KR101426658B1 - Method and apparatus for estimating shape of gear - Google Patents
Method and apparatus for estimating shape of gear Download PDFInfo
- Publication number
- KR101426658B1 KR101426658B1 KR1020130074029A KR20130074029A KR101426658B1 KR 101426658 B1 KR101426658 B1 KR 101426658B1 KR 1020130074029 A KR1020130074029 A KR 1020130074029A KR 20130074029 A KR20130074029 A KR 20130074029A KR 101426658 B1 KR101426658 B1 KR 101426658B1
- Authority
- KR
- South Korea
- Prior art keywords
- gear
- error
- curve
- term
- short
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims description 87
- 230000007774 longterm Effects 0.000 claims description 43
- 238000012546 transfer Methods 0.000 claims description 29
- 238000006073 displacement reaction Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 15
- 238000005259 measurement Methods 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 12
- 230000008447 perception Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 2
- 239000011159 matrix material Substances 0.000 abstract description 6
- 238000013507 mapping Methods 0.000 abstract description 5
- 239000010410 layer Substances 0.000 description 15
- 238000012360 testing method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 6
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000694 effects Effects 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
- 238000000465 moulding Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/20—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring contours or curvatures, e.g. determining profile
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D5/00—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable
- G01D5/26—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light
- G01D5/32—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light
- G01D5/34—Mechanical means for transferring the output of a sensing member; Means for converting the output of a sensing member to another variable where the form or nature of the sensing member does not constrain the means for converting; Transducers not specially adapted for a specific variable characterised by optical transfer means, i.e. using infrared, visible, or ultraviolet light with attenuation or whole or partial obturation of beams of light the beams of light being detected by photocells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M13/00—Testing of machine parts
- G01M13/02—Gearings; Transmission mechanisms
- G01M13/023—Power-transmitting endless elements, e.g. belts or chains
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/22—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing
- G06F11/2263—Detection or location of defective computer hardware by testing during standby operation or during idle time, e.g. start-up testing using neural networks
Abstract
Description
본 발명은 기어의 형상 오류를 검사하는 방법 및 그 장치에 관한 것으로, 인공 신경망 함수(Artificial neural network(ANN) fitting)를 이용하여 서로 맞물리는 1쌍의 기어 각각의 기어 특징값으로부터 계산된 출력데이터 좌표를 기준 형상 오류 매트릭스에 매핑함으로써 매핑 결과에 따라 1쌍 기어의 형상 오류를 정확하고 빠르게 판단할 수 있는 기어 형상 오류 검사 방법에 관한 것이다.The present invention relates to a method and an apparatus for checking a shape error of a gear, and more particularly, to an apparatus and method for checking an output error of gears The present invention relates to a gear shape error checking method that can accurately and quickly determine a shape error of a pair of gears according to a mapping result by mapping coordinates to a reference shape error matrix.
일반적으로, 기어는 둘레에 일정한 간격으로 톱니가 형성된 바퀴로, 톱니를 매개로 이웃하는 다른 기어와 서로 맞물려 돌아감으로써 동력을 전달한다. 따라서, 기어들 간의 원활한 연동을 위해서는 서로 이웃하는 기어들 사이의 톱니와 톱니의 맞물림이 정확해야하고, 회전중심 또한 기어의 원주 중심에 위치해야 한다.Generally, a gear is a wheel having teeth formed at regular intervals around it, and transmits the power by meshing with other gears adjacent to each other through teeth. Therefore, in order to smoothly interlock the gears, the meshing of the teeth and the teeth between the adjacent gears must be correct, and the center of rotation must also be located in the center of the circumference of the gear.
그런데, 다수의 톱니를 일정한 간격으로 형성시키면서 균일한 곡률과 정확한 중심을 갖는 원형 기어를 제작하는 것은 현대 성형기술에서 한계가 있다. 최근에는 톱니 줄기가 비스듬히 경사져 있는 헬리컬(helical) 기어가 널리 사용되고 있는데, 헬리컬 기어는 접촉선의 길이가 길어서 큰 힘을 전달할 수 있고, 원활하게 회전하므로 소음이 작은 특성을 가진다. 그러나 헬리컬 기어의 경우 톱니의 돌출 형상뿐만 아니라 톱니의 경사도 서로 이웃하는 헬리컬 기어와 맞추어져야 하며 기어를 축방향에서 볼 때 톱니 경사가 오른쪽으로 되어 있으면 우비틀림, 왼쪽으로 되어 있으면 좌비틀림이 발생하는 문제점을 가진다. However, it is limited in modern molding technology to manufacture a circular gear having a uniform curvature and a precise center while forming a plurality of teeth at regular intervals. In recent years, helical gears have been widely used in which the teeth of the teeth are inclined obliquely. Helical gears are capable of transmitting a large force due to a long contact length, and are smoothly rotated. However, in the case of helical gears, not only the projecting shape of the teeth but also the inclination of the teeth must be matched with the neighboring helical gears. If the gear is inclined to the right when the gear is viewed from the axial direction, .
도 1을 참고로 헬리컬 기어의 일 예를 살펴보면, 기어를 제작할 때 둘레를 따라 형성되는 톱니의 돌출 정도(d)와 간격(w) (이하, 톱니의 "프로파일(profile)"이라 언급한다) 및 톱니가 형성되어 있는 경사도(θ)(이하, 톱니의 "리드(lead)"라 언급한다)를 가능한 정확히 성형하고 다양한 검사를 통해 다수의 기어들 중 최적의 기어를 찾아내거나 보수해야할 지점과 정도를 찾아 해당 기어를 보수함으로써, 전술한 기어의 제작 한계를 보완하고 있다.Referring to FIG. 1, an example of a helical gear includes gear teeth d and a gap w (hereinafter referred to as a "profile " of teeth) (Hereinafter referred to as "leads") in which the teeth are formed (hereinafter referred to as " leads ") are formed as accurately as possible and various points And by repairing the gears, the fabrication limitations of the gears described above are compensated.
기어의 형상 오류 검사는 톱니의 형상 즉, 톱니의 프로파일과 리드를 통해 기어가 정확하게 제작되었는지를 판단하는 검사로, 종래 기어 형상의 오류 검사 장치로는 진동센서를 이용하여 기어 형상의 오류를 검사하는 기어 소음 검사 장치(Gear Noise Tester)와 레이저를 이용하여 기어 형상 오류를 검사하는 리드 앤 인벌루트 테스터(lead and involute tester)가 있다. The shape error check of the gear is an inspection for judging whether the gear has been accurately manufactured through the shape of the tooth, that is, the profile of the teeth and the lead. The error checking device of the conventional gear shape is used to check the error of the gear shape There is a Gear Noise Tester and a lead and involute tester that uses a laser to check gear geometry errors.
기어 소음 검사 장치는 검사 대상인 워크기어(400)가 마스터기어(200)와 맞물려 300RPM 내지 500RPM으로 회전할 시에 발생하는 진동을 진동 센서로 측정하여 진동 크기로 워크 기어의 형상 오류를 잠정적으로 판단하는데, 기어 소음 검사 장치는 워크 기어의 형상 오류를 빠른 시간 내에 판단할 수 있는 장점을 가지나 단순히 진동 크기에만 의존하여 기어 형상의 오류를 판단하기 때문에 기어의 프로파일이나 리드의 정확한 형상의 오류를 판단하지 못한다는 문제점을 가진다.The gear noise inspection apparatus measures the vibration generated when the work gear 400 to be inspected is engaged with the
한편, 리드 앤 인벌루트 테스트 장치는 레이저를 기어의 톱니에 조사하여 톱니의 프로파일과 리드의 정확한 형상을 판단할 수 있으나, 기어 형상을 판단하는데 오랜 시간이 소요된다는 문제점을 가진다.On the other hand, the lead-and-involute test apparatus can irradiate the laser to the teeth of the gear to determine the profile of the teeth and the accurate shape of the leads, but it takes a long time to determine the shape of the gear.
이러한 종래 기어 소음 검사 장치와 리드 앤 인벌루트 테스트 장치가 가지는 문제점을 해결하기 위하여, 워크 기어와 마스터 기어의 회전 변위 차이를 이용하여 워크 기어의 형상 오류를 판단하는 전달 오차 검사 장치가 개발되어 사용되고 있다. 전달 오차 검사 장치는 엔코더와 같은 각속도 센서를 이용하여 단위 측정 시간별로 워크 기어와 마스터 기어의 회전 변위 차이를 이용하여 기어 롤러 테스트 장치보다 정확하고 리드 앤 인벌루트 테스트 장치보다 빠르게 기어의 형상 오류를 검사할 수 있다.In order to solve the problems of the conventional gear noise inspection apparatus and the lead and involute test apparatus, a delivery error inspection apparatus for determining the shape error of the work gear using the difference in rotational displacement between the work gear and the master gear has been developed and used . The transfer error inspection system uses an angular velocity sensor such as an encoder to check the shape error of the gears faster than the gear roller test apparatus and faster than the lead and involute test apparatus by using the rotational displacement difference between the work gear and the master gear per unit measurement time can do.
종래 기어 형상의 오류를 테스트하는 장치의 경우 특정 마스터 기어에 대한 워크 기어의 형상 오류를 테스트하는 것으로, 1쌍의 기어를 구성하는 임의의 기어들 사이에서 최적의 조건을 가지는 기어 형상을 테스트하지 못한다.In the case of an apparatus for testing the error of the conventional gear shape, by testing the shape error of the work gear for a specific master gear, it is impossible to test a gear shape having an optimal condition among any gears constituting a pair of gears .
본 발명은 위에서 언급한 종래 기어 검사 장치가 가지는 문제점을 해결하기 위한 것으로, 본 발명이 이루고자 하는 목적은 인공 지능 네트워크 함수를 이용하여 서로 맞물리는 1쌍 기어의 형상 오류를 테스트하는 장치를 제공하는 것이다.An object of the present invention is to provide an apparatus for testing a shape error of a pair of gears meshed with each other using an artificial intelligence network function .
본 발명이 이루고자 하는 다른 목적은 인공 신경망 함수(Artificial neural network fitting)를 이용하여 서로 맞물리는 1쌍의 기어 각각의 기어 특징값으로부터 계산된 출력 데이터를 기준 형상 오류 매트릭스에 매핑하여 1쌍 기어의 형상 오류를 판단하는 기어 형상의 오류 검사 장치를 제공하는 것이다. It is another object of the present invention to provide a method and apparatus for mapping output data calculated from gear feature values of a pair of gears meshed with each other using an artificial neural network fitting function to a reference shape error matrix, And to provide a gear shape error checking device for judging an error.
본 발명이 이루고자 하는 또 다른 목적은 서로 맞물리는 1쌍의 기어들 각각의 회전 동기화 평균 신호에서 각 회전 동기화 평균 신호의 장기 추세 곡선을 제거하여 기계의 축 불균형 오류 또는 기어의 런아웃(run-out) 오차로 발생하는 오류를 제외하고 톱니만의 형상 오류를 검사하는 장치를 제공하는 것이다.Another object of the present invention is to eliminate the long-term trend curve of each rotational synchronization average signal in the rotational synchronization average signal of each of a pair of gears meshing with each other, so that the axial imbalance error of the machine or the run- It is an object of the present invention to provide a device for inspecting a shape error of only a saw tooth except an error caused by an error.
본 발명의 목적을 달성하기 위하여 본 발명에 따른 기어 형상의 오류 검사 방법은 1쌍의 기어에 대한 전달 오차 정보를 전처리하여 1쌍의 기어를 구성하는 제1 기어에 대한 제1 단기 전달 오차 곡선과 제2 기어에 대한 제2 단기 전달 오차 곡선을 생성하는 단계와, 제1 단기 전달 오차 곡선과 제2 단기 전달 오차 곡선에서 각각 제1 기어 및 제2 기어에 대한 기어 특징값을 계산하는 단계와, 기어 특징값을 인공 신경망 함수(Artificial neural network fitting)에 적용하여 1쌍 기어에 대한 출력 데이터를 기준 출력 데이터와 비교 매핑하여 1쌍 기어에 대한 형상 오류(tooth error)를 검사하는 단계를 포함하는 것을 특징으로 한다.In order to accomplish the object of the present invention, there is provided a method of inspecting an error of a gear shape according to the present invention, comprising: a first short-term transmission error curve for a first gear constituting a pair of gears by preprocessing transmission error information for a pair of gears; Calculating a gear characteristic value for the first gear and the second gear, respectively, in a first short-term transmission error curve and a second short-term transmission error curve, And applying a gear characteristic value to an artificial neural network fitting to compare the output data of the pair of gears with the reference output data so as to check a tooth error of the pair of gears .
여기서 제1 단기 전달 오차 곡선과 제2 단기 전달 오차 곡선을 생성하는 단계는 1쌍의 기어에 대한 전달 오차(transmission error) 정보를 생성하는 단계와, 전달 오차 정보로부터 제1 기어에 대한 제1 회전 동기화 평균 신호(revolution synchronous average, RSA)와 제2 기어에 대한 제2 회전 동기화 평균 신호를 생성하는 단계와, 제1 회전 동기화 평균 신호에서 제1 기어에 대한 장기 추세 곡선(long-term trend)을 제거하여 제1 기어에 대한 제1 단기 전달 오차(short-term transmission error) 곡선을 생성하고 제2 회전 동기화 평균 신호에서 제2 기어에 대한 장기 추세 곡선을 제거하여 제2 기어에 대한 제2 단기 전달 오차 곡선을 생성하는 단계를 포함하는 것을 특징으로 한다.Wherein generating the first short term transmission error curve and the second short term transmission error curve comprises generating transmission error information for a pair of gears and generating transmission error information for a first rotation Generating a second rotational synchronization average signal for the second gear and a revolution synchronous average (RSA) for the first gear, generating a long-term trend curve for the first gear in the first rotational synchronization average signal, To generate a first short-term transmission error curve for the first gear and to remove the long-term trend curve for the second gear from the second rotational synchronization average signal to produce a second short- And generating an error curve.
여기서 제1 회전 동기화 평균 신호는 제1 기어의 n회전시간 단위로 제1 기어의 n회전시간 동안 전달 오차 정보의 평균을 계산하여 생성되며, 제2 회전 동기화 평균 신호는 제2 기어의 m회전시간 단위로 제2 기어의 m회전시간 동안 전달 오차 정보의 평균을 계산하여 생성되는데, n과 m은 자연수인 것을 특징으로 한다.Wherein the first rotational synchronization average signal is generated by calculating an average of the transfer error information during the n rotational time of the first gear at n rotational time units of the first gear, And the average of the transfer error information during the m rotation time of the second gear is calculated, wherein n and m are natural numbers.
여기서 제1 기어에 대한 장기 추세 곡선은 제1 회전 동기화 평균 신호의 제1 치형 윈도우 단위로 제1 치형 윈도우를 구성하는 단위 측정 시간을 순차적으로 오버래핑하여 제1 치형 윈도우에 대한 제1 회전 동기화 평균 신호의 평균값으로부터 계산되며, 제2 기어에 대한 장기 추세 곡선은 제2 회전 동기화 평균 신호의 제2 치형 윈도우 단위로 제2 치형 윈도우를 구성하는 단위 측정 시간을 순차적으로 오버래핑하여 제2 치형 윈도우에 대한 제2 회전 동기화 평균 신호의 평균값으로부터 계산되는 것을 특징으로 한다.Here, the long-term trend curve for the first gear is obtained by sequentially overlapping the unit measurement times constituting the first toothed window in units of the first toothed window of the first rotation synchronization average signal to generate a first rotation synchronization average signal And the long term trend curve for the second gear is calculated from the average value of the second gear window by sequentially overlapping the unit measurement time constituting the second toothed window in units of the second toothed window of the second rotational synchronization average signal, Is calculated from the average value of the two-rotation synchronization average signal.
바람직하게, 제1 회전 동기화 평균 신호에서 제1 장기 추세 곡선을 차감하여 제1 단기 전달 오차 곡선을 생성하며, 제2 회전 동기화 평균 신호에서 제2 장기 추세 곡선을 차감하여 제2 단기 전달 오차 곡선을 생성하는 것을 특징으로 한다.Preferably, the first short term delivery error curve is subtracted from the first long term synchronization average signal to generate the first short term delivery error curve, and the second short term delivery error curve is subtracted from the second rotation synchronization average signal to generate the second short term delivery error curve .
여기서 1쌍 기어에 대한 전달 오차(transmission error) 정보는 제1 기어와 제2 기어 사이의 회전 변위차로부터 계산되는 것을 특징으로 하는데, 바람직하게 제1 기어와 제2 기어 사이의 회전 변위차는 제1 기어의 회전축과 제2 기어의 회전축에 배치되어 있는 각속도 센서를 통해 계산되는 것을 특징으로 한다.Wherein the transmission error information for the pair of gears is calculated from the rotational displacement difference between the first gear and the second gear, wherein the rotational displacement difference between the first and second gears is preferably the first And is calculated through an angular velocity sensor disposed on the rotational axis of the gear and the rotational axis of the second gear.
여기서 인공 신경망 함수는 입력층과 출력층 사이에 중간층인 은닉층(Hidden Layer)을 구비하는 다층 퍼셉트론(Multi-layer Perception)을 구축하여 기어 특징값과 출력 데이터 사이의 관계를 학습 수행하여 생성되는 것을 특징으로 한다. Here, the artificial neural network function is generated by constructing a multi-layer perception having a hidden layer, which is an intermediate layer, between the input layer and the output layer and learning the relation between the gear characteristic value and the output data do.
여기서 출력 데이터는 제1 기어와 상기 제2 기어 사이의 프로파일 에러값 및 리드 에러값인 것을 특징으로 하며, 기어 특징값은 제1 기어와 상기 제2 기어 각각의 프로파일 에러 평균값, 상향 구간과 하향 구간의 거리 차이의 평균값 및 파형율(form factor)인 것을 특징으로 한다.Wherein the output data is a profile error value and a lead error value between the first gear and the second gear, wherein the gear feature value includes a profile error average value of each of the first gear and the second gear, The average value of the distance difference and the waveform factor.
바람직하게 프로파일 에러 평균값, 상향 구간과 하향 구간의 거리 차이의 평균값 및 파형율은 각각 최대값과 최소값 사이에서 정규화되어 있는 것을 특징으로 한다.Preferably, the profile error average value, the average value of the distance difference between the upward section and the down section, and the waveform rate are normalized between the maximum value and the minimum value, respectively.
본 발명의 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 기어 형상의 오류를 검사하는 장치는 1쌍의 기어에 대한 전달 오차 정보를 생성하는 전달 오차 정보 생성부와, 전달 오차 정보로부터 1쌍의 기어를 구성하는 제1 기어에 대한 제1 단기 전달 오차 곡선과 제2 기어에 대한 제2 단기 전달 오차 곡선을 생성하는 전처리부와, 제1 단기 전달 오차 곡선과 제2 단기 전달 오차 곡선에서 각각 제1 기어 및 상기 제2 기어에 대한 기어 특징값을 계산하는 특징값 계산부와, 기어 특징값을 인공 신경망 함수에 적용하여 계산된 1쌍 기어에 대한 출력 데이터를 기준 출력 데이터와 비교 매핑하여 1쌍의 기어에 대한 형상 오류를 검사하는 형상 검사부를 포함하는 것을 특징으로 한다.In order to accomplish the object of the present invention, an apparatus for checking an error of a gear shape according to an embodiment of the present invention includes a transfer error information generating unit for generating transfer error information for a pair of gears, A pre-processing section for generating a first short-term transmission error curve for the first gear and a second short-term transmission error curve for the second gear constituting the pair of gears, and a second short- A feature value calculator for calculating a gear feature value for the first gear and the second gear, respectively, and for outputting the output data for the one-pair gear calculated by applying the gear feature value to the artificial neural network function, And a shape checking unit for checking a shape error of the pair of gears.
여기서 전처리부는 전달 오차 정보로부터 제1 기어에 대한 제1 회전 동기화 평균 신호(revolution synchronous average, RSA)와 제2 기어에 대한 제2 회전 동기화 평균 신호를 생성하는 평균 신호 생성부와, 제1 회전 동기화 평균 신호에서 제1 기어에 대한 장기 추세 곡선(long-term trend)과 제2 회전 동기화 평균 신호에서 제2 기어에 대한 장기 추세 곡선을 생성하는 장기 추세 곡선 생성부와, 제1 회전 동기화 평균 신호에서 제1 기어에 대한 장기 추세 곡선을 제거하여 제1 기어에 대한 제1 단기 전달 오차(short-term transmission error) 곡선을 생성하고 제2 회전 동기화 평균 신호에서 제2 기어에 대한 장기 추세 곡선을 제거하여 제2 기어에 대한 제2 단기 전달 오차 곡선을 생성하는 단기 전달 오차 곡선 생성부를 포함하는 것을 특징으로 한다.The pre-processor may include an average signal generator for generating a first rotational synchronization average signal (RSA) for the first gear and a second rotational synchronization average signal for the second gear from the transfer error information, A long-term trend curve generator for generating a long-term trend curve for the first gear in the average signal and a long-term trend curve for the second gear in the second rotation synchronization average signal, A long-term trend curve for the first gear is removed to generate a first short-term transmission error curve for the first gear and a long-term trend curve for the second gear is removed from the second rotational synchronization average signal And a short-term transmission error curve generating section for generating a second short-term transmission error curve for the second gear.
본 발명에 따른 기어 형상의 오류 검사 방법과 그 장치는 다음과 같은 효과를 가진다.The error checking method and apparatus of a gear shape according to the present invention have the following effects.
첫째, 본 발명에 따른 기어 형상의 오류 검사 방법은 1쌍의 기어를 구성하는 임의의 기어들에 대해 불량과 정상 기어를 테스트할 수 있다.First, the error checking method of a gear shape according to the present invention can test a failure and a normal gear for any of the gears constituting a pair of gears.
둘째, 본 발명에 따른 기어 형상의 오류 검사 방법은 인공 신경망 함수(Artificial neural network fitting)를 이용하여 서로 맞물리는 1쌍의 기어 각각의 기어 특징값으로부터 계산된 출력값 좌표를 형상 오류 매트릭스에 매핑함으로써, 매핑 결과에 따라 1쌍 기어의 형상 오류를 정확하고 빠르게 판단할 수 있다.Second, the error checking method of a gear shape according to the present invention maps an output value coordinate calculated from gear characteristic values of a pair of gears meshed with each other to a shape error matrix using an artificial neural network function, According to the mapping result, it is possible to accurately and quickly judge the shape error of a pair of gears.
셋째, 본 발명에 따른 기어 형상의 오류 검사 방법은 서로 맞물리는 1쌍의 기어들 각각의 회전 동기화 평균 신호에서 각 회전 동기화 평균 신호의 장기 추세 곡선을 제거함으로써, 기계의 축 불균형 오류 또는 기어의 런아웃(runout) 오차로 발생하는 오류를 제외하고 톱니만의 형상 오류를 테스트할 수 있다.Third, the error checking method of the gear shape according to the present invention can eliminate the long-term trend curve of each rotation synchronization average signal in the rotation synchronization average signal of each of a pair of gears meshing with each other, it is possible to test only the saw tooth shape error except for the errors caused by the runout error.
도 1은 종래 헬리컬 기어의 일 예를 도시하고 있다.
도 2는 본 발명에 따른 기어 형상의 오류 검사 장치를 설명하기 위한 기능 블록도이다.
도 3은 본 발명에 따른 전처리부를 설명하는 기능 블록도이다.
도 4는 본 발명에 따른 기어 형상의 오류 검사 방법을 설명하기 위한 흐름도이다.
도 5는 본 발명에 따른 전달 오차 곡선의 일 예를 도시하고 있다.
도 6은 본 발명에 따른 단기 전달 오차 곡선을 생성하는 단계를 구체적으로 설명하기 위한 흐름도이다.
도 7은 본 발명에 따른 제1 회전 동기화 평균 신호와 제2 회전 동기화 평균 신호의 일 예를 도시하고 있다.
도 8은 장기 추세 곡선을 생성하는 일 예를 설명하기 위한 도면이다.
도 9는 단기 전달 오차 곡선을 생성하는 방법의 일 예를 도시하고 있다.
도 10은 본 발명에 따른 기어 특징값을 설명하기 위한 도면이다.
도 11은 본 발명에 따른 인공 신경망 함수의 일 예를 도시하고 있다.
도 12는 4개의 기어로 이루어진 제1 그룹과 4개의 기어로 이루어진 제2 그룹에서 1개씩의 기어를 추출하여 생성되는 1쌍의 기어 각각에 대해 생성되는 기어 특징값을 학습 데이터로 하여 생성되는 기준 출력 데이터의 일 예를 도시하고 있다.
도 13은 기준 출력 데이터에서 각 쌍에 대해 정상 범위를 나타내고 있는 기준 출력 데이터의 일 예를 도시하고 있다.1 shows an example of a conventional helical gear.
2 is a functional block diagram for explaining a gear shape error checking apparatus according to the present invention.
3 is a functional block diagram illustrating a preprocessing unit according to the present invention.
4 is a flowchart for explaining an error checking method of a gear shape according to the present invention.
FIG. 5 shows an example of a transfer error curve according to the present invention.
FIG. 6 is a flowchart for specifically describing a step of generating a short-term transmission error curve according to the present invention.
7 shows an example of a first rotation synchronization average signal and a second rotation synchronization average signal according to the present invention.
8 is a diagram for explaining an example of generating a long-term trend curve.
Figure 9 shows an example of a method for generating a short-term propagation error curve.
10 is a view for explaining gear characteristic values according to the present invention.
11 shows an example of an artificial neural network function according to the present invention.
12 is a diagram showing a relationship between a gear characteristic value generated for each of a pair of gears generated by extracting one gear from a first group of four gears and a gear from a second group of four gears, And shows an example of output data.
13 shows an example of reference output data showing a normal range for each pair in the reference output data.
이하 첨부한 도면을 참고로 본 발명에 따른 기어 형상의 오류 검사 방법 및 그 장치에 대해 보다 구체적으로 설명한다.
DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, a method and an apparatus for checking a gear shape error according to the present invention will be described in detail with reference to the accompanying drawings.
도 2는 본 발명에 따른 기어 형상의 오류 검사 장치를 설명하기 위한 기능 블록도이다.2 is a functional block diagram for explaining a gear shape error checking apparatus according to the present invention.
도 2를 참고로 보다 구체적으로 살펴보면, 회전 변위 측정부(100)는 검사하고자 하는 1쌍의 기어 각각의 회전 변위를 측정하며, 전달 오차 정보 생성부(110)는 1쌍의 기어를 구성하는 제1 기어의 회전 변위와 제2 기어의 회전 변위의 차로부터 제1 기어와 제2 기어 사이의 전달 오차(transmission error) 정보를 생성한다.2, the rotational
회전 변위 측정부(100)는 제1 기어를 회전시키는 구동축에 배치되어 단위 측정 시간별로 제1 기어의 회전 각속도를 측정하고, 단위 측정 시간별 제1 기어의 회전 각속도에 기초하여 제1 기어의 단위 측정 시간별 회전 변위를 계산한다. 또한 회전 변위 측정부(100)는 제2 기어를 회전시키는 구동축에 배치되어 단위 측정 시간별로 제2 기어의 회전 각속도를 측정하고, 단위 측정 시간별 제2 기어의 회전 각속도에 기초하여 제2 기어의 단위 측정 시간별 회전 변위를 계산한다. The rotational
전달 오차 정보 생성부(110)는 단위 측정 시간별로 제1 기어와 제2 기어의 회전 변위 차이값을 계산하여 제1 기어와 제2 기어의 회전수 단위로 전달 오차 정보를 생성한다. 여기서 회전수 단위의 전달 오차 정보는 전달 오차 곡선으로 생성된다. The transmission error
전처리부(120)는 전달 오차 정보로부터 1쌍의 기어를 구성하는 제1 기어에 대한 제1 단기 전달 오차 곡선과 제2 기어에 대한 제2 단기 전달 오차 곡선을 생성하는데, 여기서 제1 단기 전달 오차 곡선과 제2 단기 전달 오차 곡선은 제1 기어 또는 제2 기어에 대한 회전 동기화 평균 신호에서 기계 축 불균형 오차, 기어의 런아웃(run-out) 오차를 제거하여 제1 기어 또는 제2 기어의 형상에만 기인한 전달 오차 곡선이다.The preprocessing
특징값 계산부(130)는 제1 기어의 제1 단기 전달 오차 곡선으로부터 제1 기어의 기어 특징값을 계산하고, 제2 기어의 제2 단기 전달 오차 곡선으로부터 제2 기어의 기어 특징값을 계산한다. 여기서 기어 특징값은 제1 기어와 제2 기어의 형상에 기초한 제1 기어와 제2 기어의 맞물림 상태를 나타내는 값으로, 톱니 돌출 균일도, 톱니 간격 균일도, 톱니 형상을 나타내는 값이 사용될 수 있다. 이러한 톱니 돌출 균일도를 나타내는 값으로 단기 전달 오차 곡선에서 프로파일 에러 평균값이 사용되며, 톱니 간격 균일도를 나타내는 값으로 단기 전달 오차 곡선에서 상향 구간과 하향 구간의 차이 평균값 및 파형율이 사용될 수 있다. 본 발명이 적용되는 분야에 따라 다양한 특징값들이 기어 특징값으로 사용될 수 있으며 이는 본 발명의 범위에 속한다.The feature
형상 검사부(140)는 기어 특징값을 인공 신경망 함수(Artificial neural network fitting)에 적용하여 1쌍의 기어에 대한 출력 데이터를 계산하고, 출력 데이터를 기준 형상 에러 매트릭스의 기준 출력 데이터와 비교 매핑하여 1쌍의 기어에 대한 형상 오류(tooth error)를 검사한다. 여기서 인공 신경망 함수는 기어 특징값과 출력 데이터 사이의 관계를 학습 수행하여 생성되는 함수로, 제1 기어의 기어 특징값과 제2 기어의 기어 특징값을 입력값으로 받아들이고 입력값에 기초하여 출력 데이터를 출력한다. 여기서 출력 데이터는 1쌍의 기어 사이의 프로파일 오류값과 리드 오류값이다. The
기준 출력 데이터는 서로 다른 기어비를 가지는 1쌍의 기어의 프로파일 오류값과 리드 오류값을 학습 데이터로 생성한 출력 데이터로, 1쌍의 기어가 맞물림 상태에서 출력되는 출력 데이터를 의미한다. 기준 형상 에러 매트릭스에서는 각 기준 출력 데이터에 대한 정상 범위를 설정하며, 형상 검사부(140)는 출력 데이터와 기준 출력 데이터를 매핑 비교하여 기준 출력 데이터에 해당하는 출력 데이터가 정상 범위에 존재하는지 여부로 1쌍의 기어의 형상 오류 여부를 판단한다. 여기서 정상 범위는 본 발명이 적용되는 분야에 따라 기어의 정밀도 요구 수준에 따라 상이하게 설정될 수 있다.
The reference output data refers to output data generated by the learning data of a profile error value and a lead error value of a pair of gears having different gear ratios and output data in which one pair of gears is meshed. In the reference shape error matrix, a normal range for each reference output data is set. The
도 3은 본 발명에 따른 전처리부를 설명하는 기능 블록도이다.3 is a functional block diagram illustrating a preprocessing unit according to the present invention.
도 3을 참고로 보다 구체적으로 살펴보면, 제1 평균 신호 생성부(121)는 전달 오차 정보로부터 제1 기어에 대한 제1 회전 동기화 평균 신호(revolution synchronous average, RSA)를 생성하고, 제1 장기추세 곡선 생성부(123)는 제1 회전 동기화 평균 신호에서 제1 기어의 회전 축 불균형 오차, 기어의 런아웃 오차로 인해 발생하는 이동 추세를 나타내는 제1 장기추세 곡선을 생성한다. 제1 단기 오차 곡선 생성부(125)는 제1 회전 동기화 평균 신호에서 제1 장기추세 곡선을 차감하여 제1 기어에 대한 제1 단기 전달오차 곡선(short-term transmission error)을 생성한다. 여기서 제1 기어의 제1 회전 동기화 평균 신호는 제1 기어의 n회전시간 단위로(여기서 n은 자연수) 제1 기어의 n회전시간 동안 전달 오차 정보의 평균을 계산하여 생성된다.3, the first
한편, 제2 평균 신호 생성부(126)는 전달 오차 정보로부터 제2 기어에 대한 제2 회전 동기화 평균 신호를 생성하고, 제2 장기추세 곡선 생성부(127)는 제2 회전 동기화 평균 신호에서 제2 기어의 회전 축 불균형 오차, 기어의 런아웃 오차로 인해 발생하는 이동 추세를 나타내는 제2 장기추세 곡선을 생성한다. 제2 단기 오차 곡선 생성부(129)는 제2 회전 동기화 평균 신호에서 제2 장기추세 곡선을 차감하여 제2 기어에 대한 제2 단기 전달오차 곡선을 생성한다. 여기서 제2 기어의 제2 회전 동기화 평균 신호는 제2 기어의 m회전시간 단위로(여기서 m은 자연수) 제2 기어의 m회전시간 동안 전달 오차 정보의 평균을 계산하여 생성된다.
On the other hand, the second
도 4는 본 발명에 따른 기어 형상의 오류 검사 방법을 설명하기 위한 흐름도이다.4 is a flowchart for explaining an error checking method of a gear shape according to the present invention.
도 4를 참고로 보다 구체적으로 살펴보면, 1쌍의 기어를 구성하는 제1 기어와 제2 기어의 회전 변위에 기초하여 1쌍의 기어 사이의 전달 오차(transmission error) 정보를 생성하고, 전달 오차 정보로부터 제1 기어와 제2 기어 사이의 전달 오차 곡선을 생성한다(110). 도 5는 본 발명에 따른 전달 오차 곡선의 일 예를 도시하고 있는데, 기어비가 각각 33:47인 제1 기어와 제2 기어 사이의 전달 오차 곡선이다. 전달 오차 정보는 제1 기어와 제2 기어의 단위 측정 시간별 회전 변위의 차이값이며, 이들 전달 오차 정보로부터 제1 기어와 제2 기어의 전달 오차 곡선이 생성된다. 도 5에서는 제2 기어가 4회전 할 때마다 전달 오차 정보를 4회전 단위로 분할하고 분할한 4회전 단위로 계속해서 제1 기어와 제2 기어의 전달 오차 정보의 평균값을 계산하여 생성된 전달 오차 곡선이다. 4, transmission error information between a pair of gears is generated on the basis of the rotational displacements of the first and second gears constituting the pair of gears, and transmission error information (110) a transfer error curve between the first and second gears. FIG. 5 shows an example of a transmission error curve according to the present invention, which is a transmission error curve between a first gear and a second gear having a gear ratio of 33:47, respectively. The transfer error information is a difference value between the rotational displacements of the first gear and the second gear for each unit measurement time, and a transfer error curve of the first gear and the second gear is generated from these transfer error information. In FIG. 5, the transfer error information is divided into four rotation units each time the second gear rotates four times, and the average value of the transfer error information of the first gear and the second gear is continuously calculated in units of four rotations divided. Curve.
다시 도 4를 참고로 살펴보면, 전달 오차 정보를 전처리하여 생성되는 제1 기어의 제1 회전 동기화 평균 신호와 제2 기어의 제2 회전 동기화 평균 신호에서 각각 제1 기어의 장기 추세 곡선과 제2 기어의 장기 추세 곡선을 제거하여 제1 기어에 대한 제1 단기 전달 오차 곡선과 제2 기어에 대한 제2 단기 전달 오차 곡선을 생성한다.(S120). Referring to FIG. 4 again, the long-term trend curve of the first gear and the second-gear-synchronized average signal of the second gear, which are generated by pre-processing the transmission error information, The first short-term transmission error curve for the first gear and the second short-term transmission error curve for the second gear are generated (S120).
제1 단기 전달 오차 곡선과 제2 단기 전달 오차 곡선에서 각각 제1 기어 및 제2 기어에 대한 프로파일 에러 평균값, 상향 구간과 하향 구간의 차이 평균값 및 파형율 등의 기어 특징값을 계산하고(S130), 기어 특징값을 인공 신경망 함수에 적용하여 계산된 1쌍의 기어에 대한 출력 데이터를 기준 출력 데이터와 비교 매핑하여 1쌍의 기어에 대한 형상 오류를 검사한다(S140).
(S130) a gear characteristic value such as a profile error average value for the first gear and the second gear, a difference average value and a waveform rate of the upward and downward sections in the first short-term transmission error curve and the second short-term transmission error curve, In operation S140, the output data of the pair of gears calculated by applying the gear characteristic value to the artificial neural network function is compared with the reference output data to check the shape error of the pair of gears.
도 6은 본 발명에 따른 단기 전달 오차 곡선을 생성하는 단계를 구체적으로 설명하기 위한 흐름도이다.FIG. 6 is a flowchart for specifically describing a step of generating a short-term transmission error curve according to the present invention.
도 6을 참고로 보다 구체적으로 살펴보면, 제1 기어와 제2 기어 사이의 전달 오차 곡선으로부터 제1 기어에 대한 제1 회전 동기화 평균 신호를 생성하고 제2 기어에 대한 제2 회전 동기화 평균 신호를 생성한다(S121). 여기서 제1 회전 동기화 평균 신호는 제1 기어의 n 회전시간 단위로 분할하고, 분할한 제1 회전 동기화 평균 신호를 제1 기어의 n회전시간 단위로 계속해서 누적 평균을 계산하여 생성되며, 제2 회전 동기화 평균 신호는 제2 기어의 m회전시간 단위로 분할하고, 분할한 제2 회전 동기화 평균 신호를 제2 기어의 m회전시간 단위로 계속해서 누적 평균을 계산하여 생성되는데, 여기서 n과 m은 각각 자연수이다.
6, a first rotational synchronization average signal for the first gear is generated from a transmission error curve between the first gear and the second gear, and a second rotational synchronization average signal for the second gear is generated (S121). Wherein the first rotation synchronization average signal is generated by dividing the first rotation synchronization average signal by n rotation time units of the first gear and continuously dividing the first rotation synchronization synchronization average signal by n rotation time units of the first gear, The rotation synchronization average signal is generated by dividing the second rotation synchronization average signal by the unit of the m rotation time of the second gear and continuing the divided second rotation synchronization average signal by the unit of m rotation time of the second gear, Each is a natural number.
도 7은 본 발명에 따른 제1 회전 동기화 평균 신호와 제2 회전 동기화 평균 신호의 일 예를 도시하고 있다.7 shows an example of a first rotation synchronization average signal and a second rotation synchronization average signal according to the present invention.
도 7의 (a)를 참고로 살펴보면, 제1 기어와 제2 기어 사이의 전달 오차 곡선을 제1 기어의 n 회전 시간 단위로 분할하고, n 회전 시간 단위로 분할한 전달 오차 곡선을 누적하여 평균하여 제1 회전 동기화 평균 신호를 생성한다. 도 7의 (a)에서는 제1 기어의 4 회전 시간 단위로 전달 오차 곡선을 분할하고, 4회전 시간 단위로 분할한 첫번째 전달 오차 곡선과 두번째 전달 오차 곡선의 평균값을 계산하고, 계산한 평균값을 세번째 전달 오차 곡선과 다시 평균을 낸다. 이와 같이 계속해서 제1 기어의 4회전 시간 단위로 분할한 전달 오차 곡선을 평균내면, 전달 오차 곡선에서 제2 기어에 대한 신호 성분은 랜덤 노이즈로 제거되어 제1 기어에 대한 제1 회전 동기화 평균 신호가 생성된다.7A, the transfer error curve between the first gear and the second gear is divided into n rotation time units of the first gear, and the transfer error curves obtained by dividing the transfer error curves by n rotation time units are averaged To generate a first rotation synchronization average signal. In FIG. 7 (a), the transmission error curve is divided into four rotation time units of the first gear, the average value of the first transmission error curve and the second transmission error curve divided by four rotation time units are calculated, The transfer error curve is averaged again. When the transmission error curve obtained by dividing the transmission error curve divided by the four rotation time units of the first gear is averaged, the signal component for the second gear in the transmission error curve is removed with random noise, so that the first rotation synchronization average signal Is generated.
한편, 도 7의 (b)를 참고로 살펴보면, 제1 기어와 제2 기어 사이의 전달 오차 곡선을 제2 기어의 m 회전 시간 단위로 분할하고, m 회전 시간 단위로 분할한 전달 오차 곡선을 누적하여 평균하여 제2 회전 동기화 평균 신호를 생성한다. 도 7의 (b)에서는 제2 기어의 4 회전 시간 단위로 전달 오차 곡선을 분할하고, 4회전 시간 단위로 분할한 첫번째 전달 오차 곡선과 두번째 전달 오차 곡선의 평균값을 계산하고, 계산한 평균값을 세번째 전달 오차 곡선과 다시 평균을 낸다. 이와 같이 계속해서 제2 기어의 4회전 시간 단위로 분할한 전달 오차 곡선을 평균내면, 전달 오차 곡선에서 제1 기어에 대한 신호 성분은 랜덤 노이즈로 제거되어 제2 기어에 대한 제2 회전 동기화 평균 신호가 생성된다.7B, the transfer error curve between the first gear and the second gear is divided into units of m revolution times of the second gear, and transfer error curves obtained by dividing the transfer error curves by m revolution time units are accumulated And averages them to generate a second rotation synchronization average signal. In FIG. 7 (b), the transmission error curve is divided by the unit of four rotation times of the second gear, the average of the first transmission error curve and the second transmission error curve divided by four rotation time units is calculated, The transfer error curve is averaged again. If the transmission error curve obtained by dividing the transmission error curve divided by the fourth rotation time unit of the second gear is averaged, the signal component for the first gear in the transmission error curve is removed with random noise, and the second rotation synchronization average signal Is generated.
다시 도 6을 참고로 보다 구체적으로 살펴보면, 제1 회전 동기화 평균 신호에서 제1 기어의 회전축 불균형 오차 또는 제1 기어의 런아웃 오차로 인한 제1 기어의 장기추세 곡선을 생성하고(S123), 제1 회전 동기화 평균 신호에서 제1 기어의 장기추세 곡선을 차감하여 제1 기어의 단기 전달오차 곡선을 생성한다(S125). 6, a long-term trend curve of the first gear due to the rotation shaft unbalance error of the first gear or the run-out error of the first gear in the first rotation synchronization average signal is generated (S123) The short-term transmission error curve of the first gear is generated by subtracting the long-term trend curve of the first gear from the rotational synchronization average signal (S125).
이와 동일하게, 제2 회전 동기화 평균 신호에서 제2 기어의 회전축 불균형 오차 또는 제2 기어의 런아웃 오차로 인한 제2 기어의 장기추세 곡선을 생성하고(S123), 제2 회전 동기화 평균 신호에서 제2 기어의 장기추세 곡선을 차감하여 제2 기어의 단기 전달오차 곡선을 생성한다(S125).
Similarly, a long-term trend curve of the second gear due to the rotation shaft unbalance error of the second gear or the run-out error of the second gear in the second rotation synchronization average signal is generated (S123) The short-term transmission error curve of the second gear is generated by subtracting the long-term trend curve of the gear (S125).
도 8은 장기 추세 곡선을 생성하는 일 예를 설명하기 위한 도면인데, 도 8을 참고로 살펴보면 기어에 대해 상향 곡선과 하향 곡선으로 이루어지는 회전 동기화 평균 곡선이 생성되며, 1개의 상향 곡선과 인접하는 하향 곡선은 기어를 구성하는 각 톱니 단위에 대한 회전 동기화 평균 곡선이다. 각 톱니에 대해 7번 단위 측정 시간별로 회전 변위를 측정하는 경우 7개의 단위 측정 시간으로 이루어지는 치형 윈도우 단위로 치형 윈도우를 구성하는 단위 측정 시간을 1개씩 순차적으로 측정 시간의 방향으로 이동해가며 치형 윈도우에 대한 회전 동기화 평균 곡선의 평균값을 계산하여 장기 추세 곡선을 생성한다. 이와 같이 단위 측정 시간을 측정 시간 방향에 따라 1개씩 순차적으로 이동해가며 장기 추세 곡선을 생성함으로써, 회전 축 불균형 오차 및 기어의 런아웃 오차로 인해 발생하는 추세만을 추출할 수 있다.
8 is a diagram for explaining an example of generating a long-term trend curve. Referring to FIG. 8, a rotation synchronization average curve consisting of an upward curve and a downward curve is generated for a gear, The curve is the rotational synchronization average curve for each gear unit that makes up the gear. In case of measuring the rotational displacement by measuring unit of 7 times for each tooth, unit measuring time constituting the tooth window in unit of the tooth window consisting of 7 unit measuring time is sequentially moved to the measuring time direction one by one, A long-term trend curve is generated by calculating an average value of the rotation synchronization average curves. Thus, by generating the long-term trend curve by sequentially moving the unit measurement time one by one according to the measurement time direction, it is possible to extract only the tendency caused by the rotation axis unbalance error and the runout error of the gear.
도 9는 단기 전달 오차 곡선을 생성하는 방법의 일 예를 도시하고 있는데, 도 9를 참고로 보다 구체적으로 살펴보면 도 9의 (a)에 도시되어 있는 회전 동기화 평균 신호에서 도 9의 (b)에 도시되어 있는 장기 추세 곡선을 차감한다. 회전 동기화 평균 신호에서 장기 추세 곡선을 차감함으로써, 회전 축 불균형 오차 및 기어의 런아웃 오차 등으로 인한 이동 추세를 제거한, 기어의 형상에만 의존한 단기 전달 오차 곡선을 생성한다.
9 shows an example of a method of generating a short-term transmission error curve. Referring to FIG. 9, in more detail, from the rotation synchronization average signal shown in FIG. 9 (a) Subtract the long term trend curve shown. By subtracting the long-term trend curve from the rotational synchronization average signal, a short-term transmission error curve that depends only on the shape of the gear is obtained, which eliminates the movement tendency due to the rotation shaft unbalance error and the runout error of the gear.
도 10은 본 발명에 따른 기어 특징값을 설명하기 위한 도면이다.10 is a view for explaining gear characteristic values according to the present invention.
도 10을 참고로 살펴보면, 단기 전달 오차 곡선은 연속하는 상향 구간과 하향 구간으로 구성되어 있는데, 상향 구간의 시작단의 전달 오차값과 상향 구간의 끝단의 전달 오차값 사이의 프로파일 에러와, 상향구간과 인접하는 하향구간 사이의 시간차이, 파형율(form factor)을 제1 기어에 대한 제1 단기 전달 오차 곡선과 제2 기어에 대한 제2 단기 전달 오차 곡선에서 추출하고, 프로파일 에러의 평균값, 상향구간과 하향 구간 사이의 시간 차이 평균값 및 파형율을 기어 특징값으로 계산한다. 여기서 파형율이란 단기 전달 오차 곡선의 파형 형태를 분석하기 위해 사용되는 통계값으로 단기 전달 오차 곡선의 실효 평균값을 단기 전달 오차 곡선의 절대 평균값으로 나눈 비를 의미한다.
10, the short-term transmission error curve is composed of consecutive upward and downward sections. The profile error between the transmission error value at the beginning of the upward section and the transmission error value at the end of the upward section, And a waveform factor (form factor) between the adjacent downward sections is extracted from the first short-term transmission error curve for the first gear and the second short-term transmission error curve for the second gear, and the average value of the profile errors, And calculates the time difference average value and the waveform ratio between the interval and the downward interval as gear feature values. Here, the waveform rate is a statistical value used to analyze the waveform form of the short-term transmission error curve, which is the ratio of the effective average value of the short-term transmission error curve to the absolute average value of the short-term transmission error curve.
도 11은 본 발명에 따른 인공 신경망 함수의 일 예를 도시하고 있는데, 도 11을 참고로 살펴보면 본 발명에 따른 인공 신경망 함수는 입력층과 출력층 사이에 중간층인 은닉층(Hidden Layer)을 구비하는 다층 퍼셉트론(Multi-layer Perception)을 구축하여 기어 특징값과 출력 데이터 사이의 관계를 학습 수행하여 생성된다.11 illustrates an example of an artificial neural network function according to the present invention. Referring to FIG. 11, the artificial neural network function according to the present invention includes a multilayer perceptron (Multi-layer Perception) is constructed and the relation between the gear feature value and the output data is learned and performed.
다층 퍼셉트론은 입력층과 출력층 사이에 연결되는 중간층인 은닉층(Hidden Layer)이 존재하는 신경망이다. 다층 퍼셉트론은 은닉층이 없는 단층 퍼셉트론과 유사한 구조이지만, 입력/출력 특징이 비선형적이어서 단층 퍼셉트론의 한계점을 극복한 구조이다. 도 11에서, x1 내지 xn은 입력층의 각 유닛에 대한 입력 데이터를 의미하고, h1 내지 hk는 은닉층의 각 유닛에 대한 중간 데이터를 의미하며, y1은 출력층의 유닛에 대한 출력 데이터를 의미한다. 또한, Wi ,j는 xi에서 hj로의 가중치(weights)를 의미하고, Vj ,1은 hj에서 y1으로의 가중치를 의미한다. 전처리(preprocessing) 과정을 거쳐 입력 데이터(x1 내지 xn)를 확정한다. 이때 입력 데이터인 제1 기어와 제2 기어 각각의 프로파일 에러 평균값, 상향 구간과 하향 구간의 거리 차이의 평균값 및 파형율은 각각 최대값과 최소값 사이에서 정규화되어 있다. The multilayer perceptron is a neural network in which a hidden layer, which is an intermediate layer connected between the input layer and the output layer, is present. Although the multilayer perceptron has a structure similar to that of a single layer perceptron without a hidden layer, the input / output characteristic is nonlinear, which overcomes the limit of the single layer perceptron. 11, x 1 to x n denote input data for each unit of the input layer, h 1 to h k denote intermediate data for each unit of the hidden layer, and y 1 denotes an output Data. Also, W i , j means weights from x i to h j , and V j , 1 means a weight from h j to y 1 . And inputs data (x 1 to x n ) through a preprocessing process. In this case, the profile error average value of the first gear and the second gear, which are input data, and the average value and the waveform ratio of the distance difference between the up and down sections are normalized between the maximum value and the minimum value, respectively.
전처리 과정 후, 입력 데이터(x1 내지 xn)를 가중치(Wi ,j)와 곱하고 더하는 과정을 반복하여 은닉층에 전달되고, 은닉층의 각 유닛에 대한 중간 데이터(h1 내지 hk)를 가중치(Vj ,1)와 곱하고 더하는 과정을 반복하여 출력데이터(y1, y2)를 얻는다. 여기서 출력 데이터는 제1 기어와 제2 기어의 프로파일 에러와 리드 에러이다.
After the preprocessing process, the process of multiplying the input data (x 1 to x n ) by the weight W i , j and adding is repeated to the hidden layer, and the intermediate data h 1 to h k for each unit of the hidden layer are weighted (V j , 1 ), and the output data (y 1 , y 2 ) is obtained. Where the output data is a profile error and a lead error of the first gear and the second gear.
도 12는 4개의 기어로 이루어진 제1 그룹과 또 다른 4개의 기어로 이루어진 제2 그룹에서 1개씩의 기어를 추출하여 생성되는 16쌍의 기어 각각에 대해 생성되는 기어 특징값을 학습 데이터로 하여 생성되는 기준 출력 데이터의 일 예를 도시하고 있으며, 도 13은 기준 출력 데이터에서 각 쌍에 대해 정상 범위를 나타내고 있는 기준 출력 데이터의 일 예를 도시하고 있다. 여기서 정상 범위는 각 쌍에 해당하는 기어의 정상 상태를 나태내는 범위인데, 각 쌍의 기어 특징값을 인공 신경망 함수에 적용하여 계산되는 출력 데이터가 정상 범위에 존재하는 경우 해당하는 기어 쌍의 형상은 오류가 없는 정상으로 판단된다.
FIG. 12 is a graph showing the relationship between gear characteristic values generated for 16 pairs of gears generated by extracting one gear from a first group of four gears and a second gear group of another four gears FIG. 13 shows an example of reference output data showing a normal range for each pair in the reference output data. In this case, the normal range is the range of the steady state of the gear corresponding to each pair. If the output data calculated by applying each gear characteristic value to the artificial neural network function exists in the normal range, It is judged as normal without any error.
한편, 상술한 본 발명의 실시 예들은 컴퓨터에서 실행될 수 있는 프로그램으로 작성 가능하고, 컴퓨터로 읽을 수 있는 기록 매체를 이용하여 상기 프로그램을 동작시키는 범용 디지털 컴퓨터에서 구현될 수 있다.The above-described embodiments of the present invention can be embodied in a general-purpose digital computer that can be embodied as a program that can be executed by a computer and operates the program using a computer-readable recording medium.
상기 컴퓨터로 읽을 수 있는 기록 매체는 마그네틱 저장 매체(예를 들어, 롬, 플로피 디스크, 하드디스크 등), 광학적 판독 매체(예를 들면, 시디롬, 디브이디 등) 및 캐리어 웨이브(예를 들면, 인터넷을 통한 전송)와 같은 저장 매체를 포함한다.
The computer-readable recording medium may be a magnetic storage medium (e.g., ROM, floppy disk, hard disk, etc.), an optical reading medium (e.g. CD ROM, Lt; / RTI > transmission).
본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 본 기술 분야의 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 타 실시예가 가능하다는 점을 이해할 것이다. 따라서, 본 발명의 진정한 기술적 보호 범위는 첨부된 등록청구범위의 기술적 사상에 의해 정해져야 할 것이다. While the present invention has been particularly shown and described with reference to exemplary embodiments thereof, it is evident that many alternatives, modifications and variations will be apparent to those skilled in the art. Accordingly, the true scope of the present invention should be determined by the technical idea of the appended claims.
100: 회전 변위 측정부 110: 전달 오차 정보 생성부
120: 전처리부 130: 특징값 계산부
140: 형상 검사부 121: 제1 평균 신호 생성부
123: 제1 장기추세 곡선 생성부 125: 제1 단기 오차 곡선 생성부
126: 제2 평균 신호 생성부 127: 제2 장기 추세 곡선 생성부
129: 제2 단기 오차 곡선 생성부100: rotational displacement measuring unit 110: transmission error information generating unit
120: preprocessing unit 130: feature value calculating unit
140: shape checking unit 121: first average signal generating unit
123: first long term trend curve generating unit 125: first short term error curve generating unit
126: second average signal generator 127: second long term trend curve generator
129: second short-term error curve generation unit
Claims (17)
상기 전달 오차 정보를 전처리하여 상기 1쌍의 기어를 구성하는 제1 기어에 대한 제1 단기 전달 오차 곡선과 제2 기어에 대한 제2 단기 전달 오차 곡선을 생성하는 단계;
상기 제1 단기 전달 오차 곡선과 상기 제2 단기 전달 오차 곡선에서 각각 상기 제1 기어 및 상기 제2 기어에 대한 기어 특징값을 계산하는 단계; 및
상기 기어 특징값을 인공 신경망 함수(Artificial neural network fitting)에 적용하여 계산된 상기 1쌍의 기어에 대한 출력 데이터를 기준 출력 데이터와 비교 매핑하여 상기 1쌍의 기어에 대한 형상 오류(tooth error)를 검사하는 단계를 포함하는 것을 특징으로 하는 기어 형상 오류의 검사 방법.Generating transmission error information between the pair of gears based on a rotational displacement of the pair of gears;
Preprocessing the transmission error information to generate a first short-term transmission error curve for the first gear and a second short-term transmission error curve for the second gear constituting the pair of gears;
Calculating gear characteristic values for the first gear and the second gear in the first short term transmission error curve and the second short term transmission error curve, respectively; And
The tooth data for the pair of gears calculated by applying the gear characteristic value to an artificial neural network fitting is compared with the reference output data to map a tooth error for the pair of gears And inspecting the gear shape error.
상기 전달 오차 정보로부터 상기 제1 기어에 대한 제1 회전 동기화 평균 신호(revolution synchronous average, RSA)와 상기 제2 기어에 대한 제2 회전 동기화 평균 신호를 생성하는 단계;
상기 제1 회전 동기화 평균 신호와 상기 제2 회전 동기화 평균 신호에서 각각 상기 제1 기어에 대한 장기 추세 곡선(long-term trend) 및 상기 제2 기어에 대한 장기 추세 곡선을 생성하는 단계; 및
상기 제1 회전 동기화 평균 신호에서 상기 제1 기어에 대한 장기 추세 곡선을 제거하여 상기 제1 기어에 대한 제1 단기 전달 오차(short-term transmission error) 곡선을 생성하고, 상기 제2 회전 동기화 평균 신호에서 상기 제2 기어에 대한 장기 추세 곡선을 제거하여 상기 제2 기어에 대한 제2 단기 전달 오차 곡선을 생성하는 단계를 포함하는 것을 특징으로 하는 기어 형상 오류의 검사 방법.2. The method of claim 1, wherein generating the first short term delivery error curve and the second short term delivery error curve comprises:
Generating a first rotational synchronization average signal (RSA) for the first gear and a second rotational synchronization average signal for the second gear from the transfer error information;
Generating a long-term trend curve for the first gear and a long-term trend curve for the second gear in the first and second rotational synchronization average signals, respectively; And
Generating a first short-term transmission error curve for the first gear by removing a long-term trend curve for the first gear from the first rotational synchronization average signal, Removing a long-term trend curve for the second gear to produce a second short-term transmission error curve for the second gear.
상기 제1 회전 동기화 평균 신호는 상기 제1 기어의 n회전시간 단위로 상기 제1 기어의 n회전시간 동안 상기 전달 오차 정보의 평균을 계산하여 생성되며,
상기 제2 회전 동기화 평균 신호는 상기 제2 기어의 m회전시간 단위로 상기 제2 기어의 m회전시간 동안 상기 전달 오차 정보의 평균을 계산하여 생성되는데,
여기서 n과 m은 자연수인 것을 특징으로 하는 기어 형상 오류의 검사 방법.3. The method of claim 2,
Wherein the first rotational synchronization average signal is generated by calculating an average of the transfer error information for n rotation times of the first gear in units of n rotation times of the first gear,
Wherein the second rotation synchronization average signal is generated by calculating an average of the transfer error information for m rotation times of the second gear in units of m rotation times of the second gear,
Wherein n and m are natural numbers.
상기 제1 기어에 대한 장기 추세 곡선은 상기 제1 회전 동기화 평균 신호의 제1 치형 윈도우 단위로 상기 제1 치형 윈도우를 구성하는 단위 측정 시간을 순차적으로 오버래핑하여 상기 제1 치형 윈도우에 대한 상기 제1 회전 동기화 평균 신호의 평균값으로부터 계산되며,
상기 제2 기어에 대한 장기 추세 곡선은 상기 제2 회전 동기화 평균 신호의 제2 치형 윈도우 단위로 상기 제2 치형 윈도우를 구성하는 단위 측정 시간을 순차적으로 오버래핑하여 상기 제2 치형 윈도우에 대한 상기 제2 회전 동기화 평균 신호의 평균값으로부터 계산되는 것을 특징으로 하는 기어 형상 오류의 검사 방법.The method of claim 3,
Wherein the long-term trend curve for the first gear is obtained by sequentially overlapping a unit measurement time constituting the first toothed window in a unit of the first toothed window of the first rotation synchronization average signal, Is calculated from the average value of the rotation synchronization average signal,
Wherein the long-term trend curve for the second gear is obtained by sequentially overlapping a unit measurement time constituting the second tooth window in units of a second tooth window of the second rotation synchronization average signal, And the average value of the rotational synchronization average signals is calculated.
입력층과 출력층 사이에 중간층인 은닉층(Hidden Layer)을 구비하는 다층 퍼셉트론(Multi-layer Perception)을 구축하여 상기 기어 특징값과 상기 출력 데이터 사이의 관계를 학습 수행하여 생성되는 것을 특징으로 하는 기어 형상 오류의 검사 방법.3. The method of claim 2, wherein the artificial neural network function
Wherein a multi-layer perception having a hidden layer, which is an intermediate layer, is formed between an input layer and an output layer, and learning is performed by learning a relation between the gear characteristic value and the output data. How to check for errors.
상기 제1 기어와 상기 제2 기어 사이의 프로파일 에러값 및 리드 에러값인 것을 특징으로 하는 기어 형상 오류의 검사 방법. 9. The method according to any one of claims 1 to 8, wherein the output data
Wherein the first gear and the second gear are a profile error value and a lead error value between the first gear and the second gear.
상기 1쌍의 기어에 대한 회전변위 차에 기초하여 상기 1쌍의 기어에 대한 전달 오차 정보를 생성하는 전달 오차 정보 생성부;
상기 전달 오차 정보로부터 상기 1쌍의 기어를 구성하는 제1 기어에 대한 제1 단기 전달 오차 곡선과 제2 기어에 대한 제2 단기 전달 오차 곡선을 생성하는 전처리부;
상기 제1 단기 전달 오차 곡선과 상기 제2 단기 전달 오차 곡선에서 각각 상기 제1 기어 및 상기 제2 기어에 대한 기어 특징값을 계산하는 특징값 계산부; 및
상기 기어 특징값을 인공 신경망 함수(Artificial neural network fitting)에 적용하여 계산된 상기 1쌍의 기어에 대한 출력 데이터를 기준 출력 데이터와 비교 매핑하여 상기 1쌍의 기어에 대한 형상 오류(tooth error)를 검사하는 형상 검사부를 포함하는 것을 특징으로 하는 기어 형상 오류의 검사 장치.A rotational displacement measuring unit for measuring a rotational displacement of the pair of gears;
A transfer error information generation unit that generates transfer error information for the pair of gears based on a rotational displacement difference between the pair of gears;
A pre-processing unit for generating a first short-term transmission error curve for the first gear and a second short-term transmission error curve for the second gear from the transmission error information;
A feature value calculation unit for calculating gear feature values for the first gear and the second gear in the first short term transmission error curve and the second short term transmission error curve, respectively; And
The tooth data for the pair of gears calculated by applying the gear characteristic value to an artificial neural network fitting is compared with the reference output data to map a tooth error for the pair of gears And a shape checking unit for checking the gear shape error.
상기 전달 오차 정보로부터 상기 제1 기어에 대한 제1 회전 동기화 평균 신호(revolution synchronous average, RSA)와 상기 제2 기어에 대한 제2 회전 동기화 평균 신호를 생성하는 평균 신호 생성부;
상기 제1 회전 동기화 평균 신호에서 상기 제1 기어에 대한 장기 추세 곡선(long-term trend)과 상기 제2 회전 동기화 평균 신호에서 상기 제2 기어에 대한 장기 추세 곡선을 생성하는 장기 추세 곡선 생성부; 및
상기 제1 회전 동기화 평균 신호에서 상기 제1 기어에 대한 장기 추세 곡선을 제거하여 상기 제1 기어에 대한 제1 단기 전달 오차(short-term transmission error) 곡선을 생성하고, 상기 제2 회전 동기화 평균 신호에서 상기 제2 기어에 대한 장기 추세 곡선을 제거하여 상기 제2 기어에 대한 제2 단기 전달 오차 곡선을 생성하는 단기 전달 오차 곡선 생성부를 포함하는 것을 특징으로 하는 기어 형상의 오류 검사 장치.13. The apparatus of claim 12, wherein the preprocessing unit
An average signal generator for generating a first revolution synchronization average signal (RSA) for the first gear and a second rotation synchronization average signal for the second gear from the transmission error information;
A long-term trend curve generator for generating a long-term trend curve for the first gear and a long-term trend curve for the second gear in the second rotation synchronization average signal in the first rotation synchronization average signal; And
Generating a first short-term transmission error curve for the first gear by removing a long-term trend curve for the first gear from the first rotational synchronization average signal, And a short-term transmission error curve generator for generating a second short-term transmission error curve for the second gear by removing a long-term trend curve for the second gear.
입력층과 출력층 사이에 중간층인 은닉층(Hidden Layer)을 구비하는 다층 퍼셉트론(Multi-layer Perception)을 구축하여 상기 기어 특징값과 상기 출력 데이터 사이의 관계를 학습 수행하여 생성되는 것을 특징으로 하는 기어 형상 오류의 검사 장치.14. The method of claim 13, wherein the artificial neural network function
Wherein a multi-layer perception having a hidden layer, which is an intermediate layer, is formed between an input layer and an output layer, and learning is performed by learning a relation between the gear characteristic value and the output data. An error checking device.
상기 제1 기어와 상기 제2 기어 사이의 프로파일 에러값 및 리드 에러값인 것을 특징으로 하는 기어 형상 오류의 검사 장치. 15. The method according to any one of claims 12 to 14,
And a profile error value and a lead error value between the first gear and the second gear.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130074029A KR101426658B1 (en) | 2013-06-26 | 2013-06-26 | Method and apparatus for estimating shape of gear |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020130074029A KR101426658B1 (en) | 2013-06-26 | 2013-06-26 | Method and apparatus for estimating shape of gear |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR101426658B1 true KR101426658B1 (en) | 2014-08-07 |
Family
ID=51749546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020130074029A KR101426658B1 (en) | 2013-06-26 | 2013-06-26 | Method and apparatus for estimating shape of gear |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101426658B1 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108356364A (en) * | 2018-05-14 | 2018-08-03 | 宝鸡市新福泉机械科技发展有限责任公司 | A kind of herringbone bear processing unit (plant) and its turning and method for milling |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090011079A (en) * | 2007-07-25 | 2009-02-02 | 현대 파워텍 주식회사 | Apparatus for testing gear transmission error |
| KR20110078551A (en) * | 2009-12-31 | 2011-07-07 | 주식회사 사이로직 | Gear test equipment and test method using torsional vibration |
| KR20130066858A (en) * | 2011-12-13 | 2013-06-21 | 넥센타이어 주식회사 | Method for predicting tire flat spot performance |
-
2013
- 2013-06-26 KR KR1020130074029A patent/KR101426658B1/en active IP Right Grant
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20090011079A (en) * | 2007-07-25 | 2009-02-02 | 현대 파워텍 주식회사 | Apparatus for testing gear transmission error |
| KR20110078551A (en) * | 2009-12-31 | 2011-07-07 | 주식회사 사이로직 | Gear test equipment and test method using torsional vibration |
| KR20130066858A (en) * | 2011-12-13 | 2013-06-21 | 넥센타이어 주식회사 | Method for predicting tire flat spot performance |
Non-Patent Citations (1)
| Title |
|---|
| 손유선 외 4인, '고속회전용 기어의 전달오차 예측 및 측정에 관한 연구', 한국정밀공학회지, 제25권, 제12호, pp.20-26, 2008.12. * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108356364A (en) * | 2018-05-14 | 2018-08-03 | 宝鸡市新福泉机械科技发展有限责任公司 | A kind of herringbone bear processing unit (plant) and its turning and method for milling |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Simm et al. | Laser based measurement for the monitoring of shaft misalignment | |
| Chin et al. | Absolute transmission error: A simple new tool for assessing gear wear | |
| Diamond et al. | Online shaft encoder geometry compensation for arbitrary shaft speed profiles using Bayesian regression | |
| US4704799A (en) | Master gear error compensation | |
| JP2007322432A (en) | Apparatus and method for combination test of gear | |
| JP2018179735A (en) | Abnormality diagnostic method and abnormality diagnostic device for rotary component | |
| CN105300691B (en) | Bevel Gear Transmission error measurement method based on best locating distance | |
| KR20130086033A (en) | Production control method and device for checking the traversability of pipes | |
| CN109945955B (en) | Water meter visual online detection method and system | |
| US10539588B2 (en) | Method for reducing error in rotor speed measurements | |
| JP4706316B2 (en) | Tire testing apparatus and tire testing method | |
| EP2073020A1 (en) | Method and apparatus for monitoring the rotational speed of the shaft of a gas turbine | |
| JP5836186B2 (en) | Gear inspection apparatus and method | |
| CN108317052B (en) | Method and device for detecting damage factor of gear and wind generating set | |
| KR101426658B1 (en) | Method and apparatus for estimating shape of gear | |
| CN105051486A (en) | Shape inspection device | |
| CN116956645B (en) | Tooth pitch error and transmission error prediction conversion method of gear transmission device | |
| CN115221655B (en) | Method for evaluating transmission precision of helical non-circular gear | |
| US20180080396A1 (en) | Method for determining actual lengths of short intervals of a toothed target of a crankshaft | |
| De León et al. | Discrete time interval measurement system: fundamentals, resolution and errors in the measurement of angular vibrations | |
| CN105631238A (en) | Method and system for detecting vibration performance variation of antifriction bearing | |
| EP2073021A1 (en) | Method and apparatus for monitoring the rotational speed of a shaft | |
| US9926786B2 (en) | Method for joining at least two rotor elements of a turbomachine | |
| WO2018153517A1 (en) | Calibrating a wind sensor of a wind turbine | |
| CN114061524A (en) | Steel coil profile measuring method and device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| GRNT | Written decision to grant | ||
| FPAY | Annual fee payment |
Payment date: 20170627 Year of fee payment: 4 |