CN115388817B - 基于图像处理分析实现铸造件打磨质量检测的方法 - Google Patents
基于图像处理分析实现铸造件打磨质量检测的方法 Download PDFInfo
- Publication number
- CN115388817B CN115388817B CN202211322166.6A CN202211322166A CN115388817B CN 115388817 B CN115388817 B CN 115388817B CN 202211322166 A CN202211322166 A CN 202211322166A CN 115388817 B CN115388817 B CN 115388817B
- Authority
- CN
- China
- Prior art keywords
- precision
- cylinder barrel
- roughness
- weighted average
- standard
- 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.)
- Active
Links
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
- G01B11/30—Measuring arrangements characterised by the use of optical techniques for measuring roughness or irregularity of surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明涉及铸造件打磨检测技术领域,尤其是基于图像处理分析实现铸造件打磨质量检测的方法,包括如下步骤:获取高精铸造缸筒的工作腔内壁的三维激光扫描图像;经计算得到当前矩形区域对应的域内加权平均粗糙度、总体加权平均粗糙度、粗糙度初检误差百分比;若粗糙度初检误差百分比在最大误差百分比允许范围内,则初检打磨精度达标,否则不达标;初检打磨精度达标后对初检后的高精铸造缸筒进行流体模拟测试,流体模拟测试合格后,则终检打磨精度检测合格,否则不合格。本方法中采用三维扫描激光扫描图像及峰谷曲线图,采集工作腔内壁的凹凸轮廓图来反馈内壁曲面的平整起伏度,进而对表面粗糙度得到较为准确的采集。
Description
技术领域
本发明涉及粗糙度图像处理分析技术领域,尤其是基于图像处理分析实现铸造件打磨质量检测的方法。
背景技术
由于铸造件具备生产成本较低,后期的切削加工量较少,可减少加工成本的特点,因此在众多零部件的加工中应用广泛。在一些大型油缸缸筒的加工工艺中多采用铸造油缸缸筒结构,因为铸造件的强度更高,其可以有效地保证缸筒的结构强度要求而且成本相对较低,因此,其相对于锻造油缸等有着较为明显的优势。
铸造缸筒内腔主要用于安装活塞、活塞杆等精密部件,因此铸造完成后需要对其铸造件毛坯进行机加工处理。对于精度要求较高、适用工况较为严格的高精铸造缸筒而言,一般需要对其工作内腔的内壁工作面进行高精度打磨来保证后续产品质量以及活塞运行时的流畅性。
目前,在对铸造缸筒的工作面进行打磨时一般采用内壁打磨设备完成内表面的加工,例如在专利申请号为CN202022079261.0的专利文献中就公开了一种缸筒内壁打磨装置,其主要是利用千叶轮实现对旋转状态下的缸筒内壁的打磨加工,针对于精度要求不高且工况一般的油缸来说基本可以达到打磨精度的要求,但是,对于高精密设备上使用的精密油缸的缸筒进行加工时上述机械轮打磨的方式并不能完成精度要求。
对于上述的精密油缸的缸筒的加工通常还会在后续结合磨粒抛沙、高精研磨等工艺来进一步提高产品的内壁表面的光滑程度,降低其表面粗糙度。同时,由于精密油缸使用工况的要求等级的严格性,一般打磨完成后需要对产品进行打磨质量的检测,目前一般是采用针迹法、比较法、光切割法等常规手段进行表面粗糙度的检测,但是传统的检测方式在检测上只是采取局部采样点进行检测,检测的全面性相对较差,一般仅是对重点部位检测,而且只是理论上的检测结果也并没有合理化的进行试用效果模拟检测,因此,即使经过检测后的产品在后续组装使用时也常会出现实际不达标的残次品。
为此,本发明提出了一种针对现有技术中的高精铸造缸筒内壁实现磨后检测的新方法,通过检测与后续处理来更好地保证产品的工作面的加工精度与质量,更好地解决现有技术中存在的问题。
发明内容
本发明为解决上述技术问题之一,所采用的技术方案是:基于图像处理分析实现铸造件打磨质量检测的方法,包括如下步骤:
获取高精铸造缸筒的工作腔内壁的三维激光扫描图像;
将三维激光扫描图像的峰谷轮廓起伏图转换为峰谷曲线平面图;
将峰谷曲线平面图沿其长度方向依次连续分割成若干个矩形区域;
依次获取各个矩形区域内部的所有峰谷曲线的全部峰点值、全部谷点值,并依次将其分别与基准线对应的基准值取差值绝对值,对上述所得的全部的差值绝对值取加权平均值,经计算得到当前矩形区域对应的域内加权平均粗糙度;
将上述各个矩形区域内所得的各个域内加权平均粗糙度值取加权平均值,经计算得到总体加权平均粗糙度;
将上述所得的总体加权平均粗糙度与高精铸造缸筒的工作腔内壁的预设标准粗糙度取差值绝对值,并将该差值绝对值与预设标准粗糙度相比得到粗糙度初检误差百分比;
若粗糙度初检误差百分比在最大误差百分比允许范围内,则初检打磨精度达标,否则不达标;
初检打磨精度达标后对初检后的高精铸造缸筒进行流体模拟测试,流体模拟测试合格后,则终检打磨精度检测合格,否则不合格。本发明中先利用三维扫描得到内壁整体图像,同时在激光采集图像的过程中利用激光外差干涉得到峰谷轮廓起伏图。为了更好地进行图像处理,在此将其进行平面展开后得到峰谷曲线平面图,并将其按区域分割划分,可以更好地实现分区计算分析并加权平均,可以更精确的得到当前区域的各点域内加权平均粗糙度,合理的分割区域,可以更好地以区域为独立模块,有效地缩小取样分析面积,提高处理速度。同时各个区域得到的域内加权平均粗糙度可以二次进行加权处理后得到最终的总体加权平均粗糙度,可以有效地降低计算机系统处理运算的难度,降低对计算机处理系统的配置要求的前提下可以达到内壁表面全域取点的目的,提升检测数据的准确性与全面性。
在上述任一方案中优选的是,矩形区域对应的域内加权平均粗糙度计算公式如下:,其中,Y1...Yn分别为当前矩形区域内所得到的各差值绝对值,n为所选取的全部峰点值、全部谷点值的总数,f1...fn分别为权数,/>为域内加权平均粗糙度。利用加权平均对当前较小的区域进行全域的各个凹凸点的粗糙度的加权平均取值,可以有效地反映并得到整片区域布局的粗糙度情况。
在上述任一方案中优选的是,缸筒工作腔内壁的总体加权平均粗糙度的计算公式如下:
在上述任一方案中优选的是,所述流体模拟测试的具体步骤如下:
取初检打磨精度达标的高精铸造缸筒并对其整体内外表面进行清理除杂,保证零件表面的洁净性;
对高精铸造缸筒上的各无关检测量对应的进、出油口利用标准封堵塞完成临时封堵,以保证高精铸造缸筒形成仅两端贯通的直管结构,且在其两端口处分别安装匹配的接头;
将两端口处的接头接入流体流动阻力测定实验的实验装置内,并将高精铸造缸筒作为直管管件进行流体流动阻力的测定,测定并计算后得到当前高精铸造缸筒的实测直管阻力摩擦系数λ实际;
利用计算机三维建模并得到高精铸造缸筒的标准模型,根据加工精度要求将内壁的加工精度参数输入模型参数内,并根据模型参数及标准试验参数选定计算得到理论直管阻力摩擦系数λ;
将实测直管阻力摩擦系数λ实际与理论直管阻力摩擦系数λ取差值绝对值,将得到的差值绝对值与λ作比得到实测误差百分比A%,若A%小于预设的允许误差,则流体模拟测试合格,终检打磨精度达标,否则不合格。
在上述任一方案中优选的是,上述高精铸造缸筒的标准模型的理论直管阻力摩擦系数λ的计算公式如下:
公式1-1:
公式1-2:
将公式1-2代入公式1-1,即可得到理论直管阻力摩擦系数λ;
其中,λ为理论直管内壁阻力摩擦系数,Re为雷诺数,Re的取值范围为:Re>3000或Re≤2000;D为直管内径,ε为当前的上述高精铸造缸筒的内壁加工精度要求达到的绝对粗糙度值,e为自然对数取值。
优选的是,在上述流体模拟测试中测定实测直管阻力摩擦系数λ实际时,包括如下操作:流体流动阻力测定实验的实验装置上的对应阀门关闭、系统排气、压差计排气并检查排气彻底性、实验布点,其中,布点的数量不得小于N个,N为2L/D的所得值取整后的整数,L为高精铸造缸筒的长度、D为高精铸造缸筒的内径。
优选的是,其中,高精铸造缸筒的标准模型在三维建模时将进、出油孔取消,使其成为直管结构。
在上述任一方案中优选的是,若打磨精度检测不合格,则将不合格的高精铸造缸筒返回加工工序进行加工修正,加工修正后再次进行检测。
与现有技术相比,本发明的有益效果如下:
1、本方法中采用三维扫描激光扫描图像及峰谷曲线图,采集高精铸造缸筒的工作腔内壁的凹凸轮廓图来反馈内壁曲面的平整起伏度,进而对表面粗糙度得到较为准确的采集;对获取到的峰谷曲线平面图分区同步处理,可以有效地保证实现多线程或单线程小处理量的计算处理,能够有效地提高处理的效率,降低对计算机系统的配置要求。
2、各个区域内的全部峰点值、全部谷点值去差值绝对值,并加权平均后能够得到较为客观的域内加权平均粗糙度,同时本发明中又对各个域内加权平均粗糙度进行二次加权平均,整体上可以得到更加稳定的总体加权平均粗糙度,有效地反应当前高精铸造缸筒的内壁粗糙度真实情况。
3、本方法在检测可靠度上更高,采用多区域加权平均得到图像检测结果,同时还配合流体模拟测试来实现实测与理论相比获得模拟使用环境下的误差数据,整体上将检测结果与试验结果均合格的判定为最终合格产品,双级检测的检验方式更加严谨,得到的检验合格产品更加贴近实际情况,该方法在具有高精度产品要求的工业应用中更加可靠。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部件一般由类似的附图标记标识。附图中,各元件或部件并不一定按照实际的比例绘制。
图1为本发明的基于图像处理分析实现铸造件打磨质量检测的方法的流程图。
图2为本发明的流体模拟测试的具体步骤流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。本发明具体结构如图1-图2中所示。
实施例:
基于图像处理分析实现铸造件打磨质量检测的方法,包括如下步骤:
获取高精铸造缸筒的工作腔内壁的三维激光扫描图像;
在对三维激光扫描图像进行扫描时采用沿高精铸造缸筒的工作腔的中心线定轴旋转扫描的方式获取整个工作腔内壁的三维图像,扫描过程中保持探头平稳,扫描速度根据实际成像速度进行控制调控,扫描动作在控位过程中可依靠多自由度高精机械手实现操控,图像采集完成后将探头移除工作腔,等待三维激光扫描图像成型,根据实际情况对模型进行细节优化。
将三维激光扫描图像的峰谷轮廓起伏图转换为峰谷曲线平面图;
在三维激光扫描图像成像的过程中同时采集内壁表面的起伏度形成的峰谷轮廓起伏图像,并将其沿原任意母线分割后形成峰谷曲线平面图。
将峰谷曲线平面图沿其长度方向依次连续分割成若干个矩形区域;
整个峰谷曲线平面图在高度方向上一致、长度上延伸至所有峰谷曲线显示完全,考虑到整个峰谷曲线平面图的像素采集要点较多,在此采用分割法对图像分区,同时各矩形区域内的像素要素单独处理。
依次获取各个矩形区域内部的所有峰谷曲线的全部峰点值、全部谷点值,并依次将其分别与基准线对应的基准值取差值绝对值,对上述所得的全部的差值绝对值取加权平均值,经计算得到当前矩形区域对应的域内加权平均粗糙度;
在此针对各矩形区域进行域内峰谷曲线的像素点的采集时由于分区区域内的数量相对与整体区域大幅度减少,因此可以有效地缩短单个区域内进行计算处理的时间,提高反应处理速度。
将上述各个矩形区域内所得的各个域内加权平均粗糙度值取加权平均值,经计算得到总体加权平均粗糙度;
在此利用先分区域实现区域单独计算以减少域内计算量,同时再对各个区域内部的计算值进行加权平均,从而得到整体的加权平均值,这种分割后依次计算、合并处理的方式不仅可以有效地提高图像数据处理效率,同时也能够有效地反应各个区域处的粗糙度,便于后期进行加工修正时定位到铸造件内壁合适的位置。
将上述所得的总体加权平均粗糙度与高精铸造缸筒的工作腔内壁的预设标准粗糙度取差值绝对值,并将该差值绝对值与预设标准粗糙度相比得到粗糙度初检误差百分比;
经过分割区域、域内加权平均、合并加权平均的处理后所得到的总体加权平均粗糙度能够更好地反应整个铸造工件经过机加工后期内壁粗糙度的真实情况,将其与加工要求的预设标准粗糙度进行取差值绝对值后相比可以得到较为客观的误差比,从而可以根据工艺要求来判断当前的内壁加工质量是否达标。
若粗糙度初检误差百分比在最大误差百分比允许范围内,则初检打磨精度达标,否则不达标;
初检打磨精度达标后对初检后的高精铸造缸筒进行流体模拟测试,流体模拟测试合格后,则终检打磨精度检测合格,否则不合格。
本发明中先利用三维扫描得到内壁整体图像,同时在激光采集图像的过程中利用激光外差干涉得到峰谷轮廓起伏图。为了更好地进行图像处理,在此将其进行平面展开后得到峰谷曲线平面图,并将其按区域分割划分,可以更好地实现分区计算分析并加权平均,可以更精确的得到当前区域的各点域内加权平均粗糙度,合理的分割区域,可以更好地以区域为独立模块,有效地缩小取样分析面积,提高处理速度。同时各个区域得到的域内加权平均粗糙度可以二次进行加权处理后得到最终的总体加权平均粗糙度,可以有效地降低计算机系统处理运算的难度,降低对计算机处理系统的配置要求的前提下可以达到内壁表面全域取点的目的,提升检测数据的准确性与全面性。
在上述任一方案中优选的是,矩形区域对应的域内加权平均粗糙度计算公式如下:,其中,Y1...Yn分别为当前矩形区域内所得到的各差值绝对值,n为所选取的全部峰点值、全部谷点值的总数,f1...fn分别为权数,/>为域内加权平均粗糙度。
利用加权平均对当前较小的区域进行全域的各个凹凸点的粗糙度的加权平均取值,可以有效地反映并得到整片区域布局的粗糙度情况。
在上述任一方案中优选的是,缸筒工作腔内壁的总体加权平均粗糙度的计算公式如下:
本发明中采用先分割加权平均、后二次加权平均的方式可以在处理时根据计算机的处理能力选择多区域多线程并行处理或单区域单线程依次处理的方式实现图像检测处理,能够在有效地实现全域整体采样的基础上又不过大程度的影响处理速度和效果,可以更好地反应图像初检粗糙度的情况,使其结果更贴近与真实情况。
在上述任一方案中优选的是,所述流体模拟测试的具体步骤如下:
取初检打磨精度达标的高精铸造缸筒并对其整体内外表面进行清理除杂,保证零件表面的洁净性;
通过清理来达到高精铸造缸筒内壁的洁净性,减少外部杂质对内壁表面质量的影响,提高模拟测试结果的相对准确性。
对高精铸造缸筒上的各无关检测量对应的进、出油口利用标准封堵塞完成临时封堵,以保证高精铸造缸筒形成仅两端贯通的直管结构,且在其两端口处分别安装匹配的接头;
在测试之前将进、出油口进行有效地封堵的目的是使得整个高精铸造缸筒仅能够从两端端口进出流体,使其形成直管结构,以便于与三维建模达到匹配相似度,直管结构在后期的流体模拟测试试验中可以更好的计算得到理论值,便于将所得测试值与理论值实现直观的数值比对。
将两端口处的接头接入流体流动阻力测定实验的实验装置(实验装置直接按照现有技术中的实验装置连接布局即可)内并将高精铸造缸筒作为直管管件进行流体流动阻力的测定,测定并计算后得到当前的高精铸造缸筒的实测直管阻力摩擦系数λ实际;
利用计算机三维建模并得到高精铸造缸筒的标准模型,根据加工精度要求将内壁的加工精度参数输入模型参数内,并根据模型参数及标准试验参数选定计算得到理论直管阻力摩擦系数λ;
将实测直管阻力摩擦系数λ实际与理论直管阻力摩擦系数λ取差值绝对值,将得到的差值绝对值与λ作比得到实测误差百分比A%,若A%小于预设的允许误差,则流体模拟测试合格,终检打磨精度达标,否则不合格。
考虑到在试验的过程中存在试验误差,对实测所得的直管阻力摩擦系数λ实际、理论直管阻力摩擦系数λ的允许误差进行制定时将试验误差考虑在内,同时设定了一定的安全理论值。
在上述任一方案中优选的是,上述高精铸造缸筒的标准模型的理论直管阻力摩擦系数λ的计算公式如下:
公式1-1:
公式1-2:
将公式1-2代入公式1-1,即可得到理论直管阻力摩擦系数λ;
其中,λ为理论直管内壁阻力摩擦系数,Re为雷诺数,Re的取值范围为:Re>3000或Re≤2000;D为直管内径,ε为当前的上述高精铸造缸筒的内壁加工精度要求达到的绝对粗糙度值,e为自然对数取值。
采用上述通用公式可以在大多数情况下快速的计算得到直管内壁阻力摩擦系数,在计算应用中更加简便、快捷。
优选的是,在上述流体模拟测试中测定实测直管阻力摩擦系数λ实际时,还包括如下操作:流体流动阻力测定实验的实验装置上的对应阀门关闭、系统排气、压差计排气并检查排气彻底性、实验布点,其中,布点的数量不得小于N个,N为2L/D的所得值取整后的整数,L为高精铸造缸筒的长度、D为高精铸造缸筒的内径。
增设合适的布点数量可以在模拟测试的过程中对多个部位进行取点测试,能够有效地反应整体测试结果的准确性。
优选的是,其中,高精铸造缸筒的标准模型在三维建模时将进、出油孔取消,使其成为直管结构。
在上述任一方案中优选的是,若打磨精度检测不合格,则将不合格的高精铸造缸筒返回加工工序进行加工修正,加工修正后再次进行检测。
综上可以看出,在本发明设计的新方法中采用三维扫描激光扫描图像及峰谷曲线图,采集工作腔内壁的凹凸轮廓图来反馈内壁曲面的平整起伏度,进而对表面粗糙度得到较为准确的采集;对获取到的峰谷曲线平面图分区同步处理,可以有效地保证实现多线程或单线程小处理量的计算处理,能够有效地提高处理的效率,降低对计算机系统的配置要求;各个区域内的全部峰点值、全部谷点值去差值绝对值,并加权平均后能够得到较为客观的域内加权平均粗糙度,同时本发明中又对各个域内加权平均粗糙度进行二次加权平均,整体上可以得到更加稳定的总体加权平均粗糙度,有效地反应当前高精铸造缸筒的内壁粗糙度真实情况;本发明在实际检测可靠度上精度更高,采用多区域加权平均得到图像检测结果,同时还配合流体模拟测试来实现实测与理论相比获得模拟使用环境下的误差数据,整体上将检测结果与试验结果均合格的判定为最终合格产品,双级检测的检验方式更加严谨,得到的检验合格产品更加贴近实际情况,该方法在具有高精度产品要求的工业应用中更加可靠。
以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中;对于本技术领域的技术人员来说,对本发明实施方式所做出的任何替代改进或变换均落在本发明的保护范围内。
本发明未详述之处,均为本技术领域技术人员的公知技术。
Claims (6)
1.基于图像处理分析实现铸造件打磨质量检测的方法,其特征在于:包括如下步骤:
获取高精铸造缸筒的工作腔内壁的三维激光扫描图像;
将三维激光扫描图像的峰谷轮廓起伏图转换为峰谷曲线平面图;
将峰谷曲线平面图沿其长度方向依次连续分割成若干个矩形区域;
依次获取各个矩形区域内部的所有峰谷曲线的全部峰点值、全部谷点值,并依次将其分别与基准线对应的基准值取差值绝对值,对上述所得的全部的差值绝对值取加权平均值,经计算得到当前矩形区域对应的域内加权平均粗糙度;
将上述各个矩形区域内所得的各个域内加权平均粗糙度值取加权平均值,经计算得到总体加权平均粗糙度;
将上述所得的总体加权平均粗糙度与高精铸造缸筒的工作腔内壁的预设标准粗糙度取差值绝对值,并将该差值绝对值与预设标准粗糙度相比得到粗糙度初检误差百分比;
若粗糙度初检误差百分比在最大误差百分比允许范围内,则初检打磨精度达标,否则不达标;
初检打磨精度达标后对初检后的高精铸造缸筒进行流体模拟测试,流体模拟测试合格后,则终检打磨精度检测合格,否则不合格;
所述流体模拟测试的具体步骤如下:
取初检打磨精度达标的高精铸造缸筒并对其整体内外表面进行清理除杂,保证零件表面的洁净性;
对高精铸造缸筒上的各无关检测量对应的进、出油口利用标准封堵塞完成临时封堵,以保证高精铸造缸筒形成仅两端贯通的直管结构,且在其两端口处分别安装匹配的接头;
将两端口处的接头接入流体流动阻力测定实验的实验装置内,并将高精铸造缸筒作为直管管件进行流体流动阻力的测定,测定并计算后得到当前的高精铸造缸筒的实测直管阻力摩擦系数λ实际;
利用计算机三维建模并得到高精铸造缸筒的标准模型,根据加工精度要求将内壁的加工精度参数输入模型参数内,并根据模型参数及标准试验参数选定计算得到理论直管阻力摩擦系数λ;
将实测直管阻力摩擦系数λ实际与理论直管阻力摩擦系数λ取差值绝对值,将得到的差值绝对值与λ作比得到实测误差百分比A%,若A%小于预设的允许误差,则流体模拟测试合格,终检打磨精度达标,否则不合格。
5.根据权利要求4所述的基于图像处理分析实现铸造件打磨质量检测的方法,其特征在于:在流体模拟测试中测定实测直管阻力摩擦系数λ实际时,包括如下操作:流体流动阻力测定实验的实验装置上的对应阀门关闭、系统排气、压差计排气并检查排气彻底性、实验布点,其中,布点的数量不得小于N个,N为2L/D的所得值取整后的整数,L为高精铸造缸筒的长度、D为高精铸造缸筒的内径。
6.根据权利要求5所述的基于图像处理分析实现铸造件打磨质量检测的方法,其特征在于:其中,高精铸造缸筒的标准模型在三维建模时将进、出油孔取消,使其成为直管结构。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211322166.6A CN115388817B (zh) | 2022-10-27 | 2022-10-27 | 基于图像处理分析实现铸造件打磨质量检测的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211322166.6A CN115388817B (zh) | 2022-10-27 | 2022-10-27 | 基于图像处理分析实现铸造件打磨质量检测的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115388817A CN115388817A (zh) | 2022-11-25 |
CN115388817B true CN115388817B (zh) | 2023-03-24 |
Family
ID=84129361
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211322166.6A Active CN115388817B (zh) | 2022-10-27 | 2022-10-27 | 基于图像处理分析实现铸造件打磨质量检测的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115388817B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115870815B (zh) * | 2022-12-28 | 2023-06-16 | 中山超精科技有限公司 | 镜片抛光检测方法及装置 |
CN115930833B (zh) * | 2023-03-13 | 2023-05-30 | 山东微晶自动化有限公司 | 一种大型腔体类铸造件的质量检测及矫形方法 |
CN116465969B (zh) * | 2023-06-09 | 2023-09-05 | 曲阜市龙祥冶铸辅料有限公司 | 基于图像处理分析型砂粉用量对铸造质量影响的方法 |
CN116843323B (zh) * | 2023-09-01 | 2023-11-21 | 曲阜市龙祥冶铸辅料有限公司 | 基于动态图像扫描的螺杆铸造件质量控制监管系统 |
CN116993230B (zh) * | 2023-09-26 | 2023-12-15 | 山东省智能机器人应用技术研究院 | 一种机器打磨作业质量评估系统 |
CN118305088B (zh) * | 2024-06-06 | 2024-08-23 | 广东纳德新材料有限公司 | 一种弹性磨块分拣设备及其分拣方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN213319188U (zh) * | 2020-09-21 | 2021-06-01 | 郑州立德机电设备有限公司 | 一种缸筒内壁打磨装置 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2899875B2 (ja) * | 1996-12-11 | 1999-06-02 | 福島県 | 非接触表面粗さ測定方法およびその測定装置 |
JP2014055789A (ja) * | 2012-09-11 | 2014-03-27 | Nuflare Technology Inc | パターン評価方法およびパターン評価装置 |
JP6010511B2 (ja) * | 2013-08-22 | 2016-10-19 | 株式会社荏原製作所 | 研磨パッドの表面粗さ測定方法 |
CN106055795B (zh) * | 2016-05-31 | 2020-01-31 | 西南交通大学 | 一种隧道通风壁面粗糙度评定方法 |
US10352692B1 (en) * | 2018-02-20 | 2019-07-16 | Papalab Co., Ltd. | Surface roughness determination apparatus using a white light source and determination method |
CN112518435B (zh) * | 2020-11-19 | 2021-12-14 | 天地宁夏支护装备有限公司 | 曲面高精度激光打磨方法及装置 |
CN114046749B (zh) * | 2021-10-26 | 2022-07-08 | 刘红霞 | 预制混凝土构件点状凹坑结合面粗糙度检测方法及系统 |
CN114460267B (zh) * | 2021-12-31 | 2023-09-15 | 中国石油天然气集团有限公司 | 基于节理面粗糙度的井壁稳定模拟方法及装置 |
-
2022
- 2022-10-27 CN CN202211322166.6A patent/CN115388817B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN213319188U (zh) * | 2020-09-21 | 2021-06-01 | 郑州立德机电设备有限公司 | 一种缸筒内壁打磨装置 |
Also Published As
Publication number | Publication date |
---|---|
CN115388817A (zh) | 2022-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115388817B (zh) | 基于图像处理分析实现铸造件打磨质量检测的方法 | |
US12061078B2 (en) | On-machine inspection and compensation method employing point clouds and applied to complex surface processing | |
CN105066915B (zh) | 模具曲面加工误差和表面粗糙度在机检测装置及检测方法 | |
CN104280225A (zh) | 齿轮检查装置 | |
CN109751965B (zh) | 一种基于三维点云的精密球形偶件选配和间隙测量方法 | |
Tong et al. | An automatic measuring method and system using laser triangulation scanning for the parameters of a screw thread | |
CN106874624B (zh) | 对超薄壁易变形筒形件成型质量在线虚拟检测评价的方法 | |
Chen et al. | A novel multi-probe method for separating spindle radial error from artifact roundness error | |
Jin et al. | A new multi-vision-based reconstruction algorithm for tube inspection | |
Kapłonek et al. | Laser methods based on an analysis of scattered light for automated, in-process inspection of machined surfaces: A review | |
Barhak et al. | Integration of reconfigurable inspection with stream of variations methodology | |
CN115014217A (zh) | 一种基于激光测距的管材在线检测方法 | |
Pawlus et al. | Sensitivities of surface texture parameters to measurement errors–A review | |
El-Hayek et al. | 3D measurement and characterization of ultra-precision aspheric surfaces | |
Liu et al. | A universal, rapid and accurate measurement for bend tubes based on multi-view vision | |
Guo et al. | Measurement and data processing method of machined surface for assembly performance prediction | |
CN114913229A (zh) | 机器人用于局部不连续区域打磨的视觉定位方法及系统 | |
Ramaswami et al. | A comprehensive methodology for runout tolerance evaluation using discrete data | |
Lu et al. | A novel method for reconstructing flatness error contour of long surface based on a laser displacement sensor | |
Jiang et al. | Noise filtering and multisample integration for CMM data of free-form surface | |
Shao et al. | A novel curved surface profile monitoring approach based on geometrical-spatial joint feature | |
Dong et al. | An on-machine precision measurement method for API threads | |
Yu et al. | Rail straightness detection method based on the cooperation of dual laser sensors | |
Xin et al. | A generalized precision measuring mechanism and efficient signal processing algorithm for the eccentricity of rotary parts | |
Zhang et al. | In-process inspection of internal threads of machined automotive parts |
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 |