检测系统中接触式测头的预行程误差预测模型

针对在线检测系统中触发式测头存在预行程误差的问题,建立了测头预行程误差的实验模型。采用基于正则化RBF神经网络算法,在对网络进行训练的基础上,建立了相应的触发式测头预行程的误差模型。对触发式测头在空间不同法矢上的预行程误差进行预测,并将得到的预测结果与实验中得到的实际结果对比验证。实验结果表明,利用正则化RBF神经网络,能较好地解决对触发式测头不同法矢下的预行程误差的预测问题。

基于神经网络的测头预行程误差预测研究

机床在线检测(OMM,On-Machine Measurement)或者三坐标(CMM,Coordinate Measuring Machine)测量机检测中,主要考虑的测头误差有预行程误差、测头半径误差。预行程误差是其检测中极其重要的一项误差,占测头总误差的60%左右。以测头预行程误差预测为研究对象,先通过实验方法得出标准球上1297个测点的预行程误差,然后分析预行程误差的总体分布特征,运用Levenberg-Marquardt快速学习神经网络算法对其进行建模预测,经过对网络模型反复训练,以便得到较好的预测值,最后对预测误差进行统计学相关分析,分析结果表明所建立的神经网络预测模型是有效的。

数控机床在线检测系统触发式测头的预行程误差实验研究

触发式测头是数控机床在线检测系统的组成部分,在线检测过程中预行程误差不可避免,带有预行程误差的测量结果将影响产品检测精度。分析了触发式测头测量中预行程误差产生的原因,采用标准球的标定方法测量了预行程误差,从测量结果中剔除了机床运动误差,得到准确的预行程误差。通过多组测量数据,分析了预行程误差与测针杆长、测头运动速度及测量角度之间的关系。

加工精度在线检测系统预行程误差预测与补偿

预行程误差的预测和补偿能够大大提高加工精度在线检测系统的测量精度。提出了一种基于BP神经网络的检测误差预测新方法,建立了一个基于BP神经网络的在线检测系统预行程误差预测模型,通过实验数据对该网络进行训练,并将训练好的神经网络应用到实际加工零件的误差预测和补偿。为了验证该方法的有效性,以一圆柱零件的圆度误差检测为例,对其加工精度的在线测量进行了预行程误差的预测与补偿,经与CMM检测结果的对比,说明了该方法的有效性。

基于RBF神经网络的接触测量预行程误差预测

针对接触式测量中众多影响因素与测头预行程误差变化之间的非线性映射关系,提出基于径向基函数神经网络的预行程误差预测新方法。对RBF神经网络结构进行改进并建立预测模型,从理论上证明该方法能克服预测过程中网络容易陷入局部极小的问题,并可满足预行程误差预测高精度、高速度的性能要求。

成形磨齿机在线测量探头预行程误差研究及补偿

结合L300G成形砂轮磨齿机的运行方式,针对在线测量系统中触发式测头存在预行程误差的问题,采用BP神经网络的方法对预行程误差进行部分实验数据训练,建立了在线测量探头预行程误差的预测模型,在对预行程误差进行补偿之后进行机床实验,并验证了此预测模型的正确性,可以为齿形在线测量的探索与研究提供参考。

在线检测系统中对预行程误差预测和补偿的应用分析

预测和补偿预行程误差,能在很大程度上提高在线检测系统中测量的精确度,基于这一原理,提出基于BP与正则化RBF神经网络的一种新的检测误差预测的方法,同时基于BP和正则化RBF神经网络,建立了一个能够在线检测系统并且预行程误差的模型,利用相关的实验数据,将已经训练好的网络运用到实际中,对加工零件的误差进行预测与补偿。

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。

三坐标测量机测头系统的误差分析与修正

测头是三坐标测量机的关键部分,其动态性能对测量机最终测量结果有直接的影响。为了提高三坐标测量机测头的测量精度,以触发式测头系统为主,研究了测头系统动态误差的构成,分析了测头预行程误差来源及影响因素,提出了将测头直径动态标定与微平面补偿法相结合的方法对测头直径进行补偿。通过对凹轮轮廓进行测量,并在逆向工程软件中对测头直径补偿前后进行对比。结果表明,该方法对测量机测头直径有较好的补偿效果,具有一定的应用价值。

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。

基于误差分布图的五轴在机测量路径优化方法

五轴在机测量中,测量路径规划同时决定标定效率、测量效率和机床定位误差影响下的测量精度。为了获得兼顾测量精度与效率的最优测量工艺,提出了一种基于误差分布图的在机测量路径优化方法。首先,根据干涉检查结果构建各待测点的测量可行图。接着,利用定位误差影响模型预测可行图内的测量误差分布。为满足在机测量精度和效率最优,以测量误差作为精度优化目标,结合测量路径长度和标定点数量构建效率优化目标,建立多目标优化模型。基于NSGA-Ⅱ求解模型,优化测量路径。最后,以离心式叶轮为例进行验证,采用此方法不仅能减少红宝石触碰点和测量路径长度以提高效率,同时还能精确补偿预行程误差并减少引入的机床定位误差影响以提升测量精度,实验结果表明该优化方法使标定时间减少55.28%,测量时间减少10.2%,同时平均测量误差减少26.7%,说明该方法具有良好的可行性。

数控加工精度在机检测技术研究现状

通过为数控机床配备零件精度检测用测头以及相应的检测代码,即构成在机检测系统。该技术将加工和检测集成在同一台机床上完成,避免了多次装夹、重复定位误差,可以较好地解决零件精度超差难以修正和辅助时间长等现实问题。主要介绍数控加工精度在机检测技术的国内外研究现状与进展,包括在机检测系统开发应用、测头预行程误差补偿技术和带修正功能的在机检测系统开发等。并指出目前在该领域存在的一些关键问题,急需进一步解决和提升。

一种在机检测触发式测头精度现场快速标定方法

通过改变探针长度、探测速度和探测角度等参数,测定一款国产在机检测用触发式测头的预行程误差并建立误差补偿数据表。针对触发式测头由于自身三脚支架结构导致各向异性明显的特点,提出一种“离线误差数据表”+“在线方位判定”相结合的现场测头三脚支架方位快速标定方法。经实验验证,该方法能有效提高测头精度,并且提高在机检测标定效率90%以上。

基于有限元分析的在机测量不确定度的评定

基于有限元分析技术,构建了国内在机测量常用的一款测头的模型,通过改变测杆长度和探测角度等测量参数模拟测头触发的过程,研究不同测量参数对测头系统的测量误差和测量不确定性的影响,提出一种基于有限元模拟分析结果评定在机测量过程测头的测量不确定度的新方法。

基于可行图的五轴在机测量探针轴向优化方法

针对不同探针轴向下红宝石球上触碰点会引入不同预行程误差导致标定精度和效率低的问题,提出了一种用于优化在机测量探针轴向的可行图构建方法。首先,根据包围盒算法计算各个测量点处免干涉的探针轴向。接着,利用机床运动学链建立红宝石球上触碰点与机床旋转轴的关系,进而构建机床转台旋转角度的可行图。为了提升检测精度,以减少红宝石球上触碰点和机床旋转轴方向变化为原则,优化测量路径上探针轴向,满足无干涉且红宝石球触碰点最少的条件。最后,以离心式叶轮为例进行验证,采用此方法不仅能保证红宝石球上触碰点个数最少而大幅度缩短标定时间,还能减少引入的机床误差量而提升测量精度,实验结果证明该方法重复性好、可行度高。