面齿轮在机测量综合预行程误差补偿及齿面匹配方法

在机测量可在加工过程中实时测量,有效提高面齿轮的加工质量及测量效率。考虑面齿轮在机测量预行程误差对齿面精度的影响和齿面匹配精度低的问题,制定了基于蜗杆砂轮磨齿机的在机测量策略,将多种误差影响因素作为输入,测头综合预行程误差作为输出,构建基于PSO-CNN神经网络的综合预行程误差预测模型完成误差补偿。提出齿面精匹配方法,构建六参数优化模型使测量齿面与理论齿面进行匹配得到齿面误差。最后,测量实验结果显示,左齿面精度提高61.33%,右齿面精度提高71.15%,在机测量与克林贝格测量仪测量结果基本一致,满足面齿轮在机测量精度要求。

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。