CN114295095A - 一种自由曲面检测最佳测点数确定方法 - Google Patents
一种自由曲面检测最佳测点数确定方法 Download PDFInfo
- Publication number
- CN114295095A CN114295095A CN202111421016.6A CN202111421016A CN114295095A CN 114295095 A CN114295095 A CN 114295095A CN 202111421016 A CN202111421016 A CN 202111421016A CN 114295095 A CN114295095 A CN 114295095A
- Authority
- CN
- China
- Prior art keywords
- group
- groups
- test
- shape
- shape errors
- 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
Links
Images
Classifications
-
- 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
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明旨在提供一种自由曲面检测最佳测点数确定方法,包括以下步骤:设定4组测试方案,进行曲面检测,获得4组形状误差;若4组形状误差均小于形状公差,则增加一组更多测点数的方案作为第5组测试方案;构建灰色预测GM(1,1)模型,预测获得第5组预测形状误差;基于灰色区间范围,判断加工工艺是否存在问题;依据第5组测试方案采用高精度三坐标测量机进行曲面检测,获得第5组形状误差;对比最后两组检测的形状误差之差的绝对值是否小于阙值,若小于阙值,则得到最优自由曲面测点数;否则删除第1组,2‑5组变为新的第1‑4组,然后加入更多测点数的方案作为新的第5组,重复步骤以上步骤。本发明能够提高检测效率。
Description
技术领域
本发明涉及零件测量领域,具体涉及一种自由曲面检测最佳测点数确定方法。
背景技术
随着现代技术的高速发展,自由曲面的应用越来越广泛,同时现代制造业对其提出了更高的精度检测要求。曲面的测量精度受很多因素影响,如检测环境、检测方法、采样参数等等。在获取自由曲面加工误差时,因自由曲面的特性,常常需要确定其最优测点数量,现有方法通常采用自由曲面误差模型分析,采用大量的数据比对来确定最优测点数量。传统试验的过程中,为了确定更好的测点数量,往往需要大量的历史数据,容易导致确定较优测点的时间较长、检测效率低。
发明内容
本发明旨在提供一种自由曲面检测最佳测点数确定方法,采用灰色预测GM(1,1)模型对形状误差进行预测并检验,以确定产品是否符合设计图纸上的形状公差,避免使用过多的测量点,而是尽可能采用较少的测点数来检测曲面的实际误差,提高检测效率,具有预测性强、准确率高的特点。
本发明的技术方案如下:
所述的自由曲面检测最佳测点数确定方法,包括以下步骤:
A、在同种同批加工的曲面零件中任选一个零件作为待测零件,制定点数递增规则,选取第1-4测点数作为测试方案,获得1-4组测试方案;
B、对1-4组测试方案分别进行曲面检测,获得第1-4组测量数据及第1-4组形状误差;
C、预设形状公差,将第1-4组形状误差分别与形状公差进行比较,若第1-4组形状误差均小于形状公差,则增加一组更多测点数的方案作为第5组测试方案;
D、基于1-4组形状误差构建灰色预测GM(1,1)模型,预测获得第5组预测形状误差;
E、取第4组形状误差及其三倍标准偏差,计算获得灰色区间范围;取第5组预测形状误差与形状公差进行比较,若大于形状公差要求,则进行修改加工工艺后再加工,直至得到满足公差要求;若第5组预测形状误差小于形状公差要求,则确定第5组预测形状误差是否超过灰色区间范围;
F、若第5组预测形状误差超过灰色区间范围,则删除原第1组测试方案,其余2-5组测试方案,变更为新的第1-4组测试方案,然后加入更多测点数的方案作为新的第5组测试方案,重复步骤B-F;
若第5组预测形状误差位于灰色区间范围内,则进入步骤G;
G、依据第5组测试方案采用高精度三坐标测量机进行曲面检测,获得第5组形状误差;若第5组性质误差超过灰色区间范围,删除原第1组测试方案,其余2-5组测试方案,变更为新的第1-4组测试方案,然后加入更多测点数的方案作为新的第5组测试方案,重复步骤B-G,若实际检测值未超过灰色区间范围,则对比最后两组检测的形状误差之差的绝对值是否小于阙值;
H、若最后两组检测的形状误差之差的绝对值小于阙值,则输出最后一组的测点数,即得到最优自由曲面测点数;若最后两组检测的形状误差之差的绝对值大于或等于阙值,除原第1组测试方案,其余2-5组测试方案,变更为新的第1-4组测试方案,然后加入更多测点数的方案作为新的第5组测试方案,重复步骤B-H。
所述的步骤B中,1-4组测试方案的曲面检测方法为:采用高精度三坐标测量机对该待测零件上的曲面区域进行检测。
所述的步骤C中,形状公差设置为:0.1mm。
所述的步骤D中,利用灰色模型GM(1,1)的建模计算公式如下:
创建X(0)=(x(0)(1),x(0)(2),x(0)(3),x(0)(4),)(1)
其中,x(0)(1),x(0)(2),x(0)(3),x(0)(4)分别代表1-4组形状误差;
为非负原始数列,进行一次累加计算,生成X(1)为X(0)1-AGO序列,
X(1)=(x(0)(1),x(1)(2),…,x(1)(n)), (2)
对X(1)进行紧邻均值生成,得到
Z(0)=(z(0)(2),z(0)(3),…z(0)(n)) (4);
其中
建立白化微分方程:
则GM(1,1)模型x(0)(k)+az(1)(k)=b的最小二乘法估计参数列满足
GM(1,1)模型x(0)(k)+az(1)(k)=b的时间相应序列为
得到:
所述的步骤E中,灰色区间范围为:[x0(4)-3σ,x0(4)+3σ],其中X0为第4组形状误差,σ为标准偏差。
标准偏差σ的计算公式如下:
所述的步骤G中,阈值设定为第1-4组形状误差的一倍标准偏差,即阈值=σ。
所述的测点数的依次递增的规则为:52,82,102,142,182,202,222,252,302,322,352,402。
本发明通过依次递增的测点数作为测试方案,获得1-4组测试数据,进行实际测量后,通过灰色预测GM(1,1)模型预测下一个测量组所对应的形状误差,从而为后续判断是否在灰色区间里面打下基础;然后通过另一核心发明点灰色区间,利用了标准偏差的稳定性,进而得到该批次零件最真实的检测值,减少了多余的测点数量,得到了最优的测点数量,能够极大地提高曲面零件的检测效率,缩短检测时间。
附图说明
图1为实施例的待测零件CAD图;
图2为实施例的待测零件实物检测图;
图3为实施例的待测零件前四组数据的灰色区间与实际测量点的分布图;
图4为实施例的待测零件324个点的检测值与400个点、484个点、625个点、900个点、1024个点、1225个点、1600个点时检测值的分布图。
具体实施方式
下面结合附图和实施例具体说本发明。
实施例1
如图1所示,本实施例提供的快速获取自由曲面检测求初始最佳测点数的方法,包括以下步骤:
采用高精度三坐标测量机对该待测零件上的曲面区域进行检测;
所述的自由曲面检测最佳测点数确定方法,包括以下步骤:
A、在同种同批加工的曲面零件中任选一个零件作为待测零件,制定点数递增规则,所述的测点数的依次递增的规则为:52,82,102,142,182,202,222,252,302,322,352,402;选取第1-4测点数作为测试方案,获得1-4组测试方案;在此设定1-4组测试方案为:25个点、64个点、100个点、256个点进行检测;得到该待测零件的对应的形状误差分别为:0.07148mm、0.08217mm、0.07753mm、0.09047mm,
B、对1-4组测试方案分别进行曲面检测,获得第1-4组测量数据及第1-4组形状误差;其中,25个点、64个点、100个点、256个点四个方案检测的待测零件的对应的形状误差分别为:0.07148mm、0.08217mm、0.07753mm、0.09047mm;
C、预设形状公差,将第1-4组形状误差分别与形状公差进行比较,若第1-4组形状误差均小于形状公差,则增加一组更多测点数的方案作为第5组测试方案;在此,形状公差设置为:0.1mm,所以以上的数组均小于形状公差;增加第五组测试方案:测点数为324个点;
D、基于1-4组形状误差构建灰色预测GM(1,1)模型,预测获得第5组预测形状误差;
灰色模型GM(1,1)的建模计算公式如下:
创建X(0)=(x(0)(1),x(0)(2),x(0)(3),x(0)(4),) (1)
代入四组数据0.07148mm、0.08217mm、0.07753mm、0.09047mm;
为非负原始数列,进行一次累加计算,生成X(1)为X(0)1-AGO序列,
X(1)=(x(0)(1),x(1)(2),…,x(1)(n)), (2)
对X(1)进行紧邻均值生成,得到
Z(0)=(z(0)(2),z(0)(3),…z(0)(n)) (4);
其中
建立白化微分方程:
则GM(1,1)模型x(0)(k)+az(1)(k)=b的最小二乘法估计参数列满足
GM(1,1)模型x(0)(k)+az(1)(k)=b的时间相应序列为
得到:
得到预测值为0.0923mm;
E、取第4组形状误差及其三倍标准偏差,基于标准偏差公式:
计算灰色区间范围为:[x0(4)-3σ,x0(4)+3σ],其中X0为第4组形状误差,σ为标准偏差。计算得到:σ=0.006934mm,灰色区间的范围是[0.069667,0.111273],故四组检测数据皆在灰色区间和检测范围内;取第5组预测形状误差与形状公差进行比较,若大于形状公差要求,则进行修改加工工艺后再加工,直至得到满足公差要求;若第5组预测形状误差小于形状公差要求,则确定第5组预测形状误差是否超过灰色区间范围;
F、第5组预测形状误差位于灰色区间范围内,进入步骤G;
G、依据第5组测试方案采用高精度三坐标测量机进行曲面检测,获得第5组形状误差,该实际检测形位误差为0.085mm;该实际检测值未超过灰色区间范围,对比最后两组检测的形状误差之差的绝对值是否小于阙值;
H、阈值设定为第1-4组形状误差的一倍标准偏差,即阈值=σ,在此σ=0.006934mm;最后两组检测的形状误差之差的绝对值,即第5组和第4组的差的绝对值:|0.0850-0.09047|==0.00547mm,小于阈值0.006934mm,故第五组测量值324个点数为最优自由曲面测点数。
本实施例中,GM(1,1)灰色预测法采用文献1中的方法,文献1:“曾祥艳.灰色预测GM(1,1)模型的几种拓广模型研究[D].2016.电子科技大学”;
如图1为待测零件三维图,如图2为待测零件实物检测图,图3表示前四组数据的灰色区间和实际测量点的误差分布图、由于第四组数据和第五组数据的相差小于阈值,故此自由曲面的最佳检测点数量为324个点。
为验证其方法是否为最优测点数,增加测量400个点、484个点、625个点、900个点、1024个点、1225个点、1600个点时的对照组,在相同检测条件下时,测量其实际形位误差,得到误差分别为0.08673mm、0.08553mm、0.08516mm、0.08865mm、0.08711mm、0.08546mm、0.08395mm。结果得到其余数组的实际检测值与324个点的实际检测值之差的绝对值,均小于一个阈值0.006934mm,证明这种方法正确有效。结果可见图4。图4表示324个点的实际检测值与以上检测点的误差分布图。
Claims (8)
1.一种自由曲面检测最佳测点数确定方法,其特征在于,包括以下步骤:
A、在同种同批加工的曲面零件中任选一个零件作为待测零件,制定点数递增规则,选取第1-4测点数作为测试方案,获得1-4组测试方案;
B、对1-4组测试方案分别进行曲面检测,获得第1-4组测量数据及第1-4组形状误差;
C、预设形状公差,将第1-4组形状误差分别与形状公差进行比较,若第1-4组形状误差均小于形状公差,则增加一组更多测点数的方案作为第5组测试方案;
D、基于1-4组形状误差构建灰色预测GM(1,1)模型,预测获得第5组预测形状误差;
E、取第4组形状误差及其三倍标准偏差,计算获得灰色区间范围;取第5组预测形状误差与形状公差进行比较,若大于形状公差要求,则进行修改加工工艺后再加工,直至得到满足公差要求;若第5组预测形状误差小于形状公差要求,则确定第5组预测形状误差是否超过灰色区间范围;
F、若第5组预测形状误差超过灰色区间范围,则删除原第1组测试方案,其余2-5组测试方案,变更为新的第1-4组测试方案,然后加入更多测点数的方案作为新的第5组测试方案,重复步骤B-F;
若第5组预测形状误差位于灰色区间范围内,则进入步骤G;
G、依据第5组测试方案进行曲面检测,获得第5组形状误差;若第5组性质误差超过灰色区间范围,删除原第1组测试方案,其余2-5组测试方案,变更为新的第1-4组测试方案,然后加入更多测点数的方案作为新的第5组测试方案,重复步骤B-G,若实际检测值未超过灰色区间范围,则对比最后两组检测的形状误差之差的绝对值是否小于阙值;
H、若最后两组检测的形状误差之差的绝对值小于阙值,则输出最后一组的测点数,即得到最优自由曲面测点数;若最后两组检测的形状误差之差的绝对值大于或等于阙值,除原第1组测试方案,其余2-5组测试方案,变更为新的第1-4组测试方案,然后加入更多测点数的方案作为新的第5组测试方案,重复步骤B-H。
2.如权利要求1所述的自由曲面检测最佳测点数确定方法,其特征在于:
所述的步骤B、G中,1-4组、第5组测试方案的曲面检测方法为:采用高精度三坐标测量机对该待测零件上的曲面区域进行检测。
3.如权利要求1所述的自由曲面检测最佳测点数确定方法,其特征在于:所述的步骤C中,形状公差设置为:0.1mm。
4.如权利要求1所述的自由曲面检测最佳测点数确定方法,其特征在于:
所述的步骤D中,利用灰色模型GM(1,1)的建模计算公式如下:
创建X(0)=(x(0)(1),x(0)(2),x(0)(3),x(0)(4),) (1)
其中,x(0)(1),x(0)(2),x(0)(3),x(0)(4)分别代表1-4组形状误差;
为非负原始数列,进行一次累加计算,生成X(1)为X(0)1-AGO序列,
X(1)=(x(0)(1),x(1)(2),…,x(1)(n)), (2)
对X(1)进行紧邻均值生成,得到
Z(0)=(z(0)(2),z(0)(3),…z(0)(n)) (4);
其中
建立白化微分方程:
则GM(1,1)模型x(0)(k)+az(1)(k)=b的最小二乘法估计参数列满足
GM(1,1)模型x(0)(k)+az(1)(k)=b的时间相应序列为
得到:
5.如权利要求4所述的自由曲面检测最佳测点数确定方法,其特征在于:
所述的步骤E中,灰色区间范围为:[x0(4)-3σ,x0(4)+3σ],其中X0为第4组形状误差,σ为标准偏差。
7.如权利要求6所述的自由曲面检测最佳测点数确定方法,其特征在于:所述的步骤G中,阈值设定为第1-4组形状误差的一倍标准偏差,即阈值=σ。
8.如权利要求1所述的自由曲面检测最佳测点数确定方法,其特征在于:
所述的测点数的依次递增的规则为:52,82,102,142,182,202,222,252,302,322,352,402。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111421016.6A CN114295095B (zh) | 2021-11-26 | 2021-11-26 | 一种自由曲面检测最佳测点数确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111421016.6A CN114295095B (zh) | 2021-11-26 | 2021-11-26 | 一种自由曲面检测最佳测点数确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114295095A true CN114295095A (zh) | 2022-04-08 |
CN114295095B CN114295095B (zh) | 2023-07-14 |
Family
ID=80965341
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111421016.6A Active CN114295095B (zh) | 2021-11-26 | 2021-11-26 | 一种自由曲面检测最佳测点数确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114295095B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030222215A1 (en) * | 2002-05-31 | 2003-12-04 | De Robillard Quentin | Method for objective and accurate thickness measurement of thin films on a microscopic scale |
CN102542296A (zh) * | 2012-01-10 | 2012-07-04 | 哈尔滨工业大学 | 一种采用基于多变量灰色模型的二维经验模态分解提取图像特征的方法 |
CA2807984A1 (en) * | 2012-03-05 | 2013-09-05 | Eads Construcciones Aeronauticas, S.A., Sociedad Unipersonal | Method and system for monitoring a structure |
CN103344186A (zh) * | 2013-07-17 | 2013-10-09 | 广西柳工机械股份有限公司 | 装载机卸载参数测试装置及方法 |
CN107315391A (zh) * | 2017-07-18 | 2017-11-03 | 广西科技大学 | 一种数控机床在线检测的预行程误差补偿方法 |
CN108519045A (zh) * | 2018-05-14 | 2018-09-11 | 桂林电子科技大学 | 一种北斗精密形变监测与预警系统 |
CN109238198A (zh) * | 2018-08-28 | 2019-01-18 | 广西科技大学 | 获取批量加工的曲面零件的最大加工误差的方法 |
JP2019030379A (ja) * | 2017-08-04 | 2019-02-28 | 株式会社大一商会 | 遊技機 |
CN109785572A (zh) * | 2019-03-11 | 2019-05-21 | 上海荷福人工智能科技(集团)有限公司 | 一种基于神经网络的消防预警方法及系统 |
CN110262393A (zh) * | 2019-07-03 | 2019-09-20 | 西安交通大学 | 带滞后数据处理的灰色理论分段式加权热误差建模方法 |
CN111855219A (zh) * | 2020-07-20 | 2020-10-30 | 哈尔滨工程大学 | 一种基于灰色理论的柴油机润滑油进机安保参数预测方法 |
CN211824278U (zh) * | 2020-05-26 | 2020-10-30 | 广西科技大学 | 一种基于光纤光栅技术的裂缝宽度监测装置 |
-
2021
- 2021-11-26 CN CN202111421016.6A patent/CN114295095B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030222215A1 (en) * | 2002-05-31 | 2003-12-04 | De Robillard Quentin | Method for objective and accurate thickness measurement of thin films on a microscopic scale |
CN102542296A (zh) * | 2012-01-10 | 2012-07-04 | 哈尔滨工业大学 | 一种采用基于多变量灰色模型的二维经验模态分解提取图像特征的方法 |
CA2807984A1 (en) * | 2012-03-05 | 2013-09-05 | Eads Construcciones Aeronauticas, S.A., Sociedad Unipersonal | Method and system for monitoring a structure |
CN103344186A (zh) * | 2013-07-17 | 2013-10-09 | 广西柳工机械股份有限公司 | 装载机卸载参数测试装置及方法 |
CN107315391A (zh) * | 2017-07-18 | 2017-11-03 | 广西科技大学 | 一种数控机床在线检测的预行程误差补偿方法 |
JP2019030379A (ja) * | 2017-08-04 | 2019-02-28 | 株式会社大一商会 | 遊技機 |
CN108519045A (zh) * | 2018-05-14 | 2018-09-11 | 桂林电子科技大学 | 一种北斗精密形变监测与预警系统 |
CN109238198A (zh) * | 2018-08-28 | 2019-01-18 | 广西科技大学 | 获取批量加工的曲面零件的最大加工误差的方法 |
CN109785572A (zh) * | 2019-03-11 | 2019-05-21 | 上海荷福人工智能科技(集团)有限公司 | 一种基于神经网络的消防预警方法及系统 |
CN110262393A (zh) * | 2019-07-03 | 2019-09-20 | 西安交通大学 | 带滞后数据处理的灰色理论分段式加权热误差建模方法 |
CN211824278U (zh) * | 2020-05-26 | 2020-10-30 | 广西科技大学 | 一种基于光纤光栅技术的裂缝宽度监测装置 |
CN111855219A (zh) * | 2020-07-20 | 2020-10-30 | 哈尔滨工程大学 | 一种基于灰色理论的柴油机润滑油进机安保参数预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114295095B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US6178389B1 (en) | Method of determining the measuring uncertainty of a coordinate measuring device | |
CN103049596B (zh) | 一种提高叶轮零件逆向工程精度的方法 | |
CN110543618A (zh) | 基于概率密度函数估计的圆度不确定度评定方法 | |
CN115388817B (zh) | 基于图像处理分析实现铸造件打磨质量检测的方法 | |
CN112668227A (zh) | 一种薄壁件让刀变形误差预测模型建立方法及其应用 | |
US10345794B2 (en) | Product quality prediction method for mass customization | |
CN110569566A (zh) | 一种板带力学性能预测方法 | |
CN110560685A (zh) | 金属3d打印工艺参数优化方法 | |
CN115436342A (zh) | 降低多批次样本间libs检测不确定性的方法及装置 | |
CN112304478A (zh) | 一种基于蠕变轮廓法的残余应力测试方法 | |
CN114528741A (zh) | 一种基于有限元分析法的大跨度钢结构指标变化预测方法 | |
CN110567421B (zh) | 基于贝叶斯原理的圆度不确定度动态评定方法 | |
CN114295095B (zh) | 一种自由曲面检测最佳测点数确定方法 | |
CN117348546A (zh) | 一种柔性生产线过程质量评价方法 | |
CN108415372B (zh) | 精密机床热误差补偿方法 | |
CN108989978B (zh) | 考虑误差干扰的传感网络三锚点及四锚点定位方法及装置 | |
Gladilin et al. | Determining the form of error distribution of geodetic measuring | |
Adamczak et al. | An analysis of strategies of measurement of 3D rotary elements | |
CN112735483B (zh) | 一种利用设计误差建模改进装配性能的方法 | |
CN110021027B (zh) | 一种基于双目视觉的切边点计算方法 | |
CN110222382B (zh) | 一种飞机坐标系优化拟合方法 | |
CN106339588A (zh) | 基于灰色系统理论的加速退化数据离散建模方法 | |
Zhang et al. | Deviation diagnosis and analysis of hull flat block assembly based on a state space model | |
CN113779817B (zh) | 一种测量控制网基准稳定性分析方法 | |
Mu et al. | Sampling method for similar section surface inspection |
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 |