基于插补点曲面重建的一种加工过程实时数据分析方法

• 作 者: 郎明朗
• 出 处: 华中科技大学
• 发表日期: 2004年期
• 关键词: 加工过程 实时数据 插补点压缩 插补点曲面重构 不连续度量化

受益于近年来计算机技术的飞速发展,现今数控系统已具备以插补周期为单位记录曲面加工过程中各种海量实时数据的能力。这些海量的实时数据包括加工过程中的指令数据、反馈信号等多种种类的数据,它们与曲面精加工表面质量之间的关系是值得研究的。曲面精加工的海量插补点可以张成一张插补点曲面,把实时数据看成附着在该曲面上的涂层,实时数据的大小反映涂层的厚度,涂层厚度在插补点曲面上的变化与精加工表面质量之间存在对应关系。因此本文提出通过定量研究涂层厚度在曲面上的变化来研究实时数据与曲面精加工表面质量之间的关系。为了研究上述问题,需要建立插补点曲面模型,由于插补点分布非常密集,为提高重建曲面的效率,需要压缩插补点。为实现保留特征的压缩,首先提出了沿刀具行进方向和横向双向的插补特征点识别算法,算法既保证了特征点的识别效率,也提高了特征点的识别率。基于识别出的插补特征点,提出了一种特征保留的压缩率自适应的插补点压缩算法。算法既拥有较高的压缩率,也保证了压缩后的插补点的几何保真度,提高了重建曲面的效率。最后,把压缩后的插补点重建成三角网格曲面,为后续研究提供了插补点之间的拓扑关系。为定量研究涂层厚度在曲面上的变化,提出一种量化实时数据在插补点曲面上分布的不连续程度(简称实时数据的不连续度)的算法。算法能准确量化实时数据不连续度,自动定位实时数据不连续的位置和所属程序行行号。还能基于量化结果确认实时数据不连续度和表面缺陷是否存在对应关系,为缺陷原因溯源,加工优化提供依据。仿真实验和实际加工结果表明,本文算法可以正确量化实时数据的不连续度,判断实时数据的不连续度与表面质量缺陷是否存在对应关系,能用于缺陷原因溯源和优化加工,能为有针对性的改进控制算法、提升加工效率与质量提供依据。