[發明專利]復雜零件的曲面加工精度的在線檢測方法

有效

• 申請號: 201210266355.6
• 申請日: 2012-07-30
• 公開（公告）號: CN102785129A
• 公開（公告）日: 2012-11-21
• 發明（設計）人: 高健;陳岳坪;鄧海祥;楊澤鵬;陳新;鄭德濤
• 申請（專利權）人: 廣東工業大學
• 主分類號: B23Q17/20
• 分類號: B23Q17/20
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 林麗明

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1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1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1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1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l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???????????????????????????????????????????????到輸出的映射，?()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（；）為隱層第個節點到輸出層第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：（1）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。

6.根據權利要求1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(x_m,?y_m,?z_m)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。