CN115169481A - 一种发动机涡轮叶片质量检测的分析计算方法 - Google Patents
一种发动机涡轮叶片质量检测的分析计算方法 Download PDFInfo
- Publication number
- CN115169481A CN115169481A CN202210859225.7A CN202210859225A CN115169481A CN 115169481 A CN115169481 A CN 115169481A CN 202210859225 A CN202210859225 A CN 202210859225A CN 115169481 A CN115169481 A CN 115169481A
- Authority
- CN
- China
- Prior art keywords
- data
- standard
- calculation
- analysis
- dustpan
- 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.)
- Pending
Links
- 238000004364 calculation method Methods 0.000 title claims abstract description 23
- 238000001514 detection method Methods 0.000 title claims abstract description 20
- 238000004458 analytical method Methods 0.000 title claims abstract description 13
- 238000000034 method Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 7
- 238000003754 machining Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 238000013075 data extraction Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 claims description 2
- 230000004927 fusion Effects 0.000 claims 1
- 238000007476 Maximum Likelihood Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
Images
Abstract
一种发动机涡轮叶片质量检测的分析计算方法，属于航发质量检测领域。测量产品加工后的数据，对采集到的数据进行融合处理，多组数据融合通过最小二乘加权输出结果。克服了原有需要人为的计算两者偏差和自主判断时工作量大耗时复杂的问题。
Description
技术领域
本发明属于航发质量检测领域，涉及一种航空发动机涡轮叶片质量检测计算及实现方法。
背景技术
航空发动机涡轮叶片的加工探测是世界各国机加工与制造领域的难点与重点，涡轮叶片的表面布满了复杂排列的小孔。小孔在叶片上排列的位置和角度各不相同，从而加大了对其特征探测的难度和耗时。
小孔加工检测方法现有普遍使用的是人工探测。即加工时因为是垂直加工，需要人为地提取计算入口点相关坐标和加工时绕Z轴，Y轴旋转角度，进而计算出小孔的深度。
在人为操作过程中，小孔深度的提取计算需要人工计算，同时要手动的将测量数据和标准数据进行计算误差判断，因此此项工作的工作量大，耗时复杂时间长的缺陷显然易见。
航发的涡轮叶片为了保持在飞行过程中不发生过热，其可能导致叶片发生形变从而发生事故，需要在叶片上打上分布式的簸箕孔。通过簸箕孔，冷气流在叶片的外表面形成一层冷膜，保护航发叶片的稳定性和降低温度，因此在加工完成后需要对加工处进行检测。
发明内容
本发明解决现有技术存在的一系列问题，从而提供一种航空发动机涡轮叶片质量检测分析计算实现方法。
一种航空发动机涡轮叶片质量检测分析计算实现方法，测量产品加工后的数据，对采集到的数据进行融合处理，多组数据融合通过最小二乘加权输出结果。
一种发动机涡轮叶片质量检测分析计算的实现方法，含有以下步骤；
机床上完成部件的加工后，部件运送到检测台上进行数据采集，在采集过程中，对加工的簸箕孔进行特征数据提取并计算。
在提取到数据后，发送给计算机与数据库中的标准数据进行比对和误差分析，运用基于最小二乘的误差算法，将结果和要求的阈值进行比对，在范围之内，认定为加工合格，否则，需要重新加工。
本发明的优点是：一种应用于航空发动机涡轮叶片质量检测的自动分析计算方法，可实现自动电脑程序化计算提取簸箕孔深度和三维坐标的误差和判断。本发明核心部分在可以通过一套算法自动程序化地完成簸箕孔的特征计算比对，包括入、出口点坐标，孔深度，解决了之前人工操作时耗时复杂，重复机械劳动的问题。
附图说明
当结合附图考虑时，通过参照下面的详细描述，能够更完整更好地理解本发明以及容易得知其中许多伴随的优点，但此处所说明的附图用来提供对本发明的进一步理解，构成本发明的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定，如图其中：
图1为本发明的簸箕孔截面结构示意图。
图2为本发明的簸箕孔放大立体示意图。
图3为本发明的分布在零件上的簸箕孔结构示意图。
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，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。
实施例1：如图1、图2及图3所示，一种航空发动机涡轮叶片质量检测自动分析计算方法，通过点击模型上簸箕孔的相应部位计算提取显示入口坐标，簸箕孔深度，出口点坐标和采集数据做对比计算误差并判断。
如图1所示，簸箕孔的参数包括：延伸值E、孔壁厚公差B、出口长度C、孔深度H1、入口长度A、簸箕孔深度F、入口点坐标P0、孔径D及出口点坐标P1。
对检测的位置和关键加工点，进行对簸箕孔特征的提取。
在检测机位上，根据确定的检测位置，找到相应的实际点，用高精度测量仪器提取相关坐标和簸箕孔数据后，如表1所示，传送到计算机上准备进行计算对比。
在数据传输完成后，进行相关特征数据的对比，分别为采集的测量数据和标准数据。
从第一个点开始计算，因为采集到的数据不止一个，这里的算法基于最小二乘的思想，将采集到的多组数据进行算法分析，得到一个最接近真实数据来比对标准数据，从而判断加工精度是否达标。
表1
最小二乘法的本质是最小化系数矩阵所张成的向量空间到观测向量的欧式误差距离。
标函数＝∑(观测值-理论值)2
这里观测值即为机器采集到的数据，实际观测中会对一个关键点进行多次测量采集数据，理论值则对应着数模中的标准数据。最小二乘的思想就是使标函数，也称代价函数，数值最小。假设理论值为y0，多次测量值分别为y1，y2，y3，y4等，则代价函数为：
Cost function＝Σ(yi-y0)2 i＝1，2，3…
其中，对代价函数求导，令其为0，得到此时对应的值。这里对应的值就是根据多个观测值拟合出来的最接近真实测量数据的数据。
在实际测量中，包括簸箕孔一个点的三维坐标，即X，Y，Z轴坐标，三个参数需要同时计算最优数据进行误差比对，为了达到极高的质检标准，这三个指标必须同时在范围之内。
观察值的误差服从标准正态分布，即ε∈N(0,σ2)。
最小二乘在服从上述分布的条件下，推导过程来自于极大似然估计。即极大似然函数等价于极小化最小二乘法的代价函数，这也表明了以误差平方和作为最佳你和准则的合理性。因此可以说，最小二乘算法其实就是误差满足正态分布的极大似然估计。
在生成数据计算结果后，可以看到算法估计后的最优测量结果。
在过去的人工操作中，需要手动计算相关的数据，非常的耗费时间。可以根据采集数据自动生成比对结果，极大的减轻了工作量。
在生成比对结果后，根据生产标准进行分析，如果最优结果在容许的范围之内，认定为加工合格，可以出厂；否则，需要进行重加工直至检测合格后方可出厂。
以上仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种航空发动机涡轮叶片质量检测分析计算实现方法，其特征在于，测量产品加工后的数据，对采集到的数据进行融合处理，多组数据融合通过最小二乘加权输出结果。
2.根据权利要求1所述的一种发动机涡轮叶片质量检测的分析计算方法，其特征在于，还含有以下步骤：
机床上完成部件的加工后，部件运送到检测台上进行数据采集，在采集过程中，对加工的簸箕孔进行特征数据提取并计算，
同时计算出加工时需要绕Z轴，Y轴旋转角度，根据探测到的数据进一步测算提取处簸箕孔的深度，
在提取到数据后，发送给计算机与数据库中的标准数据进行比对和误差分析，运用基于最小二乘的误差算法，将结果和要求的阈值进行比对，在范围之内，认定为加工合格，否则，需要重新加工。
3.根据权利要求2所述的一种发动机涡轮叶片质量检测的分析计算方法，其特征在于，对检测的位置和关键加工点，进行对簸箕孔特征的提取,
在检测机位上，根据确定的检测位置，找到相应的实际点，用高精度测量仪器提取相关坐标和簸箕孔数据后，传送到计算机上准备进行计算对比,数据传分别为采集的测量数据和标准数据,
从第一个点开始计算，因为采集到的数据不止一个，这里的算法基于最小二乘的思想，将采集到的多组数据进行算法分析，得到一个最接近真实数据来比对标准数据，从而判断加工精度是否达标,
最小二乘法的本质是最小化系数矩阵所张成的向量空间到观测向量的欧式误差距离,
标函数＝Σ(观测值-理论值)2
这里观测值即为机器采集到的数据，实际观测中会对一个关键点进行多次测量采集数据，理论值则对应着数模中的标准数据,最小二乘的思想就是使标函数，也称代价函数，数值最小,假设理论值为y0，多次测量值分别为y1，y2，y3，y4等，则代价函数为：
Cost function＝Σ(yi-y0)2 i＝1，2，3…
其中，对代价函数求导，令其为0，得到此时对应的值,这里对应的值就是根据多个观测值拟合出来的最接近真实测量数据的数据。
4.根据权利要求3所述的一种发动机涡轮叶片质量检测的分析计算方法，其特征在于，在实际测量中，包括簸箕孔一个点的三维坐标，即X，Y，Z轴坐标，三个参数需要同时计算最优数据进行误差比对，为了达到极高的质检标准，这三个指标必须同时在范围之内。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210859225.7A CN115169481A (zh) | 2022-07-21 | 2022-07-21 | 一种发动机涡轮叶片质量检测的分析计算方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210859225.7A CN115169481A (zh) | 2022-07-21 | 2022-07-21 | 一种发动机涡轮叶片质量检测的分析计算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115169481A true CN115169481A (zh) | 2022-10-11 |
Family
ID=83494196
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210859225.7A Pending CN115169481A (zh) | 2022-07-21 | 2022-07-21 | 一种发动机涡轮叶片质量检测的分析计算方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115169481A (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108120373A (zh) * | 2017-11-23 | 2018-06-05 | 北京星航机电装备有限公司 | 一种基于激光跟踪测量的复杂异形铸件测量检查方法 |
| CN109141302A (zh) * | 2018-07-25 | 2019-01-04 | 沈阳工学院 | 一种基于最小二乘法的叶轮检测方法 |
| CN111540001A (zh) * | 2020-04-09 | 2020-08-14 | 上海交通大学 | 航空发动机涡轮叶片气膜孔轴线方向检测方法 |
| CN111768370A (zh) * | 2020-06-03 | 2020-10-13 | 北京汉飞航空科技有限公司 | 一种基于rgb-d相机的航空发动机叶片检测方法 |
| CN111912346A (zh) * | 2020-06-30 | 2020-11-10 | 成都飞机工业（集团）有限责任公司 | 一种适用于飞机表面机器人钻铆系统的窝孔在线检测方法 |
| CN113077437A (zh) * | 2021-03-31 | 2021-07-06 | 上海晨兴希姆通电子科技有限公司 | 工件质量检测方法及其系统 |
| CN114004039A (zh) * | 2021-09-16 | 2022-02-01 | 厦门大学 | 航空发动机空心涡轮叶片气膜孔形位参数及孔深预测方法 |
| CN114383498A (zh) * | 2020-10-16 | 2022-04-22 | 上海交通大学 | 应用于涡轮叶片气膜孔检测的目标点云分割方法 |
-
2022
- 2022-07-21 CN CN202210859225.7A patent/CN115169481A/zh active Pending
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108120373A (zh) * | 2017-11-23 | 2018-06-05 | 北京星航机电装备有限公司 | 一种基于激光跟踪测量的复杂异形铸件测量检查方法 |
| CN109141302A (zh) * | 2018-07-25 | 2019-01-04 | 沈阳工学院 | 一种基于最小二乘法的叶轮检测方法 |
| CN111540001A (zh) * | 2020-04-09 | 2020-08-14 | 上海交通大学 | 航空发动机涡轮叶片气膜孔轴线方向检测方法 |
| CN111768370A (zh) * | 2020-06-03 | 2020-10-13 | 北京汉飞航空科技有限公司 | 一种基于rgb-d相机的航空发动机叶片检测方法 |
| CN111912346A (zh) * | 2020-06-30 | 2020-11-10 | 成都飞机工业（集团）有限责任公司 | 一种适用于飞机表面机器人钻铆系统的窝孔在线检测方法 |
| CN114383498A (zh) * | 2020-10-16 | 2022-04-22 | 上海交通大学 | 应用于涡轮叶片气膜孔检测的目标点云分割方法 |
| CN113077437A (zh) * | 2021-03-31 | 2021-07-06 | 上海晨兴希姆通电子科技有限公司 | 工件质量检测方法及其系统 |
| CN114004039A (zh) * | 2021-09-16 | 2022-02-01 | 厦门大学 | 航空发动机空心涡轮叶片气膜孔形位参数及孔深预测方法 |
Non-Patent Citations (2)
| Title |
|---|
| PHEENET菲尼特: "什么是最小二乘法？", 《HTTPS://WWW.SOHU.COM/A/317534840_594016》 * |
| 新浪爱问共享资料: "项目二如何判断零件是否合格", 《HTTPS://WENKU.SO.COM/D/511F40C416349FBCAD5655601082CADB?SRC=WWW_REC》 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3168808B1 (en) | System for automated shaped cooling hole measurement | |
| CN104697462B (zh) | 一种基于中轴线的航空叶片型面特征参数提取方法 | |
| CN110703686B (zh) | 一种整体叶盘叶片截面在线测量路径规划方法 | |
| CN112964172B (zh) | 基于结构光相机的航空叶片表面量测方法及量测设备 | |
| CN113192116A (zh) | 基于结构光相机的航空叶片厚度参数量测方法 | |
| CN111931340A (zh) | 一种公差管理系统及管理方法 | |
| CN113865508A (zh) | 一种蜂窝夹芯复合材料声衬的通孔率自动化检测装置与方法 | |
| CN111540001A (zh) | 航空发动机涡轮叶片气膜孔轴线方向检测方法 | |
| CN111504223B (zh) | 一种基于线激光传感器的叶片轮廓测量方法及装置和系统 | |
| EP3617994A1 (en) | Blade sentencing | |
| CN114001654B (zh) | 工件端面位姿评价方法 | |
| CN115356121A (zh) | 一种涡轮叶片服役环境下寿命以及剩余寿命损伤评价方法 | |
| CN115169481A (zh) | 一种发动机涡轮叶片质量检测的分析计算方法 | |
| CN113029026A (zh) | 一种发动机火焰筒异型气膜孔的在线多参数检测方法 | |
| CN115131334B (zh) | 一种基于机器学习的航发小孔种类识别和自动排序方法 | |
| CN106826393B (zh) | 一种整体壁板铣削变形控制方法 | |
| CN114608478A (zh) | 一种高精度曲面薄片的前后缘参数量测方法 | |
| CN115879212A (zh) | 一种面向涡轮泵叶片制造加工可靠性评估方法 | |
| CN114417524A (zh) | 基于点云薄壁圆筒尺寸精度分析与ar可视化方法 | |
| CN111336945A (zh) | 一种精密微叶片薄壁前后缘型面检测方法 | |
| Lamb | Probabilistic performance-based geometric tolerancing of compressor blades | |
| CN115130526A (zh) | 一种发动机涡轮叶片加工余量的分析方法 | |
| Zhang et al. | Deviation diagnosis and analysis of hull flat block assembly based on a state space model | |
| Szybicki et al. | Robot-assisted quality inspection of turbojet engine blades | |
| Makem et al. | A virtual inspection technique for assessing the dimensional accuracy of forged compressor blades using FE modeling and CMM 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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221011 |
|
| RJ01 | Rejection of invention patent application after publication |