深孔直线度光电测量技术

基于光电原理,提出了一种利用输出电压的变化规律来准确测量深孔直线度的方法。分析了光电探测器发生平移运动和旋转运动时造成的实际孔心的变化规律。基于最小二乘原理,推导了深孔直线度与输出电压的关系,为深孔直线度光电测量提供了理论基础。利用光电测量原理,设计了一种具有自定位功能、实时显示深孔直线度误差的光电测量装置,可实现深孔直线度的无损自动检测。

基于PSD的深孔轴线度测量机器人设计

针对目前深孔轴线度测试技术的不足,设计了一种基于PSD的自定心深孔轴线度测量机器人。通过螺旋管道机器人驱动,带动内径自定心装置沿管道轴线前进,置于定心轴端的激光头发出激光束并照射到外置的四象限PSD面板,通过电路转换和数据采集实时显示当前管道位置的轴线位置,并完成所测深孔轴线的测量。与现有测量系统相比,该机器人可以实现精密仪器中深孔、盲孔任意截面直线度参数的测量。

正方网格迭代寻优评定深孔轴线直线度

针对评定深孔轴线直线度难以确定最优基线的难题,提出了正方网格迭代寻优评定深孔轴线直线度。以正方形网格划分最优评定基线所在的空间区域,以网格的交点为端点建立评定基线,以评定出的直线度最小值为导向搜索最优评定基线。上一次正方形网格化后的最优评定基线和最小直线度为基础,重新进行下一次的正方形网格划分搜索最优评定基线,如此循环以搜索全局最优评定基线,并计算出最终的直线度。将算法与其他算法比较,验证了算法的优越性。此外,正方网格迭代寻优可应用于空间任一实际直线的直线度评定,能够为直线度评定提供参考。

深孔综合参数测试装置设计及测试方法研究

针对目前深孔测试技术的不足,设计了一种基于激光测距的深孔综合参数测量装置,给出了测试方法,并基于最小二乘原理建立了测试数学模型。与现有测量系统比较,该装置可以实现精密仪器中深孔、盲孔的任意截面直径和直线度等孔径参数的测量。

深孔轴线直线度误差检测方法

总结了1935年以来国内外深孔直线度误差检测方法,对近年发展起来的深孔直线度误差的检测方法进行了归类总结,分析了深孔直线度误差检测方法的研究趋势;重点介绍了以深孔轴线为对象的检测方法及以深孔母线为对象的检测方法;通过对现有方案的研究及发展趋势的分析,提出了深孔直线度误差检测研究的课题方向。

基于三点法检测深孔直线度的测量系统

介绍了一种应用三点定圆原理测量深孔直线度的测量系统;随着测量杆的移动,通过传感器可获得被测孔的直线度误差数据,经数字信号处理,即对深孔的直线度误差做出评价。分析了测量误差对测量值的影响,验证了测量系统的精确性;并阐述了使用该系统可检测深孔直线度、圆柱度等形状误差值的多功能性。

多喷嘴气动直线度量针及其校准环的设计与使用方法

提出在浮标式气动量仪上采用多喷嘴气动直线度量针测量内孔直线度。分析和研究了多喷嘴气动直线度量针的测量原理及方法,设计制造了多喷嘴气动直线度量针及校准环。通过实例,对在浮标式气动量仪上用多喷嘴气动直线度量针测量内孔直线度的方法进行了验证。结果表明,在浮标式气动量仪上用多喷嘴气动直线度量针测量内孔直线度效率高、精度高。设计的多喷嘴气动直线度量针实用、可靠,完全满足客户要求,填补了行业的一项技术空白。

一种重建深孔轴线的新型六探针测量系统

提出了一种用于深孔轴线重建的新型六探针测量系统。该系统基于三维两点法,探头在每次步进测量中可以获得被测横截面的圆心位置以及半径大小。该系统有以下优点:1)可以消除传感器运动装置的移动直线度误差对轴线测量与拟合结果造成的影响;2)有显著普遍性,调整位移传感器之间的相对位置可以测量不同的孔径;3)实现探头移动、数据获取的自动化,降低人工劳动量,提高测量效率;4)测量过程简单,只通过一次扫描测量就可拟合孔轴,并评估它的相关参数。通过理论推导和仿真证明了这些优点。实验结果表明,该方法具有高横向分辨率。

深孔直线度检测系统设计与测算

深孔直线度的准确检测是深孔加工行业亟待解决的难题。为解决该难题,设计了一套深孔直线度检测系统,对不同深孔截面边界上多个点的坐标利用阻尼牛顿法求解深孔截面圆心,得出被测工件的实际轴线,最后通过"两端点连线法"计算出深孔直线度。为深孔直线度检测提供了一套检测系统与测算方案,该系统有利于提高测量精度与效率+;是深孔直线度检测的一个创新。

基于三维点云深度学习的飞机表面多圆孔基元提取方法

在飞机部件自动制孔系统中,快速、精确检测飞机表面圆孔对飞机装配质量具有重要作用,但从大规模三维测量点云数据中自动化、精确、快速检测所有圆孔特征依旧是一个难点。鉴于此,提出一种基于三维点云深度学习的飞机表面多圆孔基元提取方法。使用三维点云深度学习网络预测三维测量点云中初始圆孔边界点,并基于初始圆孔边界点,学习圆孔法向。同时,设计基于学习的加权最小二乘(Weighted least square,WLS)方法拟合圆孔参数,并将圆孔边界点检测误差、圆孔参数估计误差、圆孔法向学习误差作为多任务联合损失进行网络训练。通过在不同噪声、不同分辨率的模拟点云数据和实测点云数据上进行测试,并与现有先进边界提取、圆孔拟合方法进行对比。试验结果表明,所提出的方法在边界点识别准确度、圆孔参数计算准确度等方面获得了优越的综合性能。