CN107122333A - 一种降低测量数据不确定度的数据处理方法 - Google Patents
一种降低测量数据不确定度的数据处理方法 Download PDFInfo
- Publication number
- CN107122333A CN107122333A CN201710137703.2A CN201710137703A CN107122333A CN 107122333 A CN107122333 A CN 107122333A CN 201710137703 A CN201710137703 A CN 201710137703A CN 107122333 A CN107122333 A CN 107122333A
- Authority
- CN
- China
- Prior art keywords
- measurement data
- measurement
- data
- error
- coordinate system
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
- G06F17/153—Multidimensional correlation or convolution
-
- 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
- G01B21/02—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 length, width, or thickness
- G01B21/04—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 length, width, or thickness by measuring coordinates of points
- G01B21/045—Correction of measurements
-
- 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
- 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
- G01B21/30—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 roughness or irregularity of surfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明公开了一种降低测量数据不确定度的数据处理方法,该方法充分考虑到各种影响因素最终是综合体现在测量数据上,所以对测量数据进行了统计规律的分析和补偿,对***误差采用了多次测量取平均的方法进行补偿,对于***误差补偿后残留的随机误差用小波滤波方法进行了滤除,进行组合补偿后的数据更逼近真实数据,降低了测量数据的不确定度,处理过程简洁有效,本发明以三坐标测量机的测量数据处理为例,但不限于三坐标的数据处理,是一种普适性的数据处理方法,具有较高的工程应用价值。
Description
技术领域
本发明属于测试技术领域,具体涉及一种降低测量数据不确定度的数据处理方法。
背景技术
数字化测量是面向精密装配的几何误差建模的第一阶段,高效率和高精度的数据采集是后期数据处理和模型重建的基础。因此采用合适的数字化测量设备与测量方法,获得精确的测量数据是几何误差建模中最基本、最关键的环节。
在实际测量过程中,高精度测量仪器的测量成本较高,通过对低精度测量仪器测量数据进行误差分析并对测量误差进行补偿,实现低精度设备实现等效高精度测量的功能,具有很高的经济价值和工程应用价值,例如三坐标测量机。而测量不确定度用来表征测量的可信程度,是测量结果质量的指标。不确定度越小,所属结果与被测量的真值越接近,表明测量结果越可靠、其使用价值越高;不确定度越大,测量结果的可靠性越差,其使用价值也越低。所有测量都会受到不确定度的影响,可能来自测量仪器、被测物、测量人员或测量环境等,其中测量仪器是导致测量不确定度的重要因素,不确定的程度及来源因测量仪器与测量方法的不同而异,无论测量不确定度是由何种因素造成,最终都会体现在对测量数据的精确度和确定度的影响。所以要找到一种普适性的数据处理方法,使数据更逼近真实情况,降低数据的不确定度。
以三坐标测量机为例,因其测量精度高、测量范围大、能方便的进行空间三维尺寸的测量,所以一般选取接触式三坐标测量机对精密结构体的表面形貌进行数据采集。目前对三坐标测量结果更逼近真实值,大多数是提高三坐标测量精度方面,即寻找三坐标测量机的各项误差源,并提出误差修正方法,主要有两种基本方法:误差预防法和误差补偿法。误差预防法是通过设计和制造途径来消除或减少可能的误差源,依靠提高三坐标测量机制作精度来满足测量精度要求,如江汉大学通过对三坐标测量机更换测量***,并改进和设计与测量***相配的机械部分,提高了测量机的精度,但是误差预防方法有很大的局限性、而且经济成本高;而误差补偿法是使用软件技术,人为产生一种新的误差去抵消当前的原始误差,该方法经济成本低,如天津大学提出的基于21项几何误差的准刚体误差修正模型,测量和控制这21项误差,并进行相应补偿,但该方法过程复杂,不太适合工程应用,并且主要修正的是各项***误差的影响,未充分考虑各种影响因素,对随机成分的处理较少。
随着测量仪器、测量方法、测量环境等的不同,测量结果的不确定度都会有所不同,所以目前研究大多停留在对不确定度进行理论的分析与评定,仅针对某种测量仪器减小测量数据的不确定度,没有一种具有普适性的方法对测量数据进行处理。
发明内容
有鉴于此,本发明提供了一种降低测量数据不确定度的数据处理方法,该方法不仅能够达到利用低精度设备实现等效高精度测量的功能,同时数据处理过程简单,还是一种普适性较强的数据处理方法。
实施本发明的具有方案如下:
一种降低测量数据不确定度的数据处理方法,该方法包括:
步骤一:制备平面度低于设定平面度S的平面作为标准平面;
步骤二:对标准平面和待补偿的实际加工平面设置采样频率和采样长度;
步骤三:按照步骤二中的采样频率和采样长度,以标准平面的任一角点为原点,z轴指向标准平面的法线方向,建立直角坐标系,利用测量仪器对标准平面进行采样,获得测量仪器的z轴的测量数据X1,标准平面的测量数据即为测量误差;
步骤四:对获得的测量仪器的测量数据进行最佳拟合定位,去除坐标系的定位误差,获得去除坐标系的定位误差的测量数据X2;
步骤五:按照步骤三的测量方式,在同一所述直角坐标系下多次测量标准平面,针对步骤三获得的测量误差按照步骤四的去除定位误差方式进行处理,获得多组去除坐标系的定位误差的测量数据X2,分析所述测量数据X2,如果所述测量数据X2具有相同的变化规律,则对测量数据X2取均值,该均值记为***误差X3,并对***误差进行补偿,获得补偿后的测量数据X4,即X4=X2-X3;如果测量数据X2没有规律,则忽略***误差对测量结果的影响;
步骤六:利用可选滤波方法对测量数据X4进行滤波,选定滤波效果最好的滤波方法;
步骤七:对实际加工平面进行测量时,采用步骤二中确定的采样频率和采样长度,在实际加工平面上,建立与步骤三所述直角坐标系相同的坐标系,利用步骤三使用的测量仪器对实际加工平面进行采样,获得实际加工平面的测量数据Y1;对实际加工平面的测量数据Y1按照步骤四的去除定位误差的方式进行处理,获得去除定位误差的测量数据Y2,利用步骤五获得的***误差X3对测量数据Y2进行补偿,获得补偿后的测量数据Y3,利用步骤六选定的滤波方法,对测量数据Y3中的随机误差进行滤除,获得滤除后的测量数据Y4。
进一步地,对步骤六选定的滤波方法,采用频谱分析滤波效果,如果滤波效果符合设定要求,则完成滤波方法的确定,否则,重新选定滤波方法。
进一步地,S=0.3μm。
有益效果:
本发明从对测量数据后期处理的角度入手,提出一种降低测量数据不确定度的数据处理方法,充分考虑到了测量数据是受各种因素影响的结果,所以对测量数据进行了统计规律的分析和补偿,对***误差采用多次测量取平均的方法进行补偿,对于***误差补偿后残留的随机误差用小波滤波方法进行了滤除,进行组合补偿后的数据更逼近真实数据,降低了测量数据的不确定度,处理过程简洁有效;实现了低精度设备进行高精度测量的功能,具有很高的工程应用价值。
附图说明
图1为“三坐标测量数据误差补偿”方法步骤图;
图2为几何形状误差示意图;
图3为***误差分布图;
图4为随机误差概率分布图;
图5为标准平面滤波前二维幅频图;
图6为标准平面滤波后二维幅频图;
图7为加工表面滤波前二维幅频图;
图8为加工表面滤波后二维幅频图。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本申请文件从对测量数据后期处理的角度入手,提出一种降低三坐标测量数据不确定度的数据处理方法,本方法充分考虑到了各种影响因素最终是综合体现在测量数据上的,所以对测量数据进行了统计规律的分析和补偿,对***误差采用了多次测量取平均的方法进行补偿,对于***误差补偿后残留的随机误差用小波滤波方法进行了滤除,进行组合补偿后的数据更逼近真实数据,降低了测量数据的不确定度,处理过程简洁有效,本申请文件以三坐标测量机的测量数据处理为例,但不限于三坐标的数据处理,是一种普适性的数据处理方法,具有较高的工程应用价值。
本发明将测量精度为3-5μm的三坐标测量机视为低精度三坐标测量;测量精度为1μm以下的三坐标测量机视为高精度三坐标测量;将随机误差与***误差分离,对***误差进行补偿,对随机误差进行滤波,最终提高测量数据的精确度,如图1所示,具体方案如下:
步骤一:制备平面度低于设定平面度S的平面作为标准平面;
步骤二:对标准平面和待补偿的实际加工平面设置采样频率和采样长度;设置采样频率和采样长度具体为:依据采样原理即采样频率至少大于信号中最高频率的两倍,本实施例中以控制宏观形状误差尺度的数据精确度为目的选取采样频率和采样长度,例如,若宏观形状误差波距为λ=15mm,采样长度至少小于7.5mm,采样频率为至少每间隔7.5mm进行采样一次。
其中,图2为几何形状误差示意图;形状误差的三种尺度标准如下:表面粗糙度的波距λ:λ≤1mm;表面波纹度波距:1mm<λ≤10mm;宏观形状误差波距:λ>10mm。
步骤三:按照步骤二中的采样频率和采样长度,以标准平面的任一角点为原点,z轴指向标准平面的法线方向,建立直角坐标系,利用低精度的测量仪器对标准平面进行采样,获得测量仪器的z轴的测量数据X1,标准平面的测量数据即为测量数据;
步骤四:对获得的测量仪器的测量数据进行最佳拟合定位,去除坐标系的定位误差,获得去除坐标系的定位误差的测量数据X2;
由于测量原点定位及测量坐标系与工件坐标系不重合产生的定位误差,用最优化算法反求测量数据中的位姿误差参数,例如利用LM算法进行迭代可以求出位姿误差中的偏置距离和偏转角度,最终使测量坐标系和工件坐标系重合,本申请文件中直接在imageware中输入测量坐标系即所述直角坐标系,利用imageware的定位拟合功能便可实现测量坐标系和工件坐标系的最佳拟合定位。
步骤五:按照步骤三的测量方式,在同一所述直角坐标系下多次测量标准平面,针对步骤三获得的测量误差按照步骤四的去除定位误差方式进行处理,获得多组去除坐标系的定位误差的测量数据X2,分析所述测量数据X2,如果所述测量数据X2具有相同的变化规律,所谓相同的变化规律是指多组测量数据的变化呈现的规律相同或相似,如多次重复测量对应的多组数据均呈现出阶梯状;则对测量数据X2取均值,该均值记为***误差X3,并对***误差进行补偿,获得补偿后的测量数据X4,即X4=X2-X3;如果测量数据X2没有规律,则忽略***误差对测量结果的影响;
步骤六:利用可选滤波方法对测量数据X4进行滤波,选定滤波效果最好的滤波方法;
对步骤五获得的***误差补偿后的测量数据X4可选用均值滤波、中值滤波、高斯滤波或小波滤波等进行处理,通过MATLAB对各方法获得的滤波效果进行分析,采用频谱分析滤波效果,如果滤波效果符合设定要求,则完成滤波方法的确定,否则,重新选定滤波方法。本发明确定的滤波方法为小波滤波,通过对测量数据X4进行概率密度分析,获知测量数据X4服从正态分布规律,利用小波滤波对服从正态分布的信号进行滤除,然后对滤波前后的数据进行二维傅里叶变换,得到二维幅频图,幅频图中心对应低频信号,四周对应高频信号,低频信号对应有用信号,所以通过二维幅频图可得到数据的有用频段,根据有用频段设置小波滤波的层数,其中,小波滤波的重要参数为基函数和滤波的层数。
步骤七:对实际加工平面进行测量,采用步骤二中确定的采样频率和采样长度,在实际加工平面上,建立与步骤三所述直角坐标系相同的坐标系,利用测量仪器对实际加工平面进行采样,获得实际加工平面的测量数据Y1;对实际加工平面的测量数据Y1按照步骤四的去除定位误差的方式进行处理,获得去除定位误差的测量数据Y2,利用步骤五获得的***误差X3对测量数据Y2进行补偿,获得补偿后的测量数据Y3,利用步骤六选定的滤波方法,对测量数据Y3中的随机误差进行滤除,获得滤除后的测量数据Y4。
步骤八:利用高精度测量仪器对实际加工平面进行测量,获得测量数据Y5;
步骤九:分别计算测量数据Y1、滤除后的测量数据Y4和测量数据Y5的平面度,将测量数据Y1的平面度、滤除后的测量数据Y4的平面度均与测量数据Y5的平面度对比,获得滤除后的测量数据Y4的平面度更加逼近测量数据Y5的平面度,降低了测量数据的不确定度。
实施例:实施例的具体过程如下:
根据图2所示的几何形状误差示意图,选择一块尺寸为80×60×10mm的平面镜作为标准平面,用测量精度为60nm左右的激光干涉仪对平面进行测量,用测量不确定度为3.5um的三坐标机进行测量,采样步长为2.5mm,重复测量4次,每次采集441个样本点,获得具有拓扑矩形网格特征的测量误差离散点云。
在逆向工程软件中,将测量点与同一坐标系下的理想平面进行最佳拟合,去除坐标系定位误差,取四次测量数据的算数平均值为***误差,图3为***误差分布图。
将原始测量数据减去***误差,得到随机误差,对随机误差进行统计规律分析,如图4所示,随机误差服从正态分布。如图5所示,对随机误差进行二维频域分析,随机噪声是一种具有较高频率分量的信号,选择小波滤波的方法对随机误差进行滤除。图5、6为标准平面滤波前后二维幅频图。表1列出了高精度激光干涉仪的测量结果和低精度三坐标测量数据误差处理前后的对比结果。
表1为高精度激光干涉仪的测量结果和低精度三坐标数据处理前后的对比结果
从表1结果中可以看出:数据处理效果显著,对三坐标测量数据处理前,低精度三坐标的测量不确定度在3.5um,对测量数据进行处理后,将测量不确定度由3.5um降低到1um以下,大大提高了测量数据精确度,使测量数据更逼近真实值。
选择10块60×60×10mm的铣削平面进行验证,分别在测量不确定度为0.6um和3.5um的三坐标机下进行测量。对测量不确定度为3.5um的三坐标机下的测量结果采用相同的数据处理方法进行处理,***误差与上述标准平面标定好的***误差相同,选择相同的小波滤波阈值对随机误差进行滤除,结果如表2所示。
表2为实际平面的高精度三坐标机与低精度三坐标机测量数据处理前后的对比结果
从表2结果中可以看出:通过本发明提出的一种降低测量数据不确定度的数据处理方法,使测量数据更逼近真实值,降低了测量数据不确定度;如图7-8所示,加工表面滤波前后二维幅频图。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种降低测量数据不确定度的数据处理方法,其特征在于,该方法包括:
步骤一:制备平面度低于设定平面度S的平面作为标准平面;
步骤二:对标准平面和待补偿的实际加工平面设置采样频率和采样长度;
步骤三:按照步骤二中的采样频率和采样长度,以标准平面的任一角点为原点,z轴指向标准平面的法线方向,建立直角坐标系,利用测量仪器对标准平面进行采样,获得测量仪器的z轴的测量数据X1,标准平面的测量数据即为测量误差;
步骤四:对获得的测量仪器的测量数据进行最佳拟合定位,去除坐标系的定位误差,获得去除坐标系的定位误差的测量数据X2;
步骤五:按照步骤三的测量方式,在同一所述直角坐标系下多次测量标准平面,针对步骤三获得的测量误差按照步骤四的去除定位误差方式进行处理,获得多组去除坐标系的定位误差的测量数据X2,分析所述测量数据X2,如果所述测量数据X2具有相同的变化规律,则对测量数据X2取均值,该均值记为***误差X3,并对***误差进行补偿,获得补偿后的测量数据X4,即X4=X2-X3;如果测量数据X2没有规律,则忽略***误差对测量结果的影响;
步骤六:利用可选滤波方法对测量数据X4进行滤波,选定滤波效果最好的滤波方法;
步骤七:对实际加工平面进行测量时,采用步骤二中确定的采样频率和采样长度,在实际加工平面上,建立与步骤三所述直角坐标系相同的坐标系,利用步骤三使用的测量仪器对实际加工平面进行采样,获得实际加工平面的测量数据Y1;对实际加工平面的测量数据Y1按照步骤四的去除定位误差的方式进行处理,获得去除定位误差的测量数据Y2,利用步骤五获得的***误差X3对测量数据Y2进行补偿,获得补偿后的测量数据Y3,利用步骤六选定的滤波方法,对测量数据Y3中的随机误差进行滤除,获得滤除后的测量数据Y4。
2.如权利要求1所述一种降低测量数据不确定度的数据处理方法,其特征在于,对步骤六选定的滤波方法,采用频谱分析滤波效果,如果滤波效果符合设定要求,则完成滤波方法的确定,否则,重新选定滤波方法。
3.如权利要求1所述一种降低测量数据不确定度的数据处理方法,其特征在于,S=0.3μm。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710137703.2A CN107122333A (zh) | 2017-03-09 | 2017-03-09 | 一种降低测量数据不确定度的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710137703.2A CN107122333A (zh) | 2017-03-09 | 2017-03-09 | 一种降低测量数据不确定度的数据处理方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107122333A true CN107122333A (zh) | 2017-09-01 |
Family
ID=59717381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710137703.2A Pending CN107122333A (zh) | 2017-03-09 | 2017-03-09 | 一种降低测量数据不确定度的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107122333A (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108180831A (zh) * | 2017-12-30 | 2018-06-19 | 北京工业大学 | 基于lt多站位测量的cmm坐标误差修正***不确定度分析方法 |
CN109696665A (zh) * | 2018-12-28 | 2019-04-30 | 百度在线网络技术(北京)有限公司 | 超声波传感器测量数据的处理方法、装置及设备 |
CN110411380A (zh) * | 2019-08-01 | 2019-11-05 | 合肥工业大学 | 基于小波包纹理分析的非接触式表面粗糙度测量方法 |
CN110793482A (zh) * | 2019-11-13 | 2020-02-14 | 佛山科学技术学院 | 一种收集符合正态分布的车辆样本数据采集*** |
CN111982052A (zh) * | 2020-08-04 | 2020-11-24 | 广西科技大学 | 圆特征测量的形状误差分解方法 |
CN117681037A (zh) * | 2024-01-26 | 2024-03-12 | 江西佳时特精密机械有限责任公司 | 基于位移传感器的高精度主轴热伸长闭环补偿方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103411577A (zh) * | 2013-07-16 | 2013-11-27 | 宁波北仑宁润机械有限公司 | 一种平面度及平行度测量装置和测量方法 |
-
2017
- 2017-03-09 CN CN201710137703.2A patent/CN107122333A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103411577A (zh) * | 2013-07-16 | 2013-11-27 | 宁波北仑宁润机械有限公司 | 一种平面度及平行度测量装置和测量方法 |
Non-Patent Citations (4)
Title |
---|
周学良,等: "基于特征模型的三坐标测量机自动检测", 《工具技术》 * |
李柱,等: "《互换性与测量技术——几何产品技术规范与认证》", 31 December 2004, 高等教育出版社 * |
杨桥: "CMM测量策略分析与不确定度评定", 《中国优秀硕士学位论文全文数据库工程科技II辑(月刊)》 * |
葛友华: "《机械CAD/CAM(第二版)》", 31 March 2012, 西安电子科技大学出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108180831A (zh) * | 2017-12-30 | 2018-06-19 | 北京工业大学 | 基于lt多站位测量的cmm坐标误差修正***不确定度分析方法 |
CN109696665A (zh) * | 2018-12-28 | 2019-04-30 | 百度在线网络技术(北京)有限公司 | 超声波传感器测量数据的处理方法、装置及设备 |
CN110411380A (zh) * | 2019-08-01 | 2019-11-05 | 合肥工业大学 | 基于小波包纹理分析的非接触式表面粗糙度测量方法 |
CN110411380B (zh) * | 2019-08-01 | 2021-01-22 | 合肥工业大学 | 基于小波包纹理分析的非接触式表面粗糙度测量方法 |
CN110793482A (zh) * | 2019-11-13 | 2020-02-14 | 佛山科学技术学院 | 一种收集符合正态分布的车辆样本数据采集*** |
CN111982052A (zh) * | 2020-08-04 | 2020-11-24 | 广西科技大学 | 圆特征测量的形状误差分解方法 |
CN111982052B (zh) * | 2020-08-04 | 2021-03-02 | 广西科技大学 | 圆特征测量的形状误差分解方法 |
CN117681037A (zh) * | 2024-01-26 | 2024-03-12 | 江西佳时特精密机械有限责任公司 | 基于位移传感器的高精度主轴热伸长闭环补偿方法 |
CN117681037B (zh) * | 2024-01-26 | 2024-04-16 | 江西佳时特精密机械有限责任公司 | 基于位移传感器的高精度主轴热伸长闭环补偿方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122333A (zh) | 一种降低测量数据不确定度的数据处理方法 | |
CN108986048A (zh) | 基于线激光扫描三维点云快速复合滤波处理方法 | |
CN103115593B (zh) | 扫描测头标定方法 | |
CN106871949B (zh) | 用于多传感器测量***的多球板标准器及联合误差检测法 | |
CN103256916B (zh) | 一种基于最小区域的零件平面度误差评定方法 | |
CN103292701A (zh) | 基于机器视觉的精密器件在线尺寸测量方法 | |
CN107941471A (zh) | 一种自由曲面的检测方法 | |
CN115060452B (zh) | 一种应用于大型风洞喷管型面全景误差检测方法 | |
CN104890131B (zh) | 一种基于面形误差斜率的确定性修形加工方法 | |
CN110260836A (zh) | 一种快速测量小型叶片型面弯扭角的方法 | |
Lin et al. | Determination of proper frequency bandwidth for 3D topography measurement using spectral analysis. Part I: isotropic surfaces | |
CN107063330B (zh) | 用于多传感器测量***的多孔板标准器及联合误差检测法 | |
CN112365602B (zh) | 一种基于激光点云的路面三维重构误差计算方法 | |
CN103837102A (zh) | 一种测量圆形光学平面表面粗糙度的取样方法 | |
CN109458955B (zh) | 基于平面度约束的离轴圆条纹投影测量零相位点求解方法 | |
CN109635518A (zh) | 一种基于cmm扫描测量的自由曲面轮廓度评价方法 | |
Guo et al. | Measurement and data processing method of machined surface for assembly performance prediction | |
Bahassou et al. | Modeling of the correction matrix for the calibration of measuring machines | |
Hansen et al. | Modelling and measurement uncertainty estimation for integrated AFM-CMM instrument | |
Zhang et al. | Multi-sensor registration method based on a composite standard artefact | |
CN114236181B (zh) | Afm探针测量方法、装置、控制设备及存储介质 | |
CN117592313B (zh) | 一种形位误差测量不确定度仿真优化方法 | |
Feng et al. | Universal Tool Microscope Computer Aided Measurement System Based on Machine Vision Technology. | |
CN115479565A (zh) | 基于三坐标轮廓测量仪检测柱面镜的数据处理方法 | |
CN116309792A (zh) | 基于复杂曲面的多源数据融合方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20170901 |