[发明专利]一种基于实测数据特征引导的零件精确加工方法有效

专利信息
申请号: 201911270597.0 申请日: 2019-12-12
公开(公告)号: CN111077844B 公开(公告)日: 2020-09-22
发明(设计)人: 汪俊;陈红华;韦正渊;张沅 申请(专利权)人: 南京航空航天大学
主分类号: G05B19/19 分类号: G05B19/19
代理公司: 南京钟山专利代理有限公司 32252 代理人: 戴朝荣;金子娟
地址: 210007 江*** 国省代码: 江苏;32
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 基于 实测 数据 特征 引导 零件 精确 加工 方法
【权利要求书】:

1.一种基于实测数据特征引导的零件精确加工方法,其特征在于,包括:

1)扫描已完成再加工的标准零件,建立实测模型,并获取所述实测模型的三维点云数据,记为原始点云;

2)数据预处理:

2.1)对所述原始点云进行稀疏离群点和噪声点的删除,得到过滤点云;

该步骤中,删除稀疏离群点和噪声点的过程为:

步骤a:采用3D点云数据KD-Tree对无序的原始点云进行组织,经过组织后的点云,每个点都对应二叉树的一个节点;

步骤b:计算每个点的k邻域平均距离,对于参考点(x0,y0,z0)而言,(xn,yn,zn)是参考点周围k邻域中的点,为k邻域中的任一点索引,n∈[1,k],利用公式(1)计算参考点的k邻域平均距离为:

步骤c:利用公式(2)将每个点的k邻域平均距离相加再求平均值,计算所有点的平均k邻域距离为:

其中,m为点云中点的总个数,μi为当前参考点的k邻域平均距离;

步骤d:利用公式(3)计算所有点的k邻域距离标准差σ:

上式中,M为m-1;

步骤e:假设所有点的邻域平均距离服从高斯分布,根据高斯曲线,来设置阈值T,取删除阈值范围外的点;

2.2)针对所述过滤点云的几何特征,采用重采样技术,对边界过渡区域进行特征增强;

3)根据预处理后的数据,准确识别标准零件的几何特征,并提取其外形轮廓;

4)截取需要的外形轮廓部分,并对其进行有序采样,获得一组边界点云;

5)将有序采样的结果映射至留有余量的待加工零件的数据模型上,获取零件再加工部位的精确边界轮廓线,以所述精确边界轮廓线作为引导,生成刀具的加工路径。

2.根据权利要求1所述的一种基于实测数据特征引导的零件精确加工方法,其特征在于,步骤2.2)中,使用EAR算法对尖锐边界区域进行尖锐特征增强。

3.根据权利要求1所述的一种基于实测数据特征引导的零件精确加工方法,其特征在于,所述步骤3)的具体过程为:

第一步,采用主成分分析估计输入点云中每一个点的表面法线;

第二步,通过计算每一个输入点局部邻域的法线变化度获取点云中代表边界的特征点,并将其提取出来;

其中,点局部邻域的法线变化度为点pi邻域内点的法向量和点pi法向量的夹角的平均值,特征点提取依据为如果点邻域法线变化较大则该点的所在区域凹凸变化程度较大,如果点邻域法线变化比较平稳缓慢,则该点的所在区域点集分布较为平缓;设置一个恰当的阈值,删除点云中属于平坦区域的点,同时将大于阈值的点作为特征点。

4.根据权利要求3所述的一种基于实测数据特征引导的零件精确加工方法,其特征在于,步骤4)中,有序采样阶段,根据刀具的运动方向,从再加工轮廓形状的起始点,沿着特征点的轨迹,以一定的点间距间隔依次设置采样点。

5.根据权利要求4所述的一种基于实测数据特征引导的零件精确加工方法,其特征在于,所述点间距为不大于4mm。

6.根据权利要求1所述的一种基于实测数据特征引导的零件精确加工方法,其特征在于,在步骤5)的映射阶段,需要建立基于装配型架的参考系,以扫描的装配型架上的数个定位点作为参考,完成点云配准,将有序采样的边界点云映射至留有余量待加工零件的实测数据上。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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南京航空航天大学,未经南京航空航天大学许可,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/201911270597.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top