CN102785129A - 复杂零件的曲面加工精度的在线检测方法 - Google Patents
复杂零件的曲面加工精度的在线检测方法 Download PDFInfo
- Publication number
- CN102785129A CN102785129A CN2012102663556A CN201210266355A CN102785129A CN 102785129 A CN102785129 A CN 102785129A CN 2012102663556 A CN2012102663556 A CN 2012102663556A CN 201210266355 A CN201210266355 A CN 201210266355A CN 102785129 A CN102785129 A CN 102785129A
- Authority
- CN
- China
- Prior art keywords
- curved surface
- rbf
- network
- ball
- gauge head
- 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.)
- Granted
Links
- 238000003754 machining Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000003801 milling Methods 0.000 claims description 25
- 238000010998 test method Methods 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 14
- 230000007935 neutral effect Effects 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 230000004913 activation Effects 0.000 claims description 6
- 238000000205 computational method Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 210000002569 neuron Anatomy 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000001960 triggered effect Effects 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 230000008676 import Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000946 synaptic effect Effects 0.000 claims description 3
- 239000000523 sample Substances 0.000 abstract 5
- 238000011960 computer-aided design Methods 0.000 abstract 3
- 238000012545 processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009418 renovation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Numerical Control (AREA)
- Machine Tool Sensing Apparatuses (AREA)
Abstract
本发明是一种复杂零件的曲面加工精度的在线检测方法。包括如下步骤：1）将接触式触发测头安装在数控铣床的主轴上；2）对被测曲面进行检测路径规划；3）驱动数控铣床，逐一获取测头与待测曲面接触点处的测球中心的坐标；测球是接触式触发测头的一个部件，是一个具有高精度和高硬度的圆球，安装在测头主体上并与被测曲面直接接触；4)对上述测球中心的坐标进行测球半径补偿、测头预行程误差补偿和机床误差补偿，从而获得测点高精度的检测结果；5)将检测结果与零件的理想CAD模型进行对比分析，找到各个测点与CAD模型对应的偏差，从而获得待测曲面的加工精度。本发明使高精度的加工精度检测过程直接在数控铣床上进行，避免了零件多次装夹所带来的定位误差。
Description
技术领域
本发明是一种复杂零件的曲面加工精度的在线检测方法，特别是一种在数控铣床上对复杂曲面零件进行加工后、直接在该机床上对该零件进行加工精度的在线检测的复杂零件的曲面加工精度的在线检测方法，属于复杂零件的曲面加工精度的在线检测方法的改造技术。
背景技术
随着制造业技术和装备的不断进步，对复杂零件/产品的精度、效率、质量和外观要求愈来愈高。在复杂曲面零件的生产过程中，需要用相应的检测技术对其加工精度进行检测和控制。基于三坐标测量机（CMM）的检测技术常用于精密零件的形位精度检测，但存在工件二次装夹定位误差问题及大型零件测量的局限性问题。在数控铣床上直接进行加工精度的在线检测，形成“加工－测量－补偿”的闭环加工检测***，具有十分重要的意义。
在线检测技术即是在数控铣床上直接对数控加工后的零件进行检测，通过对检测数据进行分析得到零件的加工精度。该技术适合于各类尺寸大小、复杂曲面零件的加工精度检测，能有效提高数控铣床的零件加工精度，已得到学术界和工业界的广泛关注。数控铣床零件加工精度的在线检测方法，具有广泛的应用前景。
目前国内所开发的在线检测***，检测功能较为薄弱，基本上停留于数控***本身所提供的一些功能，检测对象大多数是针对简单规则形体（如平面、圆、圆柱和凸台等），而针对复杂曲面的在线检测研究较少。
数控铣床测量环境复杂，误差影响因素多，数控铣床在线检测与高精度的CMM相比仍然存在较大差距，难以获得满意的实际测量精度。
发明内容
本发明的目的在于考虑上述问题而提供一种可以获得高精度的检测结果，进而得到被加工曲面的加工精度的复杂零件的曲面加工精度的在线检测方法。本发明克服了复杂曲面需要移动到CMM上才能获得高精度检测结果的不足之处，能直接在数控铣床上对具有复杂曲面特征的零件进行形面精度的在线检测，通过误差补偿获得高精度的检测结果，最终得到零件的形面加工精度，有效地提高了生产效率。
本发明的技术方案是：本发明的复杂零件的曲面加工精度的在线检测方法，包括有如下步骤：
1）将接触式触发测头安装在数控铣床的主轴上；
2）对被测曲面进行检测路径规划；
3）驱动数控铣床，逐一获取测头与待测曲面接触点处的测球中心（3）的坐标；测球是接触式触发测头的一个部件，其形状是一个具有高制造精度和高硬度的圆球，安装在测头主体上并与被测曲面直接接触；
4)对上述测球中心的坐标进行测球半径补偿、测头预行程误差补偿和机床误差补偿，从而获得测点高精度的检测结果；其中机床误差需采用机床误差检测仪器得到；
5)将检测结果与零件的理想CAD模型进行对比分析，找到各个测点与CAD模型对应的偏差，从而获得待测曲面的加工精度。
上述测球半径补偿、测头预行程误差补偿需要计算出曲面测点的法矢方向，对于测头预行程误差补偿，还需要计算出测头在各个测点法矢方向的预行程误差，补偿方法是采用基于径向基函数（RBF）的神经网络进行预测。
上述机床误差补偿所用的机床误差检测仪器为激光干涉仪。
上述测点与CAD模型对应的偏差采用点到曲面的最小距离的计算方法求解。
上述基于径向基函数RBF的神经网络进行预测的方法如下：
正则化RBF网络是一种具有单隐含层的三层前馈局部逼近网络，已经证明，它与BP网络都能以任意精度逼近任意连续函数；并且，相比BP网络，其训练时间更短,并且它同时满足对样本的逼近误差和逼近曲线的平滑性,在实践中，网络的监督训练可以看成是一种曲线拟合的过程,利用正则化RBF算法，通过对网络的训练，实现输入和输出空间之间的非线性映射；
正则化RBF网络的拓扑结构由一个径向基神经元的隐层、一个线性神经元的输出层组成，网络的输入点数量为N，隐节点数量为P个，输出节点数量为l个；网络的隐节点数等于输入样本数，并将所有输入样本设为径向基函数的中心，各径向基函数取统一的扩展常数；
RBF实现由输入 
到输出的映射， 
(
)采用径向基函数为任一隐节点的激活函数，选用Gauss函数作为径向基函数；W为输出权矩阵，其中
（
；）为隐层第
个节点到输出层第
个节点间的突触权值；采用线性激活函数作为输出层神经元；
根据正则化RBF网络原理，RBF的训练过程为：（1）确定RBF神经网络输入及输出变量，即以检测方向作为网络的输入节点，相应的预行程误差为网络的输出节点；（2）组成训练集对网络进行训练，即从检测到的预行程误差数据中随机选取若干组作为网络的教师数据；（3）输入预测样本，用训练好的网络预测任意检测方向的预行程误差，用剩下的测点数据作为预测样本。
上述点到曲面的最小距离的计算方法求解的方法如下：将曲面分割为足够小的网格，计算测点(x m, y m, z m)到全部网格节点的距离，所有这些距离的最小值就是点到曲面的最小距离。
本发明由于采用在待检测的复杂曲面加工完成后，在数控铣床的工作台上直接进行检测的方法，对获取的数据进行误差补偿从而获得高精度的检测结果，对此检测结果进行分析进而获得被测曲面的加工精度。本发明的优点是：本发明的方法可以在数控铣床上直接对加工完成后的复杂曲面进行在线检测，通过对获取的数据进行测球半径补偿、预行程误差补偿和机床误差补偿，获得高精度的检测结果，进而得到被加工曲面的加工精度，克服了复杂曲面需要移动到CMM上才能获得高精度检测结果的不足之处，有效地提高了生产效率，本发明具有显著的经济效益、社会效益。本发明是一种设计巧妙，性能优良，方便实用的复杂零件的曲面加工精度的在线检测方法。
附图说明
图1为本发明测球半径补偿原理图；
图2为本发明预行程误差图；
图3为本发明的方法流程图；
图4为正则化RBF网络的示意图；
图5为点到曲面的最小距离的示意图。
图中：1-法矢方向，2-被测曲面， 3-测球中心，4-接触式触发测头， 5-接触点， 6-检测方向， 7-预行程误差， 8-测头高速定位移动方向， 9-测头低速接近方向， 10-测头的预接触距离， 11-工件。
具体实施方式
实施例：
本发明的复杂零件的曲面加工精度的在线检测方法，
本发明的复杂零件的曲面加工精度的在线检测方法，包括有如下步骤：
1）将接触式触发测头4安装在数控铣床的主轴上；
2）对被测曲面2进行检测路径规划；
3）驱动数控铣床，逐一获取测头与待测曲面接触点处的测球中心3的坐标；测球是接触式触发测头的一个部件，其形状是一个具有高制造精度和高硬度的圆球，安装在测头主体上并与被测曲面直接接触；
4)对上述测球中心3的坐标进行测球半径补偿、测头预行程误差补偿和机床误差补偿，从而获得测点高精度的检测结果；其中机床误差需采用机床误差检测仪器得到；
5)将检测结果与零件的理想CAD模型进行对比分析，找到各个测点与CAD模型对应的偏差，从而获得待测曲面的加工精度。
上述测球半径补偿、测头预行程误差补偿需要计算出曲面测点的法矢方向，对于测头预行程误差补偿，还需要计算出测头在各个测点法矢方向的预行程误差，补偿方法是采用基于径向基函数（RBF）的神经网络进行预测。
上述机床误差补偿所用的机床误差检测仪器为激光干涉仪。
上述测点与CAD模型对应的偏差采用点到曲面的最小距离的计算方法求解。
上述基于径向基函数（RBF）的神经网络进行预测的方法如下：
正则化RBF网络是一种具有单隐含层的三层前馈局部逼近网络，已经证明，它与BP网络都能以任意精度逼近任意连续函数；并且，相比BP网络，其训练时间更短,并且它同时满足对样本的逼近误差和逼近曲线的平滑性,在实践中，网络的监督训练可以看成是一种曲线拟合的过程,利用正则化RBF算法，通过对网络的训练，实现输入和输出空间之间的非线性映射；
正则化RBF网络的拓扑结构由一个径向基神经元的隐层、一个线性神经元的输出层组成，网络的输入点数量为N，隐节点数量为P个，输出节点数量为l个；网络的隐节点数等于输入样本数，并将所有输入样本设为径向基函数的中心，各径向基函数取统一的扩展常数；
RBF实现由输入
到输出
的映射， 
(
)采用径向基函数为任一隐节点的激活函数，选用Gauss函数作为径向基函数；W为输出权矩阵，其中（
；
）为隐层第
个节点到输出层第
个节点间的突触权值；采用线性激活函数作为输出层神经元；
根据正则化RBF网络原理，RBF的训练过程为：（1）确定RBF神经网络输入及输出变量，即以检测方向作为网络的输入节点，相应的预行程误差为网络的输出节点；（2）组成训练集对网络进行训练，即从检测到的预行程误差数据中随机选取若干组作为网络的教师数据；（3）输入预测样本，用训练好的网络预测任意检测方向的预行程误差，用剩下的测点数据作为预测样本。
上述点到曲面的最小距离的计算方法求解的方法如下：将曲面分割为足够小的网格，计算测点(x m, y m, z m)到全部网格节点的距离，所有这些距离的最小值就是点到曲面的最小距离。
本发明实施例是利用数控铣床对复杂曲面工件进行高精度的检测方法，该方法适应于当数控铣床对工件11进行加工，本发明实施例的工件11是复杂曲面零件，工件11完成一个加工工序后，直接在数控铣床的工作台上对工件11进行检测，实现加工和检测都在数控铣床上进行，可以避免将工件11移动到其他检测设备（如三坐标测量机）上检测带来的二次定位误差，也可避免对尺寸和重量大的工件11进行搬运所带来的不便。本实施例的方法中被检测的工件11在加工完成后，在数控铣床的工作台上直接检测，包括以下步骤：
步骤一：将接触式触发测头4安装在数控铣床的主轴上。主轴带动接触式触发测头4运动，接触式触发测头4实施对被测曲面2的坐标检测，检测结果记录在检测软件中。
步骤二：对被测曲面2进行检测路径规划。利用检测软件对被测曲面进行测点规划和检测路径规划。
步骤三：驱动数控铣床，逐一获取接触式触发测头4与被测曲面接触点5处的测球中心3的坐标；
步骤四：对上述的测球中心3坐标进行测球半径补偿、接触式触发测头4预行程误差补偿和机床误差补偿，从而获得测点高精度的检测结果；
如图1所示，测球半径补偿的关键是求出被测点的法矢方向1，然后利用公式进行测球半径补偿
(1)
上式中，(X, Y, Z)是接触点A的坐标，(x, y, z)是测球中心B的坐标，r为测球半径，n为测点单位法矢量。
测头预行程误差7的补偿方面，如图2所示，从接触式触发测头4接触工件表面到触发信号产生的这段时间内，接触式触发测头4额外运动微小距离，一般称由于这段微小距离所引起的误差值为测头预行程误差。需利用标准球检测出测头在各个方向上的预行程误差，并利用径向基函数（RBF）算法预测出任意法矢方向1上的预行程误差7。
在机床误差补偿方面，根据运动学原理，物体沿某一直线运动具有六个自由度，即三个平移自由度和三个回转自由度，也就是具有六个几何误差分量，即沿三个相互垂直方向的直线度误差和对三个相互垂直方向的转动误差。三轴数控铣床一般都具有（X，Y，Z）三个相互垂直的直线运动轴。因此对于三轴数控铣床来说，沿三个轴运动共存在18项误差分量，再加上三个轴之间还存在垂直度误差，总共有21项误差分量。本实施例利用激光干涉仪测出这21项误差分量。
将上述获得的测点法矢、预行程误差和机床误差输入到检测软件***中，并对数控***反馈回的测球中心坐标进行补偿。
本实施例使用TP6L测头***。
步骤五：将检测结果与零件的理想CAD模型进行对比分析，找到各个测点与CAD模型对应的偏差，从而获得待测曲面的加工精度。
上述步骤二中需进行测点规划（即测点在曲面上的排列方式），并计算出各个测点的法矢方向1，然后进行检测路径规划。所述法矢为测点所在曲面上并通过所述待测点的法矢。
上述步骤三中接触式触发测头4沿法矢方向1匀速接触被测曲面上的测点，在该过程中，接触式触发测头4沿检测方向6从测头高速定位移动方向8向测头低速接近方向9运动,图中测头的预接触距离10，在接触过程中利用软件***接收接触式触发测头4的中心坐标信息。
上述步骤四中，需利用标准球检测出测头在各个方向上的预行程误差，并利用径向基函数（RBF）算法预测出任意法矢方向上的预行程误差。利用激光干涉仪测量得到机床的几何误差。
Claims (6)
1.一种复杂零件的曲面加工精度的在线检测方法，其特征在于包括有如下步骤：
1）将接触式触发测头（4）安装在数控铣床的主轴上；
2）对被测曲面（2）进行检测路径规划；
3）驱动数控铣床，逐一获取测头与待测曲面接触点处的测球中心（3）的坐标；测球是接触式触发测头的一个部件，其形状是一个具有高制造精度和高硬度的圆球，安装在测头主体上并与被测曲面直接接触；
4)对上述测球中心（3）的坐标进行测球半径补偿、测头预行程误差补偿和机床误差补偿，从而获得测点高精度的检测结果；其中机床误差需采用机床误差检测仪器得到；
5)将检测结果与零件的理想CAD模型进行对比分析，找到各个测点与CAD模型对应的偏差，从而获得待测曲面的加工精度。
2.根据权利要求1所述的复杂零件的曲面加工精度的在线检测方法，其特征在于上述测球半径补偿、测头预行程误差补偿需要计算出曲面测点的法矢方向，对于测头预行程误差补偿，还需要计算出测头在各个测点法矢方向的预行程误差，补偿方法是采用基于径向基函数（RBF）的神经网络进行预测。
3.根据权利要求1所述的复杂零件的曲面加工精度的在线检测方法，其特征在于上述机床误差补偿所用的机床误差检测仪器为激光干涉仪。
4.根据权利要求1所述的复杂零件的曲面加工精度的在线检测方法，其特征在于上述测点与CAD模型对应的偏差采用点到曲面的最小距离的计算方法求解。
5.根据权利要求1所述的复杂零件的曲面加工精度的在线检测方法，其特征在于上述基于径向基函数（RBF）的神经网络进行预测的方法如下：
正则化RBF网络是一种具有单隐含层的三层前馈局部逼近网络，已经证明，它与BP网络都能以任意精度逼近任意连续函数；并且，相比BP网络，其训练时间更短,并且它同时满足对样本的逼近误差和逼近曲线的平滑性,在实践中，网络的监督训练可以看成是一种曲线拟合的过程,利用正则化RBF算法，通过对网络的训练，实现输入和输出空间之间的非线性映射；
正则化RBF网络的拓扑结构由一个径向基神经元的隐层、一个线性神经元的输出层组成，网络的输入点数量为N，隐节点数量为P个，输出节点数量为l个；网络的隐节点数等于输入样本数，并将所有输入样本设为径向基函数的中心，各径向基函数取统一的扩展常数；
RBF实现由输入 
到输出
的映射， 
()采用径向基函数为任一隐节点的激活函数，选用Gauss函数作为径向基函数；W为输出权矩阵，其中
（；
）为隐层第
个节点到输出层第
个节点间的突触权值；采用线性激活函数作为输出层神经元；
根据正则化RBF网络原理，RBF的训练过程为：（1）确定RBF神经网络输入及输出变量，即以检测方向作为网络的输入节点，相应的预行程误差为网络的输出节点；（2）组成训练集对网络进行训练，即从检测到的预行程误差数据中随机选取若干组作为网络的教师数据；（3）输入预测样本，用训练好的网络预测任意检测方向的预行程误差，用剩下的测点数据作为预测样本。
6.根据权利要求1所述的复杂零件的曲面加工精度的在线检测方法，其特征在于上述点到曲面的最小距离的计算方法求解的方法如下：将曲面分割为足够小的网格，计算测点(x m, y m, z m)到全部网格节点的距离，所有这些距离的最小值就是点到曲面的最小距离。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210266355.6A CN102785129B (zh) | 2012-07-30 | 2012-07-30 | 复杂零件的曲面加工精度的在线检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201210266355.6A CN102785129B (zh) | 2012-07-30 | 2012-07-30 | 复杂零件的曲面加工精度的在线检测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102785129A true CN102785129A (zh) | 2012-11-21 |
| CN102785129B CN102785129B (zh) | 2016-08-03 |
Family
ID=47150819
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201210266355.6A Active CN102785129B (zh) | 2012-07-30 | 2012-07-30 | 复杂零件的曲面加工精度的在线检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102785129B (zh) |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103264318A (zh) * | 2013-04-19 | 2013-08-28 | 湖北三江航天险峰电子信息有限公司 | 一种立体型面的在线检测方法 |
| CN103777570A (zh) * | 2014-01-07 | 2014-05-07 | 浙江大学 | 基于nurbs曲面的加工误差快速检测补偿方法 |
| CN103831669A (zh) * | 2014-03-20 | 2014-06-04 | 蒋峰 | 圆度误差在线测量***及测量方法 |
| CN104002174A (zh) * | 2014-06-13 | 2014-08-27 | 沈阳飞机工业（集团）有限公司 | 一种简化使用球面点定位的方法 |
| CN104002197A (zh) * | 2014-06-13 | 2014-08-27 | 沈阳飞机工业（集团）有限公司 | 一种自动制孔采用的寻法装置 |
| CN104625876A (zh) * | 2015-02-17 | 2015-05-20 | 中国船舶重工集团公司第七一一研究所 | 基于在机测量的增压器叶轮叶片加工方法 |
| CN104698964A (zh) * | 2014-10-27 | 2015-06-10 | 大连理工大学 | 一种基于映射的复杂曲面数控加工运动分析方法 |
| CN104750914A (zh) * | 2015-03-06 | 2015-07-01 | 广西科技大学 | 一种未知自由曲面建模方法 |
| CN105127492A (zh) * | 2015-09-07 | 2015-12-09 | 上海交通大学 | 直列发动机缸盖燃烧室在线补偿加工的方法 |
| CN107121113A (zh) * | 2017-04-24 | 2017-09-01 | 上海现代先进超精密制造中心有限公司 | 基于三坐标的大口径、复杂自由曲面元件的检测方法 |
| CN107238364A (zh) * | 2017-06-30 | 2017-10-10 | 四川大学 | 接触式测量测针球头半径精密补偿方法 |
| CN107480377A (zh) * | 2017-05-16 | 2017-12-15 | 安徽工业大学 | 基于混合建模的三坐标测量机测头预行程误差预测方法 |
| CN108050981A (zh) * | 2017-12-28 | 2018-05-18 | 上海交通大学 | 一种复杂工件表面平面度测量的三坐标测量机测量方法 |
| CN108106522A (zh) * | 2017-11-29 | 2018-06-01 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种非规则曲面的三维测量方法 |
| CN109202539A (zh) * | 2018-08-23 | 2019-01-15 | 北京动力机械研究所 | 一种复合材料弱刚度异形结构在线检测方法 |
| CN109341634A (zh) * | 2018-11-29 | 2019-02-15 | 株洲中航动力精密铸造有限公司 | 精密铸造涡轮叶片型面尺寸测量方法 |
| CN109407616A (zh) * | 2018-09-29 | 2019-03-01 | 广东科杰机械自动化有限公司 | 一种基于测量数据实现实时轨迹补偿的方法 |
| CN110186405A (zh) * | 2019-05-30 | 2019-08-30 | 华中科技大学无锡研究院 | 叶片截面接触式扫描探针测球三维半径补偿及交叉补偿点纠正方法 |
| CN111336962A (zh) * | 2020-02-25 | 2020-06-26 | 深圳星友方科技有限公司 | 火花机在线测量工件的方法及*** |
| CN111504227A (zh) * | 2020-06-17 | 2020-08-07 | 北京理工大学 | 一种基于深度学习的飞秒激光加工参数共焦轴向监测方法 |
| CN112461175A (zh) * | 2020-10-15 | 2021-03-09 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种风扇整体叶盘宽弦、大扭角叶型测量方法 |
| CN112917241A (zh) * | 2021-03-02 | 2021-06-08 | 清华大学深圳国际研究生院 | 一种孔系形位误差修正方法 |
| CN114777670A (zh) * | 2022-04-21 | 2022-07-22 | 西安交通大学 | 一种基于接触式测头的曲面在机测量方法 |
| CN117372554A (zh) * | 2023-09-14 | 2024-01-09 | 华中科技大学 | 一种基于径向基函数的三坐标叶片截面重构方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06170700A (ja) * | 1992-12-03 | 1994-06-21 | Yaskawa Electric Corp | 奇数枚数の切れ刃を持つフライス工具およびそれを用いた加工の加工誤差計測方法および装置 |
| CN101745845A (zh) * | 2009-12-07 | 2010-06-23 | 哈尔滨工业大学 | 一种金属零件外轮廓形状的测量方法及加工精度的检测方法 |
| CN103142664A (zh) * | 2013-03-29 | 2013-06-12 | 厦门大学 | 用两级泡沫分离法提取柴胡中柴胡总皂苷的方法 |
-
2012
- 2012-07-30 CN CN201210266355.6A patent/CN102785129B/zh active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH06170700A (ja) * | 1992-12-03 | 1994-06-21 | Yaskawa Electric Corp | 奇数枚数の切れ刃を持つフライス工具およびそれを用いた加工の加工誤差計測方法および装置 |
| CN101745845A (zh) * | 2009-12-07 | 2010-06-23 | 哈尔滨工业大学 | 一种金属零件外轮廓形状的测量方法及加工精度的检测方法 |
| CN103142664A (zh) * | 2013-03-29 | 2013-06-12 | 厦门大学 | 用两级泡沫分离法提取柴胡中柴胡总皂苷的方法 |
Cited By (35)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103264318B (zh) * | 2013-04-19 | 2015-11-18 | 湖北三江航天险峰电子信息有限公司 | 一种立体型面的在线检测方法 |
| CN103264318A (zh) * | 2013-04-19 | 2013-08-28 | 湖北三江航天险峰电子信息有限公司 | 一种立体型面的在线检测方法 |
| CN103777570A (zh) * | 2014-01-07 | 2014-05-07 | 浙江大学 | 基于nurbs曲面的加工误差快速检测补偿方法 |
| CN103777570B (zh) * | 2014-01-07 | 2017-03-01 | 浙江大学 | 基于nurbs曲面的加工误差快速检测补偿方法 |
| CN103831669A (zh) * | 2014-03-20 | 2014-06-04 | 蒋峰 | 圆度误差在线测量***及测量方法 |
| CN104002174A (zh) * | 2014-06-13 | 2014-08-27 | 沈阳飞机工业（集团）有限公司 | 一种简化使用球面点定位的方法 |
| CN104002197A (zh) * | 2014-06-13 | 2014-08-27 | 沈阳飞机工业（集团）有限公司 | 一种自动制孔采用的寻法装置 |
| CN104002174B (zh) * | 2014-06-13 | 2016-06-01 | 沈阳飞机工业（集团）有限公司 | 一种简化使用球面点定位的方法 |
| CN104698964A (zh) * | 2014-10-27 | 2015-06-10 | 大连理工大学 | 一种基于映射的复杂曲面数控加工运动分析方法 |
| CN104698964B (zh) * | 2014-10-27 | 2017-05-03 | 大连理工大学 | 一种基于映射的复杂曲面数控加工运动分析方法 |
| CN104625876A (zh) * | 2015-02-17 | 2015-05-20 | 中国船舶重工集团公司第七一一研究所 | 基于在机测量的增压器叶轮叶片加工方法 |
| CN104750914A (zh) * | 2015-03-06 | 2015-07-01 | 广西科技大学 | 一种未知自由曲面建模方法 |
| CN105127492A (zh) * | 2015-09-07 | 2015-12-09 | 上海交通大学 | 直列发动机缸盖燃烧室在线补偿加工的方法 |
| CN105127492B (zh) * | 2015-09-07 | 2017-11-14 | 上海交通大学 | 直列发动机缸盖燃烧室在线补偿加工的方法 |
| CN107121113A (zh) * | 2017-04-24 | 2017-09-01 | 上海现代先进超精密制造中心有限公司 | 基于三坐标的大口径、复杂自由曲面元件的检测方法 |
| CN107480377A (zh) * | 2017-05-16 | 2017-12-15 | 安徽工业大学 | 基于混合建模的三坐标测量机测头预行程误差预测方法 |
| CN107238364B (zh) * | 2017-06-30 | 2019-07-12 | 四川大学 | 接触式测量测针球头半径精密补偿方法 |
| CN107238364A (zh) * | 2017-06-30 | 2017-10-10 | 四川大学 | 接触式测量测针球头半径精密补偿方法 |
| CN108106522A (zh) * | 2017-11-29 | 2018-06-01 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种非规则曲面的三维测量方法 |
| CN108050981A (zh) * | 2017-12-28 | 2018-05-18 | 上海交通大学 | 一种复杂工件表面平面度测量的三坐标测量机测量方法 |
| CN109202539B (zh) * | 2018-08-23 | 2020-10-30 | 北京动力机械研究所 | 一种复合材料弱刚度异形结构在线检测方法 |
| CN109202539A (zh) * | 2018-08-23 | 2019-01-15 | 北京动力机械研究所 | 一种复合材料弱刚度异形结构在线检测方法 |
| CN109407616A (zh) * | 2018-09-29 | 2019-03-01 | 广东科杰机械自动化有限公司 | 一种基于测量数据实现实时轨迹补偿的方法 |
| CN109341634A (zh) * | 2018-11-29 | 2019-02-15 | 株洲中航动力精密铸造有限公司 | 精密铸造涡轮叶片型面尺寸测量方法 |
| CN110186405A (zh) * | 2019-05-30 | 2019-08-30 | 华中科技大学无锡研究院 | 叶片截面接触式扫描探针测球三维半径补偿及交叉补偿点纠正方法 |
| CN110186405B (zh) * | 2019-05-30 | 2021-02-02 | 华中科技大学无锡研究院 | 叶片截面接触式扫描探针测球三维半径补偿及交叉补偿点纠正方法 |
| CN111336962A (zh) * | 2020-02-25 | 2020-06-26 | 深圳星友方科技有限公司 | 火花机在线测量工件的方法及*** |
| CN111504227A (zh) * | 2020-06-17 | 2020-08-07 | 北京理工大学 | 一种基于深度学习的飞秒激光加工参数共焦轴向监测方法 |
| CN111504227B (zh) * | 2020-06-17 | 2021-06-01 | 北京理工大学 | 一种基于深度学习的飞秒激光加工参数共焦轴向监测方法 |
| CN112461175A (zh) * | 2020-10-15 | 2021-03-09 | 中国航发沈阳黎明航空发动机有限责任公司 | 一种风扇整体叶盘宽弦、大扭角叶型测量方法 |
| CN112917241A (zh) * | 2021-03-02 | 2021-06-08 | 清华大学深圳国际研究生院 | 一种孔系形位误差修正方法 |
| CN112917241B (zh) * | 2021-03-02 | 2022-02-11 | 清华大学深圳国际研究生院 | 一种孔系形位误差修正方法 |
| CN114777670A (zh) * | 2022-04-21 | 2022-07-22 | 西安交通大学 | 一种基于接触式测头的曲面在机测量方法 |
| CN117372554A (zh) * | 2023-09-14 | 2024-01-09 | 华中科技大学 | 一种基于径向基函数的三坐标叶片截面重构方法 |
| CN117372554B (zh) * | 2023-09-14 | 2024-06-04 | 华中科技大学 | 一种基于径向基函数的三坐标叶片截面重构方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102785129B (zh) | 2016-08-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN102785129B (zh) | 复杂零件的曲面加工精度的在线检测方法 | |
| Mutilba et al. | Traceability of on-machine tool measurement: a review | |
| Huang et al. | A novel modeling of volumetric errors of three-axis machine tools based on Abbe and Bryan principles | |
| Zhang et al. | Measurement and compensation for volumetric positioning errors of CNC machine tools considering thermal effect | |
| CN103968766B (zh) | 坐标测量机的动态监测和建模 | |
| CN103389038B (zh) | 激光跟踪仪定目标多站测量的数控机床几何精度检测方法 | |
| CN102699761B (zh) | 基于“s”形检测试件的五轴数控机床的误差辨识方法 | |
| Hu et al. | Kinematic calibration of a 6-DOF parallel manipulator based on identifiable parameters separation (IPS) | |
| Xing et al. | Five-axis machine tools accuracy condition monitoring based on volumetric errors and vector similarity measures | |
| CN102200429A (zh) | 基于激光跟踪复合式测量的数控机床精度检测方法 | |
| CN102915031A (zh) | 并联机器人运动学参数的智能自标定*** | |
| CN103791878A (zh) | 数控机床几何精度辨识方法 | |
| Jiang et al. | Research on detection of the linkage performance for five-axis CNC machine tools based on RTCP trajectories combination | |
| Xing et al. | Comparison of direct and indirect methods for five-axis machine tools geometric error measurement | |
| CN109202539B (zh) | 一种复合材料弱刚度异形结构在线检测方法 | |
| CN113868890A (zh) | 一种适用于薄板件的全自动三坐标测量仿真*** | |
| Liu et al. | Thermal error analysis of tauren EDM machine tool based on FCM fuzzy clustering and RBF neural network | |
| Geng et al. | Analysis of Nonlinear Error Caused by Motions of Rotation Axes for Five‐Axis Machine Tools with Orthogonal Configuration | |
| Feng et al. | Digitizing uncertainty modeling for reverse engineering applications: Regression versus neural networks | |
| Zou et al. | Error Distribution of a 5‐Axis Measuring Machine Based on Sensitivity Analysis of Geometric Errors | |
| CN102032888A (zh) | 阿基米德螺旋凸轮轮廓曲线的等分度测量方法 | |
| Jiang et al. | Kinematic accuracy improvement of a novel smart structure-based parallel kinematic machine | |
| Feng et al. | Quantitative evaluation method for machining accuracy retention of CNC machine tools considering degenerate trajectory fluctuation | |
| CN112872435B (zh) | 一种ac型双摆头五轴联动机床多轴伺服匹配方法及装置 | |
| CN108873807A (zh) | 一种考虑加工稳定性的三轴数控机床精度评价方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240425 Address after: 230000 building 6, alumni Innovation Park, China University of science and technology, Tianshui Road, Luyang District, Hefei City, Anhui Province Patentee after: Anhui Huachuang Hongdu Photoelectric Technology Co.,Ltd. Country or region after: China Address before: 510006 No. 100 West Ring Road, Guangzhou University, Guangzhou, Guangdong, Panyu District Patentee before: GUANGDONG University OF TECHNOLOGY Country or region before: China |