一种基于本体的几何误差测量策略智能推理方法技术

技术编号:32962750 阅读:14 留言:0更新日期:2022-04-09 10:56
本发明专利技术属于产品精密测量与计算机应用领域,涉及一种智能化的三坐标测量机(Coordinate Measuring Machine,CMM)几何误差测量策略智能推理方法,可用于CMM设备中进行零件误差测量,并为智能测量提供指导。通过以下步骤实现,步骤1:在三维模型中获取标注信息,构建本体模型;步骤2:智能推理出需要测量的要素;步骤3:给出要素的测量策略;步骤4:构建测量策略的推理规则;步骤5:使用Java语言开发测量策略的智能推理程序,用于自动生成测量策略。策略。

【技术实现步骤摘要】
一种基于本体的几何误差测量策略智能推理方法


[0001]本专利技术属于产品精密测量与计算机应用领域,涉及一种智能化的三坐标测量机(Coordinate Measuring Machine, CMM) 几何误差测量策略智能推理方法,可用于CMM设备中进行零件误差测量,并为智能测量提供指导。

技术介绍

[0002]零件在制造过程中,几何要素的尺寸、几何形状和相对位置必然存在制造误差。由于计算机技术的快速发展和机械设计与制造人工智能需求,对零件制造误差的智能化检验研究成为一种趋势。现阶段零件误差的检验,采样点的数量及布局,即测量策略是影响CMM 测量效率、精度以及成本的主要因素。因此选定合适的测点分布非常重要。
[0003]精密测量技术是工程科学的基础,几何误差测量则历来是精密测量技术的一项重要课题。平面和圆柱面是形位公差检验中较为常见的要素类型。在信息化、数字化制造环境下,为控制机械产品的直线度误差,CMM等数字化的精密测量装备已广泛应用于离线、在线或在位测量之中。由于平面类或圆柱类零件具有相同曲率半径,检测直线度误差时布点经常采用等间距的方式,不同的测点分布类型下对零件进行测量得到的误差评定结果不同。
[0004]目前,CMM测量过程的智能化是学术界的一个研究热点,测点分布的智能推理是实现CMM智能化的关键。国家标准和ISO标准中规定坐标测量机的验收检测和复检检测,给出了矩形平面要素、圆形平面要素和圆柱面要素测量时测点分布类型。另外,市场上一般由个人经验根据要素的形貌选择测点分布类型。此复杂的检验过程,由于人工操作增加了零件测量不确定性和测量成本,并最终影响到零件验收。因此,采用人工智能领域的本体技术方法,实现几何误差测量策略智能推理方法。
[0005]综上所述,目前仍然缺少一种基于本体的几何误差测量策略智能推理方法。

技术实现思路

[0006]本专利技术的目的是:本专利技术属于产品精密测量与计算机应用领域,涉及一种智能化的CMM几何误差测量策略智能推理方法,可用于CMM设备中进行零件误差测量,并为智能测量提供指导。
[0007]本专利技术采用的方案是:一种基于本体的几何误差测量策略智能推理方法,其特征在于,具体步骤如下:步骤1:构建零件信息的本体模型。根据三维模型中含有的零件几何信息,构建零件类、几何特征类、和要素类,其要素类的子类如下表所示;
然后,根据三维模型中标注的尺寸、形位公差和基准等非几何信息。构建标注类,以及标注类的子类:尺寸、公差和基准。其中,一个尺寸标注包括尺寸类型、尺寸值和尺寸公差值;一个形位公差框图包括公差类型、公差值、公差基准、公差值有公差原则、第一基准有公差原则、第二基准有公差原则、第三基准有公差原则。一个基准集合Da表示零件上可以标注一个或n个基准;然后,构建零件的几何信息和非几何信息表示的对象属性。根据定义域和值域的属性关系,构建断言公式集,包括:要素和标注之间的从属关系断言公式集A
A
、尺寸标注的断言公式集A
B
、形位公差标注的断言公式集A
C
和基准标注的断言公式集A
D
。构建方法,例如令要要素类(Feature)和标注类(Label),对象属性has_Lab表示要素与标注之间的从属关系。如图3所示,当圆柱面(Cylindrical_5)标注公差要求(FLTolerance_2)时,则表示为has_Lab(Cylindrical_5-1, FLTolerance_2-1),断言公式集A
A
为要素与标注之间的从属关系断言公式的有限集合;
然后,根据以上构建的信息模型和上述本体的知识,构建面向CMM测量策略智能推理的零件几何信息和非几何信息本体模型,如图1所示;步骤1结束后进行步骤2。
[0008]步骤2:从步骤1得到要素类型,根据矩形平面要素、圆形平面要素和圆柱面要素等特征推理得到需要测量的要素。
[0009]步骤2结束后进行步骤3。
[0010]步骤3:根据国家标准中规定,圆柱面要素误差检测时常规的测点分布方法,包括:鸟笼法、母线法、圆周线法和随机布点法,其中鸟笼法、母线法和圆周线法统称为等间距布点法,国家标准推荐优先选用鸟笼法;矩形平面要素误差检测时常规的测点分布方法,包括:矩形栅格法、平行线法、三角形栅格法和随机布点法,其中国家标准推荐优先选用平行线法;圆形平面要素误差检测时常规的测点分布方法,包括:极坐标栅格法和随机布点法,其中国家标准推荐优先选用极坐标栅格法;
步骤3结束后进行步骤4。
[0011]步骤4:根据步骤3提供不同要素选择不同的测点分布方法,构建智能推理规则;然后,规则1:(规则1-1)已知被测要素为圆柱面要素时,误差检测测点分布方法采用鸟笼法;(规则1-2)已知被测要素为圆柱面要素时,误差检测测点分布方法采用圆周线法;(规则1-3)已知被测要素为圆柱面要素时,误差检测测点分布方法采用母线法;(规则1-4)已知被测要素为圆柱面要素时,误差检测测点分布方法采用随机布点法;然后,规则2:(规则2-1)已知被测要素为矩形平面要素时,误差检测测点分布方法采用矩形栅格法;(规则2-2)已知被测要素为矩形平面要素时,误差检测测点分布方法采用平行线法;(规则2-3)已知被测要素为矩形平面要素时,误差检测测点分布方法采用三角形栅格法;(规则2-4)已知被测要素为矩形平面要素时,误差检测测点分布方法采用随机布点法;然后,规则3:(规则3-1)已知被测要素为圆形平面要素时,误差检测测点分布方法采用极坐标栅格法;(规则3-2)已知被测要素为圆形平面要素时,误差检测测点分布方法采用随机布点法;步骤4结束后进行步骤5;步骤5:自动生成CMM的几何误差测量策略。在Eclipse环境下,使用Java语言开发几何误差测量策略的智能推理程序。将步骤1~步骤4的测量本体信息建立到几何误差测量策略的智能推理程序内,使用推理机以便进行测量策略的智能推理。
[0012]一种智能化的CMM几何误差测量策略智能推理方法,用于海克斯康品牌(Hexagon)三坐标测量机设备进行零件误差测量。
[0013]本专利技术的有益效果是:1、采用OWL+的智能化方法,建立能够被计算机自动读取和自动理解的测量本体,该方法更易于推广且简单。2、充分考虑误差测量与评定方法特点,提供常用的测量策略以便适用于多数测量零件使用。
[0014]本专利技术属于产品精密测量与计算机应用领域,涉及一种智能化的CMM几何误差测量策略智能推理方法,可用于CMM设备中进行零件误差测量,并为智能测量提供指导,因此具备工业可能性。
附图说明
[0015]图1为本专利技术在程序上构建的零件几何信息和非几何信息本体模型。
[0016]图2为本专利技术构建的测量本体实现流程图。
[0017]图3为本专利技术验证测量策略智能推理的具体零件图实例。
[0018]图4为本专利技术验证实例的本体信息。
具体实施方式
[0019]以下是本专利技术的具体实例,展示测量策略智能推理类本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于本体的几何误差测量策略智能推理方法,其特征在于,具体步骤如下:步骤1:构建零件信息的本体模型;根据三维模型中含有的零件几何信息,构建零件类、几何特征类、和要素类,其要素类的子类如下表所示;然后,根据三维模型中标注的尺寸、形位公差和基准等非几何信息;构建标注类,以及标注类的子类:尺寸、公差和基准;其中,一个尺寸标注包括尺寸类型、尺寸值和尺寸公差值;一个形位公差框图包括公差类型、公差值、公差基准、公差值有公差原则、第一基准有公差原则、第二基准有公差原则、第三基准有公差原则;一个基准集合Da表示零件上可以标注一个或n个基准;然后,构建零件的几何信息和非几何信息表示的对象属性;根据定义域和值域的属性关系,构建断言公式集,包括:要素和标注之间的从属关系断言公式集A
A
、尺寸标注的断言公式集A
B
、形位公差标注的断言公式集A
C
和基准标注的断言公式集A
D
;构建方法,例如令要要素类(Feature)和标注类(Label),对象属性has_Lab表示要素与标注之间的从属关系;如图3所示,当圆柱面(Cylindrical_5)标注公差要求(FLTolerance_2)时,则表示为has_Lab(Cylindrical_5-1, FLTolerance_2-1),断言公式集A
A
为要素与标注之间的从属关系断言公式的有限集合;
然后,根据以上构建的信息模型和上述本体的知识,构建面向CMM测量策略智能推理的零件几何信息和非几何信息本体模型,如图1所示;步骤1结束后进行步骤2;步骤2:从步骤1得到要素类型,根据矩形平面要素、圆形平面要素和圆柱面要素等特征推理得到需要测量的要素;步骤2结束后进行步骤3;步骤3:根据国家标准中规定,圆柱面要素误差检测时常规的测点分布方法,包括:鸟笼法、母线法、圆周线法...

【专利技术属性】
技术研发人员:黄美发刘廷伟李健
申请(专利权)人:桂林电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1