一、加工中心上的自动测量系统（论文文献综述）
季泽平,田春苗,郭世杰[1]（2021）在《数控机床几何误差研究现状与展望》文中研究说明几何误差是影响数控机床空间精度的重要因素之一,误差项多、产生机理复杂且各个误差项之间存在耦合作用,直接影响机床的加工精度。因此,对几何误差进行研究与分析至关重要。综述了近年来国内外数控机床几何误差的研究现状,包括几何误差建模、几何误差测量、几何误差项分析和几何误差补偿4个方面;总结了现有建模方法、测量方法、几何误差项分析方法以及补偿方法的优点与不足;从装备制造业角度出发,展望了未来数控机床几何误差的研究方向。
付敏[2]（2021）在《数控加工中自动找正和在线测量技术的应用》文中进行了进一步梳理在传统的生产加工方案中,批量零件的生产过程中存在连续装夹、校正和精确定位、CNC刀片损坏、检查和离线检查等问题,效率低,矫正偏差大,生产加工一致性差,存在一定的人为因素安全隐患。针对以上问题,本文结合实际零件,根据机床设备系统软件的特点,开发设计了数控车床的计算机操作系统,并利用宏程序和测头完成产品工件的自动测量和自动生产加工,从而降低员工劳动强度,提高生产加工的高效率,提高零件加工质量,为批量零件的生产加工提供了合理的途径和参考。
官业欣,雷学林,何云[3]（2021）在《深腔内壁曲面轮廓度误差在线快速测量系统的研制》文中提出针对深腔内壁曲面的加工轮廓度误差检测缺乏高效准确的检测方法现状,搭建了一种快捷有效的在线接触式快速测量系统。以某型航空发动机机匣内流道的检测为例,开展了对机匣内流道样件取点的验证试验。结果表明,该系统测量误差为0.094mm,测量不确定度达到0.0342mm,检测效率相较于人工操作提升了1.3倍。该系统解决了易干涉非回转类深腔复杂曲面加工轮廓度误差的在线快速检测问题,并为类似的深腔内壁表面轮廓误差的快速检测提供了参考。
胡艳娥,诸进才,陈敏[4]（2021）在《数控加工精度在机检测技术研究现状》文中进行了进一步梳理通过为数控机床配备零件精度检测用测头以及相应的检测代码,即构成在机检测系统。该技术将加工和检测集成在同一台机床上完成,避免了多次装夹、重复定位误差,可以较好地解决零件精度超差难以修正和辅助时间长等现实问题。主要介绍数控加工精度在机检测技术的国内外研究现状与进展,包括在机检测系统开发应用、测头预行程误差补偿技术和带修正功能的在机检测系统开发等。并指出目前在该领域存在的一些关键问题,急需进一步解决和提升。
黄伟[5]（2021）在《基于840D sl数控系统的双测头测量系统的应用》文中提出详细阐述了双测头测量系统在西门子840Dsl数控系统的双主轴加工中心上对工件进行自动测量的方法,包括硬件连接、参数设置和控制程序的应用。
周玄[6]（2021）在《大型柴油机缸体的在机测量系统研究与开发》文中指出随着精密加工技术对高精度测量需求的提高,精密化已经成为现阶段制造业的主流方向。零件在加工完成后的质检结果对整个产品的装配有着重要的影响,而传统的测量手段已无法满足当前严格的精度需要和繁重的生产任务。在机测量技术凭借测头的高测量精度、高测量稳定性、可实现加工补偿等优势,被广泛应用于制造业的零件测量领域。本文针对某大型零件的形位公差检测和测量数据的管理等问题,研究零件的测量路径优化问题,为某大型企业设计并开发了一款可以测量多个几何特征的在机测量数据管理系统。本文分析了在机测量系统的构成以及企业的测量需求,提出了在机测量系统的总体方案。根据测量需求对测量软件进行了软件模块的划分。然后对测量路径规划技术做了研究,通过对TSP问题以及路径寻优的分析引入了多色集合理论与蚁群算法、遗传算法,并对两种算法进行对比分析,验证了遗传算法对于该模型的路径寻优更合适,算法实现更简单、路径更优。针对最优的测量路径做了碰撞检查,在路径上增加避障点防止测头与零件或者夹具发生干涉。通过对几何量测量原理的研究,结合软件的模块功能,开发了在机测量数据管理系统,实现了对测量坐标文件的获取、几何量的计算、零件信息的查询以及数据的保存和修改等功能。搭建了在机测量系统,在某大型柴油缸体机身进行了直径、圆柱度、垂直度的测量实验,使用标准试件在三坐标测量机上进行试验验证,验证了在机测量系统的测量精度。论文针对科堡龙门加工中心6500AG从软硬件两个方面确定了系统总体方案,对测量路径规划和几何量测量原理进行了研究,在此基础上开发了在机测量系统,并通过实验验证了柴油机缸体在机测量系统的测量精度,研究成果对提高机械加工自动化水平具有重要的应用价值。
胡晓红[7]（2021）在《基于Mask R-CNN和多级特征融合的立铣刀破损检测应用研究》文中进行了进一步梳理破损是立铣刀在铣削过程中失效的主要形式之一,它不仅会使立铣刀失去铣削能力,而且会影响加工进程和产品质量,严重时甚至会引起工件报废、机床损坏乃至整个加工过程的停止,因此及时获取铣刀的破损状态对于提高生产效率与产品质量有重大意义。本文借助图像处理与深度学习的方法,对Mask R-CNN网络进行了研究和改进,探究了其在立铣刀图像破损分割检测中的应用。该网络在目标检测模型的基础上,新引入一个掩膜分支以实现目标分割,通过共享卷积特征实现目标检测、分割一体化。本文的主要工作如下:（1）构建了破损铣刀的数据集。为了尽可能保留立铣刀破损特征,使用500万像素的工业相机,根据设计的立铣刀图像采集方案完成了破损图像采集,并利用侧窗立波技术对图像进行了降噪预处理;通过随机旋转、改变亮度等方式实现了数据扩增,以增强模型的鲁棒性和泛化性能;完成了立铣刀破损数据集标注,并详细分析了Mask R-CNN的工作原理和训练策略。（2）利用Mask R-CNN进行立铣刀破损分割检测。在Py Torch深度学习框架下搭建了Res Net-50网络作为立铣刀破损提取的主干网络,实验结果表明,模型对于立崩刃和碎断的检测正确率分别为79.39%和89.31%;通过分析发现,Mask R-CNN虽然可以实现立铣刀破损检测,但对于尺寸较小、间隔较近的崩刃和部分碎断存在漏检及误检的现象。（3）改进了Mask R-CNN。为进一步提高立铣刀破损检测的分割精度,提出一种改进的Mask R-CNN模型。在结合多级特征融合基础上增加一条自下而上的路径以提取尺度较小的崩刃特征;使用线性加权的方法改进原有NMS算法,保留部分正确的破损目标候选框以降低崩刃的漏检率。通过改进前后的实验结果对比表明,改进后的Mask RCNN模型关于崩刃检测的正确率较之前提高了18.76%,碎断的误检和漏检数量也显着减少,其m AP为88.32%,较之前的算法提高了4.06%,充分表明改进后的模型有助于提升检测性能。为了更方便简洁地展示网络训练的实验结果,本文使用Qt框架编写了立铣刀破损分割检测交互界面。
李轶尚[8]（2021）在《基于机器视觉的清洁切削加工表面粗糙度在位测量方法及其系统构建》文中研究指明表面粗糙度关系着零件的摩擦、装配、抗疲劳等性能及使用寿命,对表面粗糙度进行全面、高效、精准地测量是实验与实际生产过程中重要的环节,现有的表面粗糙度测量方式多以离线测量方式为主,评定标准多用于二维轮廓测量,而对于三维表面粗糙度的在位测量研究较少。机器视觉技术是基于光学技术、计算机技术和信息技术等发展起来的一门综合性技术,将机器视觉技术与表面检测技术相结合,为切削加工表面质量的检测与缺陷识别提供了一个新的研究思路。因此本文针对高速干式切削的清洁切削加工方式,基于机器视觉技术研究表面粗糙度的测量方法,并开发相应的表面粗糙度在位测量系统,实现高速干式切削表面粗糙度的在位、无损测量。本文以典型难加工材料高温合金GH4169为加工材料,选取不同的切削用量开展清洁切削加工方式-高速干式铣削实验,并对铣削后材料表面形貌进行观测和分析;使用KEYENCE VK-X200激光扫描显微镜采集已加工表面图像,对表面粗糙度Sa进行测量,并对采集的已加工表面图像进行选取,建立加工表面图像样本集,为后续表面粗糙度测量方法研究提供样本支持;分析铣削表面图像灰度转换、图像滤波和图像增强的预处理方法,选择从HSI色彩空间提取灰度分量的灰度转换方法、中值滤波的图像滤波方法、平方变换的图像增强方法,并将表面图像中的灰度值转换为高度值,构建铣削加工表面三维形貌图像,进一步证明利用表面图像灰度值来对表面粗糙度研究的可行性。通过铣削加工表面图像的灰度共生矩阵计算表征纹理分布规律的特征值,统计差异性、对比度、同质性、相关性、熵和能量六种特征值与表面粗糙度之间的变化关系,发现差异性、对比度、熵和能量四种特征值与表面粗糙度之间关系较明显,确定差异性、对比度、熵和能量为构成图像特征向量的特征值。针对加工表面碎屑的干扰问题,对已加工表面图像进行了二值化处理,提取出表面碎屑信息,估算表面图像中碎屑的面积;分析碎屑面积与特征值变化率之间的数值关系,得出数值关系间的拟合公式,提出带有碎屑的表面图像特征值的优化方法,解决因碎屑干扰而导致的特征值发生变化的问题,另选取带有碎屑的表面图像进行试验,经试验,所提出的特征值优化方法具有较好的效果。提出两种并行的基于图像纹理特征的表面粗糙度测量方法,一种是基于LabVIEW分类器的表面粗糙度测量方法,在LabVIEW开发平台中采用最邻近法的分类方法,选择150张加工表面图像,依据图像的特征向量对样本图像进行训练,生成了包含样本图像特征向量和表面粗糙度的特征分类器,通过特征分类器对待测图像进行表面粗糙度分类,从而实现表面粗糙度的测量;另一种方法是基于BP神经网络的表面粗糙度测量方法,在MATLAB中以加工表面图像的差异性、对比度、熵和能量四种特征值为输入层,以表面粗糙度Sa为输出层,建立BP神经网络模型,选取同样150张加工表面图像进行训练,通过LabVIEW与MATLAB混合编程,依据待测样本图像的特征值对表面粗糙度进行预测。另外选取30张加工表面图像对两种表面粗糙度测量方法效果进行分别试验,经试验,基于LabVIEW分类器的表面粗糙度测量方法误差为9.52%,基于BP神经网络的表面粗糙度测量方法误差为9.81%。设计由硬件部分和软件部分组成的表面粗糙度在位测量系统。硬件部分包括图像采集装置和运动部件装置,选择工业相机、显微镜头、同轴光源搭建图像采集装置,选择丝杠、滑台、步进电机及其控制器搭建运动部件装置,实现对加工表面图像的快速采集;以LabVIEW为主要开发平台,结合MATLAB程序,开发表面粗糙度测量系统的软件部分,软件分为图像采集模块、图像预处理与分析模块、表面粗糙度测量模块和操作面板;在DMG DMU-70V五轴数控加工中心上进行表面粗糙度在位测量系统现场使用试验,满足表面粗糙度在位测量的需求,具有较高的检测速率。
刘力[9]（2021）在《精密转台多自由度运动误差测量系统研究应用》文中研究说明回转运动作为机械运动中的最基本的运动之一,其被广泛的应用在工业机器人、精密机床、激光跟踪仪、坐标测量机等。但是由于装配、制造、设计等诸多因素的存在,导致转台回转轴在运动过程中始终固有的存在着位置相关几何误差以及位置无关几何误差。误差防止法和误差补偿法是提高精密加工或测量仪器回转精度最常用的方法,相比于误差防止法,误差补偿法不需要提高零部件的制造、装配精度,通过相关理论分析建立相关的数学模型补偿误差,进一步的提升仪器的加工测量精度。所以本文着重研究转台的几何运动误差测量以及分离工作,提出转台运动误差的在线与离线测量方法,建立几何运动误差的分离补偿模型并进行测量比对验证。本文提出一种精密转台的五自由度几何运动误差的激光测量系统。基于齐次坐标变换的误差分离模型,分析参考轴与回转轴未对准的位置无关几何误差、测量仪器的安装误差、以及回转轴固有的多自由位置相关几何误差之间的几何关系。对测量的误差运动进行最小二乘圆（LSC）分析,分离出测量仪器的安装误差,同时解耦出精密转台的五自由度位置相关几何误差以及回转轴线未对准的位置无关几何误差。最后对精密转台分别进行顺时针（CW）以及逆时针（CCW）多次重复测试,并与光电自准直仪测量结果进行比对,成功验证了转台多自由度运动误差测量系统的可行性以及有效性。目前,包括上述本文提出的方法在内,转台的多自由度几何运动误差辨识大多均属于离线准静态测量。然而在实际运动过程中,回转工作台不可避免的存在着负载,由于负载的实时变化,其回转运动的多自由度的几何运动误差与离线准静态测量的误差模型不一致,导致离线准静态测量的运动误差在在线运动中补偿效果不理想。因此,本文提出一种双光栅编码器的精密转台几何误差多自由度在线测量系统,该双光栅编码器可以内嵌到精密转台回转主轴上,通过快速运动速傅里叶变换（FFT）分析回转轴的几何运动误差,成功分离出精密转台的多自由度的位置相关几何误差以及位置无关几何误差,最后通过与电感测微仪测量的工件圆度误差进行比对,验证转台多自由度运动误差在线测量系统的可行性以及有效性。最后,基于上述内嵌式双光栅的多自由度实时在线测量系统,成功设计一台具有在线自标定几何运动误差功能的精密回转运动台,其径向运动误差为±1.5μm,倾斜运动误差为±2",通过对自标定转台进行静力学分析以及模态分析,自标定转台各项性能指标符合设计需求。
胡艳娥[10]（2020）在《数控加工精度在机检测技术及其误差修正技术研究》文中进行了进一步梳理通过为数控机床配备零件精度检测用测头以及相应的检测、误差修正加工程序,即构成带修正功能的在机检测系统。该技术将加工、检测和误差修正集成在同一台设备上完成,避免了多次装夹、重复定位误差,可以较好地解决零件精度误差超差难以修正和辅助时间长等现实问题。本论文面向国内中小型机械制造类企业,从现场一线实际生产需求出发,对零件数控加工精度在机检测及修正加工关键技术进行了较为深入的探索与实践,主要包括以下几个方面的内容:（1）分析了在机检测主要的误差来源,研究了测头偏心、长度误差的现场快速标定方法,并通过实验测定了一款国产在机检测测头的预行程误差。为了满足现场高效率的使用要求,建立一种基于误差数据表的快速补偿办法。（2）根据STL格式零件孔类特征显示所存在的问题,研究了孔壁测量点的生成策略以及法矢的估算方法,制定了内孔、圆柱孔的在机检测方案,建立并通过实例验证了孔类特征加工误差的原位修正补偿加工方法。（3）制定适用现场、带修正功能的加工精度在机检测总体方案。根据企业现有加工设备条件和孔类特征零件加工精度检测所面临的问题,搭建起一个集在机检测、误差评估和即时输出误差修正加工参数的相对完整的在机检测集成系统。（4）最后以一款电工机械常见的绞线机机座模型为实验对象,完成了机座两端主轴孔同轴度的在机检测及其修正加工,实验证实经过修正加工的两孔同轴度精度较之前有较大幅度提升,表明课题所提出的带二次修复加工功能的在机检测策略可行。
二、加工中心上的自动测量系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、加工中心上的自动测量系统（论文提纲范文）
（1）数控机床几何误差研究现状与展望（论文提纲范文）
| 几何误差建模 |
| 1综合误差建模 |
| 2单项误差元素建模 |
| 几何误差测量 |
| 几何误差项分析 |
| 几何误差补偿 |
| 结论 |
（2）数控加工中自动找正和在线测量技术的应用（论文提纲范文）
| 0 引言 |
| 1 制造零件 |
| 2 工作原理 |
| 2.1 自动找正设置坐标系 |
| 2.2 自动对中坐标系模块 |
| 2.3 在线加工自动测量补偿 |
| 3 在线测量的应用 |
| 3.1 在线测量 |
| 3.2 测量过程 |
| 3.3 测量结果误差 |
| 4 结论 |
（3）深腔内壁曲面轮廓度误差在线快速测量系统的研制（论文提纲范文）
| 1 引言 |
| 2 快速测量系统 |
| 2.1 被测零件特征分析 |
| 2.2 测量系统的硬件与软件 |
| (1)数显表的读数识别： |
| (2)指针表的读数识别： |
| 2.3 误差判断及补偿办法 |
| 3 实例验证 |
| 4 结语 |
（4）数控加工精度在机检测技术研究现状（论文提纲范文）
| 0 前言 |
| 1 在机检测系统开发应用 |
| 2 测头误差补偿技术 |
| 3 带修正功能的在机检测系统开发 |
| 4 结论 |
| (1)检测精度仍有待提高。 |
| (2)检测效率仍有待提高。 |
| (3)在机检测软件的稳定性有待进一步提升。 |
（5）基于840D sl数控系统的双测头测量系统的应用（论文提纲范文）
| 1 序言 |
| 2 测头测量装置与数控系统的集成 |
| 2.1 硬件组成与参数设置 |
| 2.2 PLC控制程序 |
| 2.3 NC控制程序 |
| 2.4 软件监控 |
| 3 结束语 |
（6）大型柴油机缸体的在机测量系统研究与开发（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 在机测量技术的发展与应用 |
| 1.3 在机测量关键技术国内外研究现状 |
| 1.3.1 路径规划国内外研究现状 |
| 1.3.2 测量系统研究国内外研究现状 |
| 1.3.3 测头补偿研究国内外研究现状 |
| 1.4 论文研究内容及章节安排 |
| 2 柴油机缸体结构分析及在机测量系统设计 |
| 2.1 柴油机缸体结构分析 |
| 2.2 测量方案 |
| 2.3 在机测量分类 |
| 2.3.1 接触式测量 |
| 2.3.2 非接触式测量 |
| 2.3.3 复合式测量 |
| 2.4 在机测量系统的组成 |
| 2.4.1 数控加工中心 |
| 2.4.2 测头系统 |
| 2.4.3 计算机 |
| 2.5 在机测量系统测量流程 |
| 2.6 本章小结 |
| 3 测量路径规划研究 |
| 3.1 测量路径规划问题描述 |
| 3.2 测量路径的数学模型 |
| 3.2.1 多色集合理论简介 |
| 3.2.2 测量路径规划的数学模型 |
| 3.2.3 测量路径规划的约束模型 |
| 3.2.4 全局路径规划的约束模型 |
| 3.3 测量路径优化算法 |
| 3.3.1 蚁群算法 |
| 3.3.2 遗传算法 |
| 3.3.3 算法实现 |
| 3.4 碰撞检查和规避 |
| 3.4.1 碰撞检查 |
| 3.4.2 碰撞规避 |
| 3.5 本章小结 |
| 4 缸体在机测量系统软件开发 |
| 4.1 在机测量软件系统设计 |
| 4.1.1 软件功能分析 |
| 4.1.2 软件模块设计 |
| 4.1.3 软件结构 |
| 4.1.4 ASP.NET技术 |
| 4.2 几何量测量原理 |
| 4.3 数据库设计与开发 |
| 4.3.1 SQL Server数据库开发 |
| 4.3.2 系统前端界面的设计 |
| 4.4 测量软件功能实现 |
| 4.4.1 垂直度获取计算 |
| 4.4.2 圆柱度获取计算 |
| 4.5 本章小结 |
| 5 缸体的在机测量系统实验及结果分析 |
| 5.1 测试平台搭建 |
| 5.2 测头系统的组装与标定 |
| 5.2.1 测头的组装 |
| 5.2.2 测头的标定 |
| 5.3 缸体的测量实验及测量系统的精度验证 |
| 5.3.1 零件直径的测量 |
| 5.3.2 零件圆柱度的测量 |
| 5.3.3 零件垂直度的测量 |
| 5.3.4 零件同轴度的测量 |
| 5.4 实验结论 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间主要研究成果 |
（7）基于Mask R-CNN和多级特征融合的立铣刀破损检测应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和意义 |
| 1.2 立铣刀破损检测研究现状 |
| 1.2.1 刀具检测技术发展概况 |
| 1.2.2 立铣刀检测的研究现状 |
| 1.3 基于深度学习的缺陷检测研究现状 |
| 1.4 本文的主要研究内容 |
| 2 立铣刀破损图像采集方案设计 |
| 2.1 立铣刀破损分析 |
| 2.1.1 立铣刀破损现象 |
| 2.1.2 立铣刀切削刃破损形态 |
| 2.2 立铣刀破损图像采集方案设计 |
| 2.2.1 工业相机及镜头选型 |
| 2.2.2 光照模块 |
| 2.3 立铣刀破损图像采集平台搭建 |
| 2.4 立铣刀破损图像预处理 |
| 2.4.1 噪声分析 |
| 2.4.2 基于Side window filter的图像降噪 |
| 2.5 本章小结 |
| 3 基于卷积神经网络的立铣刀破损分割研究 |
| 3.1 基于卷积神经网络的分割方法 |
| 3.1.1 卷积神经网络 |
| 3.1.2 全卷积神经网络 |
| 3.1.3 Mask R-CNN |
| 3.2 基于Mask R-CNN立铣刀破损分割检测网络 |
| 3.2.1 立铣刀破损区域的生成 |
| 3.2.2 立铣刀破损形式分类及分割 |
| 3.3 立铣刀数据集对Mask R-CNN训练策略 |
| 3.3.1 迁移学习 |
| 3.3.2 交替训练 |
| 3.4 本章小结 |
| 4 基于Mask R-CNN立铣刀破损目标分割检测 |
| 4.1 立铣刀数据集构建 |
| 4.1.1 数据集裁剪 |
| 4.1.2 数据集扩增 |
| 4.1.3 标注方案设计 |
| 4.2 基于Mask R-CNN立铣刀破损分割检测 |
| 4.2.1 立铣刀破损特征提取网络结构设计 |
| 4.2.2 训练环境及训练过程 |
| 4.3 实验结果及分析 |
| 4.4 本章小结 |
| 5 改进的Mask R-CNN在立铣刀破损的检测及分割 |
| 5.1 融合并改进特征金字塔网络 |
| 5.2 候选框筛选算法优化 |
| 5.3 改进后的Mask R-CNN的实验结果及分析 |
| 5.4 立铣刀破损分割结果对比分析 |
| 5.4.1 算法模型性能评价 |
| 5.4.2 破损分割实验结果定量对比 |
| 5.5 立铣刀破损检测界面设计与实现 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（8）基于机器视觉的清洁切削加工表面粗糙度在位测量方法及其系统构建（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 表面粗糙度概述 |
| 1.2 表面粗糙度测量方法研究现状 |
| 1.2.1 触针测量法 |
| 1.2.2 光学测量法 |
| 1.2.3 间接测量法 |
| 1.3 机器视觉技术研究现状 |
| 1.3.1 机器视觉技术在检测方面的应用研究现状 |
| 1.3.2 LabVIEW在机器视觉中的应用 |
| 1.3.3 基于机器视觉技术的表面粗糙度测量方法研究中存在的问题 |
| 1.4 研究目的、意义及主要内容 |
| 1.4.1 研究目的和意义 |
| 1.4.2 主要研究内容 |
| 第2章 清洁切削表面图像样本获取与图像预处理 |
| 2.1 清洁切削加工条件和实验方案 |
| 2.1.1 加工条件 |
| 2.1.2 实验方案 |
| 2.2 加工表面图像样本集构建 |
| 2.2.1 加工表面形貌分析 |
| 2.2.2 加工表面图像样本获取 |
| 2.3 加工表面图像的预处理 |
| 2.3.1 数字图像预处理原则 |
| 2.3.2 图像灰度转换处理 |
| 2.3.3 灰度图像滤波处理 |
| 2.3.4 灰度图像增强处理 |
| 2.3.5 表面灰度值与表面形貌关系 |
| 2.4 本章小结 |
| 第3章 基于图像纹理特征的表面粗糙度测量方法研究 |
| 3.1 加工表面图像的特征值分析 |
| 3.1.1 表面图像特征提取 |
| 3.1.2 表面粗糙度与特征值的相关性分析 |
| 3.2 加工表面的碎屑干扰研究 |
| 3.2.1 加工表面碎屑对特征值的影响 |
| 3.2.2 加工表面碎屑面积的估算分析 |
| 3.2.3 碎屑干扰表面图像特征值优化分析 |
| 3.3 表面粗糙度测量方法的实现 |
| 3.3.1 基于LabVIEW分类器的表面粗糙度测量方法 |
| 3.3.2 基于BP神经网络的表面粗糙度测量方法 |
| 3.3.3 结果分析 |
| 3.4 本章小结 |
| 第4章 表面粗糙度在位测量系统的设计与实现 |
| 4.1 总体设计方案 |
| 4.2 表面粗糙度在位测量系统的硬件部分搭建 |
| 4.2.1 硬件部分设计原则 |
| 4.2.2 图像采集装置设计 |
| 4.2.3 运动部件装置设计 |
| 4.3 表面粗糙度在位测量系统的软件部分设计 |
| 4.3.1 软件部分设计原则 |
| 4.3.2 图像采集模块程序设计 |
| 4.3.3 图像预处理和分析模块程序设计 |
| 4.3.4 表面粗糙度测量模块程序设计 |
| 4.3.5 操作前面板设计 |
| 4.4 测量效果评价 |
| 4.5 本章小结 |
| 结论和展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和获得的奖励 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（9）精密转台多自由度运动误差测量系统研究应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题背景与意义 |
| 1.2 精密转台回转轴运动误差测量的研究现状 |
| 1.2.1 回转轴几何运动误差的直接测量方法 |
| 1.2.2 回转轴几何运动误差的间接测量方法 |
| 1.2.3 回转轴几何运动误差多自由度测量系统 |
| 1.3 课题研究内容与章节安排 |
| 2 精密转台多自由度运动误差的准静态离线测量系统 |
| 2.1 光电传感器的测量原理 |
| 2.1.1 4-DOF感测器 |
| 2.1.2 微型自准直仪 |
| 2.2 激光多自由度运动误差的测量原理 |
| 2.2.1 二维径向和倾斜运动误差 |
| 2.2.2 回转角度定位误差 |
| 2.3 激光测量系统误差的分离 |
| 2.3.1 齐次坐标变换矩阵的误差传递模型 |
| 2.3.2 回转轴位置无关与位置相关几何误差的分离 |
| 2.4 激光多自由度测量系统设计 |
| 2.4.1 测量系统的硬件系统设计 |
| 2.4.2 数据采集程序 |
| 2.4.3 最小二乘圆拟合程序 |
| 2.5 本章小结 |
| 3 精密转台多自由度运动误差的动态在线测量系统 |
| 3.1 圆光栅工作原理 |
| 3.1.1 测量原理 |
| 3.1.2 辨向原理 |
| 3.1.3 细分技术 |
| 3.2 在线自标定原理 |
| 3.3 在线自标定系统误差的分离 |
| 3.3.1 快速傅里叶变换的系统误差分离 |
| 3.3.2 自标定系统误差分析 |
| 3.4 内嵌式双光栅自标定系统设计 |
| 3.4.1 测量系统的硬件系统设计 |
| 3.4.2 数据采集程序 |
| 3.4.3 快速傅里叶变换频谱分析 |
| 3.5 本章小结 |
| 4 精密转台几何运动误差的测量以及验证 |
| 4.1 离线测量系统的运动误差的测量及验证 |
| 4.1.1 多面体棱镜的制造误差标定 |
| 4.1.2 4-DOF感测器以及微型自准直仪的标定 |
| 4.1.3 多自由度运误差的测量及验证 |
| 4.2 在线测量系统的运动误差的测量及验证 |
| 4.2.1 精密转台的几何运动误差在线测量 |
| 4.2.2 转台空载状态下工件圆度误差的验证 |
| 4.2.3 转台负载状态下工件圆度误差的验证 |
| 4.3 本章小结 |
| 5 自标定几何运动误差的精密转台 |
| 5.1 自标定转台的机械结构设计 |
| 5.1.1 自标定转台的静力学仿真分析 |
| 5.1.2 自标定转台的结构模态仿真分析 |
| 5.2 自标定转台的几何运动误差 |
| 5.3 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文与专利情况 |
| 致谢 |
（10）数控加工精度在机检测技术及其误差修正技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.3 带修正功能数控加工精度在机检测技术存在的主要问题 |
| 1.4 主要研究内容及技术路线 |
| 1.5 本章小结 |
| 第2章 触发式测头精度快速标定方法 |
| 2.1 在机检测误差主要来源分析 |
| 2.2 测头系统误差测定 |
| 2.3 本章小结 |
| 第3章 在机检测软件相关功能开发 |
| 3.1 带修正功能在机检测软件功能模块设计 |
| 3.2 零件STL格式简介 |
| 3.3 基于OpenGL的交互式功能模块开发 |
| 3.4 本章小结 |
| 第4章 加工误差原位修正方法 |
| 4.1 加工误差原位修正原理 |
| 4.2 内孔尺寸测量及圆孔误差修正 |
| 4.3 圆柱孔测量及同轴度误差修正 |
| 4.4 孔系零件原位修正加工实例 |
| 4.5 本章小结 |
| 第5章 带修正功能在机检测系统实验验证 |
| 5.1 在机检测的基本流程 |
| 5.2 带修正功能在机检测系统 |
| 5.3 当前测点坐标值的获取 |
| 5.4 在机检测流程及实验验证 |
| 5.5 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表的学术论文及获得的专利 |
| 致谢 |
四、加工中心上的自动测量系统（论文参考文献）
- [1]数控机床几何误差研究现状与展望[J]. 季泽平,田春苗,郭世杰. 航空制造技术, 2021
- [2]数控加工中自动找正和在线测量技术的应用[J]. 付敏. 内燃机与配件, 2021(21)
- [3]深腔内壁曲面轮廓度误差在线快速测量系统的研制[J]. 官业欣,雷学林,何云. 工具技术, 2021(09)
- [4]数控加工精度在机检测技术研究现状[J]. 胡艳娥,诸进才,陈敏. 机床与液压, 2021(16)
- [5]基于840D sl数控系统的双测头测量系统的应用[J]. 黄伟. 金属加工(冷加工), 2021(09)
- [6]大型柴油机缸体的在机测量系统研究与开发[D]. 周玄. 西安理工大学, 2021(01)
- [7]基于Mask R-CNN和多级特征融合的立铣刀破损检测应用研究[D]. 胡晓红. 中北大学, 2021(09)
- [8]基于机器视觉的清洁切削加工表面粗糙度在位测量方法及其系统构建[D]. 李轶尚. 山东大学, 2021(12)
- [9]精密转台多自由度运动误差测量系统研究应用[D]. 刘力. 大连理工大学, 2021
- [10]数控加工精度在机检测技术及其误差修正技术研究[D]. 胡艳娥. 广州大学, 2020