面向机加工表面粗糙度的光切显微视觉测量系统

为解决光切显微镜测量机加工表面粗糙度的测量精度不高、效率低的问题,在光切法测量原理的基础上,开发了基于光切显微镜的表面粗糙度视觉测量系统.通过视觉传感器获取机加工表面的微观轮廓图像,提出了基于Zernike矩的轮廓亚像素边缘检测算法,建立了最大类间方差法与传统Zernike矩相结合的模型,提高了轮廓亚像素边缘点的定位精度.采用最小二乘拟合法确定了轮廓基准中线,根据表面粗糙度的国家标准建立了轮廓算术平均偏差R_a的数学模型,实现了机加工表面粗糙度的测量.结果表明,机加工表面精度等级在7～10级时,所测量表面粗糙度的相对误差不超过5%,算法耗时约15ms.该测量系统具有较好的精度和实时性,提高了测量效率.

机加工表面粗糙度的光切显微成像测量方法与试验研究

为了改善机加工表面光切显微图像的轮廓提取效果,提高表面粗糙度的测量精度,在建立了基于光切显微成像的机加工表面粗糙度测量系统的基础上,针对光切显微图像提出了基于Zernike矩的轮廓亚像素边缘检测算法,建立了最大类间方差法与传统Zernike矩相结合的模型,提高了亚像素边缘点的定位精度。在此基础上采用最小二乘拟合法确定了轮廓基准中线,根据国家标准建立了轮廓的算术平均偏差Ra的数学模型,实现了机加工表面粗糙度的非接触、高精度测量。试验结果表明,在机加工表面精度等级在7～10级时,算法耗时约15ms,该方法所测量表面粗糙度的相对误差不超过5%,具有较好的精度和实时性,提高了测量效率。

基于光切显微镜的表面粗糙度视觉综合测量方法

针对光切显微镜不能综合测量粗糙度的高度参数和间距参数的问题,提出了基于光切显微镜的视觉测量表面粗糙度方法。通过安装在光切显微镜上的工业相机获取表面粗糙度图像,对图像进行预处理来提高图像对比度,采用最大类间方差法融合形态学算法提取表面粗糙度的光带区域。根据光带区域上下边缘轮廓具有相同的峰谷特点,采用Freeman链码算法提取下边缘轮廓特征,结合边缘轮廓特征以最小二乘法拟合中线,建立了评定表面粗糙度的高度参数和间距参数的数学模型。实验结果表明,该方法测量的高度参数与光切显微镜读数最大相对误差为4.81%,同时实现了间距参数的测量,相对误差控制在4.47%,能够综合评定表面粗糙度。

WINDOWS环境下表面粗糙度各项参数的评定

论述了 WINDOWS环境下运用 MATL AB语言建立表面粗糙度各项参数的评定过程 .首先运用 MATL AB强大的绘图功能 ,绘制出表面粗糙度的实际轮廓 .以最小二乘中线为基准 ,对各项表面粗糙度的评定参数进行精确计算和处理 .在计算处理过程中 ,充分利用 MATL AB工具箱(toolbox)中提供的各种函数 。

空间直线度误差评定的逼近最小包容圆柱法

针对目前空间直线度误差评定中结果误差过大或者因采用进化算法耗时太长的问题,提出一种定向旋转包容圆柱轴线的方法.通过将测量点投影至最小二乘中线的中垂面,在中垂面内求出满足国标要求的2种情况的最小包容圆.针对2点在包容圆上的情况,做2次坐标变换,然后确定搜索方向,定向旋转圆柱体轴线,找到更加接近最小包容圆柱体的轴线,从而得到更小的空间直线度误差评定值.本方法主要计算过程中的搜索方向明确,无反复迭代,鲁棒性好.数据实验表明:本方法得到的误差评定结果比其他几种方法的都小,结果更接近真实值,适合于直线度误差评定精度要求高的场合.