的材料体积V的平均值，作为需要去除的材料余量体积V1，并根据测量区域的面积以及需要去除的材料体积V1计算得到整个加工区域需要去除的材料体积V2，材料体积V2的计算公式如下：
V2＝V1×S2/S1
其中，S1为测试视野的面积，S2为金刚石衬底片样品的整个加工区域的面积。如图11所示为不同进给速度参数下得到的需要去除的材料体积，即金刚石衬底片的加工余量估计值。
以上描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的发明范围内，本发明要求保护范围由所附的权利要求书及等同物界定。

Claims (8)

1.一种基于表面微观三维形貌的最小加工余量预测方法，其特征在于：包括如下步骤：
a.将需要加工的样品放置在白光干涉仪上，根据样品的粗糙度选择倍数和分辨率，确定选择的倍数和分辨率要求能够获得样品的表面粗糙度和波纹度信息，然后进入下一步骤；
b.根据选择的特定倍数和分辨率下的测试视野的面积以及样品的大小选择取样面积，作为测量区域，然后进入下一步骤；
c.若测量区域的面积未超过特定的倍数和分辨率下的测试视野的面积，进入步骤e，若测量区域的面积超过了特定的倍数和分辨率下的测试视野的面积，进入步骤d；
d.选择拼接模式检测，在进行拼接模式检测前要根据拼接的面积选择拼接重叠比例和需要拼接的测量区域的块数，进入步骤e；
e.对测量区域进行三维形貌的检测，并对每个测量区域进行不少于5次的检测，得到三维形貌检测图和测量数据，进入步骤f；
f.对每个测量区域得到的测量数据均进行表面重构，然后进入下一步骤；
g.分别计算重构后每个测量区域表面最高点和最低点之间的材料体积V，然后进入下一步骤；
h.取所有测量区域的材料体积的平均值，作为需要去除的材料余量体积V1，然后进入下一步骤；
i.根据测量区域的面积以及需要去除的材料余量体积V1计算得到整个加工区域需要去除的材料体积V2。
2.根据权利要求1所述的基于表面微观三维形貌的最小加工余量预测方法，其特征在于：在所述步骤a中，白光干涉仪采用Wyko NT9300光学轮廓仪，用于测量样品表面的三维高度信息。
3.根据权利要求1所述的基于表面微观三维形貌的最小加工余量预测方法，其特征在于：在所述步骤b中，取样面积的形状为方形，方形的边长要不小于5倍样品表面波纹度的周期。
4.根据权利要求1所述的基于表面微观三维形貌的最小加工余量预测方法，其特征在于：在所述步骤d中，选择的拼接重叠比例为5-30%，选择的重叠比例不能影响拼接后的数据质量。
5.根据权利要求1所述的基于表面微观三维形貌的最小加工余量预测方法，其特征在于：在所述步骤f中，表面重构的步骤包括去噪、滤波和填充。
6.根据权利要求5所述的基于表面微观三维形貌的最小加工余量预测方法，其特征在于：所述去噪具体为，去掉样品表面的杂质信息，所述杂质信息包括毛刺和检测时由于像素缺失造成的尖峰。
7.根据权利要求5所述的基于表面微观三维形貌的最小加工余量预测方法，其特征在于：所述滤波具体为，去除样品的其他信息，只保留样品的粗糙度信息。
8.根据权利要求5所述的基于表面微观三维形貌的最小加工余量预测方法，其特征在于：所述填充具体为，将去噪和滤波后样品中的缺失数据点补全，使样品的高度信息连续。
CN202010515340.3A 2020-06-08 2020-06-08 一种基于表面微观三维形貌的最小加工余量预测方法 Active CN111633559B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010515340.3A CN111633559B (zh) 2020-06-08 2020-06-08 一种基于表面微观三维形貌的最小加工余量预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010515340.3A CN111633559B (zh) 2020-06-08 2020-06-08 一种基于表面微观三维形貌的最小加工余量预测方法

Publications (2)

Publication Number Publication Date
CN111633559A true CN111633559A (zh) 2020-09-08
CN111633559B CN111633559B (zh) 2022-06-07

Family

ID=72326458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010515340.3A Active CN111633559B (zh) 2020-06-08 2020-06-08 一种基于表面微观三维形貌的最小加工余量预测方法

Country Status (1)

Country Link
CN (1) CN111633559B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117921450A (zh) * 2024-03-21 2024-04-26 成都晨航磁业有限公司 一种瓦形磁体生产加工方法
CN117921450B (zh) * 2024-03-21 2024-05-24 成都晨航磁业有限公司 一种瓦形磁体生产加工方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6546788B2 (en) * 1998-12-23 2003-04-15 Robert Magerle Nanotomography
CN101050949A (zh) * 2007-05-22 2007-10-10 天津大学 大视场物体微观表面三维形貌的测量系统及其测量方法
CN105057729A (zh) * 2015-08-24 2015-11-18 佛山新成洪鼎机械技术有限公司 现场加工镗床自动定位加工与检测技术
CN106078113A (zh) * 2016-07-19 2016-11-09 清华大学 用于血管主动导管的镍钛合金驱动结构特种加工方法
CN107953154A (zh) * 2017-12-27 2018-04-24 武汉华星光电半导体显示技术有限公司 玻璃基板的研磨方法及研磨装置
CN109839077A (zh) * 2018-12-26 2019-06-04 太原理工大学 一种基于断面轮廓序列的微观多相结构三维建模测量装置
CN109855593A (zh) * 2019-03-12 2019-06-07 哈尔滨理工大学 一种钛合金车削加工三维表面形貌分析方法
CN110146527A (zh) * 2019-07-01 2019-08-20 哈尔滨工业大学 一种基于小角中子散射技术的沥青三维微观结构确定方法
CN110260814A (zh) * 2019-06-13 2019-09-20 大连理工大学 一种白光扫描干涉测量法高频形貌补偿方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6546788B2 (en) * 1998-12-23 2003-04-15 Robert Magerle Nanotomography
CN101050949A (zh) * 2007-05-22 2007-10-10 天津大学 大视场物体微观表面三维形貌的测量系统及其测量方法
CN105057729A (zh) * 2015-08-24 2015-11-18 佛山新成洪鼎机械技术有限公司 现场加工镗床自动定位加工与检测技术
CN106078113A (zh) * 2016-07-19 2016-11-09 清华大学 用于血管主动导管的镍钛合金驱动结构特种加工方法
CN107953154A (zh) * 2017-12-27 2018-04-24 武汉华星光电半导体显示技术有限公司 玻璃基板的研磨方法及研磨装置
CN109839077A (zh) * 2018-12-26 2019-06-04 太原理工大学 一种基于断面轮廓序列的微观多相结构三维建模测量装置
CN109855593A (zh) * 2019-03-12 2019-06-07 哈尔滨理工大学 一种钛合金车削加工三维表面形貌分析方法
CN110260814A (zh) * 2019-06-13 2019-09-20 大连理工大学 一种白光扫描干涉测量法高频形貌补偿方法
CN110146527A (zh) * 2019-07-01 2019-08-20 哈尔滨工业大学 一种基于小角中子散射技术的沥青三维微观结构确定方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
尹雄: "基于白光干涉仪三维表面形貌研究", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 *
言兰等: "氧化铝砂轮地貌的量化评价及数学建模", 《机械工程学报》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117921450A (zh) * 2024-03-21 2024-04-26 成都晨航磁业有限公司 一种瓦形磁体生产加工方法
CN117921450B (zh) * 2024-03-21 2024-05-24 成都晨航磁业有限公司 一种瓦形磁体生产加工方法

Also Published As

Publication number Publication date
CN111633559B (zh) 2022-06-07

Similar Documents

Publication Publication Date Title
Dai et al. A machine vision system for micro-milling tool condition monitoring
Mainsah et al. Metrology and properties of engineering surfaces
JP3924784B2 (ja) ウェーハの形状評価方法及び装置並びにデバイスの製造方法、ウェーハ及びウェーハの選別方法
Bradley et al. Surface texture indicators of tool wear-a machine vision approach
Thakre et al. Measurements of tool wear parameters using machine vision system
JP3838341B2 (ja) ウェーハの形状評価方法及びウェーハ並びにウェーハの選別方法
Shahabi et al. In-cycle monitoring of tool nose wear and surface roughness of turned parts using machine vision
KR100887269B1 (ko) 고정밀 에지 프로파일을 갖는 반도체 웨이퍼 및 반도체웨이퍼의 제작 방법
WO2004105087A2 (en) Apparatus and methods for enabling robust separation between signals of interest and noise
JP5862492B2 (ja) 半導体ウェーハの評価方法及び製造方法
JP2022547408A (ja) 歯車加工装置における自動プロセス制御
Adibi et al. Grinding wheel loading evaluation using digital image processing
KR101662820B1 (ko) 선형 회귀 분석에 기반한 툴 마모 및 수명을 추정하는 시스템 및 방법
Shahabi et al. Assessment of flank wear and nose radius wear from workpiece roughness profile in turning operation using machine vision
CN112907556A (zh) 一种基于机器视觉的旋转刀具磨损量自动测量方法
CN111633559B (zh) 一种基于表面微观三维形貌的最小加工余量预测方法
US6613591B1 (en) Method of estimating post-polishing waviness characteristics of a semiconductor wafer
Póka et al. A robust digital image processing method for measuring the planar burr length at milling
CN111912379A (zh) 晶圆被加工面加工质量及切割表面切割质量的检验方法
US6057170A (en) Method of measuring waviness in silicon wafers
Karasawa et al. Analysis of chip shape distribution using image processing technology to estimate wearing condition of gear grinding wheel
Baleani et al. Surface roughness measurements of turned parts through a vision-based measurement system: uncertainty analysis and performance comparison with state-of-the-art instruments
Zhu Machine vision based smart machining system monitoring
Nair et al. Development of image based flank wear and surface roughness wear detection system for milling application
CN116423049B (zh) 一种补焊位置确定方法和装置

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