CN105127902A - 砂轮表面微观三维形貌的在机测量方法 - Google Patents

Abstract

砂轮表面微观三维形貌的在机测量方法，属于磨削加工的测量装置领域。解决了现有砂轮表面形貌测量技术无法实现在机测量、无法精确测量完整砂轮表面形貌的问题。首先，将一维激光位移传感器放置在被测砂轮正下方，使一维激光位移传感器输出的激光束照射方向与被测砂轮的圆周表面垂直，且与被测砂轮的主轴中心线垂直相交；被测砂轮以100rpm的速度转动，同时一维激光位移传感器在被测砂轮轴向的两个端面之间以0.8mm/min的速度沿轴向平移，一维激光位移传感器将采集的数据信息依次通过激光测微仪控制器和数据采集卡实时的送至工控机，工控机对接收的数据信号进行处理，从而实现对被测砂轮完整表面形貌的测量。它用于测量砂轮三维形貌。

Description

砂轮表面微观三维形貌的在机测量方法

技术领域

本发明属于磨削加工的测量装置领域。

背景技术

磨削因为其独特的加工优势，常作为机械产品加工的精加工工序，广泛应用于工业生产中，尤其是对于硬脆材料，磨削是目前唯一的成熟加工手段。而砂轮作为磨削加工的工具，其表面磨粒的状态，直接关系到砂轮的磨削性能，对加工零件的精度和质量有重要影响。为了分析砂轮表面磨粒的状态，就必须获得砂轮表面的微观形貌。

目前砂轮形貌的测量方法主要包括：

①以扫描电子显微镜和各类光学显微镜为代表的直接成像观察法，这种方法可以直观的看到砂轮表面磨粒的形态，但是仅能获得二维图像，无法获得磨粒突出高度这一重要信息，而且仅能观察砂轮表面很小的区域，无法对整个砂轮表面进行观察评价。

②以三坐标测量机、白光干涉仪和共聚焦显微镜为代表的扫描重构法，这种方法可以根据砂轮表面磨粒上各点的高度信息，重构出砂轮表面形貌，但由于测量分辨率不高及磨粒表面反光带来的诸多误差，重构法获得的磨粒形状多为圆锥或球形，与真实磨粒的多面体形状相去甚远。而且这两种方法均需将砂轮从机床上取下，才能用测量仪器进行测量，无法在机测量，影响了加工效率。

发明内容

本发明是为了解决现有砂轮表面形貌测量技术无法实现在机测量、无法精确测量完整砂轮表面形貌的问题，本发明提供了一种砂轮表面微观三维形貌的在机测量方法。

砂轮表面微观三维形貌的在机测量方法，该测量方法的具体过程为：

步骤一，将一维激光位移传感器放置在被测砂轮正下方，使得一维激光位移传感器输出的激光束照射方向与被测砂轮的圆周表面垂直，且与被测砂轮的主轴中心线垂直相交；

步骤二，被测砂轮以100rpm的速度转动，同时一维激光位移传感器在被测砂轮轴向的两个端面之间以0.8mm/min的速度沿轴向平移，保证一维激光位移传感器发出的激光束始终打在被测砂轮的圆周表面上，

在两种运动的叠加下，一维激光位移传感器发出的激光束在被测砂轮圆周表面上的运动轨迹为螺旋线形，从而扫描整个被测砂轮的圆周表面，一维激光位移传感器将采集的数据信息依次通过激光测微仪控制器和数据采集卡实时的送至工控机，工控机对接收的数据信号进行处理，从而实现对被测砂轮完整表面形貌的测量。

所述的步骤二中，数据采集卡使用50kHz的采样频率。

步骤二中，所述的工控机对接收的数据信号进行处理的具体过程为：

步骤A1，工控机利用接收的原始测量数据重构出砂轮表面的微观三维形貌，

步骤A2，对重构出的砂轮表面的微观三维形貌去除奇异点数据，并对去除的数据点进行修复补全；

步骤A3，对去除奇异点后的砂轮表面的微观三维形貌进行去除噪声点数据。

步骤A2中所述的对重构出的砂轮表面的微观三维形貌去除奇异点数据，并对去除的数据点进行修复补全的具体过程为：

步骤A21，工控机对接收的原始测量数据进行统计分布分析，获得累计分布占比函数P(h_k)，

$P\left(h_k\right)=\frac{N(h\≤h_k)}{N},(h_{min}\≤h_k\≤h_{max})---\left(1\right),$

其中，h表示任意一个测量点数据；

h_max和h_min分别表示所有原始测量点数据中的最大值和最小值；

h_k为在h_max和h_min范围内的任意整数；

N表示所有原始测量点数据的总个数，

N(h≤h_k)表示小于或等于h_k的数据点个数；

步骤A22，设定阈值范围，将P(h_k)等于4％作为最小阈值，P(h_k)等于99％作为最大阈值，并将大于最大阈值或小于最小阈值的数据点作为奇异点，

步骤A23，将所有奇异点去除，

步骤A24，使用二维线性插值方法，将被去除的数据点修复补全。

步骤A3中所述的对去除奇异点后的砂轮表面的微观三维形貌进行去除噪声点数据的具体过程为：

步骤A31，对于修复奇异点后的砂轮微观三维形貌数据，计算每个测量点数据与其邻近的8个测量点的平均差值计算公式如下：

${\mathrm{\Δ}}_{z_m{l}_n}=\frac{\mathrm{\Σ}\[\left|h_{z_m{l}_n}-h_{z_i{l}_j}\right|\]}{8},(i=m-1,m,m+1;j=n-1,n,n+1)---\left(2\right),$

且当i＝m时，j≠n,

其中：h_zmln表示数据矩阵中的第m行、第n列处的测量点数据，m和n均为正整数，

h_zilj表示与该数据点紧挨着的8个测量点数据，

步骤A32，对所有测量点计算得到的进行了统计分布分析，取累计分布达到95％处的作为噪声阈值△_threshold，

步骤A33，将每个测量点计算出来的与噪声阈值△_threshold做比较，判断该测量点是否是噪声点，判断条件如下：

并将判断结果中的所有的噪声点数据去除，

步骤A34，使用二维线性插值函数，将所有被去除的噪声数据点修复补全，实现对被测砂轮完整表面形貌的测量。

本发明带来的有益效果是，

本发明采用的是非接触式一维激光位移传感器，精度高，并且可以很方便地安装到机床工作台上，实现快速测量。对一次测得的整个砂轮圆周表面的形貌数据进行分析处理之后，可重构出砂轮表面上任何一个小区域的微观三维形貌，据此可选取三维形貌参数来对砂轮的磨削性能进行定量评价，进而辅助工人判断砂轮是否需要修整，提高工业生产效率并保证生产质量。

本发明充分利用了机床各轴的高精度运动性能，仅仅附加了一个一维激光位移传感器便实现了对整个砂轮表面的微观三维形貌测量。可达到0.1μm的测量精度，而且整套测量装置安装灵活、操作简单，具有较强的实用性。

附图说明

图1为具体实施方式一中，所述的砂轮表面微观三维形貌的在机测量方法的原理示意图；

图2为工控机通过接收的原始测量数据获得的砂轮表面的微观三维形貌图；

图3为去除奇异点后的砂轮表面的微观三维形貌图；

图4为对被去除的数据点修复补全后的砂轮表面的微观三维形貌图；

图5为去除噪声点后的砂轮表面的微观三维形貌图；

图6为被去除的噪声点修复补全后的砂轮表面的微观三维形貌图。

具体实施方式

具体实施方式一：参见图1说明本实施方式，本实施方式所述的砂轮表面微观三维形貌的在机测量方法，该测量方法的具体过程为：

步骤一，将一维激光位移传感器1放置在被测砂轮2正下方，使得一维激光位移传感器1输出的激光束照射方向与被测砂轮2的圆周表面垂直，且与被测砂轮2的主轴中心线垂直相交；

步骤二，被测砂轮2以100rpm的速度转动，同时一维激光位移传感器1在被测砂轮2轴向的两个端面之间以0.8mm/min的速度沿轴向平移，保证一维激光位移传感器1发出的激光束始终打在被测砂轮2的圆周表面上，

在两种运动的叠加下，一维激光位移传感器1发出的激光束在被测砂轮2圆周表面上的运动轨迹为螺旋线形，从而扫描整个被测砂轮2的圆周表面，一维激光位移传感器1将采集的数据信息依次通过激光测微仪控制器3和数据采集卡4实时的送至工控机5，工控机5对接收的数据信号进行处理，从而实现对被测砂轮2完整表面形貌的测量。

本实施方式，采用的一维激光位移传感器1和激光测微仪控制器3均为日本Keyence公司生产，型号分别为LK-H020和LK-G5000。

数据采集卡4可采用美国NI公司的产品，型号为PCI6132。工控机无特别要求，普通机型的工控机均可满足测量要求。

具体实施方式二：本实施方式与具体实施方式一所述的砂轮表面微观三维形貌的在机测量方法的区别在于，所述的步骤二中，数据采集卡4使用50kHz的采样频率。

本实施方式中，选取这样的测量参数是为了保证所有的测量点在砂轮轴向和圆周方向的间距相等，大约为8μm。

具体实施方式三：本实施方式与具体实施方式二所述的砂轮表面微观三维形貌的在机测量方法的区别在于，步骤二中，所述的工控机5对接收的数据信号进行处理的具体过程为：

步骤A1，工控机5利用接收的原始测量数据重构出砂轮表面的微观三维形貌，

步骤A2，对重构出的砂轮表面的微观三维形貌去除奇异点数据，并对去除的数据点进行修复补全；

步骤A3，对去除奇异点后的砂轮表面的微观三维形貌进行去除噪声点数据。

本实施方式中，步骤A1中工控机5利用接收的原始测量数据重构出砂轮表面的微观三维形貌，通过现有的技术均可实现，具体实现过程可采用如下方式：

原始测量数据以一维数组的形式保存在工控机5中，用砂轮转速除以采集卡的采样频率(转速单位必须换算为r/s)，即得砂轮每圈的测量点数，据此可将一维数组分割成多段(每段数据点数等于砂轮每圈测量点数)，然后再组合为二维数组矩阵。用该矩阵即可重构出砂轮表面的微观三维形貌。该二维数组矩阵中的每一个元素即为砂轮表面某一点的高度值。

具体实施方式四：本实施方式与具体实施方式三所述的砂轮表面微观三维形貌的在机测量方法的区别在于，步骤A2中所述的对重构出的砂轮表面的微观三维形貌去除奇异点数据，并对去除的数据点进行修复补全的具体过程为：

步骤A21，工控机5对接收的原始测量数据进行统计分布分析，获得累计分布占比函数P(h_k)，

$P\left(h_k\right)=\frac{N(h\≤h_k)}{N},(h_{min}\≤h_k\≤h_{max})---\left(1\right),$

其中，h表示任意一个测量点数据；

h_max和h_min分别表示所有原始测量点数据中的最大值和最小值；

h_k为在h_max和h_min范围内的任意整数；

N表示所有原始测量点数据的总个数，

N(h≤h_k)表示小于或等于h_k的数据点个数；

步骤A22，设定阈值范围，将P(h_k)等于4％作为最小阈值，P(h_k)等于99％作为最大阈值，并将大于最大阈值或小于最小阈值的数据点作为奇异点，

步骤A23，将所有奇异点去除，

步骤A24，使用二维线性插值方法，将被去除的数据点修复补全。

本实施方式中，但是由于测量中的诸多不可控因素，测量获得的原始信号中掺杂着一些奇异点数据和噪声点数据，所以原始数据重构的三维形貌中存在着很多突兀的尖峰和低谷，具体参见图2。需要对原始信号进行两步数据处理，才能获得精确的砂轮微观三维形貌。

根据统计分布的置信度判定规律，常将P<0.05作为小概率事件的判定标准。考虑到三维形貌数据中的极大值奇异点少于极小值奇异点，因此，将P(h_k)＝0.4和P(h_k)＝0.99时的h_k值作为判定奇异点的最小和最大阈值，因为在这两个阈值之外的数据点总计占比恰好为5％，可以认为是小概率事件导致的奇异点，去除奇异点后的砂轮三维形貌图，具体参见图3。将被去除的数据点修复补全，具体参见图4。

具体实施方式五：本实施方式与具体实施方式三所述的砂轮表面微观三维形貌的在机测量方法的区别在于，步骤A3中所述的对去除奇异点后的砂轮表面的微观三维形貌进行去除噪声点数据的具体过程为：

步骤A31，对于修复奇异点后的砂轮微观三维形貌数据，计算每个测量点数据与其邻近的8个测量点的平均差值计算公式如下：

${\mathrm{\&Delta;}}_{z_m{l}_n}=\frac{\mathrm{\&Sigma;}\&lsqb;\left|h_{z_m{l}_n}-h_{z_i{l}_j}\right|\&rsqb;}{8},(i=m-1,m,m+1;j=n-1,n,n+1)---\left(2\right),$

且当i＝m时，j≠n,

其中：h_zmln表示数据矩阵中的第m行、第n列处的测量点数据，m和n均为正整数，

h_zilj表示与该数据点紧挨着的8个测量点数据，

步骤A32，对所有测量点计算得到的进行了统计分布分析，取累计分布达到95％处的作为噪声阈值△_threshold，

步骤A33，将每个测量点计算出来的与噪声阈值△_threshold做比较，判断该测量点是否是噪声点，判断条件如下：

并将判断结果中的所有的噪声点数据去除，

步骤A34，使用二维线性插值函数，将所有被去除的噪声数据点修复补全，实现对被测砂轮2完整表面形貌的测量。

本实施方式中，去除噪声点后的三维形貌，具体参见图5。

再次通过二维线性插值方法，将那些被去除的数据点修复补全，得到修复噪声点后的表面形貌，具体参见图6。从图6中可发现该测量方法重构的微观三维形貌，磨粒的位置分布与真实情况完全一样，且具有清晰的磨粒边缘结构，磨粒形状与真实形状很接近，证明了该测量方法的有效性和精确性。

Claims (5)

1.砂轮表面微观三维形貌的在机测量方法，其特征在于，该测量方法的具体过程为：

步骤一，将一维激光位移传感器(1)放置在被测砂轮(2)正下方，使得一维激光位移传感器(1)输出的激光束照射方向与被测砂轮(2)的圆周表面垂直，且与被测砂轮(2)的主轴中心线垂直相交；

步骤二，被测砂轮(2)以100rpm的速度转动，同时一维激光位移传感器(1)在被测砂轮(2)轴向的两个端面之间以0.8mm/min的速度沿轴向平移，保证一维激光位移传感器(1)发出的激光束始终打在被测砂轮(2)的圆周表面上，

在两种运动的叠加下，一维激光位移传感器(1)发出的激光束在被测砂轮(2)圆周表面上的运动轨迹为螺旋线形，从而扫描整个被测砂轮(2)的圆周表面，一维激光位移传感器(1)将采集的数据信息依次通过激光测微仪控制器(3)和数据采集卡(4)实时的送至工控机(5)，工控机(5)对接收的数据信号进行处理，从而实现对被测砂轮(2)完整表面形貌的测量。

2.根据权利要求1所述的砂轮表面微观三维形貌的在机测量方法，其特征在于，所述的步骤二中，数据采集卡(4)使用50kHz的采样频率。

3.根据权利要求2所述的砂轮表面微观三维形貌的在机测量方法，其特征在于，步骤二中，所述的工控机(5)对接收的数据信号进行处理的具体过程为：

步骤A1，工控机(5)利用接收的原始测量数据重构出砂轮表面的微观三维形貌，

步骤A2，对重构出的砂轮表面的微观三维形貌去除奇异点数据，并对去除的数据点进行修复补全；

步骤A3，对去除奇异点后的砂轮表面的微观三维形貌进行去除噪声点数据。

4.根据权利要求3所述的砂轮表面微观三维形貌的在机测量方法，其特征在于，步骤A2中所述的对重构出的砂轮表面的微观三维形貌去除奇异点数据，并对去除的数据点进行修复补全的具体过程为：

步骤A21，工控机(5)对接收的原始测量数据进行统计分布分析，获得累计分布占比函数P(h_k)，

$\begin{array}{cc}P\left(h_k\right)=\frac{N(h\&le;h_k)}{N}& (h_{min}\&le;h_k\&le;h_{max})\end{array}---\left(1\right),$

其中，h表示任意一个测量点数据；

h_max和h_min分别表示所有原始测量点数据中的最大值和最小值；

h_k为在h_max和h_min范围内的任意整数；

N表示所有原始测量点数据的总个数，

N(h≤h_k)表示小于或等于h_k的数据点个数；

步骤A22，设定阈值范围，将P(h_k)等于4％作为最小阈值，P(h_k)等于99％作为最大阈值，并将大于最大阈值或小于最小阈值的数据点作为奇异点，

步骤A23，将所有奇异点去除，

步骤A24，使用二维线性插值方法，将被去除的数据点修复补全。

5.根据权利要求3所述的砂轮表面微观三维形貌的在机测量方法，其特征在于，步骤A3中所述的对去除奇异点后的砂轮表面的微观三维形貌进行去除噪声点数据的具体过程为：

步骤A31，对于修复奇异点后的砂轮微观三维形貌数据，计算每个测量点数据与其邻近的8个测量点的平均差值计算公式如下：

$\begin{array}{cc}{\mathrm{\&Delta;}}_{z_m{l}_n}=\frac{\&Sigma;\&lsqb;|h_{z_m{l}_n}-h_{z_i{l}_j}|\&rsqb;}{8}& (i=m-1,m,m+1;j=n-1,n,n+1)\end{array}---\left(2\right),$

且当i＝m时，j≠n,

其中：表示数据矩阵中的第m行、第n列处的测量点数据，m和n均为正整数，

表示与该数据点紧挨着的8个测量点数据，

步骤A32，对所有测量点计算得到的进行了统计分布分析，取累计分布达到95％处的作为噪声阈值△_threshold，

步骤A33，将每个测量点计算出来的与噪声阈值△_threshold做比较，判断该测量点是否是噪声点，判断条件如下：

并将判断结果中的所有的噪声点数据去除，

步骤A34，使用二维线性插值函数，将所有被去除的噪声数据点修复补全，实现对被测砂轮(2)完整表面形貌的测量。