CN117961197A - 一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法 - Google Patents
一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法 Download PDFInfo
- Publication number
- CN117961197A CN117961197A CN202410386117.1A CN202410386117A CN117961197A CN 117961197 A CN117961197 A CN 117961197A CN 202410386117 A CN202410386117 A CN 202410386117A CN 117961197 A CN117961197 A CN 117961197A
- Authority
- CN
- China
- Prior art keywords
- turbine blade
- point cloud
- point
- micropore
- cloud data
- 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
- 238000003754 machining Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 44
- 239000013598 vector Substances 0.000 claims abstract description 75
- 238000012937 correction Methods 0.000 claims abstract description 44
- 238000009826 distribution Methods 0.000 claims abstract description 38
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 19
- 238000013461 design Methods 0.000 claims abstract description 19
- 238000009499 grossing Methods 0.000 claims abstract description 11
- 238000011077 uniformity evaluation Methods 0.000 claims abstract description 8
- 230000006872 improvement Effects 0.000 claims abstract description 5
- 230000004927 fusion Effects 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000005259 measurement Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 5
- 239000000203 mixture Substances 0.000 claims description 5
- 238000010845 search algorithm Methods 0.000 claims description 5
- 238000003064 k means clustering Methods 0.000 claims description 3
- 239000011295 pitch Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 5
- 238000004519 manufacturing process Methods 0.000 description 5
- 238000013519 translation Methods 0.000 description 5
- 239000000306 component Substances 0.000 description 4
- 238000010892 electric spark Methods 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000012797 qualification Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 3
- 238000005266 casting Methods 0.000 description 2
- 238000001816 cooling Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007514 turning Methods 0.000 description 1
Landscapes
- Turbine Rotor Nozzle Sealing (AREA)
Abstract
本发明涉及一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,包括:线激光传感器沿运动方向进行涡轮叶片型面空间的连续线扫描采集;将采集的若干区域点云数据集拼接平滑、去噪及曲率下采样处理,获得有效型面区域的三维点云数据重建模型;融合改进TrICP算法迭代配准,获得对三维点云数据重建模型的一次纠偏;自动导入涡轮叶片微孔位置与矢量理论设计信息,计算得到一次纠偏后叶片三维点云数据重建模型上微孔位置与矢量;引入叶片微孔群的整体分布均匀性评价模型,获得对三维点云数据重建模型的二次纠偏;匹配各电加工机床的机械特性参数并自动生成新微孔加工坐标。这样就解决现有涡轮叶片气膜孔电加工过程中存在的整体分布不均匀的问题。
Description
技术领域
本发明涉及航空发动机制造技术领域,具体而言,涉及一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法。
背景技术
涡轮叶片是航空发动机服役性能的热端承压核心零件,为了提高叶片的高温性能和使用寿命,在其表面通常需要电火花加工大量冷却气膜孔。由于涡轮叶片结构特征复杂、型面扭曲大、铸造精度不足,同时对所有冷却气膜孔在叶片上的轴线方向、孔位位置度与整体排布均匀性又有严格的精度要求,导致实际涡轮叶片微孔电火花加工生产单元引入了随机形貌误差及装夹误差,需人工反复修正加工位置程序,生产单元无法实现无人化自动电加工,这已成为制约航空装备高质量快速发展的一个关键短板与不足。
为了解决上述问题,通常在涡轮叶片气膜孔电加工前引入高精密的非接触式测量系统,对其形貌进行三维重构,并通过一定规则与算法求得与理论模型的偏差信息,将其补偿至加工程序中,省去了人工修正环节。相比传统的接触式测量,如三坐标测量仪,该方法可以实现对实际叶片形貌的高精度还原,同时测量效率大大提高。但目前基于非接触式测量进行加工纠偏时,往往只完成了对叶片整体的装夹偏差纠偏,忽略了叶片因铸造精度不足而造成的局部型面差异对气膜孔之间的排布与相对位置精度要求,导致最终叶片电加工气膜孔整体分布不均匀,无法满足产品质量检验要求。
发明内容
为解决现有涡轮叶片气膜孔电加工过程中存在的整体分布不均匀问题,本发明提供了一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,能够显著提高涡轮叶片气膜孔加工质量(微孔轴线方向、孔位位置度与整体排布均匀性)和效率。
第一方面,本发明提供了一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,包括五轴数控运动模组与高精密线激光传感器集成平台及待测含工装夹具的涡轮叶片,其中,自适应纠偏方法包括:
S1:将待测涡轮叶片移动至初始位置,线激光传感器沿运动方向进行涡轮叶片型面空间的连续线扫描采集,获得若干区域点云数据集;
S2:将采集的若干区域点云数据集拼接、平滑、去噪及曲率下采样处理,获得基于同一坐标系下涡轮叶片有效型面区域的三维点云数据重建模型;
S3:融合改进TrICP算法迭代配准求出三维点云数据重建模型与理论设计三维模型的初始装夹偏差RT矩阵,获得对三维点云数据重建模型的空间装夹位置配准,即为一次纠偏;
S4:在三维点云数据重建模型中自动导入涡轮叶片微孔位置与矢量理论设计信息,计算三维点云数据重建模型装夹配准后微孔区域点云与理论设计三维模型的形变偏差,并计算得到一次纠偏后的叶片三维点云数据重建模型上微孔位置与矢量;
S5:引入叶片微孔群的整体分布均匀性评价模型,获得对三维点云数据重建模型的相邻微孔行间距、列间距、直线度的局部调整,即为二次纠偏,并输出全新的待加工涡轮叶片的微孔点位与矢量信息;
S6:匹配各电加工机床的机械特性参数并自动生成新微孔加工坐标,完成相应待加工涡轮叶片的自适应纠偏。
在一些实施例中,五轴数控运动模组与高精密线激光传感器集成平台包括由沿X、Y、Z方向高精度滚珠丝杠和直线导轨组成的平移运动模组、B/C轴两自由度转台模组、线激光控制器、运动控制系统、测量采集软件以及线激光传感器;
平移运动模组具有X轴、Y轴、Z轴,且X轴、Y轴、Z轴均设置有光栅尺,并与运动控制系统形成闭环控制;
C轴上设置有气动卡盘,气动卡盘用于夹取待测含工装夹具的涡轮叶片。
在一些实施例中,如线激光传感器沿运动方向进行型面空间连续线扫描采集包括:运动控制系统Y轴的光栅尺脉冲反馈至线激光控制器,脉冲输出为2500脉冲AB相4倍频方式,线激光控制器内设置细分数为20;
其中,线激光控制器每采集20个脉冲触发一次线激光传感器。
在一些实施例中,若干区域点云数据集拼接包括:每个区域的实测线激光扫描数据与平移运动模组起始、结束位置信息以二进制格式保存;
其中,相邻两区域点云数据集设置沿宽度方向一定距离的重叠采集区。
在一些实施例中,平滑包括:对重叠采集区的原始采集数据使用最近邻搜索算法进行平滑处理。
在一些实施例中,去噪包括:使用高斯混合模型滤波估计对拼接的点云数据集中的噪声。
在一些实施例中,曲率下采样处理包括:使用曲率下采样算法,具体为:设为点云中的一点,/>为/>及其k邻近点所构成的协方差矩阵,进而确认/>点曲率值,即/>,其中,/>为/>的k邻近点,/>为协方差矩阵/>的特征值,/>表示沿法向量方向的变化,/>越大,则/>点云特征信息越明显,/>对应的特征向量/>为/>的法向量;
对点云进行K均值聚类,计算簇内各点的曲率及法向量,并计算各点K邻近点法向量夹角的平均值即为各点法向量夹角;
计算不同簇的平均曲率及平均法向量夹角/>,并提取各簇中曲率及法向量夹角均大于平均曲率/>及平均法向量夹角/>的点作为初步特征点,余下的点为非特征点;
计算初步特征点的平均曲率及法向量夹角/>,并提取初步特征点中曲率及法向量夹角均大于平均曲率/>及平均法向量夹角/>的点作为特征点,余下的点为亚特征点;
对亚特征点及非特征点进行体素下采样,其体素网格大小设置为GridStep1<GridStep2,并将下采样的结果与特征点进行整合。
在一些实施例中,改进TrICP算法迭代配准包括:计算点云最近点对的欧式距离小于距离阈值γ的点数,并除以自身点数,获得两者的重叠度,减少TrICP算法搜索所有可能寻求最佳重叠度的计算时间并提升配准过程的收敛速度;
其中,当重叠度大于设定阈值λ时,未重叠部分的点对较少,此时保留所有点对进行求解。
在一些实施例中,在步骤S4中,根据理论设计三维模型的微孔位置矢量信息计算得到一次纠偏后的叶片三维点云数据重建模型上微孔位置与矢量,其中,n为理论模型微孔顺序编号。
在一些实施例中,引入叶片微孔群的整体分布均匀性评价模型包括:根据点到平面距离计算出理论设计三维模型中首/尾孔到基准面的行间距值,根据点到直线距离计算出上一排首/尾孔到下一排首/尾孔构成的直线距离/>以及该距离值在所有微孔排间距之和的权重值,即/>,其中,/>为直线方向向量,/>为直线上一点,/>为直线外一点;
将行间距值及直线距离/>作为评价输入指标,对比实测涡轮叶片微孔点云交点坐标/>中的首/尾孔构成的直线间距偏差,并补偿首/尾孔行间距、列间距得到最新的首/尾孔坐标;
根据新的首/尾孔r邻域内的法向量构造一个平面,求解该平面与中间各微孔r邻域平面的交线方程,再根据任一排微孔中相邻两孔均匀等距分布要求,获得各交线上与相邻上一个微孔距离为等间距值的点,即为二次纠偏后的微孔坐标。
在一些实施例中,匹配各电加工机床的机械特性参数并自动生成新微孔加工坐标包括:根据各个纠偏后微孔的矢量信息计算绕电加工机床Z方向旋转的C轴角度值及其旋转矩阵/>与绕电加工机床Y方向旋转的B轴角度值及其旋转矩阵/>,然后计算新微孔电加工机床程序控制坐标值/>,即,其中,/>为二次纠偏后微孔坐标,/>为自动生成电加工机床程序控制坐标。
为解决现有涡轮叶片电加工气膜孔整体分布不均匀的问题,本发明有以下优点:
通过本发明的技术方案,有效解决了涡轮叶片微孔电火花加工生产单元因产品自身空间形貌、工装装夹等随机偏差引入带来的自适应加工微孔位置纠偏问题,重点考虑了微孔在整体叶片型面的分布均匀性,实现了待加工涡轮叶片的无人化加工程序定制化生成,有力保证了加工后的微孔分布与位置度满足质量合格检验要求。
附图说明
图1示出了涡轮叶片微孔的位置、形貌自适应纠偏流程示意图;
图2示出了涡轮叶片微孔完成形貌纠偏的整体矢量分布图;
图3示出了叶片配准偏差曲线图,具体为叶片装夹迭代偏差示意图;
图4示出了叶片配准偏差曲线图,具体为形变修正微孔坐标偏差示意图;
图5示出了叶片微孔形貌整体分布均匀性评价指标(选取15-16排微孔为例);
图6示出了微孔自适应纠偏前后与理论设计三维模型点位分布对比示意图;
图7示出了图6中所示微孔自适应纠偏前后与理论设计三维模型点位分布对比的局部示意图;
图8示出了涡轮叶片扫描区域与路径顺序示意图。
附图标记:1-第一基准面;2-微孔分布边界;3-第二基准面;4-16排首孔;5-16排尾孔;6-15排微孔;7-理论微孔中心点;8-二次纠偏后微孔中心点;9-整体孔位分布;10-局部孔位分布;11-装夹纠偏后微孔中心点;12-线激光传感器扫描方向;13-微孔矢量方向;(1)、(2)、(3)、(4)、(5)、(6)、(7)、(8)、(9)-区域点云数据集。
具体实施方式
现在将参照若干示例性实施例来论述本公开的内容。应当理解,论述了这些实施例仅是为了使得本领域普通技术人员能够更好地理解且因此实现本公开的内容,而不是暗示对本公开的范围的任何限制。
如本文中所使用的,术语“包括”及其变体要被解读为意味着“包括但不限于”的开放式术语。术语“基于”要被解读为“至少部分地基于”。术语“一个实施例”和“一种实施例”要被解读为“至少一个实施例”。术语“另一个实施例”要被解读为“至少一个其他实施例”。术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本申请中的具体含义。此外,术语“安装”、“设置”、“设有”、“连接”、“相连”应做广义理解。例如,可以是固定连接,可拆卸连接,或整体式构造;可以是机械连接,或电连接;可以是直接相连,或者是通过中间媒介间接相连,又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。此外,术语“第一”、“第二”等主要是用于区分不同的装置、元件或组成部分(具体的种类和构造可能相同也可能不同),并非用于表明或暗示所指示装置、元件或组成部分的相对重要性和数量。除非另有说明,“多个”的含义为两个或两个以上。
请参阅图1所示,本实施例公开了一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,包括五轴数控运动模组与高精密线激光传感器集成平台及待测含工装夹具的涡轮叶片,其中,自适应纠偏方法包括:
S1:将待测涡轮叶片移动至初始位置,线激光传感器沿运动方向进行涡轮叶片型面空间的连续线扫描采集,获得若干区域点云数据集,如图8所示;
S2:将采集的若干区域点云数据集拼接、平滑、去噪及曲率下采样处理,获得基于同一坐标系下涡轮叶片有效型面区域的三维点云数据重建模型;
S3:融合改进TrICP算法迭代配准(如图3所示)求出三维点云数据重建模型与理论设计三维模型的初始装夹偏差RT矩阵,获得对三维点云数据重建模型的空间装夹位置配准,即为一次纠偏;
S4:在三维点云数据重建模型中自动导入涡轮叶片微孔位置与矢量理论设计信息,计算三维点云数据重建模型装夹配准后微孔区域点云与理论设计三维模型的形变偏差,如图4所示,具体为选取三维点云数据重建模型中50个微孔在进行装夹配准后沿X、Y、Z轴的坐标偏差,并计算得到一次纠偏后的叶片三维点云数据重建模型上微孔位置与矢量,如图2所示的微孔矢量方向13;
S5:引入叶片微孔群的整体分布均匀性评价模型,获得对三维点云数据重建模型的相邻微孔行间距、列间距、直线度的局部调整,即为二次纠偏,并输出全新的待加工涡轮叶片的微孔点位与矢量信息,如图6与图7所示;
S6:匹配各电加工机床的机械特性参数并自动生成新微孔加工坐标,完成相应待加工涡轮叶片的自适应纠偏。
在本实施例中,通过五轴数控运动模组与高精密线激光传感器集成平台,采集待测含工装夹具的涡轮叶片空间型面三维点云数据,在此基础上进行数据处理生成新的叶片微孔电加工控制程序,以满足对叶片微孔整体分布均匀有序的质量检验合格与最优评价要求。
在本实施例中,计算三维点云数据重建模型装夹配准后微孔区域点云与理论设计三维模型的形变偏差是指,根据涡轮叶片微孔的位置坐标与矢量理论信息,并沿该矢量方向生成一条直线方程,与装夹配准后的三维点云数据重建模型曲面方程求交点坐标,联合该交点坐标与涡轮叶片微孔位置坐标理论信息计算得到两点之间的距离值即为三维点云数据重建模型装夹配准后微孔区域点云与理论设计三维模型的形变偏差。其中,直线方程表达式为:
;
式中,为微孔位置坐标理论信息,/>为微孔矢量理论信息;其中,基于最小二乘法,选择三阶多项式函数作为拟合函数,构建装夹配准后的三维点云数据重建模型的曲面方程。假设三维点云数据重建模型装夹配准后微孔区域有离散点云数据集合为/>,曲面方程表达式如下:
;
式中,为使得离散点云数据到拟合曲面距离最小化的最优系数值。
在一些实施例中,五轴数控运动模组与高精密线激光传感器集成平台包括由沿X、Y、Z方向高精度滚珠丝杠和直线导轨组成的平移运动模组、B/C轴两自由度转台模组、线激光控制器、运动控制系统、测量采集软件以及线激光传感器;
平移运动模组具有X轴、Y轴、Z轴,且X轴、Y轴、Z轴均设置有光栅尺,并与运动控制系统形成闭环控制;
C轴上设置有气动卡盘,气动卡盘用于夹取待测含工装夹具的涡轮叶片。
在本实施例中,X轴行程为500mm;Y轴行程为400mm;Z轴(集成有线激光传感器)行程为400mm;B轴动作范围±95°,C轴动作范围±360°。其中,C轴上配有EROWA气动卡盘,能够实现快换,重复定位精度为0.002mm,锁紧力为10000N。
进一步的,X轴、Y轴、Z轴均配有光栅尺,并与运动控制系统形成闭环控制。其中,X轴左右移动,可以调整线激光传感器与被测零件(即涡轮叶片)左右之间的距离;Y轴前后移动实现与被测零件前后之间距离;Z轴用于调整线激光传感器与被测零件的高度;BC轴转台安装在XY平台上,EROWA气动卡盘安装在C轴转台上,B轴、C轴用于旋转被测零件,调整测量角度,可以实现被测零件的5个面扫描,测量范围完全能够涵盖涡轮叶片尺寸规格,满足对涡轮叶片的工装装夹定位与测量空间范围使用要求。
本申请中,五轴数控运动模组与高精密线激光传感器集成平台整体采用卧躺式结构,结构可靠,精度高,刚性好。
在一些实施例中,线激光传感器沿运动方向进行型面空间连续线扫描采集包括:运动控制系统Y轴的光栅尺脉冲反馈至线激光控制器,脉冲输出为2500脉冲AB相4倍频方式,线激光控制器内设置细分数为20;
其中,线激光控制器每采集20个脉冲触发一次线激光传感器。
在本实施例中,线激光传感器与运动控制系统形成闭环。其中,脉冲输出为2500脉冲AB相4倍频方式,即Y轴每走一圈脉冲为10000个脉冲,Y轴丝杠导程为5mm,线激光控制器内设置细分数为20,线激光控制器每采集20个脉冲触发一次激光传感器,因此采集的每条轮廓线点云数据在Y方向相隔距离为0.01mm,同时采用LJ-X8060线激光传感器沿X方向的点云间隔为0.005mm,此间隔精度可以高程度的还原叶片实物形貌。
在一些实施例中,若干区域点云数据集拼接包括:每个区域的实测线激光扫描数据与平移运动模组起始、结束位置信息以二进制格式保存;
其中,相邻两区域点云数据集设置沿宽度方向一定距离的重叠采集区。
在本实施例中,通过上述结构设置,可保证扫描数据的完整性。再者,涡轮叶片具有典型的复杂空间曲率变化,需分成若干区域扫描测量,因此采集有多区域点云数据集(即若干区域点云数据集)。
进一步的,由线激光传感器按照预定扫描路径(即沿运动方向,如图8中所示线激光传感器扫描方向12)采集到若干区域点云数据集,例如:如图8所示,包括(1)、(2)、(3)、(4)、(5)、(6)、(7)、(8)、(9)等区域点云数据集,通过由B/C轴两自由度转台模组及平移运动模组对应的旋转/平移矩阵实现若干区域点云数据集统一至坐标系{A}下,其原点位于气动卡盘中心轴线与基准安装面相交处。
在一些实施例中,平滑包括:对重叠采集区的原始采集数据使用最近邻搜索算法进行平滑处理。
在本实施例中,针对拼接过程中点云重叠区(即重叠采集区)的原始数据进行平滑处理,使用最近邻搜索算法,具体为:根据两叶片重叠采集区型面点云的局部平面之间最大距离得到球邻域半径r*,进而得到重叠区任意一点的邻居点数N*,除以邻域体积得到点云体积密度,进一步根据点云体积密度和叶片待平滑型面处的理论设计曲率值来确定每个点的平滑半径,用加权滤波法根据邻居点距离进行加权计算,输出重叠区平滑后的点坐标数据,以完成平滑处理。
在一些实施例中,去噪包括:使用高斯混合模型滤波估计对拼接的点云数据集中的噪声。
在本实施例中,基于高斯混合模型滤波来估计对拼接的点云数据中的噪声,设点云数据集由N个点组成,每个点的坐标为/>,将点云数据表示为多个高斯分布的线性组合,每个高斯分布对应一个噪声模型,高斯混合模型的概率密度函数可以表示为:P(/>)=∑(wj·N(pi|μ_j,Σ_j)),其中,/>是第i个点,wj是混合模型中第j个高斯分布的权重,N(pi|μ_j,Σ_j)是第j个高斯分布的概率密度函数,μ_j和Σ_j分别是第j个高斯分布的均值和协方差矩阵。通过对每个点进行高斯分布拟合和去噪,根据测试系统采集点云数据中的噪声点数占比大小来设置特定阈值,将噪声点判定为具有较低概率的点,并将其剔除。
在一些实施例中,曲率下采样处理包括:使用曲率下采样算法,具体为:设为点云中的一点,/>为/>及其k邻近点所构成的协方差矩阵,进而确认/>点曲率值,即/>,其中,/>为/>的k邻近点,/>为协方差矩阵/>的特征值,/>表示沿法向量方向的变化,/>越大,则/>点云特征信息越明显,/>对应的特征向量/>为/>的法向量;
对点云进行K均值聚类,计算簇内各点的曲率及法向量,并计算各点K邻近点法向量夹角的平均值即为各点法向量夹角;
计算不同簇的平均曲率及平均法向量夹角/>,并提取各簇中曲率及法向量夹角均大于平均曲率/>及平均法向量夹角/>的点作为初步特征点,余下的点为非特征点;
计算初步特征点的平均曲率及法向量夹角/>,并提取初步特征点中曲率及法向量夹角均大于平均曲率/>及平均法向量夹角/>的点作为特征点,余下的点为亚特征点;
对亚特征点及非特征点进行体素下采样,其体素网格大小设置为GridStep1<GridStep2,并将下采样的结果与特征点进行整合。
在本实施例中,通过上述步骤设置,可以实现点云下采样。
在一些实施例中,改进TrICP算法迭代配准包括:计算点云最近点对的欧式距离小于距离阈值γ的点数,并除以自身点数,获得两者的重叠度,利用其筛选出未重叠部分的点对参与SVD求解变换矩阵的过程,减少TrICP算法搜索所有可能寻求最佳重叠度的计算时间并提升配准过程的收敛速度;
其中,当重叠度大于设定阈值λ时,未重叠部分的点对较少,此时保留所有点对进行求解。
在本实施例中,通过上述方法,区别于传统TrICP算法的黄金搜索算法寻求最佳配准结果的重叠度。这种方法的优点是简单易用,计算速度快,可有效解决TrICP算法估计重叠度较为耗时且配准后期收敛速度慢的问题。
进一步的,改进TrICP算法迭代配准具体为:
步骤1,设P为待配准点集,Q为参考点集。首先,对Q建立KD-Tree,为P中的所有点搜寻Q中的最近点/>,计算其距离的平方/>,并对其进行升序排序;
步骤2,其次,计算点云最近点对的欧氏距离小于距离阈值γ的点数,并除以自身点数,得到两者的重叠度。
步骤3,如果小于重叠度阈值λ,保留未重叠部分的/>个点对,否则保留/>个点对,并计算其/>的和/>;
步骤4,当任意停止条件被满足数,停止算法,否则令,进行下一步骤;
步骤5,将步骤3保留的对应点对代入目标函数(1),并采用SVD求解旋转矩阵与平移向量(R,T):
(1)
利用求出的(R,T)矩阵实现P的空间旋转平移变换,见公式(2);
(2)
转到初始步骤1。
在本实施例中,在步骤4中满足以下任意一项都可作为停止条件:即
条件1:点云的均方根误差e(RootMeanSquareError,RMSE)小于设定第一阈值ε,其中,(3)。本申请中,如图3所示,当均方根误差e迭代第六次时的值为小于或等于0.04,此时,停止改进TrICP算法迭代配准的继续运算,即本申请第一阈值ε优选为0.04。
条件2:前后两次迭代RMSE的绝对差值小于设定第二阈值δ,其中/>是上一次迭代的RMSE;
(4)
条件3:迭代次数大于设定第三阈值。
在一些实施例中,在步骤S4中,根据理论设计三维模型的微孔位置矢量信息(其中,n为理论模型微孔顺序编号)计算得到一次纠偏后的叶片三维点云数据重建模型上微孔位置与矢量。
在本实施例中,根据理论模型的微孔位置矢量信息计算得到一次纠偏后的叶片三维点云数据重建模型上微孔位置与矢量是指:/>首先基于纠正装夹位置偏差计算得出的RT矩阵左乘理论模型的位置矢量信息(公式(5)、公式(6)),得到新的位置矢量信息/>,位置矢量信息可以用空间直线参数方程表示,见公式(7);
基于新的位置/>在实测点云中搜索出r的邻域内点云进行二次曲面拟合,得到曲面方程,见公式(8);
将公式(7)中的/>分别用t表示带入公式(8)中得出一个关于t的多项式,见公式(9),等效转换为求解多项式的根,t的值会出现多根,将所有根带入公式(9)计算得出多个点的/>值,并与/>中的/>求距离的最小差值,将最小值所对应的t带入公式(7)得到与涡轮叶片扫描型面实际的微孔交点坐标/>。
(5)
(6)
其中,为旋转矩阵R,/>为平移向量/>,/>为理论模型的微孔排列顺序编号,/>为待加工叶片扫描型面分布的微孔排列顺序编号。
(7)
(8)
(9)
在一些实施例中,引入叶片微孔群的整体分布均匀性评价模型包括:根据点到平面距离计算出理论设计三维模型中首/尾孔到基准面的行间距值,根据点到直线距离计算出上一排首/尾孔到下一排首/尾孔构成的直线距离/>以及该距离值在所有微孔排间距之和的权重值,即/>,其中,/>为直线方向向量,/>为直线上一点,/>为直线外一点;
将行间距值及直线距离/>作为评价输入指标,对比实测涡轮叶片微孔点云交点坐标/>中的首/尾孔构成的直线间距偏差,并补偿首/尾孔行间距、列间距得到最新的首/尾孔坐标;
根据新的首/尾孔r邻域内的法向量构造一个平面,求解该平面与中间各微孔r邻域平面的交线方程,再根据任一排微孔中相邻两孔均匀等距分布要求,获得各交线上与相邻上一个微孔距离为等间距值的点,即为二次纠偏后的微孔坐标。
在本实施例中,通过上述设置,保证了任一排微孔中心坐标点在涡轮叶片的局部弧面法线方向上共平面,有效确保了每排微孔的直线度。其中,如图5所示,选取15与16排微孔为例,L1为微孔分布边界2至第一基准面1之间的距离,L2为微孔分布边界2至第二基准面3之间的距离,d1为16排首孔4至15排所有微孔的连线6之间构成的直线距离,d2为16排尾孔5至15排所有微孔的连线6之间构成的直线距离。
在一些实施例中,匹配各电加工机床的机械特性参数并自动生成新微孔加工坐标包括:根据各个纠偏后微孔的矢量信息计算绕电加工机床Z方向旋转的C轴角度值及其旋转矩阵/>与绕电加工机床Y方向旋转的B轴角度值及其旋转矩阵/>,然后计算新微孔电加工机床程序控制坐标值/>,即,其中,/>为二次纠偏后微孔坐标,/>为自动生成电加工机床程序控制坐标。
在本实施例中,通过上述设置,以实现相应待加工涡轮叶片的装夹位置纠偏与微孔形貌二次纠偏,满足对叶片微孔整体分布均匀有序的质量检验合格与最优评价要求,如图6与图7所示。其中,局部孔位分布10从整体孔位分布9中容易观察的部分截取出来,理论设计三维模型的理论微孔中心点7及二次纠偏后微孔中心点8及装夹纠偏后微孔中心点11均在局部孔位分布10中所展现。
综上所述,本申请公开的一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,可有效解决了涡轮叶片微孔电火花加工生产单元因产品自身空间形貌、工装装夹等随机偏差引入带来的自适应加工微孔位置纠偏问题,重点考虑了微孔在整体叶片型面的分布均匀性,实现了待加工涡轮叶片的无人化加工程序定制化生成,有力保证了加工后的微孔分布与位置度满足质量合格检验要求。
对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
此外,应当理解,虽然本说明书按照实施例加以描述,但并非每个实施例仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (11)
1.一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,其特征在于,包括五轴数控运动模组与高精密线激光传感器集成平台及待测含工装夹具的涡轮叶片,自适应纠偏方法包括:
S1:将待测涡轮叶片移动至初始位置,线激光传感器沿运动方向进行涡轮叶片型面空间的连续线扫描采集,获得若干区域点云数据集;
S2:将采集的若干区域点云数据集拼接、平滑、去噪及曲率下采样处理,获得基于同一坐标系下涡轮叶片有效型面区域的三维点云数据重建模型;
S3:融合改进TrICP算法迭代配准求出三维点云数据重建模型与理论设计三维模型的初始装夹偏差RT矩阵,获得对三维点云数据重建模型的空间装夹位置配准,即为一次纠偏;
S4:在三维点云数据重建模型中自动导入涡轮叶片微孔位置与矢量理论设计信息,计算三维点云数据重建模型装夹配准后微孔区域点云与理论设计三维模型的形变偏差,并计算得到一次纠偏后的叶片三维点云数据重建模型上微孔位置与矢量;
S5:引入叶片微孔群的整体分布均匀性评价模型,获得对三维点云数据重建模型的相邻微孔行间距、列间距、直线度的局部调整,即为二次纠偏,并输出全新的待加工涡轮叶片的微孔点位与矢量信息;
S6:匹配各电加工机床的机械特性参数并自动生成新微孔加工坐标,完成相应待加工涡轮叶片的自适应纠偏。
2.如权利要求1所述的一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,其特征在于,五轴数控运动模组与高精密线激光传感器集成平台包括由沿X、Y、Z方向高精度滚珠丝杠和直线导轨组成的平移运动模组、B/C轴两自由度转台模组、线激光控制器、运动控制系统、测量采集软件以及线激光传感器;
平移运动模组具有X轴、Y轴、Z轴,且X轴、Y轴、Z轴均设置有光栅尺,并与运动控制系统形成闭环控制;
C轴上设置有气动卡盘,气动卡盘用于夹取待测含工装夹具的涡轮叶片。
3.如权利要求2所述的一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,其特征在于,线激光传感器沿运动方向进行型面空间连续线扫描采集包括:运动控制系统Y轴的光栅尺脉冲反馈至线激光控制器,脉冲输出为2500脉冲AB相4倍频方式,线激光控制器内设置细分数为20;
其中,线激光控制器每采集20个脉冲触发一次线激光传感器。
4.如权利要求2所述的一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,其特征在于,若干区域点云数据集拼接包括:每个区域的实测线激光扫描数据与平移运动模组起始、结束位置信息以二进制格式保存;
其中,相邻两区域点云数据集设置沿宽度方向一定距离的重叠采集区。
5.如权利要求4所述的一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,其特征在于,平滑包括:对重叠采集区的原始采集数据使用最近邻搜索算法进行平滑处理。
6.如权利要求4所述的一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,其特征在于,去噪包括:使用高斯混合模型滤波估计对拼接的点云数据集中的噪声。
7.如权利要求4所述的一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,其特征在于,曲率下采样处理包括:使用曲率下采样算法,具体为:设为点云中的一点,为/>及其k邻近点所构成的协方差矩阵,进而确认/>点曲率/>值,即,其中,/>为/>的k邻近点,为协方差矩阵/>的特征值,/>表示沿法向量方向的变化,/>越大,则/>点云特征信息越明显,/>对应的特征向量/>为/>的法向量;
对点云进行K均值聚类,计算簇内各点的曲率及法向量,并计算各点K邻近点法向量夹角的平均值即为各点法向量夹角;
计算不同簇的平均曲率及平均法向量夹角/>,并提取各簇中曲率及法向量夹角均大于平均曲率/>及平均法向量夹角/>的点作为初步特征点,余下的点为非特征点;
计算初步特征点的平均曲率及法向量夹角/>,并提取初步特征点中曲率及法向量夹角均大于平均曲率/>及平均法向量夹角/>的点作为特征点,余下的点为亚特征点;
对亚特征点及非特征点进行体素下采样,其体素网格大小设置为GridStep1<GridStep2,并将下采样的结果与特征点进行整合。
8.如权利要求1所述的一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,其特征在于,改进TrICP算法迭代配准包括:计算点云最近点对的欧式距离小于距离阈值γ的点数,并除以自身点数,获得两者的重叠度,减少TrICP算法搜索所有可能寻求最佳重叠度的计算时间并提升配准过程的收敛速度;
其中,当重叠度大于设定阈值λ时,未重叠部分的点对较少,此时保留所有点对进行求解。
9.如权利要求1所述的一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,其特征在于,在步骤S4中,根据理论设计三维模型的微孔位置矢量信息计算得到一次纠偏后的叶片三维点云数据重建模型上微孔位置与矢量,其中,n为理论模型微孔顺序编号。
10.如权利要求1所述的一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,其特征在于,引入叶片微孔群的整体分布均匀性评价模型包括:根据点到平面距离计算出理论设计三维模型中首/尾孔到基准面的行间距值,根据点到直线距离计算出上一排首/尾孔到下一排首/尾孔构成的直线距离/>以及该距离值在所有微孔排间距之和的权重值,即,其中,/>为直线方向向量,/>为直线上一点,/>为直线外一点;
将行间距值及直线距离/>作为评价输入指标,对比实测涡轮叶片微孔点云交点坐标中的首/尾孔构成的直线间距偏差,并补偿首/尾孔行间距、列间距得到最新的首/尾孔坐标;
根据新的首/尾孔r邻域内的法向量构造一个平面,求解该平面与中间各微孔r邻域平面的交线方程,再根据任一排微孔中相邻两孔均匀等距分布要求,获得各交线上与相邻上一个微孔距离为等间距值的点,即为二次纠偏后的微孔坐标。
11.如权利要求10所述的一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法,其特征在于,匹配各电加工机床的机械特性参数并自动生成新微孔加工坐标包括:根据各个纠偏后微孔的矢量信息计算绕电加工机床Z方向旋转的C轴角度值及其旋转矩阵/>与绕电加工机床Y方向旋转的B轴角度值及其旋转矩阵/>,然后计算新微孔电加工机床程序控制坐标值/>,即/>,其中,/>为二次纠偏后微孔坐标,/>为自动生成电加工机床程序控制坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410386117.1A CN117961197A (zh) | 2024-04-01 | 2024-04-01 | 一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410386117.1A CN117961197A (zh) | 2024-04-01 | 2024-04-01 | 一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117961197A true CN117961197A (zh) | 2024-05-03 |
Family
ID=90863079
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410386117.1A Pending CN117961197A (zh) | 2024-04-01 | 2024-04-01 | 一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117961197A (zh) |
Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL148156A0 (en) * | 2001-04-12 | 2002-09-12 | Diehl Munitionssysteme Gmbh | Rudder blade mounting arrangement for a missile |
CN104266570A (zh) * | 2014-08-15 | 2015-01-07 | 上海理工大学 | 圆盘式多工位机床的工位轴心精度测量及调整方法 |
CN105215968A (zh) * | 2015-11-05 | 2016-01-06 | 四川明日宇航工业有限责任公司 | 大型航空薄壁钛合金铸件随形切削加工技术 |
CN107560576A (zh) * | 2017-08-07 | 2018-01-09 | 苏州电加工机床研究所有限公司 | 涡轮叶片数控电火花小孔在机检测纠偏的加工方法 |
WO2020068130A1 (en) * | 2018-09-28 | 2020-04-02 | General Electric Company | Automated identification of cooling holes and toolpath generation |
CN111709981A (zh) * | 2020-06-22 | 2020-09-25 | 高小翎 | 特征线融合的激光点云与模拟图像的配准方法 |
CN112676661A (zh) * | 2020-11-25 | 2021-04-20 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种高压涡轮导向叶片电加工气膜孔用工艺装置 |
CN113706381A (zh) * | 2021-08-26 | 2021-11-26 | 北京理工大学 | 一种三维点云数据的拼接方法及装置 |
CN113894570A (zh) * | 2021-10-26 | 2022-01-07 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种空间曲面上微孔定位装置及加工方法 |
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 |
CN114219910A (zh) * | 2021-09-14 | 2022-03-22 | 陕西科技大学 | 一种融合激光雷达和机器视觉的自动驾驶车畜牧清洗方法 |
CN114399603A (zh) * | 2022-01-25 | 2022-04-26 | 重庆理工大学 | 一种煤矿隧道拱面的三维曲面重构方法 |
CN114463522A (zh) * | 2022-01-07 | 2022-05-10 | 武汉大学 | 一种激光点云与密集匹配点云融合方法 |
CN114494368A (zh) * | 2021-12-20 | 2022-05-13 | 东南大学 | 一种结合降维投影和特征匹配的低重叠率点云配准方法 |
CN114669775A (zh) * | 2022-03-31 | 2022-06-28 | 中国科学院西安光学精密机械研究所 | 叶片气膜孔加工自适应定位方法、系统、设备及存储介质 |
CN115393418A (zh) * | 2022-07-19 | 2022-11-25 | 浙江科技学院 | 一种基于三维点云图像的马尾松部分表型参数自动测量方法 |
CN115615356A (zh) * | 2022-11-11 | 2023-01-17 | 中国汽车工业工程有限公司 | 一种基于模板轨迹的3d涂胶检测分析方法 |
CN116150911A (zh) * | 2023-02-28 | 2023-05-23 | 西安热工研究院有限公司 | 基于ct扫描定位的透平叶片冷却孔加工方法 |
CN116167181A (zh) * | 2023-02-23 | 2023-05-26 | 西安热工研究院有限公司 | 一种叶片冷却孔加工方法、装置、存储介质及电子设备 |
CN116338669A (zh) * | 2023-03-09 | 2023-06-27 | 国营川西机器厂 | 航空发动机进气导向器机匣叶片安装孔错位纠偏加工方法 |
CN116642904A (zh) * | 2023-05-24 | 2023-08-25 | 西安理工大学 | 一种基于三维点云的飞机蒙皮缺陷检测及测量方法 |
CN117272522A (zh) * | 2023-11-21 | 2023-12-22 | 上海弥彧网络科技有限责任公司 | 一种便携式飞机曲面蒙皮铆钉孔轮廓测量系统及其方法 |
-
2024
- 2024-04-01 CN CN202410386117.1A patent/CN117961197A/zh active Pending
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IL148156A0 (en) * | 2001-04-12 | 2002-09-12 | Diehl Munitionssysteme Gmbh | Rudder blade mounting arrangement for a missile |
CN104266570A (zh) * | 2014-08-15 | 2015-01-07 | 上海理工大学 | 圆盘式多工位机床的工位轴心精度测量及调整方法 |
CN105215968A (zh) * | 2015-11-05 | 2016-01-06 | 四川明日宇航工业有限责任公司 | 大型航空薄壁钛合金铸件随形切削加工技术 |
CN107560576A (zh) * | 2017-08-07 | 2018-01-09 | 苏州电加工机床研究所有限公司 | 涡轮叶片数控电火花小孔在机检测纠偏的加工方法 |
WO2020068130A1 (en) * | 2018-09-28 | 2020-04-02 | General Electric Company | Automated identification of cooling holes and toolpath generation |
CN111709981A (zh) * | 2020-06-22 | 2020-09-25 | 高小翎 | 特征线融合的激光点云与模拟图像的配准方法 |
CN112676661A (zh) * | 2020-11-25 | 2021-04-20 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种高压涡轮导向叶片电加工气膜孔用工艺装置 |
CN113706381A (zh) * | 2021-08-26 | 2021-11-26 | 北京理工大学 | 一种三维点云数据的拼接方法及装置 |
CN114219910A (zh) * | 2021-09-14 | 2022-03-22 | 陕西科技大学 | 一种融合激光雷达和机器视觉的自动驾驶车畜牧清洗方法 |
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 |
CN113894570A (zh) * | 2021-10-26 | 2022-01-07 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种空间曲面上微孔定位装置及加工方法 |
CN114494368A (zh) * | 2021-12-20 | 2022-05-13 | 东南大学 | 一种结合降维投影和特征匹配的低重叠率点云配准方法 |
CN114463522A (zh) * | 2022-01-07 | 2022-05-10 | 武汉大学 | 一种激光点云与密集匹配点云融合方法 |
CN114399603A (zh) * | 2022-01-25 | 2022-04-26 | 重庆理工大学 | 一种煤矿隧道拱面的三维曲面重构方法 |
CN114669775A (zh) * | 2022-03-31 | 2022-06-28 | 中国科学院西安光学精密机械研究所 | 叶片气膜孔加工自适应定位方法、系统、设备及存储介质 |
CN115393418A (zh) * | 2022-07-19 | 2022-11-25 | 浙江科技学院 | 一种基于三维点云图像的马尾松部分表型参数自动测量方法 |
CN115615356A (zh) * | 2022-11-11 | 2023-01-17 | 中国汽车工业工程有限公司 | 一种基于模板轨迹的3d涂胶检测分析方法 |
CN116167181A (zh) * | 2023-02-23 | 2023-05-26 | 西安热工研究院有限公司 | 一种叶片冷却孔加工方法、装置、存储介质及电子设备 |
CN116150911A (zh) * | 2023-02-28 | 2023-05-23 | 西安热工研究院有限公司 | 基于ct扫描定位的透平叶片冷却孔加工方法 |
CN116338669A (zh) * | 2023-03-09 | 2023-06-27 | 国营川西机器厂 | 航空发动机进气导向器机匣叶片安装孔错位纠偏加工方法 |
CN116642904A (zh) * | 2023-05-24 | 2023-08-25 | 西安理工大学 | 一种基于三维点云的飞机蒙皮缺陷检测及测量方法 |
CN117272522A (zh) * | 2023-11-21 | 2023-12-22 | 上海弥彧网络科技有限责任公司 | 一种便携式飞机曲面蒙皮铆钉孔轮廓测量系统及其方法 |
Non-Patent Citations (2)
Title |
---|
张敏等: "基于激光传感器的涡轮叶片气膜孔轴线方向检测算法", 电加工与模具, 20 August 2022 (2022-08-20), pages 24 - 29 * |
王青;郑守国;李江雄;柯映林;陈磊;: "基于孔边距约束和Shepard插值的孔位修正方法", 航空学报, no. 12, 4 March 2015 (2015-03-04) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105354880B (zh) | 一种基于线激光扫描的喷砂机器人自动路径生成方法 | |
CN109918755B (zh) | 一种基于点云数据的低刚度制件装配变形预测方法 | |
CN112284290B (zh) | 一种航空发动机叶片机器人自主测量方法及系统 | |
CN111347294B (zh) | 一种高陡度光学镜面误差抛光修正加工方法 | |
CN113276130B (zh) | 一种基于点云切片的自由曲面喷涂路径规划方法及系统 | |
CN113536488B (zh) | 基于配准算法的毛坯质量包容性分析和余量优化方法 | |
CN110716497B (zh) | 一种基于平面基准约束与余量约束的配准方法 | |
CN113375594B (zh) | 飞机蒙皮型面数字化检测方法 | |
CN110455187A (zh) | 一种基于三维视觉的盒体工件焊缝的检测方法 | |
CN116402866A (zh) | 基于点云的零件数字孪生几何建模与误差评定方法及系统 | |
CN110328674A (zh) | 一种激光切割机器人 | |
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 | |
Ravishankar et al. | Automated inspection of aircraft parts using a modified ICP algorithm | |
CN112508895A (zh) | 一种基于曲面配准的螺旋桨叶片质量评估方法 | |
CN115026706B (zh) | 一种航空发动机叶片抛光方法及系统 | |
CN116204990A (zh) | 一种三维实测数据驱动的飞机大型骨架精准协调修配方法 | |
CN110989490B (zh) | 一种基于轮廓误差的工件最优安装位置的获取方法 | |
Zhang et al. | 3D curvature grinding path planning based on point cloud data | |
CN105824237A (zh) | 基于线激光传感器的自适应偏移控制方法 | |
CN117961197A (zh) | 一种无人化涡轮叶片微孔电加工单元的自适应纠偏方法 | |
CN111069973B (zh) | 一种复杂外形铸件快速找正的方法及装置 | |
CN109035238B (zh) | 一种面向自由曲面零件的加工余量离线分析方法 | |
CN115507803A (zh) | 一种涡轮叶片加工和检测的方法、装置及设备 | |
CN113970311A (zh) | 一种航空发动机叶片矢量逼近迭代测量方法 | |
CN114036634A (zh) | 基于柔性装夹的薄壁零件自适应修边方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |