復雜曲面測量采樣策略與輪廓度誤差評定方法研究.pdf

1、隨著現代制造技術的發(fā)展,復雜曲面類零件已廣泛應用于航空航天、汽車、造船、精密模具等工業(yè)領域,復雜曲面的加工質量也成為制約整個系統(tǒng)性能的關鍵因素。為了實現復雜曲面加工質量信息的檢測和誤差評定,本文重點研究了復雜曲面自適應采樣方法和輪廓度誤差評定算法。
　　首先,研究了基于CAD模型的復雜曲面自適應采樣算法。根據“曲面-曲線-點集”的分解次序,提出了基于STL模型的離散數據點提取算法,將已知CAD模型的復雜曲面離散為多組截交線。然后,

2、通過對各組離散點三次均勻 B樣條插值,獲取各截交線的參數表達;以曲率為基礎,定義曲率測度函數,并以之為密度計算樣條質量,提出了一種基于均分樣條質量的截交線采樣新方法,并通過對比分析理論曲線與采樣點插值所得實際曲線的偏差數據,實現采樣樣本大小隨采樣精度的自適應確定。在截交線采樣算法的基礎上,對復雜曲面的采樣點規(guī)劃制定了詳細的方案,實現了復雜曲面測量采樣點隨曲率特征的自適應分布。
　　其次,研究了基于自適應免疫遺傳算法和坐標輪轉法的輪

3、廓度誤差評定方法。根據面輪廓度誤差定義,按照最小包容區(qū)域要求,建立了面輪廓度誤差評定數學模型。針對未知數學模型的復雜曲面,提出了基于 STL模型的空間點到復雜曲面最短距離的計算算法。然后,在標準遺傳算法(SGA)的基礎上,引入生物免疫機理及自適應調節(jié)策略,采用自適應免疫遺傳算法(AIGA)進行測點集與理論曲面的最優(yōu)匹配,并結合坐標輪換法(CA)在近似最優(yōu)解附近小范圍搜索,以進一步逼近誤差真實值。
　　最后,應用MATLAB中的GU