[发明专利]一种基于表面形貌自特征的零件唯一识别方法

权利要求书

1.一种基于表面形貌自特征的零件唯一识别方法，其特征在于，包括以下步骤：

步骤1：选择零件非工作面作为数据采集面，使用线扫描传感器和电动移动台采集零件非工作面的表面三维形貌信息；

步骤2：对零件非工作面的表面三维形貌信息数据使用基于邻域的插值算法去除噪声点；

步骤3：定义待测区域，利用基于阈值的差分算法裁剪待测区域外数据；

步骤3-1：在行方向裁剪待测区域外数据；

步骤3-1-1：在表面三维形貌B中，设定表面三维形貌初始边界行序号row₁＝1，row₂＝sizer(B)，sizer(B)表示表面三维形貌B的行向量数目；按行对表面三维形貌B取平均值，得到一个列向量的维度是sizer(B)×1；

步骤3-1-2：对列向量进行一阶差分变换为梯度向量的维度是(sizer(B)-1)×1；

步骤3-1-3：设定行阈值；

遍历若中有一个元素大于行阈值，则将row₁的值用该元素对应的行序号替换，row₂的值保持不变；

若中有两个或两个以上元素大于行阈值，则将row₁的值用第一个大于行阈值的元素对应的行序号替换，将row₂的值用最后一个大于行阈值的元素对应的行序号替换；

步骤3-1-4：则待测区域的有效表面三维形貌在行方向为位于row₁和row₂之间的数据；

步骤3-2：在列方向裁剪待测区域外数据；

步骤3-2-1：在表面三维形貌B中，设定表面三维形貌初始边界列序号list₁＝1，list₂＝sizel(B)，sizel(B)表示表面三维形貌B的列向量数目；按列对表面三维形貌B取平均值，得到一个列向量的维度是sizel(B)×1；

步骤3-2-2：对列向量进行一阶差分变换为梯度向量的维度是(sizel(B)-1)×1；

步骤3-2-3：设定列阈值；

遍历若中有一个元素大于列阈值，则将list₁的值用该元素对应的列序号替换，list₂的值保持不变；

若中有两个或两个以上元素大于列阈值，则将list₁的值用第一个大于列阈值的元素对应的列序号替换，将list₂的值用最后一个大于列阈值的元素对应的列序号替换；

步骤3-2-4：则待测区域的有效表面三维形貌在列方向为位于list₁和list₂之间的数据；

步骤4：利用最小二乘法对经过步骤3处理的表面三维形貌进行分离，得到零件的形状误差和粗糙度形貌；

定义零件二维轮廓线拟合多项式为：

p(x)＝a₀+a₁x+a₂x²+......+a_kx^k    (1)

其中k表示拟合阶数，a₀,a₁，......a_k表示拟合系数，x为变量；

建立表面三维形貌拟合阶数与误差之间的关系模型，依据误差最小确定拟合阶数，误差计算公式如下：

式中M、N为在待测区域沿x向和y向的离散采样点数，z(x_i,y_j)表示表面三维形貌位于点(x_i,y_j)处的高度，p(x_i,y_j)表示拟合曲面位于点(x_i,y_j)处的高度，拟合曲面即为形状误差，表面形貌与形状误差之差即为粗糙度形貌；

步骤5：对零件的粗糙度形貌提取核心表面，核心表面为位于零件非工作面核心高度最高处与最低处之间的表面形貌；

步骤6：基于ISO25178中的参数法，对分离后的形状误差、粗糙度形貌和核心表面分别提取相关特征，将相关特征组合构成零件表面形貌对应的特征；

形状误差的相关特征包括均方根高度、算术平均高度、核心高度最高处和最低处、核心高度；

粗糙度形貌的相关特征包括均方根高度、偏斜度、陡峭度、算术平均高度、最大峰高、最大谷深、均方根梯度、展开表面面积比、核心高度、折算峰高、折算谷深、峰均方根偏差、谷均方根偏差、支撑率、逆支撑面积率、峰数目和谷数目；

核心表面的相关特征包括：均方根高度、偏斜度、陡峭度、算术平均高度、最大峰高、最大谷深、均方根梯度、展开表面面积比、峰均方根偏差、谷均方根偏差、支撑率、峰数目和谷数目；

步骤7：重复步骤1到步骤6，采集多个零件的数据，建立零件训练集；

将零件训练集作为训练样本使用十折交叉法对SVM分类器进行训练；

步骤8：利用已训练的SVM分类器检测待测试零件的表面形貌特征，最终得到待测试零件对应的编号。

2.根据权利要求1所述的一种基于表面形貌自特征的零件唯一识别方法，其特征在于，所述基于邻域的插值算法去除噪声点具体步骤包括：

步骤2-1：遍历表面三维形貌，分别按行和列统计噪声点，若一行或一列中有大于等于10个噪声点未检测到，则去除该行或该列数据；

步骤2-2：对位于四个角点的噪声点取最邻近三个有效点的平均值替换该噪声点；

步骤2-3：对位于四个边缘行和列的噪声点取周围最邻近五个有效点的平均值替换该噪声点；

步骤2-4：对既不位于角点也不位于边缘行和列的噪声点取最邻近八个有效点的平均值替换该噪声点；

步骤2-5：获取去除噪声点后的表面三维形貌B。