欢迎来到知嘟嘟! 联系电话:13095918853 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13095918853
知嘟嘟经纪人
收藏
专利号: 2020110635637
申请人: 西安理工大学
专利类型:发明专利
专利状态:已下证
专利领域: 测量;测试
更新日期:2024-01-05
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种面向齿轮齿面形状误差的变角度同步相移干涉测量方法,其特征在于,具体按照以下步骤实施:步骤1、将被测齿轮置于干涉测量光路中的前双光楔(8)与后双光楔(9)之间,并调整干涉测量光路,当干涉测量光路调整合适时,CCD相机(18)拍摄得到被测齿面干涉条纹图像;

步骤2、通过对前双光楔(8)和后前双光楔(9)进行旋转,改变双光楔之间的相对角度,改变干涉测量光路照射被测齿轮的被测齿面的入射角度,根据实际被测齿面的情况设置干涉测量光路改变角度测量的次数,得到改变入射角度后被测齿面干涉条纹图像;

步骤3、根据步骤1得到的被测齿面干涉条纹图像与步骤2得到的改变入射角度后被测齿面干涉条纹图像提取被测齿面的包裹相位,并进行相位解包裹;

步骤4、根据光线追迹原理对被测齿轮的被测齿面干涉测量进行仿真,得到被测齿面的仿真干涉图,将实测的干涉测量数据与仿真干涉图进行配准计算各像素点对应的入射角度,并将被测齿面相位解包后的连续相位转换为被测齿面的高度信息,根据平行平板干涉模型,通过相位差Φ推导出高度差h;

步骤5、将多角度测量得到的数据进行配准后数据融合,进行多源数据融合时,借助多传感卡尔曼滤波的量测融合算法,对多源量测数据进行加权融合并进行信息滤波的处理,其中线性滤波模型为:状态方程:X(k+1)=ΦX(k)+Γω(k)

观测方程:Y(k)=HX(k)+v(k)

所述一种面向齿轮齿面形状误差的变角度同步相移干涉测量方法使用的测量装置,包括有激光器(1),所述激光器(1)发射出干涉测量光路,沿所述干涉测量光路设置有偏振分光棱镜(2),所述偏振分光棱镜(2)将干涉测量光路分为互相垂直的测量光路与参考光路,沿所述测量光路设置有光强调节器a(5)、扩束镜a(7)、前双光楔(8)、后双光楔(9),所述前双光楔(8)与后双光楔(9)之间放置被测齿轮,沿所述参考光路设置有反射镜a(3)、光强调节器b(4)、扩束镜b(6)、反射镜b(10)、半反半透镜(11),干涉测量光路与参考光路汇聚至半反半透镜(11)成成像共光路,沿所述成像共光路的光路依次设置有二维光栅(12)、透镜a(13)、光阑(14)、透镜b(15)、相位延迟阵列(16)、偏振片(17)、CCD相机(18),所述CCD相机(18)电性连接有计算机(19)。

2.根据权利要求1所述的一种面向齿轮齿面形状误差的变角度同步相移干涉测量方法,其特征在于,所述步骤1的被测齿面干涉条纹图像分别对应相移的角度0,π/2,π和3π/2。

3.根据权利要求1所述的一种面向齿轮齿面形状误差的变角度同步相移干涉测量方法,其特征在于,所述步骤2的改变入射角度后被测齿面干涉条纹图像分别对应相移的角度

0,π/2,π和3π/2。

4.根据权利要求1所述的一种面向齿轮齿面形状误差的变角度同步相移干涉测量方法,其特征在于,所述步骤3的被测齿面的干涉条纹上目标像素点(x,y)处的包裹相位可按下式计算:式中:

N为移相的总步数,步骤3采用了空间四步相移,N=4;

i为第i次移相;

Ii(x,y)为第i次移相时(x,y)处的光强;

δi为第i次移相时的相位调制量;

被测齿面的干涉条纹图像的二维相位街包裹数学模型可表示为:式中:为解包后的连续相位值;K为包裹数。

5.根据权利要求1所述的一种面向齿轮齿面形状误差的变角度同步相移干涉测量方法,其特征在于,所述步骤4的高度差h的公式为:式中:λ为测量用的激光波长;α为被测对象上的光线入射角。

6.根据权利要求1所述的一种面向齿轮齿面形状误差的变角度同步相移干涉测量方法,其特征在于,所述步骤5具体按照以下步骤实施:步骤5.1、进一步提升数据融合算法的滤波精度,用互信息梯度权重因子对量测数据进行加权赋值,对于测量结果数据,两点间的变化程度通过他们的互信息来定义,在A、B两点间的x和y方向互信息梯度 和 定义为:式(a)中:

Ax和Ay为以(i,j)为中心的x方向和y方向的梯度子图;

Bx和By为以(i+l,j+k)为中心的x方向和y方向的梯度子图,l和k为实整数,代表待计算的邻域位置,一般为(1,0),(0,1)和(1,1);

为在Ax子图中灰度值出现的频数;

为在Bx子图中灰度值出现的频数;

为在Ax和Bx子图中灰度的联合分布频数;

为在Ay子图中灰度值出现的频数;

为在By子图中灰度值出现的频数;

为在Ay和By子图中灰度的联合分布频数;

步骤5.2、通过计算互信息梯度,结合式(a)并进行方差统计计算,定义像素点(i,j)在M×N大小窗口下的权重因子ω:式中:

为x方向的梯度互信息;

为y方向的梯度互信息;

为以(i,j)为中心的x方向梯度互信息的均值;

为以(i,j)为中心的y方向梯度互信息的均值;

步骤5.3、步骤5.2所得权重因子ω的进行归一化,结果越接近1则互信息越大,得到不同传感器不同像素点位置的信息所占的权重比例为ωi,此时信息融合后的新的信息序列Y为:式中:

Zi(x,y)为第i次在点(x,y)处的干涉测量结果;

ωi(x,y)为第i次干涉测量结果在点(x,y)处的加权系数。