接触式轴孔内径在线测量中测头系统误差分析

为提高轴孔内径在线测量精度,分析了接触式测量过程中,测头半径误差与测头预行程误差对测量结果的影响以及其补偿方法。针对测量过程中测头半径误差,通过计算被测点的法矢,可进行有效的测头半径误差补偿;提出了基于BP神经网络的预行程误差预测模型,根据标准球实际测得的预行程误差,在对所建立的神经网络训练的基础上,对触发式测头在不同法矢上的预行程误差进行预测,并将预测结果与标准球相应的实际测得的结果进行比较,比较结果验证了该预行程误差预测模型的有效性。

磨齿机在机检测系统的测头综合预行程误差建模

因为测头预行程误差的存在,现有研究大都考虑单项或双项影响因素进行误差补偿。然而多次的实验统计表明,由于接触式测头的各向异性,导致信号传输迟滞、检测速度、测球半径、测杆长度、测头重力及测球表面测点法矢等因素都会对检测信号的触发时机产生影响,因而存在测头综合预行程误差,故而很难进行精确补偿。借助BP神经网络的高效逼近算法,利于求解输入为多项误差影响因素场合的测量误差输出问题,有效提高在机检测精度。根据自主研发卧式磨齿机L300G在机检测原理,以多项误差影响因素为输入节点,以测头综合预行程误差为输出节点,建立基于BP神经网络的测头综合预行程误差预测模型。完成误差补偿后,开展磨齿机标准样板齿轮在机检测实验。结果表明:误差补偿前后,齿向精度均为4级;误差补偿后,齿形精度提高2个等级,为4级精度,与格里森检测结果相吻合。结果验证了模型的正确性,有望在国产低成本磨齿机的高精度在机检测系统中推广使用。