三坐标测量机检测系统的测针自动配置方法与流程

1.本发明涉及一种坐标测量机检测系统的测针自动配置方法，主要为一种在三坐标测量机检测系统中适用的自动规划探针配置的方法。
2.研究背景
3.加工产品的尺寸测量是实现产品质量监测、控制和改进的关键环节。五轴坐标测量机(cmm)以其检测精度高、检测可靠性高、长期成本低等优点被广泛应用于航空航天、汽车车身等领域。对于加工精度较高的加工产品，常常需要多个测针配置组合使用，完成对产品的测量。然而在工位中，对测针、加长杆、五方向转接头的分配问题影响了整个测量的效率。目前，cmm测量中的测针配置一般以人工配置为主，存在以下弊端：1)配置方案往往需要人工手动配置，导致方案配置花费的时间长；2)对于复杂零件，测量的尺寸多，异形角度多，在测针配置时易出现纰漏。这些弊端无疑都增加了产品测量规划的时间和人工成本。基于上述弊端，我们希望开发一种cmm检测系统的测针自动配置方法。旨在通过自动生成cmm检测系统方案，关联cmm自动编程，提高整体程序生成效率。
4.我们希望研发出一种测针自动配置方法，可以根据零件模型和测点信息，通过编程自动生成所需要的测针和相匹配的加长杆，在满足测量精度的要求下，使测针配置数量尽可能小。


技术实现要素：

5.本发明的目的在于提供一种cmm检测系统的测针自动配置方法，实现了自动高效生成cmm测量中的测针配置，精确求解存在多测量尺寸的复杂零件下的测针分配问题，减少了配置方案制定所花费的时间，提高了实际制造的效率。
6.为实现上述目的，本发明提出一种cmm检测系统的测针自动配置方法，包括如下步骤：
7.一种cmm检测系统的测针自动配置方法，包括如下步骤：
8.s101、导入模型以及测点信息。根据测点信息中的被测特征的位置和矢量方向，将待测点根据矢量方向按转接头平面分类。
9.s102、基于s101提出的方法，由于测针的测量规范约束，导致在空间中的部分测点可能同时存在于多个面上，我们需要将此类点与所属平面映射；
10.s103、基于s102提出的问题，需要保证测点与所属平面的映射。采取启发式算法、神经网络、机器学习等方法，对测点按面进行分类，形成测点到面的映射，根据面去寻求测针配置，简化了原问题中测点到测针配置的过程；
11.s104、根据s103所提出的方法，我们将原先对测点矢量信息的分配问题化简为各转接头平面内测点与测针、加长杆的匹配问题。我们通过对不同测针、加长杆和测点信息配置进行碰撞检测，形成多维干涉信息，根据此干涉矩阵找到合适的配置解集。并且，我们通过此干涉矩阵依次对测点进行测针配置分配，以满足最少测针配置类型的优化目标；
12.s105、基于s104得到的干涉矩阵和测针配置类型上的约束，我们将此问题转化为
求解目标为测针配置类型数最少的配置；
13.s106、对于s105提出的问题，我们可以采用智能优化算法、神经网络或机器学习方法对此问题进行求解，最终得到最优的配置方案。以遗传算法为例，进行阐述。其他可实现该功能的算法均在保护范围之内。由图2可知，我们将转接面的配置类型作为遗传算法的基因，并对依次对转接头平面的测针配置进行编码。编码过程在保证不干涉的前提下，优先考虑已经出现过的配置类型。并把此基因对转接头平面的适应性作为评价指标，随机地从适应性更高的基因中进行选择、交叉，并随之新建一个优秀基因库，以概率的形式从优秀基因库中取出代替原基因发生变异，促使种群向配置类型种类较少的方向优化；
14.s107、基于s106提出的智能优化算法、神经网络或机器学习方法对此问题进行求解，通过不断的迭代求解出在此平面内测点与测针、加长杆的最佳匹配。
15.s108、返回s103，通过启发式算法进行测点和转换头平面的再分配，重复s104-s107，直到满足迭代条件停止，输出测针配置结果；
16.与现有技术相比，本发明的优势之处在于：本发明在保证cmm测量精度的同时，一方面可以较快地得到测针配置，另一方面，使得测针和连杆的数量较少，减轻了配件的装配卸载工作，减少了配置方案制定所花费的时间，提高了实际制造的效率。提高了cmm检测系统的自动化程度、保证检测质量的可靠性。
附图说明
17.图1为三坐标测量机检测系统的测针自动配置方法流程图。
18.图2为遗传算法编码过程图。
具体实施方式
19.如图1所示，本发明提出一种cmm检测系统的测针自动配置方法，包括如下步骤：
20.s101、导入模型以及测点信息。根据测点信息中的被测特征的位置和矢量方向，将待测点根据矢量方向按转接头平面分类。平面的类别由五方向转接头决定，根据测点的矢量信息与转换头平面的角度关系，判断点所属的转接头平面；
21.s102、基于s101提出的方法，由于测针的测量规范约束，导致在空间中的部分测点可能同时存在于多个面上，我们需要将此类点与所属平面映射；
22.s103、基于s102提出的问题，需要保证测点与所属平面的映射。采取启发式算法，对测点按面进行分类，形成测点到面的映射。比如，采用ε-greedy算法。除ε-greedy算法外其他启发式算法、神经网络、机器学习等均可实现此功能，也在权力保护范围内。因此我们通过这类算法对测点按面进行分类，根据面去寻求测针配置，简化了原问题中测点到测针配置的过程；
23.s104、根据s103所提出的方法，我们将原先对测点矢量信息的分配问题化简为各转接头平面内测点与测针、加长杆的匹配问题。我们通过对不同测针、加长杆和测点信息配置进行碰撞检测，形成三维干涉矩阵，根据此干涉矩阵找到合适的配置解集。并且，我们通过此干涉矩阵依次对测点进行测针配置分配，以满足最少测针配置类型的优化目标；
24.s105、基于s104得到的干涉矩阵和测针配置类型上的约束，我们将此问题转化为求解目标为测针配置类型数最少的配置；
25.s106、对于s105提出的问题，我们可以采用智能优化算法或神经网络对此问题进行求解，比如采用遗传算法求解，最终得到最优的配置方案。以遗传算法为例，进行阐述。其他可实现该功能的算法均在保护范围之内。由图2可知，我们将转接面的配置类型作为遗传算法的基因，并对依次对转接头平面的测针配置进行编码。编码过程在保证不干涉的前提下，优先考虑已经出现过的配置类型。并把此基因对转接头平面的适应性作为评价指标，随机地从适应性更高的基因中进行选择、交叉，并随之新建一个优秀基因库，以概率的形式从优秀基因库中取出代替原基因发生变异，促使种群向配置类型种类较少的方向优化；
26.s107、基于s106提出的智能优化算法、神经网络或机器学习算法，如遗传算法，对此问题进行求解，通过不断的迭代求解出在此平面内测点与测针、加长杆的最佳匹配。求解过程中，在保证不干涉的前提下，优先考虑已经出现过的配置类型；
27.s108、返回s103，通过启发式算法进行测点和转换头平面的再分配，重复s104-s107，直到满足迭代条件停止，输出测针配置结果；
28.具体而言，步骤s101中以测点矢量方向与转接头平面的外法线夹角小于60度判断是否在相应平面上。
29.步骤s102由于测点可能同时属于转换头的多个平面，因此提出将测点映射到一个转换头平面中。
30.步骤s103通过启发性算法尽可能多地将测点一一分配到转接头平面中，得到点到转换头平面的映射。以ε-greedy算法为例，每次有ε概率进行探索，有(1-ε)的概率利用已学习的数据，如公式所示：
[0031][0032]
其中以ε的概率发生q
ε
事件，以(1-ε)概率发生q
1-ε
事件。因此，我们通过ε-greedy算法可以为平面配置的测点具有多样性。我们借助此类启发性算法对测点按面进行分类，形成测点到面的映射，根据面去寻求测针配置，简化了原问题中测点到测针配置的过程，除ε-greedy算法外其他启发式算法、神经网络、机器学习等均可实现此功能，也在权力保护范围内；
[0033]
步骤s104将原先对测点矢量信息的规划化简为对相应转接头平面的规划。通过对不同测针、加长杆和测点信息配置进行碰撞检测，形成相应的三维的干涉矩阵，干涉矩阵表示某一测针和加长杆的组合在某测点下是否发生碰撞。我们需要通过此干涉矩阵找到合适的配置解集。
[0034]
步骤s105我们通过干涉矩阵一次对测点进行测针配置分配，以满足最少测针配置类型的优化目标。
[0035]
步骤s106将求得最少测针配置类型的原问题，转化成求解目标为测针配置类型数最少的配置，并采用智能优化算法、神经网络或机器学习对此问题进行求解。通过不断的迭代求解出在此平面内测点与测针、加长杆的最佳匹配。以遗传算法为例，进行阐述。其他可实现该功能的算法均在保护范围之内。由图2可知，我们将转接面的配置类型作为遗传算法的基因，并对依次对转接头平面的测针配置进行编码。编码过程在保证不干涉的前提下，优先考虑已经出现过的配置类型。并把此基因对转接头平面的适应性作为评价指标，随机地从适应性更高的基因中进行选择、交叉，并随之新建一个优秀基因库，以概率的形式从优秀
基因库中取出代替原基因发生变异，促使种群向配置类型种类较少的方向优化；
[0036]
步骤s107中在保证干涉矩阵不发生干涉的前提下，采用智能优化算法、神经网络或机器学习对此平面内测点与测针、加长杆的分配问题做出最优的配置方案，得到此平面内测点与测针、加长杆的最佳匹配。我们采用的评价指标如公式所示：
[0037][0038]
其中，表示测点配置的集合，如{[面，测针，加长杆]}。计算互不干涉的配置种类数，并通过agrmin()求出最小值num。
[0039]
步骤s108通过启发式算法、神经网络或机器学习进行测点和转换头平面的再分配，重复s104-s107，利用启发性算法或神经网络不断求解，直到满足迭代条件停止，得出测针配置的结果。
[0040]
上述仅为本发明的优选实施例而已，并不对本发明起到任何限制作用。任何所属技术领域的技术人员，在不脱离本发明的技术方案的范围内，对本发明揭露的技术方案和技术内容做任何形式的等同替换或修改等变动，均属未脱离本发明的技术方案的内容，仍属于本发明的保护范围之内。

技术特征：
1.一种三坐标测量机检测系统的测针自动配置方法，其特征在于，通过对测量特征与转接头的扰动匹配、探针/接长杆/测量特征之间多维干涉信息的建立以及实现探针/接长杆/转接头的优化配置，从而完成测针自动配置。2.根据权利要求1所述的三坐标测量机检测系统的测针自动配置方法，其特征在于，所述对测量特征与转接头的扰动匹配的方法为：根据测点信息中的被测特征的位置和矢量方向，将待测点根据矢量方向按转接头平面分类。3.根据权利要求2所述的三坐标测量机检测系统的测针自动配置方法，其特征在于，采取启发式算法/神经网络/机器学习等方法实现测点按面进行分类，形成测点到面的映射，根据面去寻求测针配置，简化了原问题中测点到测针配置的过程。4.根据权利要求1所述的三坐标测量机检测系统的测针自动配置方法，所述探针/接长杆/测量特征之间多维干涉信息建立，其特征在于，对于每个转接头连接面面所分配的测量特征，通过对不同测针、加长杆和测点信息配置进行碰撞检测，形成n维干涉信息。5.根据权利要求4所述的三坐标测量机检测系统的测针自动配置方法，所述探针/接长杆/转接头的优化配置，其特征在于，在形成的n维干涉信息基础之上，通过智能优化算法、神经网络或机器学习等方法对每个转接头的连接面的探针进行优化匹配。

技术总结
本发明提出了一种三坐标测量机检测系统的测针自动配置方法。该方法包括通过启发式算法对测点根据矢量方向按转接头所包含平面进行分类。并且基于测针、加长杆和测点信息，依次对其组合做碰撞检测，建立干涉信息。建立构型种类数目最少的优化目标。通过智能优化算法、神经网络或机器学习的方法求解，并不断更新测点所属的转换面，来寻求测针配置的最优解。本发明通过算法实现了自动高效生成三坐标测量机测量中的测针配置，精确给出存在多测量尺寸的复杂零件下的测针配置，减少了配置方案制定所花费的时间以及测针装配所花费的时间，提高了实际制造的效率。了实际制造的效率。了实际制造的效率。


技术研发人员：张永闯
受保护的技术使用者：张永闯
技术研发日：2023.04.10
技术公布日：2023/7/22