[发明专利]一种曲线轮廓在线测量中数据异常点判别与辨识方法

说明书

一种曲线轮廓在线测量中数据异常点判别与辨识方法，首先，对测量数据中异常数据点进行判别，判别其是否为数据异常点；然后，对异常数据进行识别，辨识出其异常类型与数据排序形式；最后，对不同类型的异常数据进行剔除与补偿，对不同类型异常数据按照一定的规则进行参数校正。本发明结合不同类型的异常数据形式与异常点在数据序列中的位置，采用不同的位置函数实现数据异常点判别与辨识；通过对数据异常点进行修正，可有效改善测量数据的准确性，提高曲线轮廓在线测量精度与测量效率。

技术领域

本发明属于几何量精密测量技术领域，具体涉及一种曲线轮廓在线测量中数据异常点判别与辨识方法。

背景技术

随着工业技术及加工技术的不断发展与提高，复杂曲面及曲线轮廓常出现在机械产品中，因此，必须对被加工曲线轮廓形状进行有效的在线测量以准确获得具体的轮廓几何形状信息。由于复杂曲面与曲线形状的不规则与复杂性，需在加工过程中利用位移传感器对曲线轮廓进行形状与位置的测量。而在在线测量过程中，采用的传感器测量原理及轮廓形状的不同会造成输出的测量数据中存在不同类型与位置的异常点。异常点的存在具有一定随机性和任意性，利用常规办法并不能很好的将其识别与剔除，这给曲线轮廓形状的准确在线测量带来了一定的困难；另外，在线测量要求数据处理速度高于加工成形速度，因此对数据异常点判别与辨识就提出了更高的要求。

曲线轮廓在线测量中数据异常点的形式主要有非数、凸点与凹点，异常点由于轮廓的复杂形式会随机出现在数据序列的不同位置，而异常点位置的随机性不容易被控制，也并非传感器自身因素引起，测量过程及数据处理中难以对异常点出现的形式和位置进行辨识。利用信号处理及滤波方法对测量幅值会产生影响，促使处理结果不能真实反映实际被测量，造成误差难以抑制。因此，现有曲线轮廓接触与非接触在线测量中数据异常点无法有效剔除。

发明内容

为了克服上述现有技术的缺点，本发明的目的在于提供一种曲线轮廓在线测量中数据异常点判别与辨识方法，结合不同类型的异常数据形式与异常点在数据序列中的位置，采用不同的位置函数实现数据异常点判别与辨识；通过对数据异常点进行修正，可有效改善测量数据的准确性，提高曲线轮廓在线测量精度与测量效率。

为了达到上述目的，本发明所采用的技术方案是：

一种曲线轮廓在线测量中数据异常点判别与辨识方法，首先，对测量数据中异常数据点进行判别，判别其是否为数据异常点；然后，对异常数据进行识别，辨识出其异常类型与数据排序形式；最后，对不同类型的异常数据进行剔除与补偿，对不同类型异常数据进行参数校正。

当在线测量曲线轮廓时，沿着曲线轮廓采集N测点，获得曲线轮廓的位移量数据为S_i，设定对应的被测轮廓是F_i，其表达式为：

F_i＝L(S_i)

式中，L为位移量，S_i为第i点是位移传感器输出量。

一种曲线轮廓在线测量中数据异常点判别与辨识方法，包括非数异常数据的辨识和突变异常数据的辨识；

所述的非数异常数据的辨识包括：

按照数据序列对测量数据中包括的非数进行识别，照测量数据存在的形式搜索非数并保留搜索位置，并对非数参数进行补偿与替代，按照非数在数据序列中不同的位置，采用不同的测量幅值补偿策略；

当非数出现在数列的第一个或者最后一个数据位置时，用相邻测量值作为替代值；

S₁'＝S₂，S_N'＝S_N-1