CN118003159A - 一种深矢高非球面光学元件铣磨方法 - Google Patents
一种深矢高非球面光学元件铣磨方法 Download PDFInfo
- Publication number
- CN118003159A CN118003159A CN202410424481.2A CN202410424481A CN118003159A CN 118003159 A CN118003159 A CN 118003159A CN 202410424481 A CN202410424481 A CN 202410424481A CN 118003159 A CN118003159 A CN 118003159A
- Authority
- CN
- China
- Prior art keywords
- grinding wheel
- optical element
- machining
- track
- milling
- 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
- 238000000227 grinding Methods 0.000 title claims abstract description 93
- 230000003287 optical effect Effects 0.000 title claims abstract description 36
- 238000003801 milling Methods 0.000 title claims abstract description 29
- 238000000034 method Methods 0.000 title claims description 27
- 238000003754 machining Methods 0.000 claims abstract description 33
- 230000008859 change Effects 0.000 claims abstract description 32
- 230000006870 function Effects 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 238000005299 abrasion Methods 0.000 claims abstract description 15
- 238000012549 training Methods 0.000 claims abstract description 15
- 238000009966 trimming Methods 0.000 claims description 5
- 229910003460 diamond Inorganic materials 0.000 claims description 4
- 239000010432 diamond Substances 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 208000035874 Excoriation Diseases 0.000 description 13
- 230000009286 beneficial effect Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 239000002173 cutting fluid Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
Landscapes
- Grinding And Polishing Of Tertiary Curved Surfaces And Surfaces With Complex Shapes (AREA)
Abstract
本发明公开了光学元件铣磨领域的一种深矢高非球面光学元件铣磨方法,包括以下步骤:准备加工磨轮,磨轮分别设有移动平台和旋转平台;构建BP神经网络,在光学元件非球面子午截面曲线上进行样本采集,获取基础加工轨迹,将待插补曲线的切点选取作为采集样本,对BP神经网络进行大量训练优化基础加工轨迹,每次训练均测量磨轮实际尺寸;收集训练中磨轮实际尺寸变化函数,以单个磨轮为单位,得到变化函数库;利用基础加工轨迹进行数控加工,选择若干个加工次数节点,采集磨轮实际尺寸数据,带入变化函数库中得到与加工次数节点数据拟合的变化函数,对基础加工轨迹进行修正。采用本发明的技术方案,能够对磨轮磨损量产生的精度偏差进行补偿。
Description
技术领域
本发明属于光学元件铣磨领域,具体是一种深矢高非球面光学元件铣磨方法。
背景技术
近些年来,非球面光学元件凭借其优越的光学特性和无与伦比的成像效果,在光学系统中得到广泛应用,成为不可或缺的光学元件。在光学系统设计中,多个球面镜片堆叠组合的成像效果用一个非球面镜片就可以达到,这样就大大简化了光学仪器的结构组成。非球面光学元件应用在光学仪器中具有轻量化、成像效果佳、低成本、使得光学系统设计更为灵活等特点,因此非球面光学元件在军事、航空航天以及高新技术民用工业等领域应用频繁。
现有技术中利用基于神经网络的插补方法进行轨迹控制,以优化加工工艺流程,但铣磨过程中,磨轮会逐渐磨损,直至寿命耗尽后更换,在此过程中,会导致磨轮与原有尺寸不符,使实际加工轨迹出现偏离。
发明内容
为了解决上述问题,本发明的目的是提供一种深矢高非球面光学元件铣磨方法,对磨轮磨损量产生的精度偏差进行补偿。
为了实现上述目的,本发明的技术方案如下:一种深矢高非球面光学元件铣磨方法,包括以下步骤:
步骤一,准备加工磨轮,磨轮分别设有移动平台和旋转平台,移动平台用于驱动磨轮在X轴和Y轴上移动,旋转平台用于驱动磨轮改变铣磨角度;
步骤二,构建BP神经网络,在光学元件非球面子午截面曲线上进行样本采集,以切线法轨迹成形方法进行分割曲线采集,获取基础加工轨迹,将待插补曲线的切点选取作为采集样本,对BP神经网络进行大量训练优化基础加工轨迹,每次训练均对磨轮表面进行修整对正,测量磨轮实际尺寸;
步骤三,收集训练中磨轮实际尺寸变化函数,以单个磨轮为单位,得到若干以加工次数为x轴,磨损量为y轴的变化函数库;
步骤四,利用基础加工轨迹进行数控加工,选择若干个加工次数节点,采集磨轮实际尺寸数据,带入变化函数库中得到与加工次数节点数据拟合的变化函数,对基础加工轨迹进行修正,具体为公式:
;
;
其中Vx为X轴方向移动速度,Vy为Y轴方向移动速度,(xi,yi)为第i个加工轨迹切点坐标,θ为切点法线与 X 轴形成的夹角,ω为旋转平台转动角速度,f(n)为变化函数,n为加工次数。
采用上述方案后实现了以下有益效果:非球面加工方法均是采用轨迹成形法,理论上加工工具始终沿着设计工件子午截面曲线切线方向移动,能有效消除表面波纹误差,得到连续光滑的光学表面。移动平台和旋转平台用于驱动磨轮,通过三轴联动使磨轮沿光学元件非球面移动,以完成对非球面表面的铣磨。
现有技术中采用直线段或圆弧线段等去逼近零件轨迹曲线,由于非球面不规则,依赖直线段或圆弧线段均难以完美的贴合光学元件表面切线,因此难以得到光滑连续的切割线。BP神经网络的引入,通过BP神经学习,自学习能力逼近拟合加工轨迹,优化切割曲线,得到相比依赖直线段或圆弧线段更光滑连续的切割线。但受到磨轮磨损量的影响,随着加工次数的增多或磨轮更替,导致拟合的加工轨迹会发生不同程度的偏移,因此引入磨轮实际尺寸变化函数。
磨轮实际尺寸变化函数在训练BP神经网络的过程中引入,BP神经网络训练时为减少磨轮磨损量带来的影响,每次训练时均采用人工对磨轮表面进行修整对正,以获得理论拟合轨迹,在修整对正过程中,记录的磨轮实际尺寸则用于构造变化函数。由于磨轮会更换,其磨损系数也会发生细微变化,因此通过数据积累以构建变化函数库,针对实际加工中磨轮前期磨损变化趋势,采集并套用对应的变化函数,对轨迹进行修正,以使理论拟合轨迹的得到磨损修正。因此在控制磨轮的三轴联动时,采用公式对移动量进行修正,以提高加工精度。
进一步,BP神经网络的学习率在0.4至0.6之间。
有益效果:学习率过大会致使整个训练系统不稳定,在误差极小值附近容易产生振荡而不易收敛,学习率过小则导致收敛过慢,训练时间过长,因此将学习率设置在0.4至0.6之间,以达到适宜的学习效果。
进一步,BP神经网络的迭代次数至少为3000次。
有益效果:迭代次数至少为3000次,以确保收集到足够的数据,达到适宜的拟合效果。
进一步,步骤四中ω的值为0.05rad/s。
有益效果:ω的值影响对单个切点的切割时间,影响铣磨加工周期,ω过大会使切割时间过短,粗糙度较高,而过小的角速度将会增加切割时长,降低加工效率,ω的值为0.05rad/s能够平衡切割时长和加工效率。
进一步,磨轮选择金刚石砂轮。
有益效果:金刚石砂轮硬度高、抗压强度高、耐磨性好、寿命长,能够减少磨轮更换次数。
进一步,更换磨轮后对磨轮位置进行校准,确保磨轮中心与工件轴心线重合。
有益效果:工件在加工过程中会发生自转,如果轴心线偏离,将不可避免出现工件偏心的情况。
进一步,对工件轴进行实时铣磨力矩检测,当力矩异常时,复查磨轮尺寸和轴心性重合情况。
有益效果:铣磨力矩检测能够有效的检测加工轨迹是否拟合工件实际情况,有助于使用者排查加工异常。
附图说明
图1为本发明实施例的示意图。
图2为加工原理示意图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
实施例基本如附图1和附图2所示:
一种深矢高非球面光学元件铣磨方法,包括以下步骤:
步骤一,准备加工磨轮,磨轮为金刚石砂轮,磨轮分别设有移动平台和旋转平台,移动平台为丝杠组,旋转平台则为伺服电机,移动平台用于驱动磨轮在X轴和Y轴上移动,旋转平台用于驱动磨轮改变铣磨角度;
步骤二,构建BP神经网络,BP神经网络的学习率为0.4,均方误差的值为0.05,在光学元件非球面子午截面曲线上进行样本采集,以切线法轨迹成形方法进行分割曲线采集,获取基础加工轨迹,将待插补曲线的切点选取作为采集样本,对BP神经网络进行大量训练优化基础加工轨迹,每次训练均对磨轮表面进行修整对正,测量磨轮实际尺寸,更换磨轮后对磨轮位置进行校准,确保磨轮中心与工件轴心线重合;
步骤三,收集训练中磨轮实际尺寸变化函数,以单个磨轮为单位,得到若干以加工次数为x轴,磨损量为y轴的变化函数库;
步骤四,利用基础加工轨迹进行数控加工,选择若干个加工次数节点,采集磨轮实际尺寸数据,带入变化函数库中得到与加工次数节点数据拟合的变化函数,对基础加工轨迹进行修正,具体为公式:
;
;
其中Vx为X轴方向移动速度,Vy为Y轴方向移动速度,(xi,yi)为第i个加工轨迹切点坐标,θ为切点法线与 X 轴形成的夹角,ω为旋转平台转动角速度且值为0.05rad/s,f(n)为变化函数,n为加工次数。
步骤五,加工时对工件轴进行实时铣磨力矩检测,检测采用转速传感器,当力矩异常时,复查磨轮尺寸和轴心性重合情况。
具体实施过程如下:非球面加工方法均是采用轨迹成形法,理论上加工工具始终沿着设计工件子午截面曲线切线方向移动,能有效消除表面波纹误差,得到连续光滑的光学表面。移动平台和旋转平台用于驱动磨轮,通过三轴联动使磨轮沿光学元件非球面移动,以完成对非球面表面的铣磨。
现有技术中采用直线段或圆弧线段等去逼近零件轨迹曲线,由于非球面不规则,依赖直线段或圆弧线段均难以完美的贴合光学元件表面切线,因此难以得到光滑连续的切割线。BP神经网络的引入,通过BP神经学习,自学习能力逼近拟合加工轨迹,优化切割曲线,得到相比依赖直线段或圆弧线段更光滑连续的切割线,打破直线段或圆弧线段的约束。但受到磨轮磨损量的影响,随着加工次数的增多或磨轮更替,导致拟合的加工轨迹会发生不同程度的偏移,因此引入磨轮实际尺寸变化函数。
磨轮实际尺寸变化函数在训练BP神经网络的过程中引入,BP神经网络训练时为减少磨轮磨损量带来的影响,每次训练时均采用人工对磨轮表面进行修整对正,以获得理论拟合轨迹,在修整对正过程中,记录的磨轮实际尺寸则用于构造变化函数。由于磨轮会更换,其磨损系数也会发生细微变化,因此通过数据积累以构建变化函数库,针对实际加工中磨轮前期磨损变化趋势,采集并套用对应的变化函数,对轨迹进行修正,以使理论拟合轨迹的得到磨损修正。因此在控制磨轮的三轴联动时,采用公式对移动量进行修正,以提高加工精度。该方法适用于自动化过程中,因此磨轮的选择上,应当选择品质差异更小的磨轮,且在铣磨过程中切削液的用量与成分应当稳定,且铣磨过程过程需在恒温室内。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (7)
1.一种深矢高非球面光学元件铣磨方法,其特征在于:包括以下步骤:
步骤一,准备加工磨轮,磨轮分别设有移动平台和旋转平台,移动平台用于驱动磨轮在X轴和Y轴上移动,旋转平台用于驱动磨轮改变铣磨角度;
步骤二,构建BP神经网络,在光学元件非球面子午截面曲线上进行样本采集,以切线法轨迹成形方法进行分割曲线采集,获取基础加工轨迹,将待插补曲线的切点选取作为采集样本,对BP神经网络进行大量训练优化基础加工轨迹,每次训练均对磨轮表面进行修整对正,测量磨轮实际尺寸;
步骤三,收集训练中磨轮实际尺寸变化函数,以单个磨轮为单位,得到若干以加工次数为x轴,磨损量为y轴的变化函数库;
步骤四,利用基础加工轨迹进行数控加工,选择若干个加工次数节点,采集磨轮实际尺寸数据,带入变化函数库中得到与加工次数节点数据拟合的变化函数,对基础加工轨迹进行修正,具体为公式:
;
;
其中Vx为X轴方向移动速度,Vy为Y轴方向移动速度,(xi,yi)为第i个加工轨迹切点坐标,θ为切点法线与 X 轴形成的夹角,ω为旋转平台转动角速度,f(n)为变化函数,n为加工次数。
2.根据权利要求1所述的深矢高非球面光学元件铣磨方法,其特征在于:BP神经网络的学习率在0.4至0.6之间。
3.根据权利要求2所述的深矢高非球面光学元件铣磨方法,其特征在于:BP神经网络的迭代次数至少为3000次。
4.根据权利要求3所述的深矢高非球面光学元件铣磨方法,其特征在于:步骤四中ω的值为0.05rad/s。
5.根据权利要求4所述的深矢高非球面光学元件铣磨方法,其特征在于:磨轮选择金刚石砂轮。
6.根据权利要求5所述的深矢高非球面光学元件铣磨方法,其特征在于:更换磨轮后对磨轮位置进行校准,确保磨轮中心与工件轴心线重合。
7.根据权利要求6所述的深矢高非球面光学元件铣磨方法,其特征在于:对工件轴进行实时铣磨力矩检测,当力矩异常时,复查磨轮尺寸和轴心性重合情况。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410424481.2A CN118003159A (zh) | 2024-04-10 | 2024-04-10 | 一种深矢高非球面光学元件铣磨方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410424481.2A CN118003159A (zh) | 2024-04-10 | 2024-04-10 | 一种深矢高非球面光学元件铣磨方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118003159A true CN118003159A (zh) | 2024-05-10 |
Family
ID=90948897
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410424481.2A Pending CN118003159A (zh) | 2024-04-10 | 2024-04-10 | 一种深矢高非球面光学元件铣磨方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118003159A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5653462A (en) * | 1992-05-05 | 1997-08-05 | Automotive Technologies International, Inc. | Vehicle occupant position and velocity sensor |
JP2011189476A (ja) * | 2010-03-16 | 2011-09-29 | Canon Inc | 研磨加工方法 |
CN102335872A (zh) * | 2011-09-14 | 2012-02-01 | 桂林电子科技大学 | 基于人工神经网络的磨床砂轮自动修整方法和修整装置 |
CN114048889A (zh) * | 2021-10-08 | 2022-02-15 | 天津大学 | 基于长短期记忆网络的飞行器轨迹预测的方法 |
-
2024
- 2024-04-10 CN CN202410424481.2A patent/CN118003159A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5653462A (en) * | 1992-05-05 | 1997-08-05 | Automotive Technologies International, Inc. | Vehicle occupant position and velocity sensor |
JP2011189476A (ja) * | 2010-03-16 | 2011-09-29 | Canon Inc | 研磨加工方法 |
CN102335872A (zh) * | 2011-09-14 | 2012-02-01 | 桂林电子科技大学 | 基于人工神经网络的磨床砂轮自动修整方法和修整装置 |
CN114048889A (zh) * | 2021-10-08 | 2022-02-15 | 天津大学 | 基于长短期记忆网络的飞行器轨迹预测的方法 |
Non-Patent Citations (1)
Title |
---|
张志宇;李锐钢;郑立功;张学军;: "离轴非球面SiC反射镜的精密铣磨加工技术", 机械工程学报, no. 17, 26 March 2013 (2013-03-26) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7371154B2 (en) | Dual ophthalmic lens machining platform and simultaneous ophthalmic lens manufacturing method | |
JP3703664B2 (ja) | バックラッシ補正装置 | |
CN108873809B (zh) | 一种螺旋锥齿轮的高阶齿面误差修正方法 | |
CN108581635B (zh) | 一种铣刀侧刃刃口磨损三维检测装置及方法 | |
CN103862380A (zh) | 光学镜面少轴磨削倾斜弧面砂轮误差分析与补偿系统 | |
CN111975021B (zh) | 一种超精密车削刀具中心与b轴回转中心对正方法 | |
CN108747609B (zh) | 一种非球面阵列结构的精密磨削加工方法 | |
CN103056731A (zh) | 大口径离轴非球面反射镜的五轴精密超声铣磨加工方法 | |
CN109947049A (zh) | 一种基于摆动误差的刀具姿角可行域求解方法 | |
US20100280650A1 (en) | Machining apparatus and machining method | |
US20220193795A1 (en) | Method and device for milling large-diameter aspheric surface by using splicing method and polishing method | |
CN113547156B (zh) | 三维异形变径涡轮轴锥面体车铣复合精密镜面加工方法 | |
CN1990177A (zh) | 机床控制器 | |
EP2089781B1 (en) | Method of surface manufacture with an apex decentered from a spindle axis | |
CN118003159A (zh) | 一种深矢高非球面光学元件铣磨方法 | |
CN114019910A (zh) | 一种小线段刀具轨迹实时全局光顺方法 | |
CN105116840A (zh) | 一种空间曲线一次插补缓变误差补偿方法 | |
Nishiguchi et al. | Improvement of productivity in aspherical precision machining with in-situ metrology | |
CN109794856B (zh) | 一种成型磨砂轮修整数据获取方法 | |
CN112379638A (zh) | 一种基于有限脉冲响应滤波的样条曲线插补方法 | |
CN110340737A (zh) | 基于多轴联动的大离轴量非球面磨削刀具路径规划方法 | |
CN115609088A (zh) | 齿轮及其齿面加工反调修正方法 | |
CN102303284B (zh) | 一种数控磨床的机床主轴零点及磨头半径的测定方法 | |
KR101199086B1 (ko) | 5축 cνc 가공기계를 이용한 롤러 기어 캠의 가공을 위한 후처리방법 | |
CN115062482A (zh) | 一种考虑旋转关节定位误差的串联机器人运动学建模方法 |
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 |