專利名稱：復雜零件的曲面加工精度的在線檢測方法
技術領域：
本發明是一種復雜零件的曲面加工精度的在線檢測方法，特別是一種在數控銑床上對復雜曲面零件進行加工后、直接在該機床上對該零件進行加工精度的在線檢測的復雜零件的曲面加工精度的在線檢測方法，屬于復雜零件的曲面加工精度的在線檢測方法的改造技術。
背景技術：
隨著制造業技術和裝備的不斷進步，對復雜零件/產品的精度、效率、質量和外觀要求愈來愈高。在復雜曲面零件的生產過程中，需要用相應的檢測技術對其加工精度進行檢測和控制。基于三坐標測量機(CMM)的檢測技術常用于精密零件的形位精度檢測，但存在工件二次裝夾定位誤差問題及大型零件測量的局限性問題。在數控銑床上直接進行加工精度的在線檢測，形成“加工一測量一補償”的閉環加工檢測系統，具有十分重要的意義。·在線檢測技術即是在數控銑床上直接對數控加工后的零件進行檢測，通過對檢測數據進行分析得到零件的加工精度。該技術適合于各類尺寸大小、復雜曲面零件的加工精度檢測，能有效提高數控銑床的零件加工精度，已得到學術界和工業界的廣泛關注。數控銑床零件加工精度的在線檢測方法，具有廣泛的應用前景。目前國內所開發的在線檢測系統，檢測功能較為薄弱，基本上停留于數控系統本身所提供的一些功能，檢測對象大多數是針對簡單規則形體(如平面、圓、圓柱和凸臺等)，而針對復雜曲面的在線檢測研究較少。數控銑床測量環境復雜，誤差影響因素多，數控銑床在線檢測與高精度的CMM相比仍然存在較大差距，難以獲得滿意的實際測量精度。
發明內容
本發明的目的在于考慮上述問題而提供一種可以獲得高精度的檢測結果，進而得到被加工曲面的加工精度的復雜零件的曲面加工精度的在線檢測方法。本發明克服了復雜曲面需要移動到CMM上才能獲得高精度檢測結果的不足之處，能直接在數控銑床上對具有復雜曲面特征的零件進行形面精度的在線檢測，通過誤差補償獲得高精度的檢測結果，最終得到零件的形面加工精度，有效地提高了生產效率。本發明的技術方案是本發明的復雜零件的曲面加工精度的在線檢測方法，包括有如下步驟
1)將接觸式觸發測頭安裝在數控銑床的主軸上；
2)對被測曲面進行檢測路徑規劃；
3)驅動數控銑床，逐一獲取測頭與待測曲面接觸點處的測球中心(3)的坐標；測球是接觸式觸發測頭的一個部件，其形狀是一個具有高制造精度和高硬度的圓球，安裝在測頭主體上并與被測曲面直接接觸；
4)對上述測球中心的坐標進行測球半徑補償、測頭預行程誤差補償和機床誤差補償，從而獲得測點高精度的檢測結果；其中機床誤差需采用機床誤差檢測儀器得到；
5)將檢測結果與零件的理想CAD模型進行對比分析，找到各個測點與CAD模型對應的偏差，從而獲得待測曲面的加工精度。上述測球半徑補償、測頭預行程誤差補償需要計算出曲面測點的法矢方向，對于測頭預行程誤差補償，還需要計算出測頭在各個測點法矢方向的預行程誤差，補償方法是采用基于徑向基函數(RBF)的神經網絡進行預測。上述機床誤差補償所用的機床誤差檢測儀器為激光干涉儀。上述測點與CAD模型對應的偏差采用點到曲面的最小距離的計算方法求解。上述基于徑向基函數RBF的神經網絡進行預測的方法如下· 正則化RBF網絡是一種具有單隱含層的三層前饋局部逼近網絡，已經證明，它與BP網絡都能以任意精度逼近任意連續函數；并且，相比BP網絡，其訓練時間更短，并且它同時滿足對樣本的逼近誤差和逼近曲線的平滑性，在實踐中，網絡的監督訓練可以看成是一種曲線擬合的過程，利用正則化RBF算法，通過對網絡的訓練，實現輸入和輸出空間之間的非線性映射；
正則化RBF網絡的拓撲結構由一個徑向基神經元的隱層、一個線性神經元的輸出層組成，網絡的輸入點數量為N，隱節點數量為P個，輸出節點數量為I個；網絡的隱節點數等于輸入樣本數，并將所有輸入樣本設為徑向基函數的中心，各徑向基函數取統一的擴展常數；
RBF實現由輸入
X =(X1，X2，"、為/到輸出r =(Λ，>·52，…’乃f的映射，灼OO
(J'= Ii % ---，P )采用徑向基函數為任一隱節點的激活函數，選用Gauss函數作為徑向
基函數;W為輸出權矩陣,其中W jk (= 1，2，…，P =Ii 2，■··, I )為隱層第j個節
點到輸出層第A個節點間的突觸權值；采用線性激活函數作為輸出層神經元；
根據正則化RBF網絡原理，RBF的訓練過程為(I)確定RBF神經網絡輸入及輸出變量，即以檢測方向作為網絡的輸入節點，相應的預行程誤差為網絡的輸出節點；(2)組成訓練集對網絡進行訓練，即從檢測到的預行程誤差數據中隨機選取若干組作為網絡的教師數據；(3)輸入預測樣本，用訓練好的網絡預測任意檢測方向的預行程誤差，用剩下的測點數據作為預測樣本。上述點到曲面的最小距離的計算方法求解的方法如下將曲面分割為足夠小的網格，計算測點Crm，JV A)到全部網格節點的距離，所有這些距離的最小值就是點到曲面的
最小距離。本發明由于采用在待檢測的復雜曲面加工完成后，在數控銑床的工作臺上直接進行檢測的方法，對獲取的數據進行誤差補償從而獲得高精度的檢測結果，對此檢測結果進行分析進而獲得被測曲面的加工精度。本發明的優點是本發明的方法可以在數控銑床上直接對加工完成后的復雜曲面進行在線檢測，通過對獲取的數據進行測球半徑補償、預行程誤差補償和機床誤差補償，獲得高精度的檢測結果，進而得到被加工曲面的加工精度，克服了復雜曲面需要移動到CMM上才能獲得高精度檢測結果的不足之處，有效地提高了生產效率，本發明具有顯著的經濟效益、社會效益。本發明是一種設計巧妙，性能優良，方便實用的復雜零件的曲面加工精度的在線檢測方法。
圖I為本發明測球半徑補償原理 圖2為本發明預行程誤差 圖3為本發明的方法流程 圖4為正則化RBF網絡的示意 圖5為點到曲面的最小距離的示意圖。圖中1-法矢方向，2-被測曲面，3-測球中心，4-接觸式觸發測頭，5-接觸點，·6-檢測方向，7-預行程誤差，8-測頭高速定位移動方向，9-測頭低速接近方向，10-測頭的預接觸距離，11-工件。
具體實施例方式實施例
本發明的復雜零件的曲面加工精度的在線檢測方法，
本發明的復雜零件的曲面加工精度的在線檢測方法，包括有如下步驟
1)將接觸式觸發測頭4安裝在數控銑床的主軸上；
2)對被測曲面2進行檢測路徑規劃；
3)驅動數控銑床，逐一獲取測頭與待測曲面接觸點處的測球中心3的坐標；測球是接觸式觸發測頭的一個部件，其形狀是一個具有高制造精度和高硬度的圓球，安裝在測頭主體上并與被測曲面直接接觸；
4)對上述測球中心3的坐標進行測球半徑補償、測頭預行程誤差補償和機床誤差補償，從而獲得測點高精度的檢測結果；其中機床誤差需采用機床誤差檢測儀器得到；
5)將檢測結果與零件的理想CAD模型進行對比分析，找到各個測點與CAD模型對應的偏差，從而獲得待測曲面的加工精度。上述測球半徑補償、測頭預行程誤差補償需要計算出曲面測點的法矢方向，對于測頭預行程誤差補償，還需要計算出測頭在各個測點法矢方向的預行程誤差，補償方法是采用基于徑向基函數(RBF)的神經網絡進行預測。上述機床誤差補償所用的機床誤差檢測儀器為激光干涉儀。上述測點與CAD模型對應的偏差采用點到曲面的最小距離的計算方法求解。上述基于徑向基函數(RBF)的神經網絡進行預測的方法如下
正則化RBF網絡是一種具有單隱含層的三層前饋局部逼近網絡，已經證明，它與BP網絡都能以任意精度逼近任意連續函數；并且，相比BP網絡，其訓練時間更短，并且它同時滿足對樣本的逼近誤差和逼近曲線的平滑性，在實踐中，網絡的監督訓練可以看成是一種曲線擬合的過程，利用正則化RBF算法，通過對網絡的訓練，實現輸入和輸出空間之間的非線性映射；
正則化RBF網絡的拓撲結構由一個徑向基神經元的隱層、一個線性神經元的輸出層組成，網絡的輸入點數量為N，隱節點數量為P個，輸出節點數量為I個；網絡的隱節點數等于輸入樣本數，并將所有輸入樣本設為徑向基函數的中心，各徑向基函數取統一的擴展常數；
RBF實現由輸入I ^(XUX2,--->XN)T到輸出Y =Cv15 W-)7"的映射，
φλΧ) ( j = l’2,P )采用徑向基函數為任一隱節點的激活函數，選用Gauss函
數作為徑向基函數;w為輸出權矩陣,其中w jk (j = I, 2,…,P K 2，)為隱
層第個節點到輸出層第i個節點間的突觸權值；采用線性激活函數作為輸出層神經元；根據正則化RBF網絡原理，RBF的訓練過程為(I)確定RBF神經網絡輸入及輸出變量，即以檢測方向作為網絡的輸入節點，相應的預行程誤差為網絡的輸出節點；(2)組成訓練集對網絡進行訓練，即從檢測到的預行程誤差數據中隨機選取若干組作為網絡的教師數據；(3)輸入預測樣本，用訓練好的網絡預測任意檢測方向的預行程誤差，用剩下的測點數據作為預測樣本。
·
上述點到曲面的最小距離的計算方法求解的方法如下將曲面分割為足夠小的網格，計算測點Crm，JV A)到全部網格節點的距離，所有這些距離的最小值就是點到曲面的最小距離。本發明實施例是利用數控銑床對復雜曲面工件進行高精度的檢測方法，該方法適應于當數控銑床對工件11進行加工，本發明實施例的工件11是復雜曲面零件，工件11完成一個加工工序后，直接在數控銑床的工作臺上對工件11進行檢測，實現加工和檢測都在數控銑床上進行，可以避免將工件11移動到其他檢測設備(如三坐標測量機)上檢測帶來的二次定位誤差，也可避免對尺寸和重量大的工件11進行搬運所帶來的不便。本實施例的方法中被檢測的工件11在加工完成后，在數控銑床的工作臺上直接檢測，包括以下步驟
步驟一將接觸式觸發測頭4安裝在數控銑床的主軸上。主軸帶動接觸式觸發測頭4運動，接觸式觸發測頭4實施對被測曲面2的坐標檢測，檢測結果記錄在檢測軟件中。步驟二 對被測曲面2進行檢測路徑規劃。利用檢測軟件對被測曲面進行測點規劃和檢測路徑規劃。步驟三驅動數控銑床，逐一獲取接觸式觸發測頭4與被測曲面接觸點5處的測球中心3的坐標；
步驟四對上述的測球中心3坐標進行測球半徑補償、接觸式觸發測頭4預行程誤差補償和機床誤差補償，從而獲得測點高精度的檢測結果；
如圖I所示，測球半徑補償的關鍵是求出被測點的法矢方向1，然后利用公式進行測球半徑補償
iXJ,Z) = ix，y，z、}-r*n(I)
上式中，Cr，Y, ^是接觸點A的坐標，Cr，_7，W是測球中心B的坐標，r為測球半
徑，為測點單位法矢量。測頭預行程誤差7的補償方面，如圖2所示，從接觸式觸發測頭4接觸工件表面到觸發信號產生的這段時間內，接觸式觸發測頭4額外運動微小距離，一般稱由于這段微小距離所引起的誤差值為測頭預行程誤差。需利用標準球檢測出測頭在各個方向上的預行程誤差，并利用徑向基函數(RBF)算法預測出任意法矢方向I上的預行程誤差7。在機床誤差補償方面，根據運動學原理，物體沿某一直線運動具有六個自由度，即三個平移自由度和三個回轉自由度，也就是具有六個幾何誤差分量，即沿三個相互垂直方向的直線度誤差和對三個相互垂直方向的轉動誤差。三軸數控銑床一般都具有(X，Y，Z)三個相互垂直的直線運動軸。因此對于三軸數控銑床來說，沿三個軸運動共存在18項誤差分量，再加上三個軸之間還存在垂直度誤差，總共有21項誤差分量。本實施例利用激光干涉儀測出這21項誤差分量。將上述獲得的測點法矢、預行程誤差和機床誤差輸入到檢測軟件系統中，并對數控系統反饋回的測球中心坐標進行補償。本實施例使用TP6L測頭系統。步驟五將檢測結果與零件的理想CAD模型進行對比分析，找到各個測點與CAD模型對應的偏差，從而獲得待測曲面的加工精度。·上述步驟二中需進行測點規劃(即測點在曲面上的排列方式)，并計算出各個測點的法矢方向I，然后進行檢測路徑規劃。所述法矢為測點所在曲面上并通過所述待測點的法矢。上述步驟三中接觸式觸發測頭4沿法矢方向I勻速接觸被測曲面上的測點，在該過程中，接觸式觸發測頭4沿檢測方向6從測頭高速定位移動方向8向測頭低速接近方向9運動，圖中測頭的預接觸距離10，在接觸過程中利用軟件系統接收接觸式觸發測頭4的中心坐標信息。上述步驟四中，需利用標準球檢測出測頭在各個方向上的預行程誤差，并利用徑向基函數(RBF)算法預測出任意法矢方向上的預行程誤差。利用激光干涉儀測量得到機床的幾何誤差。
權利要求
1.一種復雜零件的曲面加工精度的在線檢測方法，其特征在于包括有如下步驟 1)將接觸式觸發測頭(4)安裝在數控銑床的主軸上； 2)對被測曲面(2)進行檢測路徑規劃； 3)驅動數控銑床，逐一獲取測頭與待測曲面接觸點處的測球中心(3)的坐標；測球是接觸式觸發測頭的一個部件，其形狀是一個具有高制造精度和高硬度的圓球，安裝在測頭主體上并與被測曲面直接接觸； 4)對上述測球中心(3)的坐標進行測球半徑補償、測頭預行程誤差補償和機床誤差補償，從而獲得測點高精度的檢測結果；其中機床誤差需采用機床誤差檢測儀器得到； 5)將檢測結果與零件的理想CAD模型進行對比分析，找到各個測點與CAD模型對應的偏差，從而獲得待測曲面的加工精度。
2.根據權利要求I所述的復雜零件的曲面加工精度的在線檢測方法，其特征在于上述測球半徑補償、測頭預行程誤差補償需要計算出曲面測點的法矢方向，對于測頭預行程誤差補償，還需要計算出測頭在各個測點法矢方向的預行程誤差，補償方法是采用基于徑向基函數(RBF)的神經網絡進行預測。
3.根據權利要求I所述的復雜零件的曲面加工精度的在線檢測方法，其特征在于上述機床誤差補償所用的機床誤差檢測儀器為激光干涉儀。
4.根據權利要求I所述的復雜零件的曲面加工精度的在線檢測方法，其特征在于上述測點與CAD模型對應的偏差采用點到曲面的最小距離的計算方法求解。
5.根據權利要求I所述的復雜零件的曲面加工精度的在線檢測方法，其特征在于上述基于徑向基函數(RBF)的神經網絡進行預測的方法如下 正則化RBF網絡是一種具有單隱含層的三層前饋局部逼近網絡，已經證明，它與BP網絡都能以任意精度逼近任意連續函數；并且，相比BP網絡，其訓練時間更短，并且它同時滿足對樣本的逼近誤差和逼近曲線的平滑性，在實踐中，網絡的監督訓練可以看成是一種曲線擬合的過程，利用正則化RBF算法，通過對網絡的訓練，實現輸入和輸出空間之間的非線性映射； 正則化RBF網絡的拓撲結構由一個徑向基神經元的隱層、一個線性神經元的輸出層組成，網絡的輸入點數量為N，隱節點數量為P個，輸出節點數量為I個；網絡的隱節點數等于輸入樣本數，并將所有輸入樣本設為徑向基函數的中心，各徑向基函數取統一的擴展常數； RBF實現由輸入 X = (x1，x2，…，xN)T到細出Y= (y1，y2，…，yN)T的映射，
6.根據權利要求I所述的復雜零件的曲面加工精度的在線檢測方法，其特征在于上述點到曲面的最小距離的計算方法求解的方法如下將曲面分割為足夠小的網格，計算測點Crm，λ>，到全部網格節點的距離，所有這些距離的最小值就是點到曲面的最小距離。
全文摘要
本發明是一種復雜零件的曲面加工精度的在線檢測方法。包括如下步驟1)將接觸式觸發測頭安裝在數控銑床的主軸上；2)對被測曲面進行檢測路徑規劃；3)驅動數控銑床，逐一獲取測頭與待測曲面接觸點處的測球中心的坐標；測球是接觸式觸發測頭的一個部件，是一個具有高精度和高硬度的圓球，安裝在測頭主體上并與被測曲面直接接觸；4)對上述測球中心的坐標進行測球半徑補償、測頭預行程誤差補償和機床誤差補償，從而獲得測點高精度的檢測結果；5)將檢測結果與零件的理想CAD模型進行對比分析，找到各個測點與CAD模型對應的偏差，從而獲得待測曲面的加工精度。本發明使高精度的加工精度檢測過程直接在數控銑床上進行，避免了零件多次裝夾所帶來的定位誤差。
文檔編號B23Q17/20GK102785129SQ20121026635
公開日2012年11月21日 申請日期2012年7月30日 優先權日2012年7月30日
發明者楊澤鵬, 鄧海祥, 鄭德濤, 陳岳坪, 陳新, 高健 申請人:廣東工業大學