CN114838661A - 一种砂轮回转动态几何参数的在机检测方法 - Google Patents
一种砂轮回转动态几何参数的在机检测方法 Download PDFInfo
- Publication number
- CN114838661A CN114838661A CN202210530599.4A CN202210530599A CN114838661A CN 114838661 A CN114838661 A CN 114838661A CN 202210530599 A CN202210530599 A CN 202210530599A CN 114838661 A CN114838661 A CN 114838661A
- Authority
- CN
- China
- Prior art keywords
- grinding wheel
- data
- circle
- point
- array
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 31
- 238000006073 displacement reaction Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims abstract description 11
- 238000001914 filtration Methods 0.000 claims abstract description 9
- 230000009466 transformation Effects 0.000 claims abstract description 6
- 238000005070 sampling Methods 0.000 claims description 47
- 238000000034 method Methods 0.000 claims description 37
- 230000008569 process Effects 0.000 claims description 10
- 230000003068 static effect Effects 0.000 claims description 6
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 5
- 230000008901 benefit Effects 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 230000000087 stabilizing effect Effects 0.000 claims description 3
- 230000004807 localization Effects 0.000 claims 1
- 230000009191 jumping Effects 0.000 abstract description 6
- 230000001133 acceleration Effects 0.000 abstract description 3
- 230000011218 segmentation Effects 0.000 abstract description 3
- 229920000049 Carbon (fiber) Polymers 0.000 description 10
- 239000004917 carbon fiber Substances 0.000 description 10
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 10
- 239000011159 matrix material Substances 0.000 description 8
- 238000005457 optimization Methods 0.000 description 6
- 239000000835 fiber Substances 0.000 description 4
- 238000003754 machining Methods 0.000 description 4
- 229910052751 metal Inorganic materials 0.000 description 4
- 239000002184 metal Substances 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 229910001651 emery Inorganic materials 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000005489 elastic deformation Effects 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 229910000838 Al alloy Inorganic materials 0.000 description 1
- 229910001069 Ti alloy Inorganic materials 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 150000002739 metals Chemical class 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- -1 steel Chemical class 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000003746 surface roughness Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
-
- 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
- G01B11/08—Measuring arrangements characterised by the use of optical techniques for measuring diameters
-
- 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
- G01B11/2408—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures for measuring roundness
-
- 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
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
- G01B11/27—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing the alignment of axes
- G01B11/272—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing the alignment of axes using photoelectric detection means
-
- 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
- G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
- G01B11/275—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing wheel alignment
- G01B11/2755—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes for testing wheel alignment using photoelectric detection means
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Constituent Portions Of Griding Lathes, Driving, Sensing And Control (AREA)
Abstract
本发明公开了一种砂轮回转动态几何参数的在机检测方法，通过在机床上回转状态下，利用点激光位移传感器连续扫描采样砂轮外圆周面，从而实时获得砂轮不同转速条件下的外圆周面微观起伏位移数据，再针对采集数据依次进行定位识别、整周分段、滤波、插值、轮廓线生成、坐标变换、非线性曲线拟合、检测指标计算等处理步骤，获得砂轮升速或稳定转速条件下的回转膨胀量、跳动、圆度、几何偏心量、偏心位置等检测结果。
Description
技术领域
本发明涉及砂轮磨削技术领域，尤其涉及一种砂轮回转动态几何参数的在机检测方法。
背景技术
目前，高速超高速磨削具有普通磨削无可比拟的优越性，有利于增大砂轮使用寿命，改善磨床稳定性，提升磨削效率，并降低工件表面粗糙度，提高磨削精度，实现了加工质量、效率和绿色环保的完美结合。高速超高速磨削一般要达到120m/s以上的砂轮线速度，砂轮在高速旋转条件下，离心力作用一般会使砂轮基体产生0.01mm～0.04mm的径向膨胀弹性形变，砂轮与周围空气的剧烈摩擦造成热量积累，也不可避免地使砂轮产生热膨胀；如果是高速磨削状态下，离心力和磨削力共同作用，弹性形变和热形变相互叠加，将产生更大的径向尺寸膨胀量，甚至可达0.2mm左右，这对于精密磨削加工是一个相当大的误差，会严重影响工件加工精度，不容忽视。
目前高速砂轮基体常用的材料为金属，如钢、铝合金、钛合金等，金属基体砂轮在高速超高速磨削中径向变形较大，不仅会影响砂轮的加工精度，而且较大的径向变形会导致砂轮基体的破坏与节块的断裂失效，严重影响砂轮的安全性能。
近年来复合材料发展迅速，复材砂轮异军突起，碳纤维增强树脂基复合材料(CFRP)砂轮具有密度低、强度高，比强度、比模量高等优异性能，逐渐得到广泛应用。但是，CFRP砂轮具有各向异性的特点，配合纤维缠绕、纤维布铺层等多种多样的使用方式，使其具有极强的复杂性，导致CFRP砂轮在高速旋转或磨削过程中有可能会存在径向变形量不均匀问题，从而出现砂轮回转时跳动、圆度、几何偏心量等参数变化或不稳定的情况，严重时出现磨削振纹和烧伤，影响工件加工质量。
综上，砂轮在高速旋转条件下的径向膨胀量、跳动、圆度、偏心量等动态几何参数的检测至关重要，对精密加工精度补偿、砂轮安全性监测、CFRP砂轮结构优化具有显著的现实指导意义。目前行业内针对砂轮回转膨胀量的检测多采用复形法，即通过磨削加工的方法将砂轮的形状复印到工件上来进行测量，不仅耗时费力、无法在机检测、无法检测升速过程，而且检测精度差，还无法同时获得跳动、几何偏心量等其它相关参数。目前未见有一种砂轮回转动态几何参数的在机检测方法，可在砂轮回转条件下在机床上实时、动态、高精度检测砂轮的回转膨胀量、跳动、圆度、几何偏心量、偏心位置等参数。
发明内容
本发明的目的是提供一种砂轮回转动态几何参数的在机检测方法，能够克服现有复形法检测精度差、效率低、难操作、指标少、局限大等缺陷，可直接在机床上检测砂轮升速或稳定转速条件下的动态过程中的几何参数，包括砂轮的回转膨胀量、跳动、圆度、几何偏心量、偏心位置等，为精密加工、安全监测、新型砂轮结构优化提供数据支撑和依据。
本发明采用的技术方案为：
一种砂轮回转动态几何参数的在机检测方法，包括以下步骤：
步骤1：机床停机时，在被检测砂轮前方固定点激光位移传感器，传感器发射的测量激光束垂直于砂轮外圆周面，沿砂轮径向照射且通过砂轮轴中心，然后在被检测砂轮外圆周面上做定位标记，具体的，采用反光条通过涂胶水粘附在砂轮外圆周面上，覆盖砂轮整个轴向宽度，反光条为长方形整齐窄条状且沿砂轮轴向粘附牢固；
步骤2：启动砂轮旋转，砂轮转速从零开始逐步上升并稳定在设定转速，点激光位移传感器实时同步采集砂轮外圆周面微观起伏位移数据，采样数据总长度为L；
步骤3：将采集数据按次序号排列，形成一维数组Z＝{z1,z2,…,zL}，并记录其相应的次序号，识别一维数组中定位标记对应的所有数据点，再从一维数组中将定位标记数据点之间的采样数据依次截取出来，即按照定位标记数据点的次序位置将一维数组依次分段，每一段数据都是砂轮回转状态下的外圆整周采样数据；
步骤4：针对步骤3中截取获得的各段砂轮外圆整周采样数据，均进行滤波去噪处理，获得了砂轮在不同回转状态下的无噪点干扰的砂轮外圆整周采样数据；
步骤5：针对步骤4处理后的每段砂轮外圆整周采样数据，计算其中数据点个数Na，可得相对应的砂轮实时转速ns′＝f/Na；
步骤6：针对步骤4处理后的每段砂轮外圆整周采样数据，取第一段砂轮外圆整周采样数据，此段数据对应的砂轮转速最低，认为砂轮此时径向无膨胀，计算其中所有数据的平均值，作为砂轮径向膨胀量的静态基准值；计算各段砂轮外圆整周采样数据的平均值，与静态基准值的差值，即为砂轮径向膨胀量值；结合步骤5中的砂轮实时转速，即可得砂轮不同转速下的动态的径向膨胀量；
步骤7：针对步骤4处理后的砂轮外圆整周采样数据，采用波峰检测算法搜寻每个波峰数据点，并记录波峰数据点相应的次序号，波峰检测算法为：砂轮外圆整周采样数据作为一个数组H1＝{h1，h2，...，ht}，针对数组中的每个数据点与相邻两个数据点进行两两比较，如果hi＞hi-1且hi＞hi+1，则判定hi数据点为一个峰点；
针对砂轮外圆整周采样数据中的所有峰点做曲线拟合，拟合方法采用B样条曲线拟合，具有分段连续多项式的显著优势，从而获得与砂轮整圆周轮廓吻合度很高的拟合曲线，其中次序号生成横轴坐标X1＝{x1，x2，...，xt}，拟合曲线的数值生成纵轴坐标Y1＝{y1，y2，...，yt}，t表示砂轮整周采样数据的个数；
针对步骤4处理后的每段砂轮外圆整周采样数据均处理获得一条砂轮圆周轮廓拟合曲线；
步骤8：针对步骤7获得的砂轮圆周轮廓拟合曲线，计算曲线上数据Y1中的最大值与最小值之差，ymax-ymin，即为砂轮跳动值；结合步骤5中的砂轮实时转速，即可得砂轮不同转速下的动态的跳动值；
步骤9：针对步骤7获得的砂轮圆周轮廓拟合曲线，进行坐标变换，使砂轮圆周轮廓拟合曲线转换为闭合曲线，计算式为：
步骤10：针对步骤9中的坐标变换后的闭合曲线上的所有数据点(xi′，yi′)进行圆拟合；
步骤11：计算步骤9获得的闭合曲线上的每个数据点(xi′，yi′)与步骤10获得的最佳拟合参数圆心坐标点(xb′，yb′)的距离
计算最大距离值DTmax和最小距离值DTmin的差值，即为砂轮圆周轮廓的圆度值；结合步骤5中的砂轮实时转速，即可得砂轮不同转速下的动态的砂轮圆周轮廓圆度值；
步骤12：计算最佳拟合参数圆心坐标点(xb′，yb′)与原点(0，0)的距离，即为砂轮几何圆心偏离回转中心的偏心量；结合步骤5中的砂轮实时转速，即可得砂轮不同转速下的动态的砂轮几何圆心偏心量；
步骤13：计算最佳拟合参数圆心坐标点(xb′，yb′)与的
比值的反正切，即为砂轮几何圆心偏心位置与定位标记位置的夹角；结合步骤5中的砂轮实时转速，即可得砂轮不同转速下的动态的砂轮几何圆心偏心位置。
所述的步骤3中定位标记数据点的识别方法为：取个数为M的一段数据生成数组Z1＝{z1，z2，...，zM}，计算zM与z1的差值、zM-1与z2的差值、zM-2与z3的差值，如果均大于阈值I，则识别出数组组Z1中包含定位标记数据点，再将数组Z1中相邻数据两两比较，直至搜寻出某序号大的数据与相邻序号小的数据的差值大于阈值II，则判定该序号大的数据为定位标记数据点；如果组Z1中数据不满足阈值I条件，则判定数组组Z1中不包含定位标记数据点；个数为M的数据段从前往后逐点滑动，依次得数组Z2＝{z2，z3，...，zM+1}，Z3＝{z3，z4，...，zM+2}，依次类推，采用上述相同方法识别各数组中是否包含定位标记数据点，并搜寻出对应的定位标记数据点；
M的长度应满足关系式：M＞w·f/π·D·ns，其中，w为定位标记在砂轮周向的宽度，f为点激光位移传感器采样频率，D为砂轮直径，ns为测量过程中砂轮最低转速。
所述的步骤4中滤波去噪方法具体为：在砂轮外圆整周采样数据中，取个数为N的一段数据生成数组，计算该数组内数据的极差值，如果极差值不大于阈值III，则判定该数组内数据均为有效数据，如果极差值大于阈值III，则判定该数组内包含噪点数据，该数组内数据予以剔除，个数为N的数据段从前往后逐点滑动，依次获得的各数组均进行极差判断，将所有的有效数据按照原始次序号重新排列并去除重复数据，即可获得滤除噪点后的砂轮外圆整周数据；滤除噪点后的砂轮外圆整周数据存在数据点缺失，再进行插值处理，插值方法为线性插值。
所述的步骤10中圆拟合的方法具体包括如下步骤：
首先建立圆参数估计方程及参数集合{Rc′，xc′，yc′}，其中圆心坐标(xc′，yc′)及圆半径Rc′作为初始估计参数，是最佳拟合参数的初始猜测，初始估计参数方程为：
再通过Levenberg-Marquardt算法计算最佳拟合参数集合{Rb′，xb′，yb′}，该集合是输入数据点(xi′，yi′)的最佳拟合，以最小化输入数据点的观测值与最佳非线性拟合之间的加权均方误差。
本发明砂轮在机床上回转状态下，利用点激光位移传感器连续扫描采样砂轮外圆周面，从而实时获得砂轮不同转速条件下的外圆周面微观起伏位移数据，再针对采集数据依次进行定位识别、整周分段、滤波、插值、轮廓线生成、坐标变换、非线性曲线拟合、检测指标计算等处理步骤，获得砂轮升速或稳定转速条件下的回转膨胀量、跳动、圆度、几何偏心量、偏心位置等检测结果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明的流程图。
图2为本发明所述碳纤维砂轮不同转速下检测圆周轮廓曲线。
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，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有付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。
如图1和2所示，本发明以一种碳纤维(CFRP)砂轮的检测过程为例，包括以下步骤：
(1)设置定位标记。
将碳纤维砂轮安装在机床上，机床停机状态下，在被检测砂轮前方固定点激光位移传感器，传感器发射的测量激光束垂直于砂轮外圆周面，沿砂轮径向照射且通过砂轮轴中心，然后在被检测砂轮外圆周面上做定位标记，具体是，采用强粘力反光条粘贴在砂轮外圆周面上，覆盖砂轮整个轴向宽度，反光条为长方形整齐窄条状，沿砂轮轴向平直粘贴牢固。
(2)采集砂轮表面数据。
启动砂轮旋转，砂轮转速从零开始逐步上升并稳定在设定转速，点激光位移传感器实时同步采集砂轮外圆周面微观起伏位移数据，采样数据总长度为L。
点激光位移传感器照射在反光条上时检测到的数据将明显高于周边数据，以此数据特征为定位依据，可将采集到的数据点与砂轮上的位置对应起来。
(3)采集数据预处理
(3.1)采集数据整圆周分段
将采集数据按次序号排列，形成一维数组Z＝{z1，z2，...，zL}，并记录其相应的次序号，识别一维数组中定位标记对应的所有数据点，再从一维数组中将定位标记数据点之间的采样数据依次截取出来，即按照定位标记数据点的次序位置将一维数组依次分段，每一段数据都是砂轮回转状态下的外圆整周采样数据。定位标记数据点的识别方法为：取个数为M的一段数据生成数组Z1＝{z1，z2，...，zM}，计算zM与z1的差值、zM-1与z2的差值、zM-2与z3的差值，如果均大于阈值I，则识别出数组Z1中包含定位标记数据点，再将数组Z1中相邻数据两两比较，直至搜寻出某序号大的数据与相邻序号小的数据的差值大于阈值II，则判定该序号大的数据为定位标记数据点；如果Z1中数据不满足阈值I条件，则判定数组Z1中不包含定位标记数据点；个数为M的数据段从前往后逐点滑动，依次得数组Z2＝{z2，z3，...，zM+1}，Z3＝{z3，z4，...，zM+2}，依次类推，采用上述相同方法识别各数组中是否包含定位标记数据点，并搜寻出对应的定位标记数据点。
M的长度应满足关系式：M＞w·f/π·D·ns，其中，w为定位标记在砂轮周向的宽度，f为点激光位移传感器采样频率，D为砂轮直径，ns为测量过程中砂轮最低转速。
(3.2)噪点数据剔除
针对步骤(3.1)中截取获得的各段砂轮外圆整周采样数据，进行滤波去噪处理。滤波方法为：在砂轮外圆整周采样数据中，取个数为N的一段数据生成数组，计算该数组内数据的极差值，如果极差值不大于阈值III，则判定该数组内数据均为有效数据，如果极差值大于阈值III，则判定该数组内包含噪点数据，该数组内数据予以剔除，个数为N的数据段从前往后逐点滑动，依次获得的各数组均进行极差判断，将所有的有效数据按照原始次序号重新排列并去除重复数据，即可获得滤除噪点后的砂轮外圆整周数据。滤除噪点后的砂轮外圆整周数据存在数据点缺失，再进行插值处理，插值方法为线性插值。
针对步骤(3.1)中截取获得的每一段砂轮外圆整周采样数据均进行滤波和插值处理，获得了砂轮在不同回转状态下的无噪点干扰的砂轮外圆整周采样数据。
(4)砂轮实时转速计算
针对步骤(3)处理后的每段砂轮外圆整周采样数据，计算其中数据点个数Na，可得相对应的砂轮实时转速ns′＝f/Na。
(5)砂轮径向膨胀量计算
针对步骤(3)处理后的每段砂轮外圆整周采样数据，取第一段砂轮外圆整周采样数据，此段数据对应的砂轮转速最低，认为砂轮此时径向无膨胀，计算其中所有数据的平均值，作为砂轮径向膨胀量的静态基准值。计算各段砂轮外圆整周采样数据的平均值，与静态基准值的差值，即为砂轮径向膨胀量值。结合步骤(4)中的砂轮实时转速，即可得砂轮不同转速下的动态的径向膨胀量。
碳纤维砂轮的径向膨胀量一般小于钢基体等金属基体砂轮，但如果纤维缠绕方式或结构连接方式不合理，也会导致较大的径向膨胀量。
(6)生成砂轮圆周轮廓曲线
针对步骤(3)处理后的砂轮外圆整周采样数据，采用波峰检测算法搜寻每个波峰数据点，并记录波峰数据点相应的次序号，波峰检测算法为：砂轮外圆整周采样数据作为一个数组H1＝{h1，h2，...，ht}，针对数组中的每个数据点与相邻两个数据点进行两两比较，如果hi＞hi-1且hi＞hi+1，则判定hi数据点为一个峰点。
针对砂轮外圆整周采样数据中的所有峰点做曲线拟合，拟合方法采用B样条曲线拟合，按照下列方程最小化残差，计算最佳B样条拟合X和最佳B样条拟合Y：
其中，t表示砂轮整周采样数据的个数，wi是权重的第i个元素，
是输入的第i个值对，(xi，yi)是最佳拟合的第i个值对。B样条曲线拟合具有分段连续多项式的显著优势，从而获得与砂轮整圆周轮廓吻合度很高的拟合曲线，其中次序号生成横轴坐标X1＝{x1，x2，...，xt}，拟合曲线的数值生成纵轴坐标Y1＝{y1，y2，...，yt}。
针对步骤(3)处理后的每段砂轮外圆整周采样数据均处理获得一条砂轮圆周轮廓拟合曲线。
(7)砂轮跳动值计算
针对步骤(6)获得的砂轮圆周轮廓拟合曲线，计算曲线上数据Y1中的最大值与最小值之差，ymax-ymin，即为砂轮跳动值。结合步骤(4)中的砂轮实时转速，即可得砂轮不同转速下的动态的跳动值。
正常情况下，砂轮在不同转速下的跳动值是恒定的，但如果砂轮径向膨胀量过大且不均匀，会造成砂轮不同转速下的跳动值的变化，通过本发明检测结果可知评估砂轮结构问题。
(8)生成砂轮圆周轮廓的圆拟合曲线
(8.1)曲线坐标变换
针对步骤(6)获得的砂轮圆周轮廓拟合曲线，进行坐标变换，使砂轮圆周轮廓拟合曲线转换为闭合曲线，计算式为：
(8.2)圆拟合针对步骤(8.1)中的坐标变换后的闭合曲线上的所有数据点(xi′，yi′)进行圆拟合。首先建立圆参数估计方程及参数集合{Rc′，xc′，yc′}，其中圆心坐标(xc′，yc′)及圆半径Rc′作为初始估计参数，是最佳拟合参数的初始猜测，初始估计参数方程为：
再通过Levenberg-Marquardt算法计算最佳拟合参数集合{Rb′，xb′，yb′}，该集合是输入数据点(xi′，yi′)的最佳拟合，以最小化输入数据点的观测值与最佳非线性拟合之间的加权均方误差。Levenberg-Marquardt算法是高斯-牛顿法的优化，为避免奇异Hessian矩阵的弱点，Levenberg-Marquardt算法为Hessian矩阵添加正定对角矩阵，提升优化效率和精度。
(9)砂轮圆度值计算
计算步骤(8.1)获得的闭合曲线上的每个数据点(xi′，yi′)与步骤(8.2)获得的最佳拟合参数圆心坐标点(xb′，yb′)的距离
计算最大距离值DTmax和最小距离值DTmin的差值，即为砂轮圆周轮廓的圆度值。结合步骤(4)中的砂轮实时转速，即可得砂轮不同转速下的动态的砂轮圆周轮廓圆度值。
正常情况下，砂轮在不同转速下的轮廓圆度值都是接近0的，即不论膨胀量有多大，砂轮都应该是圆的，但是如果碳纤维砂轮的纤维铺层方式不合理，则会造成砂轮圆周上的径向膨胀不均匀，导致砂轮轮廓圆度远大于0，砂轮轮廓不圆，从而恶化磨削性能。图2所示为检测的碳纤维砂轮在1000r/min、2000r/min、3000/min、4000r/min时的圆周轮廓曲线，转速越高，径向膨胀量越大，同时膨胀越不均匀，圆度值越大。
(10)砂轮几何圆心偏心量计算
计算最佳拟合参数圆心坐标点(xb′，yb′)与原点(0，0)的距离，即为砂轮几何圆心偏离回转中心的偏心量。结合步骤(4)中的砂轮实时转速，即可得砂轮不同转速下的动态的砂轮几何圆心偏心量。
(11)砂轮几何圆心偏心位置计算
计算最佳拟合参数圆心坐标点(xb′，yb′)的
比值的反正切，即为砂轮几何圆心偏心位置与定位标记位置的夹角。结合步骤(4)中的砂轮实时转速，即可得砂轮不同转速下的动态的砂轮几何圆心偏心位置。
正常情况下，砂轮在不同转速下的几何圆心偏心量和偏心位置都是固定的，因为只受到砂轮在主轴上安装精度影响。金属基砂轮由于材质均匀，各部位力学性能一致，一般不存在高速回转下的膨胀量不均匀和波动问题，但是针对碳纤维新型砂轮，可能存在结构设计不合理导致的膨胀不均匀、非稳态问题，进而导致回转时几何偏心量和偏心位置的改变，甚至改变砂轮动平衡状态。本发明的砂轮回转动态几何参数的在机检测方法，对于碳纤维新型砂轮的结构问题评估和优化具有非常重要的参考价值和指导意义。
本发明提供了一种砂轮回转动态几何参数的在机检测方法，可检测砂轮升速或稳定转速条件下的动态过程中的几何参数，包括砂轮的回转膨胀量、跳动、圆度、几何偏心量、偏心位置等，为精密加工、安全监测、碳纤维新型砂轮结构优化提供数据支撑和依据。
本发明可直接应用在机床上，无需对机床结构和砂轮做任何改装，而且应用不受砂轮尺寸、结合剂类型、基体材质等因素限制，还可以应用于砂轮基体的检测，应用范围广，通用性强。本发明采用非接触检测方法，不损耗量仪，不干扰砂轮，检测过程方便快捷，操作使用不依赖人员经验，好用易用。
在本发明的描述中，需要说明的是，对于方位词，如有术语“中心”，“横向”、“纵向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示方位和位置关系为基于附图所示的方位或位置关系，仅是为了便于叙述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定方位构造和操作，不能理解为限制本发明的具体保护范围。
需要说明的是，本申请的说明书和权利要求书中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本申请的实施例。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
注意，上述仅为本发明的较佳实施例及运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行较详细的说明，但本发明不限于这里所述的特定实施例，在不脱离本发明构思的情况下，还可以包括更多其他等有效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (4)
1.一种砂轮回转动态几何参数的在机检测方法，其特征在于：包括以下步骤：
步骤1：机床停机时，在被检测砂轮前方固定点激光位移传感器，传感器发射的测量激光束垂直于砂轮外圆周面，沿砂轮径向照射且通过砂轮轴中心，然后在被检测砂轮外圆周面上做定位标记，具体的，采用反光条通过涂胶水粘附在砂轮外圆周面上，覆盖砂轮整个轴向宽度，反光条为长方形整齐窄条状且沿砂轮轴向粘附牢固；
步骤2：启动砂轮旋转，砂轮转速从零开始逐步上升并稳定在设定转速，点激光位移传感器实时同步采集砂轮外圆周面微观起伏位移数据，采样数据总长度为L；
步骤3：将采集数据按次序号排列，形成一维数组Z＝{z1,z2,…,zL}，并记录其相应的次序号，识别一维数组中定位标记对应的所有数据点，再从一维数组中将定位标记数据点之间的采样数据依次截取出来，即按照定位标记数据点的次序位置将一维数组依次分段，每一段数据都是砂轮回转状态下的外圆整周采样数据；
步骤4：针对步骤3中截取获得的各段砂轮外圆整周采样数据，均进行滤波去噪处理，获得了砂轮在不同回转状态下的无噪点干扰的砂轮外圆整周采样数据；
步骤5：针对步骤4处理后的每段砂轮外圆整周采样数据，计算其中数据点个数Na，可得相对应的砂轮实时转速ns′＝f/Na；
步骤6：针对步骤4处理后的每段砂轮外圆整周采样数据，取第一段砂轮外圆整周采样数据，此段数据对应的砂轮转速最低，认为砂轮此时径向无膨胀，计算其中所有数据的平均值，作为砂轮径向膨胀量的静态基准值；计算各段砂轮外圆整周采样数据的平均值，与静态基准值的差值，即为砂轮径向膨胀量值；结合步骤5中的砂轮实时转速，即可得砂轮不同转速下的动态的径向膨胀量；
步骤7：针对步骤4处理后的砂轮外圆整周采样数据，采用波峰检测算法搜寻每个波峰数据点，并记录波峰数据点相应的次序号，波峰检测算法为：砂轮外圆整周采样数据作为一个数组H1＝{h1,h2,…,ht}，针对数组中的每个数据点与相邻两个数据点进行两两比较，如果hi＞hi-1且hi＞hi+1，则判定hi数据点为一个峰点；
针对砂轮外圆整周采样数据中的所有峰点做曲线拟合，拟合方法采用B样条曲线拟合，具有分段连续多项式的显著优势，从而获得与砂轮整圆周轮廓吻合度很高的拟合曲线，其中次序号生成横轴坐标X1＝{x1,x2,…,xt}，拟合曲线的数值生成纵轴坐标Y1＝{y1,y2,…,yt}，t表示砂轮整周采样数据的个数；
针对步骤4处理后的每段砂轮外圆整周采样数据均处理获得一条砂轮圆周轮廓拟合曲线；
步骤8：针对步骤7获得的砂轮圆周轮廓拟合曲线，计算曲线上数据Y_1中的最大值与最小值之差，ymax-ymin，即为砂轮跳动值；结合步骤5中的砂轮实时转速，即可得砂轮不同转速下的动态的跳动值；
步骤9：针对步骤7获得的砂轮圆周轮廓拟合曲线，进行坐标变换，使砂轮圆周轮廓拟合曲线转换为闭合曲线，计算式为：
步骤10：针对步骤9中的坐标变换后的闭合曲线上的所有数据点(xi′，yi′)进行圆拟合；
步骤11：计算步骤9获得的闭合曲线上的每个数据点(xi′，yi′)与步骤10获得的最佳拟合参数圆心坐标点(xb′，yb′)的距离
计算最大距离值DTmax和最小距离值DTmin的差值，即为砂轮圆周轮廓的圆度值；结合步骤5中的砂轮实时转速，即可得砂轮不同转速下的动态的砂轮圆周轮廓圆度值；
步骤12：计算最佳拟合参数圆心坐标点(xb′，yb′)与原点(0，0)的距离，即为砂轮几何圆心偏离回转中心的偏心量；结合步骤5中的砂轮实时转速，即可得砂轮不同转速下的动态的砂轮几何圆心偏心量；
步骤13：计算最佳拟合参数圆心坐标点(xb′，yb′)与的
比值的反正切，即为砂轮几何圆心偏心位置与定位标记位置的夹角；结合步骤5中的砂轮实时转速，即可得砂轮不同转速下的动态的砂轮几何圆心偏心位置。
2.根据权利要求1所述的砂轮回转动态几何参数的在机检测方法，其特征在于：所述的步骤3中定位标记数据点的识别方法为：取个数为M的一段数据生成数组Z1＝{z1,z2,…,zM}，计算zM与z1的差值、zM-1与z2的差值、zM-2与z3的差值，如果均大于阈值Ⅰ，则识别出数组组Z1中包含定位标记数据点，再将数组Z1中相邻数据两两比较，直至搜寻出某序号大的数据与相邻序号小的数据的差值大于阈值Ⅱ，则判定该序号大的数据为定位标记数据点；如果组Z1中数据不满足阈值Ⅰ条件，则判定数组组Z1中不包含定位标记数据点；个数为M的数据段从前往后逐点滑动，依次得数组Z2＝{z2,z3,…,zM+1}，Z3＝{z3,z4,…,zM+2}，依次类推，采用上述相同方法识别各数组中是否包含定位标记数据点，并搜寻出对应的定位标记数据点；
M的长度应满足关系式：M＞w·f/π·D·ns，其中，w为定位标记在砂轮周向的宽度，f为点激光位移传感器采样频率，D为砂轮直径，ns为测量过程中砂轮最低转速。
3.根据权利要求2所述的砂轮回转动态几何参数的在机检测方法，其特征在于：所述的步骤4中滤波去噪方法具体为：在砂轮外圆整周采样数据中，取个数为N的一段数据生成数组，计算该数组内数据的极差值，如果极差值不大于阈值Ⅲ，则判定该数组内数据均为有效数据，如果极差值大于阈值Ⅲ，则判定该数组内包含噪点数据，该数组内数据予以剔除，个数为N的数据段从前往后逐点滑动，依次获得的各数组均进行极差判断，将所有的有效数据按照原始次序号重新排列并去除重复数据，即可获得滤除噪点后的砂轮外圆整周数据；滤除噪点后的砂轮外圆整周数据存在数据点缺失，再进行插值处理，插值方法为线性插值。
4.根据权利要求3所述的砂轮回转动态几何参数的在机检测方法，其特征在于：所述的步骤10中圆拟合的方法具体包括如下步骤：
首先建立圆参数估计方程及参数集合{Rc′，xc′，yc′}，其中圆心坐标(xc′，yc′)及圆半径Rc′作为初始估计参数，是最佳拟合参数的初始猜测，初始估计参数方程为：
再通过Levenberg-Marquardt算法计算最佳拟合参数集合{Rb′，xb′，yb′}，该集合是输入数据点(xi′，yi′)的最佳拟合，以最小化输入数据点的观测值与最佳非线性拟合之间的加权均方误差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210530599.4A CN114838661B (zh) | 2022-05-16 | 2022-05-16 | 一种砂轮回转动态几何参数的在机检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210530599.4A CN114838661B (zh) | 2022-05-16 | 2022-05-16 | 一种砂轮回转动态几何参数的在机检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114838661A true CN114838661A (zh) | 2022-08-02 |
| CN114838661B CN114838661B (zh) | 2023-12-29 |
Family
ID=82569599
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210530599.4A Active CN114838661B (zh) | 2022-05-16 | 2022-05-16 | 一种砂轮回转动态几何参数的在机检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114838661B (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202229737U (zh) * | 2011-08-09 | 2012-05-23 | 上海理工大学 | 便携式砂轮三维形貌测量分析装置 |
| CN104990503A (zh) * | 2015-07-16 | 2015-10-21 | 郑州磨料磨具磨削研究所有限公司 | 一种基于激光位移传感器的砂轮外圆跳动检测方法 |
| JP2017052037A (ja) * | 2015-09-08 | 2017-03-16 | 住友ゴム工業株式会社 | 砥石の作業面の表面形状の測定方法 |
| CN107179101A (zh) * | 2017-05-27 | 2017-09-19 | 郑州磨料磨具磨削研究所有限公司 | 一种砂轮表面粗糙度和磨粒分布状态的检测及评价方法 |
-
2022
- 2022-05-16 CN CN202210530599.4A patent/CN114838661B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202229737U (zh) * | 2011-08-09 | 2012-05-23 | 上海理工大学 | 便携式砂轮三维形貌测量分析装置 |
| CN104990503A (zh) * | 2015-07-16 | 2015-10-21 | 郑州磨料磨具磨削研究所有限公司 | 一种基于激光位移传感器的砂轮外圆跳动检测方法 |
| JP2017052037A (ja) * | 2015-09-08 | 2017-03-16 | 住友ゴム工業株式会社 | 砥石の作業面の表面形状の測定方法 |
| CN107179101A (zh) * | 2017-05-27 | 2017-09-19 | 郑州磨料磨具磨削研究所有限公司 | 一种砂轮表面粗糙度和磨粒分布状态的检测及评价方法 |
Non-Patent Citations (1)
| Title |
|---|
| 张桥杰;朱祥龙;董志刚;康仁科;卢成;张小民;: "基于激光位移传感器在机测量砂轮直径", 组合机床与自动化加工技术, no. 02 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114838661B (zh) | 2023-12-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5036714B2 (ja) | 研削盤のための独立測定装置 | |
| de Oliveira et al. | Dimensional characterization of grinding wheel surface through acoustic emission | |
| JP5542735B2 (ja) | リード構造の算出方法 | |
| Wang et al. | Tool wear monitoring of wiper inserts in multi-insert face milling using three-dimensional surface form indicators | |
| Liu et al. | Modeling and analysis of acoustic emission in diamond turning | |
| Shahabi et al. | Assessment of flank wear and nose radius wear from workpiece roughness profile in turning operation using machine vision | |
| Udupa et al. | Characterization of surface topography by confocal microscopy: II. The micro and macro surface irregularities | |
| US7876454B2 (en) | Method and system for measurement of a cutting tool | |
| Kapłonek et al. | The diagnostics of abrasive tools after internal cylindrical grinding of hard-to-cut materials by means of a laser technique using imaging and analysis of scattered light | |
| Thang et al. | Evaluation of grinding wheel wear in wet profile grinding for the groove of the ball bearing’s inner ring by pneumatic probes | |
| CN110125802B (zh) | 一种超硬材料砂轮微小磨损量的在线检测方法及系统 | |
| Kong et al. | Roundness error separation based on singularity detection and exact-stop of spindle in on-machine measurement of spindle rotation error | |
| CN112504209B (zh) | 一种高精度刀具磨损2d在线检测方法 | |
| McDonald et al. | Design and validation of a grinding wheel optical scanner system to repeatedly measure and characterize wheel surface topography | |
| Grochalski et al. | Differences in roughness parameter values from skid and skidless contact stylus profilometers | |
| EP0081376A2 (en) | Crankshaft centring | |
| Lee et al. | Detection of fracture in ceramic cutting tools from workpiece profile signature using image processing and fast Fourier transform | |
| CN114838661A (zh) | 一种砂轮回转动态几何参数的在机检测方法 | |
| JP6717287B2 (ja) | 溶接管の溶接部の形状寸法測定装置 | |
| Miura et al. | Cutting tool edge and textured surface measurements with a point autofocus probe | |
| Raghu et al. | A comparative study of circularity of artefact detecting circle using CMM and form tester with different filters | |
| CN115213472A (zh) | 一种单刃金刚石球头铣刀偏心量的在位精密标定方法 | |
| Mook et al. | Measurement of nose radius wear in turning tools from a single 2D image using machine vision | |
| Morton | Topography of surfaces | |
| Ali | The influence of strategic parameters on roundness accuracy development |
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 |