CN115979127B - 一种顶尖精度及钢性检测方法 - Google Patents

Abstract

本发明涉及距离测量技术领域，提出了一种顶尖精度及钢性检测方法，包括：获得测量数据集及标准数据集；计算其协方差矩阵，进行坐标转换，得到每个数据的位置偏移量与每个数据的协方差贡献值，基于此得到每个数据的关系权重；得到每个位置的数据关系权重，得到每个位置的面积影响系数，基于此得到每个位置的匹配权重；根据每个位置的匹配权重、测量数据集数据值、标准数据集数据值得到参考距离，根据参考距离计算匹配距离；根据匹配距离大小检测顶尖精度。本发明通过在反差最大方向上计算测量数据与标准数据的位移偏移量和匹配误差能够放大数据之间的差异，使得固定顶尖磨损位置的测量数据更加显著，提高了检测速度。

Description

一种顶尖精度及钢性检测方法

技术领域

本发明涉及距离测量技术领域，具体涉及一种顶尖精度及钢性检测方法。

背景技术

顶尖是指机械加工中的机床附件，主要由顶针，夹紧装置，壳体，固定销，轴承和芯轴组成，其类别一般分为固定顶尖和活动顶尖两种，顶尖的一般用于加工杆类零件。钢性是指在顶尖的耐热性、韧性和耐腐蚀的能力，顶尖的精度根据顶尖的类别有所差异，活动顶尖的精度是指跳动量，固定顶尖的精度通常是指顶尖与锥柄的同轴度误差。

固定顶尖的钢性好、定心准确，但与工件中心孔之间产生滑动摩擦而发热过多，容易将中心孔或顶尖烧坏。因此固定顶尖只适用于低速加工精度要求较高的工件。活动顶尖内部装有滚动轴承，将工件与中心孔的滑动摩擦改为顶尖内部轴承的滚动摩擦，能够和工件一起转动，能在高转速下正常工作，但钢性较差，有时还会产生跳动，当滚动轴承磨损后，会使顶尖产生摆动，从而导致加工精度降低。顶尖的加工精度取决于顶尖孔的尺度精度，顶尖孔的尺度包括开口尺寸和开口角度，顶尖借助中心孔的定位使得工件得到很高的尺寸精度。现阶段顶尖精度的检测主要通过专业的设备实现，这些设备价格昂贵，且一般是通过大量次数的实验得到检测结果，无法满足工件加工过程中的实时性要求。

发明内容

本发明提供一种顶尖精度及钢性检测方法，以解决现有的对车床顶尖精度和钢性的检测需要借助专业设备实现，无法满足在工件加工中对精度和钢性的近实时的检测需求的问题，所采用的技术方案具体如下：

本发明一个实施例提供了一种顶尖精度及钢性检测方法，该方法包括以下步骤：

获得待测固定顶尖上的测量数据记为测量数据集，得到未磨损顶尖的测量数据记为标准数据集；

计算测量数据集和标准数据集的协方差矩阵，得到协方差矩阵的特征向量，获得特征向量与单位向量的余弦值，根据余弦值获得的旋转矩阵对测量数据位置坐标进行坐标转换，根据坐标转换后的测量数据集及标准数据集中每个位置每个测量数据的坐标得到每个位置每个测量数据的位置偏移量；

根据协方差矩阵的值以及每个位置的每个测量数据与所有测量数据得到测量数据集和标准数据集中每个测量数据的协方差贡献值；

根据测量数据集和标准数据集中每个数据的协方差贡献值以及每个数据的位置偏移量得到每个位置中每个测量数据的关系权重；

根据每个位置每个测量数据的关系权重得到每个位置的数据关系权重，根据每个位置的横截面积得到每个位置的面积影响系数，根据每个位置的测量数据关系权重和面积影响系数得到每个位置的匹配权重；

根据每个位置的匹配权重、测量数据集和标准数据集中的测量数据得到动态时间规划算法的参考距离，然后根据参考距离利用动态时间规划算法计算测量数据集和标准数据集的匹配距离；

根据匹配距离大小检测顶尖精度。

优选的，所述获得待测固定顶尖上的测量数据记为测量数据集的方法为：

按照从固定顶尖顶点到固定顶尖尾端的顺序，分别获取不同位置处的测量数据，每个位置之间的距离间隔为预设距离，依次将固定顶尖上顶点记为位置1，与顶点间隔的记为位置2，依次类推，将固定顶尖尾端记为位置N，并且每个位置获取预设数量个点的测量数据，把每个位置上的预设数量个测量数据记为测量数据集。

优选的，所述根据协方差矩阵的值以及每个位置的每个数据与所有测量数据得到测量数据集和标准数据集每个数据的协方差贡献值的方法为：

式中，

是测量数据集L和标准数据集B的协方差矩阵/>

中第一行第二列的参数，/>

是协方差矩阵/>

中第二行第一列的参数，/>

是协方差矩阵/>

中第一行第一个参数，/>

是协方差矩阵/>

中第二行第二个参数，m为每个位置获取的测量数据数量，/>

是测量数据集中每个位置第j个数据的协方差贡献值，/>

是标准数据集中每个位置第j个数据的协方差贡献值。

优选的，所述根据测量数据集和标准数据集中每个数据的协方差贡献值以及每个数据的位置偏移量得到每个位置中每个数据的关系权重的方法为：

令测量数据集中第j个数据的协方差贡献值与标准数据集中第j协方差贡献值作差，记该差值为第一差值，将每个位置的每个数据对应的第一差值与所述位置的位置偏移量的乘积为每个位置的关系值，将所有位置的关系值进行累加得到所有位置关系值的总和，令每个位置的关系值比上所有位置关系值的总和得到每个位置中每个数据的关系权重。

优选的，所述根据每个位置的数据关系权重和面积影响系数得到每个位置的匹配权重的方法为：

式中，

就表示第e个位置的数据关系权重，/>

就表示第e个位置的面积影响系数，/>

就表示第i个位置的匹配权重，N是固定顶尖上采集数据的位置数量。

优选的，所述根据每个位置的匹配权重、测量数据集数据值、标准数据集数据值得到动态时间规划算法的参考距离的方法为：

式中，

是测量数据集中位置i处的代表数据，代表数据是指位置i处的所有测量数据的和，/>

是测量数据集中位置i处第j个测量数据的值，m是位置i处测量数据和标准数据的数据量，/>

是标准数据集B中位置h处的代表数据，代表数据是指位置i处的所有标准数据的和，/>

是标准数据集B中位置h处第k个标准数据的值，/>

是代表数据/>

与代表数据/>

之间的参考距离。

本发明的有益效果是：本发明提出一种顶尖精度及钢性检测方法，针对在工件加工中对精度和钢性的近实时检测需求，通过改进动态时间规划算法获取固定顶尖测量数据和标准数据的匹配距离实现对加工精度的检测。根据固定顶尖不同位置测量数据构建了关系权重和匹配权重两个指标，关系权重是通过坐标变换后的数据计算的，其有益效果在于通过在反差最大方向上计算测量数据与标准数据的位移偏移量和匹配误差能够放大数据之间的差异，使得固定顶尖磨损位置的测量数据更加显著，提高了检测速度。匹配权重的有益效果在于考虑了固定顶尖自身外形结构对不同位置磨损的影响，使得后续计算的各点之间匹配距离更精准，避免轻微磨损差异小导致的检测精度低的问题。

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性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的一个实施例所提供一种顶尖精度及钢性检测方法的流程示意图；

图2为测量数据集与标准数据集的协方差矩阵。

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。

请参阅图1，其示出了本发明一个实施例提供的一种顶尖精度及钢性检测方法流程图，该方法包括以下步骤：

步骤S001、利用激光测距仪获得固定顶尖上个位置的测量数据，并对数据进行预处理。

车床顶尖由顶针、夹紧装置等部件组成，车床顶尖的作用是让工件紧紧固定并快速转动。其中固定顶尖在使用时是将固定顶尖插入未做套筒的锥孔内，中心孔与顶尖之间存在滑动摩擦，会造成发生顶尖磨损的现象，磨损达到一定程度时，顶尖加工工件时的精度就会与标准精度造成一定差异。固定顶尖的尺寸较小，本发明中利用激光测距仪获取固定顶尖测量数据，在车床两侧与固定顶尖齐平的位置安装相位式激光测距仪，用于测量工件加工过程中固定顶尖上不同位置的距离作为测量数据，值得注意的是，由于顶尖在持续移动，因此在每个位置获得多个测量数据，车床固定顶尖上端呈现为圆锥型，因此在本实施例中，按照从固定顶尖顶点到固定顶尖尾端的顺序，分别获取不同位置处的测量数据，每个位置之间的距离间隔设置为U，在本实施例中U=0.5cm,依次将固定顶尖上顶点记为位置1，与顶点间隔的记为位置2，将固定顶尖尾端记为位置N，对于每个位置，都会包含固定顶尖上的多个点，本实施例中每个位置获取m个点的测量数据，其中m为一个周期内采集的点，m取20。获取测量数据后，为了消除相位式激光测距仪自身抖动的影响，对采集数据进行数据清洗，消除干扰因素对测量数据的影响，数据清洗为公知技术，具体过程不再详细赘述。

步骤S002、获取测量数据集和标准数据集的协方差矩阵，基于协方差矩阵计算每个位置中每个数据的关系权重。

在车床利用固定顶尖加工工件的过程中，固定顶尖与中心孔之间存在滑动摩擦，这就导致顶尖表面磨损的现象。本实施例利用加工过程中实时获取的固定顶尖测量数据与固定顶尖标准数据进行对比，通过加工过程中固定顶尖的磨损情况判断此固定顶尖的加工精度变化。

协方差是衡量两个变量相关性的变量，协方差为正表示两个变量之间呈现为正相关关系，协方差为负表示两个变量之间呈现为负相关关系。如果固定顶尖尚未发生磨损现象或发生不影响精度非常轻微的磨损现象，测量数据之间的相关性与标准数据之间的相关性应该较为接近，而当固定顶尖上发生磨损时，测量数据之间的相关性与标准数据之间的相关性具有较大的差异，相应的协方差之间会存在较为明显的差异。

首先，对于在每一个位置上获取的所有点的测量数据构成一个测量数据集，即测量数据集大小为m，设第o个位置对应的测量数据集为

，获取未摩擦的顶尖在移动时使用仪器采集到的每个位置上每个点的测量数据，记为标准数据，每个位置上所有点的标准数据构成一个标准数据集，第o个位置对应的标准数据集为/>

；

需要说明的是，如上所述，对于每个位置中所有点中的任意一个点a，该点对应一个测量数据a1和一个标准数据a2，那么该点可以表示成一个二维的坐标（a1，a2），那么于每个位置中所有点对应多个二维坐标，这些二维坐标分布在一个坐标系中，该坐标是以测量数据为横坐标，以标准数据为纵坐标。

得到测量数据集

与标准数据集/>

的协方差矩阵，记为/>

，协方差矩阵可以利用主成分分析法获得，主成分分析为公知技术，具体计算过程不再详细赘述，协方差矩阵如图2所示。获得协方差矩阵中特征值最大的特征向量记为/>

，得到该特征向量与单位向量之间夹角的余弦值，公式如下：

式中，

是特征向量/>

与单位向量X之间夹角的余弦值，其中/>

表示/>

与X之间沿逆时针方向的夹角，/>

是协方差矩阵/>

的特征向量，/>

是特征向量的模，X是水平方向上的单位向量[1,0]，/>

是向量X的模。特征向量反映矩阵可以伸缩的程度，取两者中较大的，更加符合多个测量位置的测量数据的计算，多个位置上数据存在差异，需要更大的变化范围。

得到余弦值

后计算其正弦值/>

，根据/>

与/>

构建旋转矩阵。

获得特征向量

与单位向量X之间夹角的余弦值的目的是利用该值获取旋转矩阵，通过旋转矩阵完成坐标转换，坐标转换为公知技术，具体计算过程不再详细赘述。

转换前，每个位置的每个测量数据的坐标为其所对应的点的坐标，该坐标构成如下：横坐标为测量数据，纵坐标为标准数据。转换后的坐标是每个点在相关性坐标系中的坐标。转换的目的是为了降低固定顶尖不同测量位置之间的原有差异，也就是说固定顶点前端是类似圆锥形的，后面是圆柱形的，前端上的点与后面的点到测量仪器本身就有距离上的差异，这是顶尖的外形造成的由于测量的固定顶尖和标准固定顶尖的位置不同，所以在坐标系中，一个测量位置上包含多个点的测量数据和标准数据，每个点测量数据和标准数据之间都会存在坐标差异，那么一个位置上多个点的差异累加过大，会影响后续计算，坐标转换将不同位置的测量数据简化到一个坐标系中，其的目的就是为了降低这个差异对后续计算的影响。

坐标转换后，计算测量数据集与相对应标准数据集的位置偏移量，公式表示如下：

式中，j是位置i上测量数据集L中第j个测量数据，

、/>

分别是第j个数据坐标转换后的横坐标，纵坐标。/>

、/>

是位置i上标准数据中第j个数据坐标转换后的横纵坐标，/>

是测量数据集L和标准数据集B中位置i处第j个数据对应的位置偏移量。位置偏移量表示测量数据集数据与标准数据集的偏差程度。

进一步的，由于不同的数据对两个测量数据集相关性的影响程度是不相同的，因此使用协方差矩阵得到每个数据对于影响两个测量数据集相关性的贡献值，表示公式如下：

式中，

是测量数据集L和标准数据集B的协方差矩阵/>

中第一行第二列的参数，/>

是协方差矩阵/>

中第二行第一列的参数，/>

是协方差矩阵/>

中第一行第一个参数，/>

是协方差矩阵/>

中第二行第二个参数，m为每个位置获取的测量数据数量，如图2所示，/>

是测量数据集L中每个位置第j个数据的协方差贡献值，/>

是标准数据集B中每个位置第j个数据的协方差贡献值。

协方差贡献值是测量数据对两个数据集中数据相关性的贡献大小，用于表征数据在数据集中的突出程度，协方差贡献值越大，测量数据对两个数据集相关性的影响程度越大，这个测量数据在数据集中越突出。在协方差矩阵中，

是测量数据和标准数据之间的相关性大小，/>

是测量数据对测量数据集L中数据的相关性，通过对同一个位置的m次测量，在同一个位置上会得到m个数据，如果顶尖发生磨损，同一个位置上的m个数据之间也会存在差异，因此可以利用测量数据j在计算/>

和/>

时的影响大小作为测量数据j的协方差贡献值。有益效果在于通过对其本身所在数据集相关性的影响和对比数据集相关性的影响，避免干扰点造成的数据相关性异常而不是磨损造成的测量数据异常的情况发生，干扰点是随机的，而磨损的影响是连续的，在后续每个测量周期内磨损位置的测量数据都是异常的。

协方差矩阵如图2所示，根据不同数据集第j个数据的方差贡献值得到位置i上第j个数据的关系权重，公式如下所示：

式中，

是测量数据集L中第j个数据的协方差贡献值，/>

是标准数据集B中第j个数据的协方差贡献值，/>

是测量数据集L和标准数据集B中位置i处第j个数据对应的位置偏移量，/>

测量数据集与标准数据集在位置i处第j个数据的关系权重/>

，/>

是控制因子，/>

是作用是避免分母为0，的大小取经验值0.01。

关系权重反映了相同位置固定顶尖同一位置处测量数据和标准数据之间匹配的差异程度，同一位置i上测量数据集L与标准数据集B对应的位置偏移量

越大，说明在数据方差最大的方向上测量数据与标准数据的差值越大，测量数据是异常值的可能性越高，/>

即第一差值的值越大，测量数据和标准数据之间的相关性越小，关系权重/>

的值越大，说明固定顶尖位置i处第j个数据对应位置发生磨损情况的可能性越大。关系权重是通过坐标变换后的数据计算的，其有益效果在于通过在反差最大方向上计算测量数据与标准数据的位移偏移量和匹配误差能够放大数据之间的差异，避免轻微磨损差异小导致的检测精度低的问题。

步骤S003、根据每个位置的数据关系权重和面积影响系数得到每个位置的匹配权重。

在加工工件过程中，固定顶尖与中心孔实时接触摩擦，考虑到顶尖的尺寸大小，先接触的固定顶尖会对位置靠近尾端的测量数据产生影响，如果靠近顶点的固定顶尖出现较为严重磨损造成加工精度不准时，固定顶尖尾端造成的加工也会更加不准。另一方面，在固定顶尖与中心孔滑动摩擦过程中，越靠近顶尖顶点的位置，横截面积越小，横截面积越小，固定顶尖与中心孔的接触面积就越小，当滑动摩擦相同时，接触面积越小的位置受到的摩擦力越大，该位置越容易磨损，因此可以利用动态时间规划算法对测量数据集L和标准数据集B进行匹配，根据关系权重和位置顺序给予不同位置处不同的权重。

首先，将每个位置所有测量数据的关系权重进行累加得到所述位置的数据关系权重，公式表示如下：

式中，

是位置i处第j个测量数据的关系权重，m是位置i处测量数据的数据量，/>

是位置i处的数据关系权重，/>

的含义是将位置i处m个数据的关系权重之和作为位置i处的数据关系权重。

除了关系权重外，不同位置有不同的横截面积，接触面积越小的位置受到的摩擦力越大，该位置越容易磨损，因此根据每个位置的横截面积得到每个位置的面积影响系数，公式表示如下：

式中，

是位置i处的面积影响系数，/>

是位置i处的横截面积，/>

、/>

分别是固定顶尖中N个采集数据位置中横截面积的最大值、最小值，/>

是调参因子，/>

的值取1，/>

的作用是为了防止分母为0，获取车床固定顶尖横截面积可以通过圆锥轴截面面积公式计算，此为公知技术，具体计算过程不再详细赘述。N是本实施例中固定顶尖上采集数据的位置数量。

根据每个位置的数据关系权重和面积影响系数得到每个位置的匹配权重，公式表示如下：

式中，

就表示第e个位置的数据关系权重，/>

就表示第e个位置的面积影响系数，/>

就表示第i个位置的匹配权重。

匹配权重反映了加工工件过程中不同位置上测量数据与标准数据匹配受其余位置磨损的影响。面积影响系数

越大，说明位置e处横截面积越小，受到摩擦时越容易磨损，数据关系权重/>

的值越大，说明位置e处发生磨损情况的可能性越大，/>

的值越大，说明从位置1到位置i的前i个位置都有较大可能对应磨损情况，即匹配权重越大，位置i处数据在匹配过程中对应磨损情况的概率越高，在动态时间规划算法计算测量数据集L和标准数据集B各点之间的匹配距离时，应该使得位置i处的数据更显著。匹配权重的有益效果在于考虑了固定顶尖自身外形结构对不同位置磨损的影响，使得后续计算的各点之间匹配距离更精准。

步骤S004、根据每个位置的匹配权重计算得到动态时间规划中的参考距离，根据参考距离得到匹配距离，并基于匹配距离检测顶尖精度。

动态时间规划算法是通过计算路径上两个序列中点的匹配距离总和最小的方式得到两个序列的相似程度，该算法常规的实现方法是获取两个序列中任意两个数据之间的参考距离，然后根据参考距离利用动态规划的方法将两个序列中数据进行最优化匹配，并输出匹配距离；在常规的实现中两个序列中任意两个数据之间的参考距离使用的是欧式距离，如果本实施例中也使用欧式距离作为参考距离的话，会存在固定顶尖不同位置外形结构对不同位置磨损的影响不同，在进行匹配时会降低匹配精度。

首先，根据测量数据集L中的测量数据和标准数据集B的标准数据构建累加距离矩阵，将每个位置上m个采集数据的和作为当前位置的代表数据，共有N个采集数据的位置，因此得到一个N*N大小的累加距离矩阵。

进一步的，根据每个位置的匹配权重W首先计算代表数据

与代表数据/>

之间的参考距离，公式如下：

式中，

是测量数据集L中位置i处的代表数据，/>

是测量数据集L中位置i处第j个测量数据的值，m是位置i处测量数据和标准数据的数据量，/>

是标准数据集B中位置h处的代表数据，/>

是标准数据集B中位置h处第k个标准数据的值。/>

是代表数据/>

与代表数据/>

之间的参考距离。

进一步的，根据动态时间规划算法的原理计算其匹配距离，公式如下：

式中，

是代表数据/>

与代表数据/>

之间的匹配距离，/>

是代表数据/>

与代表数据/>

之间的匹配距离，/>

是代表数据/>

与代表数据/>

之间的匹配距离，/>

是代表数据/>

与代表数据/>

之间的匹配距离。

利用递归算法计算匹配距离

的大小，递归算法为公知技术，具体计算过程不再详细赘述。

由此基于动态时间规划算法的处理得到测量数据集与标准数据集之间的匹配距离。

顶尖的钢性检测主要包括硬度检测和非金属杂质检测，本发明中，对固定顶尖的硬度检测结果通过里氏动态实验法获取，通过固定顶尖硬度大小位于允许范围内，认为固定顶尖的硬度符合标准；对固定顶尖的非金属杂质检测通过金相显微镜实现，里氏动态实验法和金相显微镜的使用为公知技术，具体过程不再详细赘述。

通过上述步骤得到固定顶尖测量数据集L与标准数据集B的匹配距离D，比较匹配距离D和判断阈值Y的大小，Y的大小取经验值5，如果匹配距离D小于判断阈值Y，认为固定顶尖的加工精度符合精度标准，如果匹配距离D大于等于判断阈值Y，认为固定顶尖的加工精度不符合标准，发生了严重的磨损。其次，将固定顶尖的精度检测结果和钢性检测结果传输到检测台。

以上所述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、改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种顶尖精度及钢性检测方法，其特征在于，该方法包括以下步骤：

获得待测固定顶尖上的测量数据记为测量数据集，得到未磨损顶尖的测量数据记为标准数据集；

计算测量数据集和标准数据集的协方差矩阵，得到协方差矩阵的特征向量，获得特征向量与单位向量的余弦值，根据余弦值获得的旋转矩阵对测量数据位置坐标进行坐标转换，根据坐标转换后的测量数据集及标准数据集中每个位置每个测量数据的坐标得到每个位置每个测量数据的位置偏移量；

根据协方差矩阵的值以及每个位置的每个测量数据与所有测量数据得到测量数据集和标准数据集中每个测量数据的协方差贡献值；

根据测量数据集和标准数据集中每个数据的协方差贡献值以及每个数据的位置偏移量得到每个位置中每个测量数据的关系权重；

根据每个位置每个测量数据的关系权重得到每个位置的数据关系权重，根据每个位置的横截面积得到每个位置的面积影响系数，根据每个位置的测量数据关系权重和面积影响系数得到每个位置的匹配权重；

根据每个位置的匹配权重、测量数据集和标准数据集中的测量数据得到动态时间规划算法的参考距离，然后根据参考距离利用动态时间规划算法计算测量数据集和标准数据集的匹配距离；

根据匹配距离大小检测顶尖精度。

2.根据权利要求1所述的一种顶尖精度及钢性检测方法，其特征在于，所述获得待测固定顶尖上的测量数据记为测量数据集的方法为：

按照从固定顶尖顶点到固定顶尖尾端的顺序，分别获取不同位置处的测量数据，每个位置之间的距离间隔为预设距离，依次将固定顶尖上顶点记为位置1，与顶点间隔的记为位置2，依次类推，将固定顶尖尾端记为位置N，并且每个位置获取预设数量个点的测量数据，把每个位置上的预设数量个测量数据记为测量数据集。

3.根据权利要求1所述的一种顶尖精度及钢性检测方法，其特征在于，所述根据协方差矩阵的值以及每个位置的每个数据与所有测量数据得到测量数据集和标准数据集每个数据的协方差贡献值的方法为：

式中，

是测量数据集L和标准数据集B的协方差矩阵中/>

第一行第二列的参数，/>

是协方差矩阵/>

中第二行第一列的参数，/>

是协方差矩阵/>

中第一行第一个参数，/>

是协方差矩阵/>

中第二行第二个参数，m为每个位置获取的测量数据数量，/>

是测量数据集中每个位置第j个数据的协方差贡献值，/>

是标准数据集中每个位置第j个数据的协方差贡献值。

4.根据权利要求1所述的一种顶尖精度及钢性检测方法，其特征在于，所述根据测量数据集和标准数据集中每个数据的协方差贡献值以及每个数据的位置偏移量得到每个位置中每个数据的关系权重的方法为：

令测量数据集中第j个数据的协方差贡献值与标准数据集中第j协方差贡献值作差，记该差值为第一差值，将每个位置的每个数据对应的第一差值与所述位置的位置偏移量的乘积为每个位置的关系值，将所有位置的关系值进行累加得到所有位置关系值的总和，令每个位置的关系值比上所有位置关系值的总和得到每个位置中每个数据的关系权重。

5.根据权利要求1所述的一种顶尖精度及钢性检测方法，其特征在于，所述根据每个位置的数据关系权重和面积影响系数得到每个位置的匹配权重的方法为：

式中，

就表示第e个位置的数据关系权重，/>

就表示第e个位置的面积影响系数，/>

就表示第i个位置的匹配权重，N是固定顶尖上采集数据的位置数量。

6.根据权利要求1所述的一种顶尖精度及钢性检测方法，其特征在于，所述根据每个位置的匹配权重、测量数据集数据值、标准数据集数据值得到动态时间规划算法的参考距离的方法为：

式中，

是测量数据集中位置i处的代表数据，代表数据是指位置i处的所有测量数据的和，/>

是测量数据集中位置i处第j个测量数据的值，m是位置i处测量数据和标准数据的数据量，/>

是标准数据集B中位置h处的代表数据，代表数据是指位置处的所有标准数据的和，/>

是标准数据集B中位置h处第k个标准数据的值，/>

是代表数据/>

与代表数据/>

之间的参考距离。

Images