[发明专利]一种球碗偶件精密装配的面型匹配方法有效
申请号: | 201811592851.4 | 申请日: | 2018-12-25 |
公开(公告)号: | CN109615644B | 公开(公告)日: | 2021-05-04 |
发明(设计)人: | 刘志兵;张路;刘书尧;王西彬;焦黎;梁志强;滕龙龙;沈文华;陈晖 | 申请(专利权)人: | 北京理工大学 |
主分类号: | G06T7/30 | 分类号: | G06T7/30;G06T7/70;G06T11/20 |
代理公司: | 北京慕达星云知识产权代理事务所(特殊普通合伙) 11465 | 代理人: | 李冉 |
地址: | 100000 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 球碗偶件 精密 装配 匹配 方法 | ||
本发明公开了一种球碗偶件精密装配的面型匹配方法,通过测量得到的数据筛选出不合格的零件进行返修,并通过可视化对返修过程提供指导,进而提高返修的效率;对球碗的匹配程度进行定量的分析,模拟球碗偶件的装配过程,可以快速直观地确定最优组合,从而提高装配的成功率,降低废品率,节省实际装配的时间,从而提高生产效率。
技术领域
本发明涉及精密装配技术领域,更具体的说是涉及一种球碗偶件精密装配的面型匹配方法。
背景技术
精密偶件一般用于对配合精度要求极高的机构,如:柱塞泵、出油阀、喷油阀,陀螺仪等精密机构。其中,精密气浮球碗偶件为陀螺动压马达的关键零件,在该装配体中球与碗通过球面相结合,球与碗之间的配合方式为间隙配合,且该装配体球与碗之间的间隙大小要求十分苛刻。对于精密偶件,两零件之间的配合间隙大小对其工作状态具有显著影响。
目前,在对精密偶件进行装配时为了满足配合间隙的大小,需要对零件逐个进行试装,分析配合间隙是否符合要求,但是该检测方法效率较低,且需要依赖于操作者的经验和技能,在实际操作中难免会出现失误,对精密偶件的使用造成影响。
因此,研究出一种装配效率高,且检测准确率高的球碗偶件精密装配的匹配方法是本领域技术人员亟需解决的问题。
发明内容
有鉴于此,对于精密球碗偶件,其装配偏差主要有三大来源:第一,球碗偶件的尺寸误差,精密球碗偶件理论尺寸相等,实际半径指加工后零件表面各点到拟合球心的平均距离,尺寸误差直接影响间隙的大小;第二,球碗偶件的形状误差,即球度,由于偶件间隙很小,如果零件球度过大,会造成难以装配或装配后阻碍相对运动;第三,球碗偶件装配的位置误差,在实际装配中,很难做到理想化的装配,球碗的球心及轴线也不能保证完全重合,这会造成偶件工作时跳动过大,工作状态不稳定,降低寿命。精密球碗偶件为间隙配合,配合精度要求高,零件尺寸小;在这种情况下,精密偶件的实际加工表面的真实几何结构就不能视为理想球面,因此要对加工表面进行离散化的处理,具体分析各点的匹配情况。而本发明则提供了一种操作简便,装配效率高,且装配准确率高的球碗偶件精密装配的面型匹配方法。
为了实现上述目的,本发明采用如下技术方案:
一种球碗偶件精密装配的面型匹配方法,球碗偶件的匹配方法如下:
1:采用三坐标仪对球、碗零件进行测量,并得到球、碗零件的点云数据;
2:确定球、碗零件的球心坐标和球度误差:其中,球心坐标和球度误差均通过最小二乘法计算得到,计算得到的数据与球、碗零件标准的球度误差进行比较,若球、碗零件的球度误差达到合格要求,则将其存入数据库并进行后续的操作,从而得到可以匹配的偶件;若球、碗零件球度误差未达到合格要求,则将该球、碗零件进行返修;
3:测量球碗偶件沿半径方向的径向间隙:
3.1:选取所述步骤2中达到合格要求的球、碗零件,并测量球、碗各对应测量点到球心距离的差值,通过各对应测量点差值得到球碗偶件配合间隙的分布图;
3.2:将测量所得到的点云移动到标准位姿,并将标准位姿设置在球心为(0,0,0)点的位置,且点云的轴线与向量(0,0,1)重合,第一测量点位于X轴上;
设球的第一测量点与X轴的夹角为θ,球心坐标为(xc,yc,zc),平移矩阵为T1,绕Z轴的旋转矩阵为T2,关于XOY平面对称变换矩阵为T3;先将球、碗点云数据做齐次坐标变换,然后对变换后的点云数据进行坐标变换;其中,球、碗点云数据变换分别如式(1-1)、式(1-2)所示;
P1=P*T1*T2 (1-1)
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京理工大学,未经北京理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811592851.4/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于加工画像分析的机床故障预警方法
- 下一篇:基于视觉的特征点提取方法