本发明涉及计算机辅助制造及数控加工技术领域,具体涉及一种基于k最近邻迭代最近网格算法的叶片轮廓误差评价方法。
背景技术:
叶片零件作为动力装置中的高故障部件,严重的影响了整机的工作性能和使用寿命。叶片型面的形状误差对二次流损失有较大的影响,直接影响着压气机的能量转换率进而影响工作效率,对发动机的性能起着举足轻重的作用,因此叶片零件的加工和型面质量的检测在发动机零部件的检测中具有非常重要的意义。
随着测量技术的不断发展和完善,叶片表面轮廓分析的技术和手段越来越多。基于三坐标测量机的关键截面分析法可以获取叶片关键部位的轮廓信息。然而,三坐标测量机的测量效率低,同时关键截面法也无法获取型面的全部轮廓信息。五轴坐标测量系统可以在测量过程中保持探针在曲面上连续扫掠,可以获得工件表面全部的轮廓信息,然后将测量点云与理想的cad模型进行配准,从而评价型面的轮廓误差。但现有的轮误差评价方法存在评价精准度不高、计算效率低、内存消耗大等问题。
非专利文献《amethodforregistrationof3-dshapes》提出了点云匹配方法,但寻找最近点的效率非常低,点云规模大时会导致计算失败。为了提升计算效率,非专利文献《tunneldeformationanalysisusingknns-icpmethodbasedonterrestriallaserscanningdata》将k最近邻(knn)算法引入点云匹配中,形成了最近邻点云匹配方法(knn-icp),该方法可以高效地获取各个点的在点云中的最近点。然而,现有的型面轮廓误差评价仍存在不足,这些方法采用的是点云描述cad模型,需要足够密的数据点以保证计算点到理想曲面距离的精度,对内存的要求很高、计算效率低。此外,现有的轮廓误差评价方法采用测量点云与理想点云之间的距离作为优化目标,但该指标并不能精确地反映出工件表面的真实轮廓误差。
技术实现要素:
本发明所要解决的技术问题是:现有的轮廓误差评价方法采用测量点云与理想点云之间的距离作为优化目标,但该指标并不能精确地反映出工件表面的真实轮廓误差;这些方法采用的是点云描述cad模型,需要足够密的点云以保证计算点到理想曲面距离的精度,对内存的要求很高、计算效率低。
本发明通过以下技术方案解决上述技术:
本方案提供一种基于k最近邻迭代最近网格(knn-icm)算法的叶片轮廓误差评价方法,包括以下步骤:
s1:根据加工公差将压气机叶片各型面部分进行三角剖分生成各型面部分的三角面片,获取各型面部分的三角面片离散点云集合;
s2:利用revo五轴扫描测量系统获取压气机叶片各型面部分的测量点,并获取所有测量点云数据集合;
s3:针对各型面部分三角面片的离散点云集合和所有测量点云集合,采用knn算法和蔓延式搜索,计算出各测量点到三角面片上的最近点及对应的距离;
s4:若计算出的当前所有测量点位置到三角面片距离的平均值与上一次计算值之差的绝对值小于迭代终止精度,则进入s6,否则继续执行s5;
s5:采用四元数法计算旋转矩阵和平移矩阵,使得当前各测量点位置逼近对应三角面片上的最近点的位置,得到新的测量点云数据集合,返回s3;
s6:终止迭代计算,输出叶片整体最大轮廓误差、各型面部分的最大轮廓误差、叶片整体平均轮廓误差、各型面部分平均轮廓误差。
进一步优化方案为,设工件的加工公差为τ,以ω·τ的离散精度对压气机叶片各型面部分进行三角剖分,其中0<ω<1。
进一步优化方案为,压气机叶片包括:叶盆型面部分、后缘型面部分、叶背型面部分和前缘型面部分。
进一步优化方案为,对压气机叶片各型面部分进行三角剖分时,各型面部分单独剖分。
进一步优化方案为,记叶盆(cc)型面部分、后缘(te)型面部分、叶背(cv)型面部分和前缘(le)型面部分的标号依次为t=1,2,3,4;
用
所有型面部分的三角面片离散点云集合为:
所有测量点云数据集合为:
设测量点
s5中得到新的测量点云数据集合为
叶片整体最大轮廓误差为:
各型面部分的最大轮廓误差为:
叶片整体平均轮廓误差为:
各型面部分的平均轮廓误差为:
进一步优化方案为,采用knn算法和蔓延式搜索,计算出各测量点到三角面片上的最近点及对应距离的方法包括步骤:
t1:先将某一型面部分的三角面片的离散点云
t2:计算当前测量点位置
进一步优化方案为,t2具体步骤如下:
t2.1:定义:如果mt中三角面片至少有一个顶点是离散点集合v中某个元素,则该面片称为v的关联面片,v的所有关联面片构成的集合记为cm(v);点云
设j为计算最近点的迭代计数器;令j=1,
t2.2:令
t2.3:若δj<0,j=j+1,返回t2.2;否则,
进一步优化方案为,计算一个测量点
k1:计算数据点
k2:依次遍历
进一步优化方案为,k1具体步骤为:
k1.1:设三角面片的离散点云
k1.2:计算点
计算数据点
(1)设cad模型面片顶点中与数据点
(2)设以c为顶点的其中一个面片为abc。分别计算向量
其中,计算
(a)设
(b)设
(c)分别计算点
令
类似地,计算dbc,dca,取dabc=min{dab,dbc,dca}。
(3)遍历所有以c为顶点的关联面片,采用上述步骤分别计算数据点到所有包含c为顶点的关联面片的距离,取其中的最小值作为dcm(c)。
依次遍历
进一步,s5中采用四元数法,计算旋转矩阵和平移向量。记
(1)计算点集p(k)和q(k)的中心位置
(2)根据中心化后的数据点集,计算协方差矩阵cm,并通过协方差矩阵构造正定矩阵n:
(3)计算出正定矩阵n的特征值,其中对应最大特征值的特征向量对应着旋转四元数为:
q=(q0,q1,q2,q3)t
(4)用旋转四元数q=(q0,q1,q2,q3)t表示旋转矩阵为:
(5)根据
本方工作原理:为了更准确、更全面地评估零件整个表面的精度,本技术方案采用revo五轴测量系统获取整个叶片表面的测量点云数据,并提出了k最近邻迭代的最近网格算法计算测量点云与cad模型(cad型面分四个部分cc型面部分、cv型面部分、le型面部分、te型面部分)之间的轮廓误差,相比传统的点云匹配方法,本方案采用测量点云到理想型面三角面片的最大最小距离作为匹配的目标函数,以提升测量点到理想型面距离的计算精度和计算效率,能更为准确地反映出工件的轮廓误差。
本发明与现有技术相比,具有如下的优点和有益效果:
1.本发明提供的一种基于k最近邻迭代最近网格算法的叶片轮廓误差评价方法,在叶片表面轮廓误差评价方法采用五轴测量系统获取整个叶片表面的测量点云,速度快、精度高,提高了点云数据的获取效率;本方法解决关键截面法分析不全面的问题,完整的反映叶片型面整体和各部分的偏差分布。
2.本发明提供的一种基于k最近邻迭代最近网格算法的叶片轮廓误差评价方法,以测量点云到理想型面三角面片的最大最小距离作为目标函数,通过knn-icm算法进行测量点云与三角剖分后的cad模型的匹配和分析,减少了计算时的内存消耗,提升了测量点到理想型面距离的计算精度和效率,能更为准确地反映出工件的轮廓误差。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。
图1为基于k最近邻迭代最近网格算法的叶片轮廓误差评价方法流程图;
图2为压片机叶片结构示意图;
图3为revo五轴扫描测量系统示意图;
图4为点
图5为测量点
图6为测量点
图7为测量点
图8为测量点
图9为测量点
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1所示,一种基于k最近邻迭代最近网格算法的叶片表面轮廓误差评价方法,包括以下步骤:
s1、设工件的加工公差为τ,以ω·τ的离散精度对叶片cad型面进行三角剖分(0<ω<1),构成三角面片的离散点云集合为
s2:如图3所示,采用revo五轴测量系统获取整个叶片表面的测量点,记测量点云数据集合为
s3:分别对叶片的各个部分,求出当前所有测量点位置
s4:当k≥1时,计算
s5:采用四元数法计算旋转矩阵r(k)和平移矩阵t(k),使得当前测量点云
s6:终止迭代,分别输出叶片整体与各部分的最大轮廓误差
进一步,步骤s1中叶片型面由叶盆(cc)、叶背(cv)、前缘(le)、后缘(te)四部分组成,如图2所示。在对cad模型进行三角剖分时,对四个部分单独剖分。
进一步,步骤s3中利用knn算法,求出每个点云数据在三角面片中的最近点
第一、利用revo五轴扫描测量系统获取叶片型面的点云数据;实际测量点云由cc、cv、le、te四部分组成。记叶片某部分测量点云数据的当前位置为:
第二、将构成三角面片的离散点云
第三、计算测量点的当前位置
(1)设j为计算
(2)令
(3)若δj<0,j=j+1,返回(2);否则,
类似的,叶片四个部分用同样的方法计算面片上的最近点和对应的距离。(如图4所示,虚线部分的三角形为以
进一步,计算点
一、计算数据点
(1)设cad模型面片顶点中与数据点
(2)设以c为顶点的其中一个面片为abc。分别计算向量
其中,计算
(a)如图8所示,设
(b)设
(c)计算点
令
类似地,计算dbc,dca,取dabc=min{dab,dbc,dca}。
(3)遍历所有以c为顶点的所有关联面片,采用上述步骤分别计算数据点到包含c为顶点所有关联面片的距离,取其中的最小值作为dcm(c)。
二、依次遍历
进一步,步骤s5中采用四元数法,计算旋转矩阵和平移向量。记
(1)计算点集p(k)和q(k)的中心位置
(2)根据中心化后的数据点集,计算协方差矩阵cm,并通过协方差矩阵构造正定矩阵n:
(3)计算出正定矩阵n的特征值,其中对应最大特征值的特征向量对应着旋转四元数为:
q=(q0,q1,q2,q3)t
(4)用旋转四元数q=(q0,q1,q2,q3)t表示旋转矩阵为:
(5)根据
实施例2
基于k最近邻迭代最近网格算法的叶片轮廓误差评价方法的具体实施方式,包括以下步骤:
步骤一、将压气机的叶片cad型面四个部分cc、cv、le、te标号分别记为t=1,2,3,4,工件的加工公差τ=0.01mm,取ω=0.1,以0.1τ的离散精度对叶片cad型面进行三角剖分,构成三角面片的离散点云集合为
步骤二、求出当前所有测量点位置到三角面片上的最近点和对应的距离。设迭代终止精度为∈=0.001mm,若当前所有测量点到三角面片距离的平均值与上一次计算值之差的绝对值小于∈,则进入步骤四,否则继续执行步骤三;
步骤三、采用四元数法计算旋转矩阵和平移矩阵,使得当前测量点云的位置逼近cad模型三角面片上的最近点位置,更新测量点云位置。返回步骤二;
步骤四、终止迭代,分别输出叶片整体与各部分的最大轮廓误差,以及叶片整体与各部分的平均轮廓误差,如表1所示。
表1叶片整体与各部分的平均轮廓误差和最大轮廓误差
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。