移传感器、右激光位移传感器对复杂加工曲面进行测量，精确非接触测量出复杂加工曲面的位置、位移变化、厚度、振动、距离、直径等几何量的测量，精准获得机械加工表面的形状误差；
[0039]激光位移传感器采用激光三角测量法，激光发射器通过镜头将可见红色激光射向被测物体表面，经物体反射的激光通过接收器镜头，被内部的线性相机接收，根据不同的距离，线性相机可以在不同的角度下找到这个光点，根据这个角度及已知的激光和相机之间的距离，数字信号处理器能够计算出传感器和被测物体之间的距离，通过CCD照相装置与激光位移传感器的结合使用，精准测量出加工表面的粗糙度和形状误差。
[0040]实施例5:
[0041]根据实施例1-4所述的模具曲面加工误差和表面粗糙度在机检测装置，所述的模具曲面加工误差和表面粗糙度在机检测装置包括:
[0042]1.刀柄:刀柄用于将本产品装置放到主轴上面。
[0043]支撑装置:用于支撑连接C⑶照相装置与激光位移传感器连接装置。
[0044]照相装置:支撑C⑶照相机。
[0045]激光位移传感器连接装置:用于连接激光位移传感器，可左右转动。
[0046]左激光位移传感器、右激光位移传感器:用于自适应米样，左右两个激光位移传感器通过激光位移传感器连接装置可以使激光聚集到一点实现更精准的采样。
[0047]模具曲面加工误差和表面粗糙度在机检测方法:
[0048]( I)激光位移传感器采样
[0049]首先用激光位移传感器对加工表面进行分析检测，激光传感器是通过激光技术进行测量的传感器。它由激光器、激光检测器和测量电路组成。激光传感器能实现无接触远距离测量，速度快，精度高，量程大，抗光、电干扰能力强。采用激光位移传感器，结合自适应采样算法，基于物体重心原理对三维模具曲面进行自适应采样。通过自适应采样算法，利用曲面的随机散点进行迭代计算，得到自适应网格，网格间距还可以由形状参数控制。
[0050]自适应采样算法具有自组织特征，经过相应迭代次数后随机网格收敛为矩形拓扑网格，采样的疏密程度依赖于曲面曲率，网格间距可与参数来控制。
[0051]、生成测量程序验证
[0052]按照上述采样方法可以获得加工曲面上测量路径。
[0053]验证前首先关闭加工中心电源对机床进行接线，使红外接收器通电以及电脑与机床的数据线接入。对红外接收器接线直接利用数控中心供电柜提供的24V电压，然后进行数据线的接入，把红外接收器的数据接口插入加工中心的操作面板后的JA40 口，使其接收到激光与工件的接触信号后能够控制加工中心停止继续运动并且退回等动作。电脑的USB接口经过接口转换器，和数控加工中心的控制面板的RS232(25针DB25)串口相连。打开机床电源，开机后，进行参数写入开关设置、I/O口设置、信号鉴定等机床参数调整。
[0054]程序验证主要分为三部分，有测量路径规划模块、机床通讯模块以及测量报告生成模块。
[0055]测量路径生成模块打开模型上自适应采样规划生成的测量路径，编程规则机床验证切实可行；机床通讯模块能够实现程序的传输与数据的接收，经过传输测量程序以及接收数据后，返回测量值；测量报告生成模块通过得到实际点的坐标值进行运算，得出各坐标值变化趋势，生成测量报告，而且生成EXCEL表格。通过程序的控制，用激光位移传感器进行在机测量，获得采样数据的同时为下一步CCD图像检测提供曲面形状信息。
[0056](二)图像检测采样
[0057]通过CCD照相装置采集工件表面的信息，对零部件进行图像摄取，摄取过程中根据激光位移传感器提供的机械加工曲面的形状信息，根据复杂曲面的凹凸程度进行等距采样或其它，首先进行图像预处理，然后在LED光源条件下提取机械加工表面的图像特征。值得注意的是要优选机械加工表面的光源，得到相应的灰度变化轮廓曲线，用来分析各种滤波和图像增强方式对机械加工表面图像的处理效果。最后建立相应的BP神经网络模型，实现对机械加工表面的局部粗糙度的图像测量。
[0058]具体实施方法如下:首先确定LN-60聚光型LED线光源作为本产品C⑶光源，通过多个机械加工零件表面的测试，选定最佳参数，结合CCD摄像机、相应的图像采集卡和计算机等设备，构建图像检测硬件系统。针对机械加工表面的图像先分析灰度变化曲线，采用高斯滤波对加工表面的图像进行降噪处理，可通过直方图均衡化进行图像增强，利用灰度级闭值化的分割处理实现机械加工表面的识别与定位。
[0059]然后采用空间频率的方法，利用二维傅里叶变换后的频谱实现机械加工表面粗糙度的综合评定。即对图像进行二维频域分析，得到功率谱半径、功率谱平均、倒谱、复倒谱、功率谱估计等，然后以这五个特征量作为输入，建立了表面粗糙度与图像特征值关系的BP神经网络模型，并通过学习，确定粗糙度预测值和粗糙度实测值之间具有良好的一致性，实现了经由CCD摄像机提取特征参数、神经网络模型完成机械加工表面粗糙度检测的目标。
[0060]具体包括高斯滤波模块、图像增强模块、表面边界检测模块、图像频域分析模块、特征参数的提取模块和BP神经网络的零件表面质量检测模块，BP神经网络模块的神经网络的训练需要量的复杂零件表面的学习样本，如果学习样本过少，不足以反应这五个特征量与曲面几何特征之间的关系，学习样本过多，则需要增加神经网络中神经元的个数，容易导致学习时间过长，影响机械加工表面粗糙度值的生成时间，本产品共设计了 9个不同粗糙度等级的试件，每个等级设计了 10个试件，对每个试件分别采集了 8幅图像，共有9X 10X8=720个样本，通过训练确定了神经网络的最终模型。C⑶照相装置采集及工件表面粗糙度测量工作原理如8所示，CCD照相装置采集过程示意图如4所示。
【主权项】
1.一种模具曲面加工误差和表面粗糙度在机检测装置，其组成包括:检测装置，其特征是:所述的检测装置包括整体支撑装置，所述的整体支撑装置上平面中间位置安装有刀柄，所述的整体支撑装置下平面通过螺栓与CCD照相装置连接，所述的整体支撑装置两侧分别通过连接轴与激光位移传感器装置连接，所述的激光位移传感器装置具有槽，所述的槽内分别安装有左激光位移传感器、右激光位移传感器。2.根据权利要求1所述的模具曲面加工误差和表面粗糙度在机检测装置，其特征是:所述的检测装置分别通过所述的左激光位移传感器、所述的右激光位移传感器对模具曲面进行测量，所述的检测装置通过所述的CCD照相装置对所述的模具曲面进行数据采集。3.根据权利要求2所述的模具曲面加工误差和表面粗糙度在机检测装置，其特征是:所述的左激光位移传感器、所述的右激光位移传感器激光聚集点交汇在所述的模具曲面表面上，所述的CCD照相装置采集点垂直于所述的模具曲面上表面。
【专利摘要】<b>本实用新型涉及一种模具曲面加工误差和表面粗糙度在机检测装置。曲面检测装置均采用接触式测量，要接触工件表面，测量速度慢，无法测量小于测头曲率半径的微观表面、复杂曲面，不能适用于实时的在线检测。本实用新型组成包括：检测装置（</b><b>7</b><b>），所述的检测装置包括整体支撑装置（</b><b>1</b><b>），所述的整体支撑装置上平面中间位置安装有刀柄（</b><b>6</b><b>），所述的整体支撑装置下平面通过螺栓与</b><b>CCD</b><b>照相装置（</b><b>3</b><b>）连接，所述的整体支撑装置两侧分别通过连接轴与激光位移传感器装置（</b><b>5</b><b>）连接，所述的激光位移传感器装置具有槽，所述的槽内分别安装有左激光位移传感器（</b><b>2</b><b>）、右激光位移传感器（</b><b>4</b><b>）。本实用新型用于模具曲面加工误差和表面粗糙度在机检测装置。</b>
【IPC分类】G01B11/30, G01B11/24
【公开号】CN204881558
【申请号】CN201520591811
【发明人】吴石, 潘鹏飞, 边立健, 徐健, 王洋洋
【申请人】哈尔滨理工大学
【公开日】2015年12月16日
【申请日】2015年8月7日