[发明专利]三坐标测量机测量平面度的样本点优化选取方法

说明书

技术领域

本发明涉及零件表面平面度测量技术领域，具体地，涉及一种三坐标测量机测量平面度的样本点优化选取方法。

背景技术

在精密制造过程中，对于零件的尺寸、形位精度要求越来越高。为了能够对零件尺寸、形位精度进行有效的测量与控制，提高测量结果的准确性与测量过程的效率显得尤为重要。作为零件重要的形位精度，表面平面度的制造精度要求越来越高，这对平面度的精确测量提出了更高的要求。其中，三坐标测量机是目前工业领域内最为常用的平面度测量设备。影响三坐标测量机测量平面度准确性的主要因素有两个：一是三坐标测量机本身的测量精度；二是测点样本选取是否能充分体现平面的实际特征。要得到精确的平面度测量结果，不仅需要测量精度高的测量仪器，也对测量方法尤其是样本点选取方法提出了更高的要求。因此，作为影响三坐标测量机测量平面度精度与测量效率的主要因素，三坐标测量机测量点选取优化方法研究至关重要。在测量过程中，测量样本点选取越多，覆盖范围越大，所得到的测量结果就越准确，但是考虑到增加样本点的数量会导致测量时间延长，影响测量效率，所以需要优化测量样本点的选取来得到较高的测量精度。

已有的技术中，Badar在论文“Intelligent search-based selection of sample points for straightness and flatness estimation”（《ASME制造科学与工程杂志》2003年第125卷第2期，263-271页）中提到规划测量路径点时应当以最少的测量点保证最优的测量点数据分布，即效率与精度的平衡决策问题，提出针对测量直线度与平面度的三坐标测量机样本点缩减策略。该方法应用了传统的禁忌搜索算法和结合了传统禁忌搜索算法的混合搜索算法对最优测量样本点进行选取，由于传统禁忌搜索算法自身对初始解的要求过高，因此在无法提供优秀初始解时不能有效的优化测量样本点，必须通过人为修正初始解改善样本点搜索过程精度与效率。

专利号为US20130030773名称为“COORDINATE MEASURING SYSTEM DATA REDUCTION”的美国专利，提出的基于零件几何特征信息与尺寸公差对零件进行分块分析缩减测量样本容量的方法，通过对零件CAD模型的预处理与分割，能够根据几何特征对零件的测量样本点进行缩减，对不同的分块采用不同的样本缩减方法进行处理。该技术虽然能够很好的适应不同几何形状与尺寸的零件，但是对于不同几何特征的分块进行样本缩减时没有将测量精度作为优化目标，因此不能保证缩减后的测量样本达到原始精度，特别是针对同一零件存在多个不同几何特征分块的情况时，不能有效地保证测量精度，违背了三坐标测量机样本点优化选取的目标。

发明内容

针对现有技术中的缺陷，为了克服三坐标测量机测量零件表面平面度测量点选取方法不能同时满足测量精度与测量效率的不足，本发明提出了一种三坐标测量机测量平面度的样本点优化选取方法，该方法是基于改进禁忌搜索算法的三坐标测量机样本点优化选取方法，以测量精度与样本容量缩减作为优化目标，首先利用三维高分辨率表面形貌测量技术（水平分辨率可达150μm，垂直分辨率可达1μm）产生的三维高密度点云数据（每平方毫米可达40个测量点）寻找系统误差模式，选取出更加准确的初始样本点，解决了一般禁忌搜索算法搜索结果过分依赖于初始解的问题；之后将平面度偏差作为搜索目标，利用改进型禁忌智能搜索算法进行其余的样本点搜索，选取可以完全表征表面平面度变化的极限样本点。该方法可以对零件表面进行全局搜索，能够通过测试少量的样本点得到高精度的测量结果，实现保证测量精度的前提下缩减样本容量的目的，此外针对不同生产条件的零件该方法都具有优秀的适应性。

本发明是按照下述技术方案实现的。本发明方法包括下述步骤：

第一步：预检测

采用三维高分辨率表面形貌测量技术对多件同一生产系统依次生产的零件表面进行测量作为预检测，得到三维高密度点云数据，以及以彩色表示的表面形貌图像；

第二步：确定系统误差模式

根据点云数据与表面形貌图像，记录表面高度最高与最低的极限点出现的位置以及出现频率，统计结果后，出现最高与最低极限点次数较多的位置即是该零件的系统误差所在位置；在系统误差所在位置分别选取若干个样本点作为样本点集，计算样本点集内每一样本点的平面度偏差，将拥有最大平面度偏差的样本点作为之后搜索过程的初始样本点；

第三步：设定搜索过程参数