CN109446470A - 基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法 - Google Patents
基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法 Download PDFInfo
- Publication number
- CN109446470A CN109446470A CN201811367351.0A CN201811367351A CN109446470A CN 109446470 A CN109446470 A CN 109446470A CN 201811367351 A CN201811367351 A CN 201811367351A CN 109446470 A CN109446470 A CN 109446470A
- Authority
- CN
- China
- Prior art keywords
- displacement sensor
- bevel gear
- laser displacement
- spiral bevel
- die
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000012545 processing Methods 0.000 title claims abstract description 31
- 238000005299 abrasion Methods 0.000 title claims abstract description 19
- 238000006073 displacement reaction Methods 0.000 claims abstract description 86
- 238000002474 experimental method Methods 0.000 claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 26
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 238000005242 forging Methods 0.000 claims abstract description 20
- 238000012706 support-vector machine Methods 0.000 claims abstract description 19
- 238000009434 installation Methods 0.000 claims abstract description 14
- 238000013178 mathematical model Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 claims description 15
- 238000012937 correction Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 3
- 238000004590 computer program Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 2
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000013507 mapping Methods 0.000 claims 1
- 238000003825 pressing Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000011088 calibration curve Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21K—MAKING FORGED OR PRESSED METAL PRODUCTS, e.g. HORSE-SHOES, RIVETS, BOLTS OR WHEELS
- B21K1/00—Making machine elements
- B21K1/28—Making machine elements wheels; discs
- B21K1/30—Making machine elements wheels; discs with gear-teeth
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Mechanical Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法,涉及弧齿锥齿轮加工。建立激光位移传感器在任意安装位姿下引入安装倾角误差的数学模型;修正激光位移传感器安装倾角,完成对弧齿锥齿轮检测项的标定实验,建立物面倾角误差补偿模型;用改进的支持向量机算法建立锻压模具磨损量与锻压件数的关系模型;用自迭代支持向量机算法预测弧齿锥齿轮加工用模具磨损程度。通过精密测量弧齿锥齿轮检测项,用自迭代支持向量机预测算法建立锻压模具磨损程度与锻压件数的关系,实现对弧齿锥齿轮加工用模具磨损的检测和预测。
Description
技术领域
本发明涉及弧齿锥齿轮加工,尤其是涉及基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法。
背景技术
在锻造加工工艺中,精密锻造成形是一种少无切削新工艺。齿轮精锻就是通过精密锻造直接获得完整轮齿,且齿面不需或仅需少许精加工即可使用的齿轮制造技术。精锻齿轮具有机械性能好、材料利用率高、环境污染少等优点,逐渐被广泛采用。但在锻造加工过程中,当出现模具产生磨损造成的锻件不合格情况时,不容易被及时察觉,造成接连产生大量不合格工件。因此及时准确判断锻压模具的磨损程度,对产品控制成本和提质增效至关重要。
可精锻的齿轮种类很多,其中包括圆弧齿锥齿轮。为了保证弧齿锥齿轮的质量,精锻完后需要检测弧齿锥齿轮各项参数。现有的齿轮工艺检测包括人工接触式检测和激光检测。传统的接触式测量不仅操作不便,效率低下,而且存在检测员的主观误差。而激光检测技术使用广泛,具有测量精度高、抗干扰能力强、结构简单和使用灵活等优点,使激光三角测距传感器实现复杂曲面廓形的高精度测量成为可能。由激光三角测距的原理可知,激光三角法测量的误差因素主要有:1)成像***误差,主要受横向放大倍率和物镜畸变的影响;2)数据处理误差和***安装误差;3)温度、湿度等环境因素误差;4)被测表面特性变化引入的误差;主要包括被测表面颜色、粗糙度、测量倾角等误差因素引起的位移值偏离误差。其中对于现有激光位移传感器而言,其数据的处理误差、***安装误差、物镜畸变率、温度及湿度等环境因素均得到较高的控制。因此,影响激光三角测距精度的主要误差因素为被测表面特性变化引入的误差。
对现有技术专利检索发现,申请号为CN107167078A,发明名称为:一种多自由度激光位移传感器***及弧齿锥齿轮测量方法的中国发明专利申请。该发明提供一种多自由度测量弧齿锥齿轮的机构装置,通过调整固定传感器支架的旋转位姿,使得传感器采集的数据完整有效。但是该方法存在如下问题:(1)没有考虑被测表面特性变化引入的误差,包括安装倾角误差和物面倾角误差;(2)每一次测量都需调整装置,且操作步骤繁琐复杂;(3)只是对当前弧齿锥齿轮质量的监测,并未利用其与锻造模具的关系反馈模具的磨损状况。
综上分析,检测齿廓复杂的物面必定测量倾角误差,包括安装倾角误差和测量倾角误差,导致齿轮的质量状况不能得到客观反映,生产成本也无法控制。间接导致不能正确反映模具磨损状况,若继续使用磨损的模具锻压齿轮,会产生大量不合格产品。因此,对齿轮参数的准确测量,对锻压模具磨损状况的准确反映和预测,至关重要。
发明内容
本发明的目的在于提供可解决弧齿锥齿轮精密检测问题的基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法。
本发明包括以下步骤:
1)建立激光位移传感器在任意安装位姿下引入安装倾角误差的数学模型;
2)修正激光位移传感器安装倾角,完成对弧齿锥齿轮检测项的标定实验,建立物面倾角误差补偿模型;
3)用改进的支持向量机算法建立锻压模具磨损量与锻压件数的关系模型;
4)用自迭代支持向量机算法预测弧齿锥齿轮加工用模具磨损程度。
在步骤1)中,所述激光位移传感器在任意安装位姿下测量,其测量结果中必将引入安装倾角误差,需要对激光位移传感器的安装位姿进行标定;所述标定的过程可为:将激光位移传感器安装在三坐标测量仪的Z轴上,将激光位移传感器的测量值从自身坐标系转换到基准坐标系下,建立以下三个坐标系:
(1)测量机机床坐标系O-XYZ,该坐标系以机床Y轴光栅尺0位为原点,3个坐标轴的方向分别与测量机的3个导轨方向一致;
(2)激光位移传感器测量坐标系os-xsyszs,该坐标系以激光位移传感器上测量值为0的点为原点,3个坐标轴的方向分别与XYZ轴方向一致;
(3)机器坐标系oM-xMyMzM,该坐标系建立在测量机回0状态下,以激光位移传感器上测量值为0的点为原点,3个坐标轴的方向分别与X、Y、Z轴方向一致;
激光位移传感器的测量值从os-xsyszs到oM-xMyMzM的坐标转换顺序为os-xsyszs→oM-xMyMzM,用齐次坐标表示为:
式(1)中,[xS yS zS]T为激光位移传感器在os-xsyszss坐标系中的测量值,激光束在osxsyszs中单位向量为(l,m,n),长度为d(可从激光位移传感器中直接读出);R1和T1分别为os-xsyszs相对于oM-xMyMzM的旋转矩阵与平移矩阵;T1为光栅值示值xM0,yM0,zM0:
通过式(2)把激光位移传感器在os-xsyszs上的测量值转化到oM-xMyMzM中;
设定标定面α的平面方程为:
Ax+By+Cz+D=0 (3)
(A,B,C)为平面α的法向量。
假设激光与平面α的交点为P1,激光位移传感器的数值为d1,光栅读数为(xM1,yM1,zM1),则结合式(2)和式(3)可得:
A(xM1+ld1)+B(yM1+md1)+C(zM1+nd1)+D=0 (4)
当激光位移传感器沿着-X方向移动Δx,其中Δx为光栅沿着X方向的光栅变化值。激光位移传感器与平面α的交点变为P2,激光的数值为d2,光栅读数为xM1-Δx,yM1,zM1,则:
A(xM1+ld2-Δx)+B(yM1+md2)+C(zM1+nd2)+D=0 (5)
将式(4)和(5)相减即可得到:
同理,分别沿着-Y方向移动Δy,沿着-Z方向移动Δz,可得:
其中,U=Al+Bm+Cn为常数,化简后得:
lΔdx/Δx+mΔdy/Δy+nΔdz/Δz=0 (8)
令a1=Δdx/Δx、b1=Δdy/Δy、c1=Δdz/Δz,则得:
a1l+b1m+c1n=0 (9)
又由于:
l2+m2+n2=1 (10)
则由式(8)~(10),即可获得激光位移传感器激光束单位方向向量(l,m,n)的值,对于标定过程中,PN为被测面的法向量,为已知值;假设任意安装角度下的入射光单位向量为EP=(l,m,n),则P点的倾角为:
此时所求的α即为激光位移传感器的安装倾角。
在步骤1)中,调整修正激光位移传感器位姿,修正安装倾角α。
在步骤2)中,所述完成对弧齿锥齿轮检测项的标定实验,建立物面倾角误差补偿模型的具体方法可为:首先要根据弧齿锥齿轮物面倾角搭建倾角误差标定实验:在测量平台上安装正弦规,通过调节正弦规的高度标定出正确的倾角;在O-XYZ坐标系上,AB为正弦规长度,BC代表标准量块的高度,则正弦规的倾斜角度可以通过调整标准量块的高度来获得,在△ABC中:
所述完成对弧齿锥齿轮检测项的标定实验,即物面倾角误差校对实验,实验具体包括如下:
(1)物面倾角误差校对实验装置由数控加工中心、激光位移传感器、激光干涉仪、正弦规、标准量块组成;激光位移传感器安装在数控加工中心的Z轴上,正弦规放置在激光位移传感器正下方的工作台上,激光干涉仪光路组件由磁力表架固定在Z轴和工作台上,Z轴可通过数控***控制进行移动;
(2)实验开始前修正激光位移传感器安装倾角,保证激光光束竖直入射,调整干涉仪光路组件的位置,在沿Z轴移动的过程中确保光路不发生偏移以及激光干涉仪能够准确读数,按照弧齿锥齿轮检测项内容,搭建所需倾角误差校对实验;
(3)实验开始时,坐标***的电脑程序控制Z轴携带传感器上下移动,在激光位移传感器的有效测量范围内(-10~10mm),每移动0.1mm记录下激光位移传感器和激光干涉仪的数值,它们的差值即为激光位移传感器的误差值;
在完成校对实验后,建立物面倾角误差补偿模型,利用最小二乘法对一定倾角下的测量深度误差进行拟合,得到测量深度与测量误差间的关系;
在建立误差补偿模型后,在弧齿锥齿轮实际检测过程,应用插值法得到补偿结果,根据补偿后各参数结果,判断齿轮的质量状况。
在步骤3)中,使用误差补偿模型对弧齿锥齿轮精密测量后,用改进的支持向量机算法建立锻压模具磨损量与锻压件数的关系模型;
按照上述方法,用表示检测项,用κ1,κ2,κ3...表示每个检测项的测量数值,用N表示模具锻压齿轮的数量。假设检测第n个的齿轮,根据上述参数,可以建立如下映射关系:
设为模具锻压前n个齿轮的所有参数,设[1 2 3 ... n]为相之对应的磨具锻压的齿轮个数;
将实验数据数据分为训练数据和预测数据,使用改进的支持向量机算法训练检测数据。与传统的支持向量机预测算法不同,改进的支持向量机回归预测算法引入松弛因子ε;
设ni为预测的弧齿锥齿轮模达到一定磨损程度所锻造的齿轮个数,对应的各检测项参数值为:
mi为模具达到相同磨损程度下,实际锻造齿轮的个数,其对应的各检测项参数数值为:
则:
ε=|pre-rea| (16)
若ε≥ξ(ξ为松弛因子设定值),表明预测模具磨损的样本参数准确性较差,用rea各数值替换pre各数值,相应地,mi替换ni,重新训练样本数据;这样,在传统的支持向量机算法中引入松弛因子ε,提高预测的准确度。
在步骤4)中,所述用自迭代支持向量机算法预测弧齿锥齿轮加工用模具磨损程度中,弧齿锥齿轮的磨损程度包括模具磨损预警和模具磨损修补状态,分别用Sw和Sr表示。根据齿轮检测项参数预测在达到上述两种状态时,模具所锻造的齿轮数量分别为Npw和Npr表示;而当前模具实际加工齿轮数量为Nr,若Nr≤Npw,继续使用模具加工;Npw<Nr≤Npr,准备更换模具,保证加工效率;Nr>Npr,更换新模具,修补旧模具。
本发明包括建立激光位移传感器在任意测量位姿下引入安装倾角误差的数学模型,修正安装倾角;结合实验分析得出物面倾角对测量精度的影响规律,完成在这一因素影响下对弧齿锥齿轮检测项的精确标定,建立误差补偿模型。通过精密测量弧齿锥齿轮检测项,用自迭代支持向量机预测算法建立锻压模具磨损程度与锻压件数的关系,实现对弧齿锥齿轮加工用模具磨损的检测和预测。
附图说明
图1为本发明实施例的流程图。
图2为测量机机床坐标系、激光位移传感器测量坐标系和机器坐标系示意图。
图3为激光位移传感器安装位姿标定过程简图。
图4为激光位移传感器安装倾角求解示意图。
图5为弧齿锥齿轮检测项示意图。
图6为物面倾角标定曲线。
具体实施方式
以下实施例将结合附图对本发明作进一步的说明。
参见图1和2,本发明实施例方法包括以下步骤:
步骤一:建立激光位移传感器在任意安装位姿下引入安装倾角误差的数学模型;
步骤二:修正激光位移传感器安装倾角,完成对弧齿锥齿轮检测项的标定实验,建立物面倾角误差补偿模型;
步骤三:用改进的支持向量机算法建立锻压模具磨损量与锻压件数的关系模型;
根据步骤一所述,激光位移传感器在任意安装位姿下,测量结果必将引入安装倾角误差,这就需要对激光位移传感器的安装位姿进行标定。
所述标定的过程如下:将激光位移传感器安装在三坐标测量仪的Z轴上,将激光位移传感器的测量值从自身坐标系转换到基准坐标系下,这一过程需要建立如下三个坐标系:
1)测量机机床坐标系O-XYZ。该坐标系以机床Y轴光栅尺0位为原点,3个坐标轴的方向分别与测量机的3个导轨方向一致;
2)激光位移传感器测量坐标系os-xsyszs。该坐标系以激光位移传感器上测量值为0的点为原点,3个坐标轴的方向分别与XYZ轴方向一致;
3)机器坐标系oM-xMyMzM。该坐标系建立在测量机回0状态下,以激光位移传感器上测量值为0的点为原点,3个坐标轴的方向分别与X、Y、Z轴方向一致。
激光位移传感器的测量值从os-xsyszs到oM-xMyMzM的坐标转换顺序为os-xsyszs→oM-xMyMzM。用齐次坐标表示为:
式中,[xS yS zS]T为激光位移传感器在os-xsyszss坐标系中的测量值,激光束在osxsyszs中单位向量为(l,m,n),长度为d(可从激光位移传感器中直接读出);R1和T1分别为os-xsyszs相对于oM-xMyMzM的旋转矩阵与平移矩阵;T1为光栅值示值xM0,yM0,zM0。
通过上式把激光位移传感器在os-xsyszs上的测量值转化到oM-xMyMzM中。
设定标定面α的平面方程为
Ax+By+Cz+D=0 (19)
(A,B,C)为平面α的法向量。
l,m,n标定过程简图如图3所示,假设激光与平面α的交点为P1,激光的数值为d1,光栅读数为(xM1,yM1,zM1),则结合式(18)和式(19)可得:
A(xM1+ld1)+B(yM1+md1)+C(zM1+nd1)+D=0 (20)
当激光位移传感器沿着-X方向移动Δx,其中Δx为光栅沿着X方向的光栅变化值。激光位移传感器与平面α的交点变为P2,激光的数值为d2,光栅读数为xM1-Δx,yM1,zM1,则
A(xM1+ld2-Δx)+B(yM1+md2)+C(zM1+nd2)+D=0 (21)
将式(20)和(21)相减即可得到:
同理,分别沿着-Y方向移动Δy,沿着-Z方向移动Δz,可得:
其中U=Al+Bm+Cn为常数,化简后得:
lΔdx/Δx+mΔdy/Δy+nΔdz/Δz=0 (24)
令a1=Δdx/Δx、b1=Δdy/Δy、c1=Δdz/Δz,则得:
a1l+b1m+c1n=0 (25)
又由于:
l2+m2+n2=1 (26)
则由式(24)~(26),即可获得激光位移传感器激光束单位方向向量(l,m,n)。如图4所示,PN为被测面的法向量,为已知值。假设任意安装角度下的入射光单位向量为EP=(l,m,n),则P点的倾角为:
调整修正激光位移传感器位姿,修正安装倾角α。
所述基于非接触式精密检测的弧齿锥齿轮加工用模具磨损预测方法,修正激光位移传感器安装倾角后,完成对弧齿锥齿轮检测项的标定实验,建立物面倾角误差补偿模型。
弧齿锥齿轮的检测项有多个,本发明仅对一检测项作说明,但不局限于这一检测项。如图5所示,在齿宽方向距小端的1a,1b处和1c的三处法截面上,分别检测弧齿锥齿轮的弦齿厚。由图可知,检测过程中必将引入物面倾角误差。
所述完成对弧齿锥齿轮检测项的标定实验,建立物面倾角误差补偿模型。首先要根据弧齿锥齿轮物面倾角搭建倾角误差标定实验:在测量平台上安装正弦规,通过调节正弦规的高度标定出正确的倾角,如图4所示,在O-XYZ坐标系上,AB为正弦规长度,BC代表标准量块的高度,则正弦规的倾斜角度可以通过调整标准量块的高度来获得,即在△ABC中:
所述完成对弧齿锥齿轮检测项的标定实验,即物面倾角误差校对实验,实验具体包括如下:
1)物面倾角误差校对实验装置由数控加工中心、激光位移传感器、激光干涉仪、正弦规、标准量块组成。激光位移传感器安装在数控加工中心的Z轴上,正弦规放置在激光位移传感器正下方的工作台上。激光干涉仪光路组件由磁力表架固定在Z轴和工作台上。Z轴可通过数控***控制进行移动。
2)实验开始前先要精确调整激光传感器的姿态,保证激光光束竖直入射。然后调整干涉仪光路组件的位置,在沿Z轴移动的过程中确保光路不发生偏移以及激光干涉仪能够准确读数。按照本发明检测项内容,本实验搭建倾角为A误的差校对实验:
A=90°-B (29)
其中,B在此为弧齿锥齿轮的面锥角。
3)实验开始时,坐标***的电脑程序控制Z轴携带传感器上下移动,在激光位移传感器的有效测量范围内(-10~10mm),每移动0.1mm记录激光位移传感器和激光干涉仪的数值。整理实验数据,实验总共得到200组激光位移传感器与激光干涉仪的测量数据,它们的差值即为的激光位移传感器的误差值。
在完成校对实验后,建立物面倾角误差补偿模型。利用最小二乘法对确定倾角下的测量深度误差进行拟合,在锥面角确定的情况下,测量深度对测量误差的影响是线性关系。物面倾角标定曲线如图6所示。
在建立误差补偿模型后,在弧齿锥齿轮实际检测过程,应用插值法得到补偿结果。根据补偿后各参数结果,判断齿轮的质量状况。
使用误差补偿模型对弧齿锥齿轮精密测量后,用改进的支持向量机算法建立锻压模具磨损量与锻压件数的关系模型。
按照上述方法,用表示检测项,用κ1,κ2,κ3...表示每个检测项的测量数值,用N表示模具锻压齿轮的数量。假设检测第n个的齿轮,根据上述参数,可以建立如下映射关系:
设为模具锻压前n个齿轮的所有参数,设[1 2 3 ... n]为相之对应的磨具锻压的齿轮个数。
将实验数据数据分为训练数据和预测数据,使用改进的支持向量机算法训练检测数据。与传统的支持向量机预测算法不同,改进的支持向量机回归预测算法引入松弛因子ε。
设ni为预测的弧齿锥齿轮模达到一定磨损程度所锻造的齿轮个数,对应的各检测项参数值为:
mi为模具达到相同磨损程度下,实际锻造齿轮的个数,其对应的各检测项参数数值为:
则:
ε=|pre-rea| (33)
若ε≥ξ(ξ为松弛因子设定值),表明预测模具磨损的样本参数准确性较差,用rea各数值替换pre各数值,相应地,mi替换ni,重新训练样本数据。这样,在传统的支持向量机算法中引入松弛因子ε,提高了预测的准确度。
用自迭代支持向量机算法预测弧齿锥齿轮加工用模具磨损程度。这里弧齿锥齿轮的磨损程度包括模具磨损预警和模具磨损修补状态,分别用Sw和Sr表示。根据齿轮检测项参数预测在达到上述两种状态时,模具所锻造的齿轮数量分别为Npw和Npr表示。而当前模具实际加工齿轮数量为Nr,若:Nr≤Npw,继续使用模具加工;Npw<Nr≤Npr,准备更换模具,保证加工效率;Nr>Npr,更换新模具,修补旧模具。
Claims (7)
1.基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法,其特征在于包括以下步骤:
1)建立激光位移传感器在任意安装位姿下引入安装倾角误差的数学模型;
2)修正激光位移传感器安装倾角,完成对弧齿锥齿轮检测项的标定实验,建立物面倾角误差补偿模型;
3)用改进的支持向量机算法建立锻压模具磨损量与锻压件数的关系模型;
4)用自迭代支持向量机算法预测弧齿锥齿轮加工用模具磨损程度。
2.如权利要求1所述基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法,其特征在于在步骤1)中,所述激光位移传感器在任意安装位姿下测量,其测量结果中必将引入安装倾角误差,对激光位移传感器的安装位姿进行标定。
3.如权利要求2所述基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法,其特征在于所述标定的过程为:将激光位移传感器安装在三坐标测量仪的Z轴上,将激光位移传感器的测量值从自身坐标系转换到基准坐标系下,建立以下三个坐标系:
(1)测量机机床坐标系O-XYZ,该坐标系以机床Y轴光栅尺0位为原点,3个坐标轴的方向分别与测量机的3个导轨方向一致;
(2)激光位移传感器测量坐标系os-xsyszs,该坐标系以激光位移传感器上测量值为0的点为原点,3个坐标轴的方向分别与XYZ轴方向一致;
(3)机器坐标系oM-xMyMzM,该坐标系建立在测量机回0状态下,以激光位移传感器上测量值为0的点为原点,3个坐标轴的方向分别与X、Y、Z轴方向一致;
激光位移传感器的测量值从os-xsyszs到oM-xMyMzM的坐标转换顺序为os-xsyszs→oM-xMyMzM,用齐次坐标表示为:
式(1)中,[xS yS zS]T为激光位移传感器在os-xsyszss坐标系中的测量值,激光束在osxsyszs中单位向量为(l,m,n),长度为d,从激光位移传感器中直接读出;R1和T1分别为os-xsyszs相对于oM-xMyMzM的旋转矩阵与平移矩阵;T1为光栅值示值xM0,yM0,zM0:
通过式(2)把激光位移传感器在os-xsyszs上的测量值转化到oM-xMyMzM中;
设定标定面α的平面方程为:
Ax+By+Cz+D=0 (3)
(A,B,C)为平面α的法向量;
假设激光与平面α的交点为P1,激光位移传感器的数值为d1,光栅读数为(xM1,yM1,zM1),则结合式(2)和式(3)得:
A(xM1+ld1)+B(yM1+md1)+C(zM1+nd1)+D=0 (4)
当激光位移传感器沿着-X方向移动Δx,其中Δx为光栅沿着X方向的光栅变化值;激光位移传感器与平面α的交点变为P2,激光的数值为d2,光栅读数为xM1-Δx,yM1,zM1,则:
A(xM1+ld2-Δx)+B(yM1+md2)+C(zM1+nd2)+D=0 (5)
将式(4)和(5)相减即得到:
同理,分别沿着-Y方向移动Δy,沿着-Z方向移动Δz,得:
其中,U=Al+Bm+Cn为常数,化简后得:
lΔdx/Δx+mΔdy/Δy+nΔdz/Δz=0 (8)
令a1=Δdx/Δx、b1=Δdy/Δy、c1=Δdz/Δz,则得:
a1l+b1m+c1n=0 (9)
又由于:
l2+m2+n2=1 (10)
则由式(8)~(10),即获得激光位移传感器激光束单位方向向量(l,m,n)的值,对于标定过程中,PN为被测面的法向量,为已知值;假设任意安装角度下的入射光单位向量为EP=(l,m,n),则P点的倾角为:
此时所求的α即为激光位移传感器的安装倾角。
4.如权利要求1所述基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法,其特征在于在步骤1)中,所述建立激光位移传感器在任意安装位姿下引入安装倾角误差的数学模型时,调整修正激光位移传感器位姿,修正安装倾角。
5.如权利要求1所述基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法,其特征在于在步骤2)中,所述完成对弧齿锥齿轮检测项的标定实验,建立物面倾角误差补偿模型的具体方法为:首先要根据弧齿锥齿轮物面倾角搭建倾角误差标定实验:在测量平台上安装正弦规,通过调节正弦规的高度标定出正确的倾角;在O-XYZ坐标系上,AB为正弦规长度,BC代表标准量块的高度,则正弦规的倾斜角度通过调整标准量块的高度来获得,在△ABC中:
所述完成对弧齿锥齿轮检测项的标定实验,即物面倾角误差校对实验,实验具体包括如下:
(1)物面倾角误差校对实验装置由数控加工中心、激光位移传感器、激光干涉仪、正弦规、标准量块组成;激光位移传感器安装在数控加工中心的Z轴上,正弦规放置在激光位移传感器正下方的工作台上,激光干涉仪光路组件由磁力表架固定在Z轴和工作台上,Z轴可通过数控***控制进行移动;
(2)实验开始前修正激光位移传感器安装倾角,保证激光光束竖直入射,调整干涉仪光路组件的位置,在沿Z轴移动的过程中确保光路不发生偏移以及激光干涉仪能够准确读数,按照弧齿锥齿轮检测项内容,搭建所需倾角误差校对实验;
(3)实验开始时,坐标***的电脑程序控制Z轴携带传感器上下移动,在激光位移传感器的有效测量范围内(-10~10mm),每移动0.1mm记录下激光位移传感器和激光干涉仪的数值,它们的差值即为激光位移传感器的误差值;
在完成校对实验后,建立物面倾角误差补偿模型,利用最小二乘法对一定倾角下的测量深度误差进行拟合,得到测量深度与测量误差间的关系;
在建立误差补偿模型后,在弧齿锥齿轮实际检测过程,应用插值法得到补偿结果,根据补偿后各参数结果,判断齿轮的质量状况。
6.如权利要求1所述基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法,其特征在于在步骤3)中,使用误差补偿模型对弧齿锥齿轮精密测量后,用改进的支持向量机算法建立锻压模具磨损量与锻压件数的关系模型;
按照上述方法,用表示检测项,用κ1,κ2,κ3...表示每个检测项的测量数值,用N表示模具锻压齿轮的数量;假设检测第n个的齿轮,根据上述参数,建立如下映射关系:
设为模具锻压前n个齿轮的所有参数,设[1 2 3 ... n]为相之对应的磨具锻压的齿轮个数;
将实验数据数据分为训练数据和预测数据,使用改进的支持向量机算法训练检测数据;与传统的支持向量机预测算法不同,改进的支持向量机回归预测算法引入松弛因子ε;
设ni为预测的弧齿锥齿轮模达到一定磨损程度所锻造的齿轮个数,对应的各检测项参数值为:
mi为模具达到相同磨损程度下,实际锻造齿轮的个数,其对应的各检测项参数数值为:
则:
ε=|pre-rea| (16)
若ε≥ξ(ξ为松弛因子设定值),表明预测模具磨损的样本参数准确性较差,用rea各数值替换pre各数值,相应地,mi替换ni,重新训练样本数据;这样,在传统的支持向量机算法中引入松弛因子ε,提高预测的准确度。
7.如权利要求1所述基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法,其特征在于在步骤4)中,所述用自迭代支持向量机算法预测弧齿锥齿轮加工用模具磨损程度中,弧齿锥齿轮的磨损程度包括模具磨损预警和模具磨损修补状态,分别用Sw和Sr表示;根据齿轮检测项参数预测在达到上述两种状态时,模具所锻造的齿轮数量分别为Npw和Npr表示;而当前模具实际加工齿轮数量为Nr,若Nr≤Npw,继续使用模具加工;Npw<Nr≤Npr,准备更换模具,保证加工效率;Nr>Npr,更换新模具,修补旧模具。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811367351.0A CN109446470B (zh) | 2018-11-16 | 2018-11-16 | 基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811367351.0A CN109446470B (zh) | 2018-11-16 | 2018-11-16 | 基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109446470A true CN109446470A (zh) | 2019-03-08 |
CN109446470B CN109446470B (zh) | 2020-07-31 |
Family
ID=65553841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811367351.0A Expired - Fee Related CN109446470B (zh) | 2018-11-16 | 2018-11-16 | 基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446470B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103646A (zh) * | 2010-12-14 | 2011-06-22 | 武汉理工大学 | 基于有限元技术和人工神经网络的精冲模具磨损预测方法 |
CN103324139A (zh) * | 2013-06-07 | 2013-09-25 | 华中科技大学 | 一种数控机床铣削加工刀具破损监测方法 |
CN104697478A (zh) * | 2015-03-16 | 2015-06-10 | 厦门大学 | 基于恒定接触力的直纹面自适应测量方法 |
CN106568381A (zh) * | 2016-10-25 | 2017-04-19 | 西北工业大学 | 一种基于标准平面的线激光测量***标定方法 |
CN106778010A (zh) * | 2016-12-29 | 2017-05-31 | 中铁十八局集团隧道工程有限公司 | 基于数据驱动支持向量回归机的tbm刀具寿命预测方法 |
CN107167078A (zh) * | 2017-05-23 | 2017-09-15 | 扬州大学 | 一种多自由度激光位移传感器***及弧齿锥齿轮测量方法 |
-
2018
- 2018-11-16 CN CN201811367351.0A patent/CN109446470B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102103646A (zh) * | 2010-12-14 | 2011-06-22 | 武汉理工大学 | 基于有限元技术和人工神经网络的精冲模具磨损预测方法 |
CN103324139A (zh) * | 2013-06-07 | 2013-09-25 | 华中科技大学 | 一种数控机床铣削加工刀具破损监测方法 |
CN104697478A (zh) * | 2015-03-16 | 2015-06-10 | 厦门大学 | 基于恒定接触力的直纹面自适应测量方法 |
CN106568381A (zh) * | 2016-10-25 | 2017-04-19 | 西北工业大学 | 一种基于标准平面的线激光测量***标定方法 |
CN106778010A (zh) * | 2016-12-29 | 2017-05-31 | 中铁十八局集团隧道工程有限公司 | 基于数据驱动支持向量回归机的tbm刀具寿命预测方法 |
CN107167078A (zh) * | 2017-05-23 | 2017-09-15 | 扬州大学 | 一种多自由度激光位移传感器***及弧齿锥齿轮测量方法 |
Non-Patent Citations (6)
Title |
---|
BIN LI等: ""A measurement strategy and an error-compensation model for the on-machine laser measurement of large-scale free-form surfaces"", 《MEASUREMENT SCIENCE AND TECHNOLOGY》 * |
关山等: ""LS-SVM回归算法在刀具磨损量预测中的应用"", 《中国机械工程》 * |
孙彬等: ""一种量化的激光位移传感器倾角误差补偿模型"", 《仪器仪表学报》 * |
彭希锋等: ""基于激光位移传感器的面角度测量技术研究"", 《仪器仪表学报》 * |
汪学阳等: ""轮毂热模锻数值模拟及模具磨损寿命预测"", 《第十届全国塑性工程学术年会、第三届国际塑性加工先进技术研讨会论文集》 * |
郑茂波等: ""基于支持向量机的模具磨损预测"", 《成都工业学院学报》 * |
Also Published As
Publication number | Publication date |
---|---|
CN109446470B (zh) | 2020-07-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sun et al. | Laser displacement sensor in the application of aero-engine blade measurement | |
US5521707A (en) | Laser scanning method and apparatus for rapid precision measurement of thread form | |
US11262190B2 (en) | Measurement of toothed articles on a composite machine tester platform utilizing a non-contact sensor | |
US20050283989A1 (en) | Method of inspecting workpieces on a measuring machine | |
US11092430B2 (en) | Measurement of toothed articles utilizing multiple sensors | |
CN108050946B (zh) | 一种基于线结构光的齿轮齿厚测量方法 | |
CN100427880C (zh) | 光学玻璃粗糙度实时检测装置和方法 | |
CN103424088B (zh) | 一种倒角测量仪 | |
CN110595351B (zh) | 具有标准具的白光干涉仪的量值测量方法 | |
CN210773947U (zh) | 一种非接触式的配流盘平面度检测装置 | |
CN203337113U (zh) | 三维显微光切法表面粗糙度测量仪 | |
JP2013221845A (ja) | 歯車検査装置及び方法 | |
CN207231420U (zh) | 基于光谱共焦技术的手机曲面外壳轮廓测量设备及其侧角滑台 | |
Surkov | Development of methods and means of coordinate measurements for linear and angular parameters of cutting instruments | |
CN206531473U (zh) | 非接触式厚度测量装置 | |
CN212158447U (zh) | 一种测量光滑平面平面度的装置 | |
CN112485261A (zh) | 一种眼镜镜片中微小气泡的检测装置及其检测方法 | |
CN109446470A (zh) | 基于非接触式检测的弧齿锥齿轮加工用模具磨损预测方法 | |
KR100937477B1 (ko) | 기준판을 이용한 좌표 측정기 | |
Garcia et al. | Flatness measurement system based on a nonlinear optical triangulation technique | |
CN214252055U (zh) | 一种眼镜镜片中微小气泡的检测装置 | |
Minoni et al. | Surface quality control device for on-line applications | |
CN106767625A (zh) | 一种外径千分尺校对用量杆校准装置及校准方法 | |
CN204705594U (zh) | 氟化钙平晶表面光洁度测试仪 | |
CN206291880U (zh) | 一种外径千分尺校对用量杆校准装置 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200731 |