CN115294045A - 改进加工余量获取方法、系统、设备、存储介质及应用 - Google Patents
改进加工余量获取方法、系统、设备、存储介质及应用 Download PDFInfo
- Publication number
- CN115294045A CN115294045A CN202210905993.1A CN202210905993A CN115294045A CN 115294045 A CN115294045 A CN 115294045A CN 202210905993 A CN202210905993 A CN 202210905993A CN 115294045 A CN115294045 A CN 115294045A
- Authority
- CN
- China
- Prior art keywords
- point
- triangular
- triangular patch
- patch
- nearest
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
- G06T7/0008—Industrial image inspection checking presence/absence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
- G06T2207/30164—Workpiece; Machine component
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Numerical Control (AREA)
Abstract
本发明属于零件检测数据识别技术领域,公开了改进加工余量获取方法、系统、设备、存储介质及应用,所述方法包括:定位并筛选出参考CAD模型中狭长、大面积三角面片;对于筛选的所述狭长三角面片、大面积三角面片进行重心点计算并在内部随机均匀离散多个采样点;分别以参考CAD模型顶点,重心点与随机均匀采样点构建不同的搜索空间,比较测点到两不同的搜索空间的最近邻点的距离,确定测点最近邻三角面片集合;计算测点到所述测点最近邻三角面片集合里每个面片的距离,获取最小距离值作为该测点的加工余量。本发明实现了参考CAD三角网格模型中有狭长、大面积三角面片的情况下,复杂曲面零件加工余量的精确计算。
Description
技术领域
本发明属于零件检测数据识别技术领域,尤其涉及一种改进加工余量获取方法、系统、设备、存储介质及应用。
背景技术
目前,在航空航天领域,诸如航空发动机机匣等复杂曲面零件均为铸造成型,因此该类零件存在加工余量分布不均匀,个体差异性大的特点。在进行机加工前,需要对其进行精确的检测和分析,获取到各个部位的加工余量从而指导后续的加工操作。
针对目前加工余量的计算方法,主要可分为点到点距离、点到三角面片距离以及点到NURBES曲面距离三种表示方式。基于点到点距离的加工余量计算方式,需要将理论CAD模型离散成点云,后续在测量点云与CAD点云中进行对应点搜索,以对应点之间的法向距离作为零件该测点的余量值,这种方法计算的距离值往往不是测点到CAD模型的最短距离,计算结果与真实余量值差异较大。基于点到NURBES曲面距离的加工余量计算方式,需要提前已知参考曲面的参数方程并结合参数方程进行迭代求解,从而找到测点到曲面的最短距离值,该方法计算效率较低。
基于点到三角面片距离的计算方式,通过将参考CAD模型离散成多个三角面片,以测点到其最近三角面片的距离值表示加工余量,该方法求解结果精度较高且效率较快。但是在对CAD模型离散成三角面片过程中,往往会出现一些狭长、大面积的三角面片,这种现象对离散精度并没有影响,但是会严重影响后续余量计算过程中各个测点的最近三角面片搜索的结果,从而导致余量计算失效。
对于航空发动机机匣这类复杂曲面零件,这种现象尤为明显,因此由于狭长、大面积三角面片的存在,导致余量计算失效的问题亟需解决。
通过上述分析,现有技术存在的问题及缺陷为:
(1)现有技术不能够准确定位并筛选出参考CAD模型中狭长、大面积三角面片,不能避免处理所有三角面片所带来的不必要计算损耗,而且准确性低。
(2)现有技术仅通过搜索测点到所有三角面片顶点最短距离来确定测点最近邻三角面片集合,使得最近邻三角面片集合构建错误。
(3)现有技术在没有参考CAD三角网格模型中有狭长、大面积三角面片的情况下,对于复杂曲面零件加工余量的精确计算效果差。
发明内容
针对现有技术存在的问题,本发明提供了一种改进加工余量获取方法、系统、设备、存储介质及应用。尤其涉及到一种以点到三角面片距离计算复杂零件加工余量过程中,由于狭长、大面积三角面片存在导致余量计算失效的解决方法。
本发明是这样实现的,一种基于统计分析与多点采样的改进加工余量获取方法包括:
统计每个三角面片的标记边与面积,定位并筛选出参考CAD模型中狭长、大面积三角面片;对于筛选的所述狭长三角面片、大面积三角面片进行重心点计算并在内部随机均匀离散多个采样点;
分别以参考CAD模型顶点,重心点与随机均匀采样点构建不同的搜索空间,测点分别在上述不同的搜索空间内搜索最近邻点,比较测点到两不同的搜索空间的最近邻点的距离,确定测点最近邻三角面片集合;
计算测点到所述测点最近邻三角面片集合里每个面片的距离,获取最小距离值作为该测点的加工余量。
进一步,所述基于统计分析与多点采样的改进加工余量获取方法具体包括以下步骤:
S1,计算参考CAD三角网格模型中每个三角面的边长和面积,取每个三角面片的最长边作为该三角面的标记边,统计所有三角面片标记边和面积的均值和标准差,以均值和标准差划定置信区间来筛选判断参考CAD三角网格模型中狭长、大面积三角面片;
S2对于每个狭长三角面片计算重心点并在三角面片内随机均匀采样k-1个点,对于每个大面积三角面片计算重心点并在三角面片内随机均匀采样2k-1个点;
S3取所有三角面片的顶点来构造搜索空间{C1},取计算的重心点以及随机均匀采样点来构造搜索空间{C2};对于每个配准后的测量点,在{C1}空间内搜索距离最近点,最短距离为在{C2}空间内搜索距离最近顶点,最短距离为
S4构造测点最近邻三角面片集合{Vnearest}。若则只将与{C1}中最近点共点的三角面片加入到测点最近邻三角面片集合{Vnearest}中;若除需要将与{C1}中最近点共点的三角面片加入到测点最近邻三角面片集合{Vnearest}中,还将{C2}中搜索的最近点所归属的三角面片加入到最近三角面片集合{Vnearest}中;
S5计算测点到最近邻三角面片集合{Vnearest}中每个三角面片的距离值,取最小距离值作为该测点的真实加工余量。
进一步,在步骤S1中狭长、大面积三角面片的统计筛选包括:
对于参考CAD三角网格模型中每个三角面片vi(i=1…n),计算其三条边长值并将最长边长值作为该三角面片的标记边liden-i,计算其面积并作为标记面积Siden-i:
式中{l1-i l2-i l3-i}分别为三角面片vi的边长值,p=1/2(l1-i+l2-i+l3-i)为三角面片vi半周长;
统计完每个三角面片的标记边与标记面积后,计算整个模型标记边的均值μl与标准差σl以及标记面积的均值μs与标准差σs:
根据标记边的均值μl与标准差σl以及标记面积的均值μs与标准差σs分别设置置信区间kl、ks:
式中λ为标准差倍数,根据实际筛选效果设置具体值;
若某个三角面片的标记边不在置信区间kl中,则被标记为狭长三角面片,若某个三角面片的标记面积不在置信区间ks中,则被标记为大面积三角形。
进一步,在步骤S2中对狭长、大面积三角面片的采样点生成包括:
对于狭长三角面片,在内部采样k个点,包含1个重心点和k-1个随机均匀分布点;对于大面积三角面片,在内部采样2k个点,包含1个重心点和2k-1个随机均匀分布点;重心点pg-i通过如下公式生成:
式中{p1-i p2-i p3-i}为第i个狭长或大面积三角面片的三个顶点坐标。
第j个随机均匀采样点pr-j通过如下公式生成:
式中r1、r2为满足(0~1)正态分布的随机值。
进一步,在步骤S3中构造搜索空间,并为每个测量点构建最近邻三角面片集合包括:
测量点最近邻搜索空间由三角面片顶点坐标构成的搜索空间{C1}和重心点、随机均匀采样点坐标构成的搜索空间{C2}组成;将两搜索空间的坐标点用kdTree结构进行存储;对于单个测量点qi,分别在{C1}、{C2}中搜索最近邻点pc1、pc2,然后根据测点到两最近邻点距离值的大小构建测量最近邻三角面片集合{Vnearest}:
式中为参考CAD模型中与pc1共顶点的m个三角面片,为重心点或随机采样点所归属的三角面片;为测点到{C1}空间中最近邻点距离,为测点到{C2}空间中最近邻点距离;当测点与{C1}空间中最近邻点更近时,{C1}空间中与近邻点共顶点的三角面片能用于{Vnearest}正确建立;当测点与{C2}空间中最近邻点更近时,需加入{C2}空间中最近邻点所归属的三角面片到{Vnearest}中,建立正确的最近邻三角面片集合。
进一步,在步骤S105中测点到{Vnearest}集合中每个三角面片距离值计算,并得出该测点的加工余量值包括:
测点qi依次计算到{Vnearest}集合中每个三角面片的距离,在计算测点qi到集合中单个三角面片vpc-i距离中,将测点qi(xi yi zi)往三角面片vpc-i所在平面进行投影,得到投影点qpro-i(xpro-i ypro-i zpro-i):
若不满足投影点位于三角面片内,则分别计算测点到三角面片三条边的距离,在计算测点到任意边距离时,若测点往该边的投影点不位于该条边上,则以测点到该边上两顶点距离的小值表示为测点到该边的距离值;
再取到三边最小距离值作为测点到三角面片vpc-i的距离:
本发明的另一目的在于提供一种基于统计分析与多点采样的改进加工余量获取系统包括:
狭长、大面积三角面片筛选模块,用于计算参考CAD三角网格模型中每个三角面的边长和面积,取每个三角面片的最长边作为该三角面的标记边,统计所有三角面片标记边和面积的均值和标准差,以均值和标准差划定置信区间筛选判断参考CAD三角网格模型中狭长、大面积三角面片;
狭长、大面积三角面片随机离散采样模块,用于对于每个狭长三角面片计算重心点并在三角面片内随机均匀采样k-1个点,对于每个大面积三角面片计算其重心点并在三角面片内随机均匀采样2k-1个点;
搜索空间构造模块,用于取所有三角面片的顶点来构造搜索空间{C1},取计算的重心点以及随机均匀采样点来构造搜索空间{C2};对于每个配准后的测量点,在{C1}空间内搜索距离最近点,最短距离为在{C2}空间内搜索距离最近顶点,最短距离为
测点最近邻三角面片集合构建模块,用于构造测点最近邻三角面片集合{Vnearest};
三角面距离计算模块,用于计算测点到其最近邻三角面片集合{Vnearest}中每个三角面片的距离值,取最小距离值作为该测点的真实加工余量。
本发明的另一目的在于提供一种计算机设备,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行所述基于统计分析与多点采样的改进加工余量获取方法。
本发明的另一目的在于提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行所述基于统计分析与多点采样的改进加工余量获取方法。
本发明的另一目的在于提供一种所述基于统计分析与多点采样的改进加工余量获取方法在航空航天领域航空发动机机匣等复杂曲面零件铸造成型机床零件加工上的应用。
结合上述的技术方案和解决的技术问题,请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为:
第一、针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果。具体描述如下:
在以点到三角面片距离方式计算加工余量时,为有效解决狭长、大面积三角面片存在而导致复杂曲面零件加工余量计算失效的问题,本发明提出了一种基于统计分析与多点采样的改进加工余量获取方法,主要包括了对参考CAD三角网格模型统计分析来实现狭长、大面积三角面片精确筛选,对狭长、大面积三角面片随机离散采样,测点最近邻三角面片集合正确构建以及点到三角面片距离精确计算。
通过运用本发明所提解决方法,实现了对诸如航空发动机机匣这类复杂曲面零件余量的准确计算。对比现有计算方案与所提方案,现有方案计算出的复杂曲面零件加工余量会出现大面积的大余量异常点,且有着明显的阶跃跳变现象。而所提方案计算出的余量没有大余量异常点,且余量分布均匀平滑、无阶跃跳变现象,符合实际零件情形。
第二,把技术方案看做一个整体或者从产品的角度,本发明所要保护的技术方案具备的技术效果和优点,具体描述如下:
本发明采用统计分析的方法,能够准确定位并筛选出参考CAD模型中狭长、大面积三角面片。后续专门针对狭长、大面积三角面片进行处理,避免了处理所有三角面片所带来的不必要计算损耗。
本发明针对狭长三角面片,计算其重心点并在其内部随机均匀离散采样k-1个点,共同组成k个采样点,保证了狭长三角形搜索的准确性。
本发明针对大面积三角面片,计算其重心点并在其内部随机均匀离散采样2k-1个点,共同组成2k个采样点,保证了大面积三角形搜索的准确性。
本发明以参考CAD模型顶点构建搜索空间{C1},以重心点与随机均匀采样点构建搜索空间{C2},测点分别在两空间内搜索最近邻点,比较测点到两最近邻点的距离来确定测点最近邻三角面片集合{Vnearest}。有效解决了因狭长、大面积三角面片存在,导致最近邻三角面片集合构建错误的现象。
本发明计算测点到其最近邻三角面片集合{Vnearest}里每个面片的距离,取最小距离值为该点的加工余量,实现了参考CAD三角网格模型中有狭长、大面积三角面片的情况下,复杂曲面零件加工余量的精确计算。
第三,作为本发明的权利要求的创造性辅助证据,还体现在以下几个重要方面:
(1)本发明的技术方案转化后的预期收益和商业价值为:本方明的技术方案转化后,可以实现对航空航天领域中各种复杂曲面零件各个部位加工余量的精确计算,基于准确的余量分析值来指导后续零件的加工能够大大降低零件报废的可能性,提高企业的加工良品率,实现企业的提质增效。
(2)本发明的技术方案填补了国内外业内技术空白:加工余量的检测是零件加工前的重要一环,检测结果的精确性严重影响了后续加工质量的好坏,现有余量计算方案没有考虑狭长、大面积三角形存在的情况下,测点最近邻三角面片集合构建的正确性,因此算出的余量值与实际相差较大,会引起加工失效。本发明所提方案填补了余量计算方面,没有考虑狭长、大面积三角形影响这一空白,对狭长、大面积三角形进行特殊处理,实现了测点最近邻三角面片集合的正确构建,从而保证余量计算的精确性。
附图说明
图1是本发明实施例提供的基于统计分析与多点采样的改进加工余量获取流程图;
图2是本发明实施例提供的基于统计分析与多点采样的改进加工余量获取原理图;
如图3所示,本发明实施例提供的基于统计分析与多点采样的改进加工余量获取系统示意图;
图4是本发明实施例提供的复杂曲面零件加工余量计算改进前后色谱图对比图;图4中(a)为原始方法,(b)为本发明的方法;
图5是本发明实施例提供的复杂曲面零件加工余量计算改进前后余量分布对比图;图5中(a)为原始方法,(b)为本发明的方法;
图中:1、狭长、大面积三角面片筛选模块;2、狭长、大面积三角面片随机离散采样模块;3、搜索空间构造模块;4、测点最近邻三角面片集合构建模块;5、三角面距离计算模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现,该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示,本发明实施例提供的基于统计分析与多点采样的改进加工余量获取方法包括:
S101,计算参考CAD三角网格模型中每个三角面的边长和面积,取每个三角面片的最长边作为该三角面的标记边,统计所有三角面片标记边和面积的均值和标准差,以均值和标准差划定置信区间来筛选判断参考CAD三角网格模型中狭长、大面积三角面片。
S102对于每个狭长三角面片计算其重心点并在三角面片内随机均匀采样k-1个点,对于每个大面积三角面片计算其重心点并在三角面片内随机均匀采样2k-1个点。
S103取所有三角面片的顶点来构造搜索空间{C1},取计算的重心点以及随机均匀采样点来构造搜索空间{C2}。对于每个配准后的测量点,在{C1}空间内搜索距离最近点,最短距离为在{C2}空间内搜索距离最近顶点,最短距离为
S104构造测点最近邻三角面片集合{Vnearest}。若则只需将与{C1}中最近点共点的三角面片加入到测点最近邻三角面片集合{Vnearest}中。若除需要将与{C1}中最近点共点的三角面片加入到测点最近邻三角面片集合{Vnearest}中,还需要将{C2}中搜索的最近点所归属的三角面片也加入到最近三角面片集合{Vnearest}中。
S105计算测点到其最近邻三角面片集合{Vnearest}中每个三角面片的距离值,取最小距离值作为该点的真实加工余量。
图2是本发明实施例提供的基于统计分析与多点采样的改进加工余量获取原理。
作为进一步优选的,在步骤S101中,具体采用如下方法完成狭长、大面积三角面片的统计筛选:
对于参考CAD三角网格模型中每个三角面片vi(i=1…n),计算其三条边长值并将最长边长值作为该三角面片的标记边liden-i,计算其面积并作为标记面积Siden-i:
式中{l1-i l2-i l3-i}分别为三角面片vi的边长值,p=1/2(l1-i+l2-i+l3-i)为三角面片vi半周长。
统计完每个三角面片的标记边与标记面积后,计算整个模型标记边的均值μl与标准差σl以及标记面积的均值μs与标准差σs:
根据标记边的均值μl与标准差σl以及标记面积的均值μs与标准差σs分别设置置信区间kl、ks:
式中λ为标准差倍数,可以根据实际筛选效果设置具体值。
若某个三角面片的标记边不在置信区间kl中,则被标记为狭长三角面片,若某个三角面片的标记面积不在置信区间ks中,则被标记为大面积三角形。
作为进一步优选的,在步骤S102中,具体采用如下方法完成对狭长、大面积三角面片的采样点生成:
对于狭长三角面片,在其内部采样k个点,包含1个重心点和k-1个随机均匀分布点。对于大面积三角面片,在其内部采样2k个点,包含1个重心点和2k-1个随机均匀分布点。重心点pg-i通过如下公式生成:
式中{p1-i p2-i p3-i}为第i个狭长或大面积三角面片的三个顶点坐标。
第j个随机均匀采样点pr-j通过如下公式生成:
式中r1、r2为满足(0~1)正态分布的随机值。
作为进一步优选的,在步骤S103中,具体采用如下方法构造搜索空间,并为每个测量点构建最近邻三角面片集合:
测量点最近邻搜索空间主要由三角面片顶点坐标构成的搜索空间{C1}和重心点、随机均匀采样点坐标构成的搜索空间{C2}两部分组成。将两搜索空间的坐标点用kdTree结构进行存储,能够大大加快对应点搜索的效率。对于单个测量点qi,需要分别在{C1}、{C2}中搜索最近邻点pc1、pc2,然后根据测点到两最近邻点距离值的大小构建测量最近邻三角面片集合{Vnearest}:
式中为参考CAD模型中与pc1共顶点的m个三角面片,为重心点或随机采样点所归属的三角面片。为测点到{C1}空间中最近邻点距离,为测点到{C2}空间中最近邻点距离。也就是说当测点与{C1}空间中最近邻点更近时,只需要考虑{C1}空间中与近邻点共顶点的三角面片就可以保证{Vnearest}建立的正确性。而当测点与{C2}空间中最近邻点更近时,还需要加入{C2}空间中最近邻点所归属的三角面片到{Vnearest}中,才能建立正确的最近邻三角面片集合。
作为进一步优选的,在步骤S105中,具体采用如下方法完成测点到{Vnearest}集合中每个三角面片距离值计算,并得出该测点的加工余量值:
测点qi需要依次计算到其{Vnearest}集合中每个三角面片的距离,在计算测点qi到集合中单个三角面片vpc-i距离过程中,首先将测点qi(xi yi zi)往三角面片vpc-i所在平面进行投影,得到投影点qpro-i(xpro-i ypro-i zpro-i):
式中(p1-i p2-i p3-i)为三角面片vpc-i的三个顶点坐标。当3个向量满足两两叉乘结果同方向时,这说明投影点位于三角面片vpc-i内,测点到该三角面片的距离可直接表示为测点与投影点间的距离:
若不满足投影点位于三角面片内,则分别计算测点到三角面片三条边的距离,在计算测点到任意边距离时,若测点往该边的投影点不位于该条边上,则以测点到该边上两顶点距离的小值表示为测点到该边的距离值。最后取到三边最小距离值作为测点到三角面片vpc-i的距离:
如图3所示,本发明实施例提供的基于统计分析与多点采样的改进加工余量获取系统包括:
狭长、大面积三角面片筛选模块1,用于计算参考CAD三角网格模型中每个三角面的边长和面积,取每个三角面片的最长边作为该三角面的标记边,统计所有三角面片标记边和面积的均值和标准差,以均值和标准差划定置信区间来筛选判断参考CAD三角网格模型中狭长、大面积三角面片。
狭长、大面积三角面片随机离散采样模块2,用于对于每个狭长三角面片计算其重心点并在三角面片内随机均匀采样k-1个点,对于每个大面积三角面片计算其重心点并在三角面片内随机均匀采样2k-1个点。
搜索空间构造模块3,用于取所有三角面片的顶点来构造搜索空间{C1},取计算的重心点以及随机均匀采样点来构造搜索空间{C2}。对于每个配准后的测量点,在{C1}空间内搜索距离最近点,最短距离为在{C2}空间内搜索距离最近顶点,最短距离为
测点最近邻三角面片集合构建模块4,用于构造测点最近邻三角面片集合{Vnearest}。若则只需将与{C1}中最近点共点的三角面片加入到测点最近邻三角面片集合{Vnearest}中。若除需要将与{C1}中最近点共点的三角面片加入到测点最近邻三角面片集合{Vnearest}中,还需要将{C2}中搜索的最近点所归属的三角面片也加入到最近三角面片集合{Vnearest}中。
三角面距离计算模块5,用于计算测点到其最近邻三角面片集合{Vnearest}中每个三角面片的距离值,取最小距离值作为该点的真实加工余量。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值,该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
本发明可应用在复杂曲面零件产品测量—加工一体化技术上,首先通过精度测量得到复杂曲面零件点云数据,接着结合点云与CAD模型并利用本发明所提方法完成零件各个部位余量的精确计算,最后根据各部位计算的余量来指导加工,提高零件加工质量。
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果,和现有技术相比的确具备很大的优势,下面内容结合试验过程的数据、图表等进行描述。
与现有余量计算方法相比,所提方法能给有效解决狭长、大面积三角形存在导致余量计算失效的问题,所提方法算出来的余量值与零件实际情况相符合,下表1为针对某一型号机匣零件运用现有方法与所提方法所计算余量值的一个统计对比情况,可以看出现有方法算出的最大最小余量值为异常大值,本发明方法计算的最大最小余量值大幅度缩小,实现了更为精确的计算。
表1机匣零件余量统计情况
进一步的将两种方法计算出的所有测点余量值以色谱图和分布图进行绘制,图4是本发明实施例提供的机匣零件加工余量计算改进前后色谱图对比图,其中图4(a)为原始方法色谱结果,可以看出机匣端面存在大量的大余量异常点,(b)为本发明方法色谱结果,可以看出改进后机匣端面余量色谱均匀分布,无异常点。图5是本发明实施例提供的复杂曲面零件加工余量计算改进前后余量分布对比图;其中图5(a)为原始方法分布结果,可以看出存在大量的峰值跳变,然而这些峰值点均是异常点,(b)为本发明方法分布结果,可以看出改进后整体分布均匀,无明显的峰值点,符合实际情况。
应当注意,本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现;软件部分可以存储在存储器中,由适当的指令执行系统,例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现,例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现,也可以用由各种类型的处理器执行的软件实现,也可以由上述硬件电路和软件的结合例如固件来实现。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,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,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于统计分析与多点采样的改进加工余量获取方法,其特征在于,所述基于统计分析与多点采样的改进加工余量获取方法包括:
统计每个三角面片的标记边与面积,定位并筛选出参考CAD模型中狭长、大面积三角面片;对于筛选的所述狭长三角面片、大面积三角面片进行重心点计算并在内部随机均匀离散多个采样点;
分别以参考CAD模型顶点,重心点与随机均匀采样点构建不同的搜索空间,测点分别在上述不同的搜索空间内搜索最近邻点,比较测点到两不同的搜索空间的最近邻点的距离,确定测点最近邻三角面片集合;
计算测点到所述测点最近邻三角面片集合里每个面片的距离,获取最小距离值作为该测点的加工余量。
2.如权利要求1所述的基于统计分析与多点采样的改进加工余量获取方法,其特征在于,所述基于统计分析与多点采样的改进加工余量获取方法具体包括以下步骤:
S1,计算参考CAD三角网格模型中每个三角面的边长和面积,取每个三角面片的最长边作为该三角面的标记边,统计所有三角面片标记边和面积的均值和标准差,以均值和标准差划定置信区间来筛选判断参考CAD三角网格模型中狭长、大面积三角面片;
S2对于每个狭长三角面片计算重心点并在三角面片内随机均匀采样k-1个点,对于每个大面积三角面片计算重心点并在三角面片内随机均匀采样2k-1个点;
S3取所有三角面片的顶点来构造搜索空间{C1},取计算的重心点以及随机均匀采样点来构造搜索空间{C2};对于每个配准后的测量点,在{C1}空间内搜索距离最近点,最短距离为在{C2}空间内搜索距离最近顶点,最短距离为
S4构造测点最近邻三角面片集合{Vnearest}。若则只将与{C1}中最近点共点的三角面片加入到测点最近邻三角面片集合{Vnearest}中;若除需要将与{C1}中最近点共点的三角面片加入到测点最近邻三角面片集合{Vnearest}中,还将{C2}中搜索的最近点所归属的三角面片加入到最近三角面片集合{Vnearest}中;
S5计算测点到最近邻三角面片集合{Vnearest}中每个三角面片的距离值,取最小距离值作为该测点的真实加工余量。
3.如权利要求2所述的基于统计分析与多点采样的改进加工余量获取方法,其特征在于,在步骤S1中狭长、大面积三角面片的统计筛选包括:
对于参考CAD三角网格模型中每个三角面片vi(i=1…n),计算其三条边长值并将最长边长值作为该三角面片的标记边liden-i,计算其面积并作为标记面积Siden-i:
式中{l1-i l2-i l3-i}分别为三角面片vi的边长值,p=1/2(l1-i+l2-i+l3-i)为三角面片vi半周长;
统计完每个三角面片的标记边与标记面积后,计算整个模型标记边的均值μl与标准差σl以及标记面积的均值μs与标准差σs:
根据标记边的均值μl与标准差σl以及标记面积的均值μs与标准差σs分别设置置信区间kl、ks:
式中λ为标准差倍数,根据实际筛选效果设置具体值;
若某个三角面片的标记边不在置信区间kl中,则被标记为狭长三角面片,若某个三角面片的标记面积不在置信区间ks中,则被标记为大面积三角形。
5.如权利要求2所述的基于统计分析与多点采样的改进加工余量获取方法,其特征在于,在步骤S3中构造搜索空间,并为每个测量点构建最近邻三角面片集合包括:
测量点最近邻搜索空间由三角面片顶点坐标构成的搜索空间{C1}和重心点、随机均匀采样点坐标构成的搜索空间{C2}组成;将两搜索空间的坐标点用kdTree结构进行存储;对于单个测量点qi,分别在{C1}、{C2}中搜索最近邻点pc1、pc2,然后根据测点到两最近邻点距离值的大小构建测量最近邻三角面片集合{Vnearest}:
6.如权利要求2所述的基于统计分析与多点采样的改进加工余量获取方法,其特征在于,在步骤S5中测点到{Vnearest}集合中每个三角面片距离值计算,并得出该测点的加工余量值包括:
测点qi依次计算到{Vnearest}集合中每个三角面片的距离,在计算测点qi到集合中单个三角面片vpc-i距离中,将测点qi(xi yi zi)往三角面片vpc-i所在平面进行投影,得到投影点qpro-i(xpro-i ypro-i zpro-i):
若不满足投影点位于三角面片内,则分别计算测点到三角面片三条边的距离,在计算测点到任意边距离时,若测点往该边的投影点不位于该条边上,则以测点到该边上两顶点距离的小值表示为测点到该边的距离值;
再取到三边最小距离值作为测点到三角面片vpc-i的距离:
7.一种实施权利要求1~6任意一项所述基于统计分析与多点采样的改进加工余量获取方法的基于统计分析与多点采样的改进加工余量获取系统,其特征在于,所述基于统计分析与多点采样的改进加工余量获取系统包括:
狭长、大面积三角面片筛选模块,用于计算参考CAD三角网格模型中每个三角面的边长和面积,取每个三角面片的最长边作为该三角面的标记边,统计所有三角面片标记边和面积的均值和标准差,以均值和标准差划定置信区间筛选判断参考CAD三角网格模型中狭长、大面积三角面片;
狭长、大面积三角面片随机离散采样模块,用于对于每个狭长三角面片计算重心点并在三角面片内随机均匀采样k-1个点,对于每个大面积三角面片计算其重心点并在三角面片内随机均匀采样2k-1个点;
搜索空间构造模块,用于取所有三角面片的顶点来构造搜索空间{C1},取计算的重心点以及随机均匀采样点来构造搜索空间{C2};对于每个配准后的测量点,在{C1}空间内搜索距离最近点,最短距离为在{C2}空间内搜索距离最近顶点,最短距离为
测点最近邻三角面片集合构建模块,用于构造测点最近邻三角面片集合{Vnearest};
三角面距离计算模块,用于计算测点到其最近邻三角面片集合{Vnearest}中每个三角面片的距离值,取最小距离值作为该测点的真实加工余量。
8.一种计算机设备,其特征在于,所述计算机设备包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行权利要求1~6任意一项所述基于统计分析与多点采样的改进加工余量获取方法。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行权利要求1~6任意一项所述基于统计分析与多点采样的改进加工余量获取方法。
10.一种权利要求1~6任意一项所述基于统计分析与多点采样的改进加工余量获取方法在航空航天领域航空发动机机匣复杂曲面零件铸造成型机床零件加工上的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210905993.1A CN115294045A (zh) | 2022-07-29 | 2022-07-29 | 改进加工余量获取方法、系统、设备、存储介质及应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210905993.1A CN115294045A (zh) | 2022-07-29 | 2022-07-29 | 改进加工余量获取方法、系统、设备、存储介质及应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115294045A true CN115294045A (zh) | 2022-11-04 |
Family
ID=83825330
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210905993.1A Pending CN115294045A (zh) | 2022-07-29 | 2022-07-29 | 改进加工余量获取方法、系统、设备、存储介质及应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115294045A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117113591A (zh) * | 2023-10-23 | 2023-11-24 | 深圳市南科佳安机器人科技有限公司 | 产品加工方法、装置及存储介质和终端设备 |
CN118134995A (zh) * | 2024-04-30 | 2024-06-04 | 成都飞机工业(集团)有限责任公司 | 一种狭长面片测量点布置方法、装置、设备及存储介质 |
-
2022
- 2022-07-29 CN CN202210905993.1A patent/CN115294045A/zh active Pending
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117113591A (zh) * | 2023-10-23 | 2023-11-24 | 深圳市南科佳安机器人科技有限公司 | 产品加工方法、装置及存储介质和终端设备 |
CN117113591B (zh) * | 2023-10-23 | 2024-02-23 | 深圳市南科佳安机器人科技有限公司 | 产品加工方法、装置及存储介质和终端设备 |
CN118134995A (zh) * | 2024-04-30 | 2024-06-04 | 成都飞机工业(集团)有限责任公司 | 一种狭长面片测量点布置方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115294045A (zh) | 改进加工余量获取方法、系统、设备、存储介质及应用 | |
US10115035B2 (en) | Vision system and analytical method for planar surface segmentation | |
CN111611766B (zh) | 用于确定电路版图约束条件的方法、设备和存储介质 | |
CN111444294B (zh) | 一种轨迹补全方法、装置及电子设备 | |
CN112824828B (zh) | 一种激光跟踪仪站位确定方法、系统、电子设备及介质 | |
KR20130133685A (ko) | 제조 툴에 대한 레시피를 생성하는 방법 및 그 시스템 | |
CN114819636A (zh) | 一种基于spc检测的工业生产数据处理方法及系统 | |
Xu et al. | A computational geometry method for localization using differences of distances | |
CN115047913A (zh) | 一种无人机飞行路径的规划方法、装置、设备及存储介质 | |
Xia et al. | Error detection of arithmetic expressions | |
CN117434785B (zh) | 一种掩膜图案校正方法、装置、电子设备和可读存储介质 | |
CN110823156B (zh) | 一种曲面零件的测量方法、装置、设备及存储介质 | |
CN112529891A (zh) | 一种基于点云的空心孔洞识别与轮廓检测方法、装置及存储介质 | |
Dabrowski | Novel PCSE-based approach of inclined structures geometry analysis on the example of the Leaning Tower of Pisa | |
Płowucha et al. | Possibilities of CMM software to support proper geometrical product verification | |
CN116255930A (zh) | 一种基于点云切片的截面提取及测量方法及系统 | |
CN115979299A (zh) | 基于地图数据转换的精度检查方法及装置 | |
WO2022133776A1 (zh) | 点云标注方法、装置、计算机设备和存储介质 | |
US11415479B2 (en) | Product imbalance analysis methods and related systems and apparatuses | |
CN117405054B (zh) | 基于三坐标测量的模架精框精度在线检测方法及系统 | |
CN114528907B (zh) | 工业异常数据检测方法及装置 | |
CN115002906B (zh) | 物体的定位方法、装置、介质和计算设备 | |
CN112257587A (zh) | 目标对象的检测效果评估方法、装置、存储介质及设备 | |
Chiboub et al. | Generation of reference softgauges for minimum zone fitting algorithms: Case of aspherical and freeform surfaces. Nanomaterials 2021: 11 | |
CN116502418A (zh) | 一种数据分析方法、系统及电子设备 |
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 |