一种抛光对象表面粗糙度矩阵形表征方法技术

本发明专利技术涉及抛光加工技术领域，且公开了一种抛光对象表面粗糙度矩阵形表征方法，包括以下步骤：步骤1，确定抛光对象范围，使用粗糙度测量仪器获得对象表面粗糙度形貌和特征，对数据进行滤波去噪处理后，并将其转化为测量方向和高度方向的二维数据；步骤2，采用离散小波变换将原始数据划分为多个频率段的小波系数曲线，并通过反变换将其还原为不同频段的二维曲线数据D，并分别计算不同频率段曲线的粗糙度表征参数，将其表示为列向量α。基于小波变换分解的方法，将工件表面粗糙度曲线划分为多个频率段，简化粗糙度分析过程；对同一工件表面随机提取的矩阵特征向量，能保证其一致性，从而简化测量取样过程。而简化测量取样过程。而简化测量取样过程。

【技术实现步骤摘要】
一种抛光对象表面粗糙度矩阵形表征方法


[0001]本专利技术属于抛光加工
，具体涉及一种抛光对象表面粗糙度矩阵形表征方法。

技术介绍

[0002]抛光是指利用机械、化学或电化学的作用，使工件表面粗糙度降低，以获得光亮、平整表面的加工方法。机械抛光的方法包括如砂纸抛光、抛光轮抛光等接触式抛光和激光抛光、超声波抛光等非接触式抛光方法。化学抛光是通过化学试剂的化学浸蚀作用对样品表面凹凸不平区域的选择性溶解作用消除磨痕、浸蚀整平的一种方法。电解抛光是以被抛工件为阳极，不溶性金属为阴极，两极同时浸入到电解槽中，通以直流电而产生有选择性的阳极溶解，从而使工件表面光亮度增大，达到镜面效果。
[0003]为了提高抛光后表面的质量，往往需要对工件表面进行多次抛光，对于砂纸、砂轮抛光过程，随着抛光的进行要不断提高砂纸或砂轮的目数，目是指磨料的粗细及每平方英寸的磨料数量，为了甚至选择多种方式进行复合抛光，比如在用砂纸抛光后使用电化学抛光进一步提高表面质量。
[0004]不同的抛光方式、抛光工具、抛光过程参数(如抛光速度、抛光输入的力或能量等等)，对于工件表面不同频率段高度值去除情况都有较大差异，传统的粗糙度表征参数如Ra、Rz仅能表征工件表面高度变化的平均和最大幅值情况，Rsm仅能反映表面高度波动的平均周期情况，仅靠这些参数难以对工件表面抛光过程进行表征，因此需要一种能够提取工件表面不同频率段粗糙度特征的表征方法，从而对比抛光过程前后粗糙度特征的变化情况，为不同的待加工材料选择抛光方式、抛光工具以及抛光参数等提供一定的依据。

技术实现思路

[0005]本专利技术提供了一种抛光对象表面粗糙度矩阵形表征方法，将测量的原始粗糙度数据划分在不同的频率段，并提取其特征，为抛光过程分析提供了标准化的表征方法。
[0006]为达到上述目的，本专利技术一种抛光对象表面粗糙度矩阵形表征方法，包括以下步骤：
[0007]步骤1，确定抛光对象范围，使用粗糙度测量仪器获得对象表面粗糙度形貌和特征，对数据进行滤波去噪处理后，并将其转化为测量方向和高度方向的二维数据；
[0008]步骤2，采用离散小波变换将原始数据划分为多个频率段的小波系数曲线，并通过反变换将其还原为不同频段的二维曲线数据D，并分别计算不同频率段曲线的粗糙度表征参数，将其表示为列向量α；
[0009]步骤3，使用步骤1的测量及处理方法，对待测表面提取m组粗糙度数据，并采用步骤2的方法对数据处理得到n个列向量，将其组成特征矩阵A，并对特征矩阵A进行处理，得到对应的特征值λ及特征向量ν；
[0010]步骤4，对初始表面进行抛光处理后，按照步骤3提取处理后表面对应的特征值及
特征向量，并提取加工过程的特征。
[0011]进一步的，在步骤1中，抛光初始对象范围包括包括金属、陶瓷(包括但不限于氧化铝、氧化硅、氧化镁、碳化硅、氧化锆、钇铝石榴石、氟化钙、羟基磷灰石等)、金刚石、半导体材料(包括但不限于硅晶圆、氮化镓、碳化硅等等)、复合材料(碳碳复合材料、金属陶瓷复合材料、石墨烯复合材料等等)、有机材料(包括但不限于聚醚醚酮、酚醛树脂、硅胶等)。
[0012]进一步的，在步骤1中，使用高精度粗糙度测量仪器(包括但不限于激光共聚焦、接触式粗糙度仪、球面仪、扫描电镜等)获得对象面粗糙度形貌和线粗糙度形貌，并采用粗糙度滤波器(包括但不限于RC、PCRC、GAUSS滤波器等)对原始轮廓数据进行滤波。
[0013]进一步的，在步骤2中，对于原始数据列向量X，对其进行小波分解的公式为：
[0014][0015][0016]式中G、H分别表示小波低通、高通滤波器矩阵，可以表示为：
[0017][0018][0019]式中的系数由所选的小波函数(包括但不限于Daubechies、Coiflets、Symlets、Fejer
‑
Korovkin filters等)确定。a1、d1分别表示原始数据分解后的低频、高频系数列向量，在此基础上对低频系数a1继续进行分解，对于第i次分解，分别得到低频和高频系数为：
[0020][0021][0022]进一步的，在步骤2中，最大小波分解次数n满足2
n+1
≤N，N表示原始数据X的采样点总数。
[0023]进一步的，在步骤2中，小波反变换的公式为：
[0024]D1＝G
*
*a
n
[0025]D
i
＝H
*
*d
n
‑
i+2
(1＜i＜n+1)
[0026]上式中G
*
和H
*
分别为G、H的共轭矩阵，a
n
表示将原始信号X进行n次小波分解后得到的低频系数，d
n
‑
i+2
表示第n
‑
i+2次分解得到的高频系数。
[0027]进一步的，在步骤2中，粗糙度表征参数包括但不限于轮廓算术平均偏差Ra、轮廓最大高度Rz、轮廓单元的平均宽度Rsm等。
[0028]进一步的，在步骤3中，得到的特征矩阵A如下：
[0029][0030]式中表示第i组数据经过第j次小波分解得到的高频系数，经过信号还原后计算得到的粗糙度表征参数值。当数据的组数m与分解次数n相等时，特征矩阵A为方阵，此时特征值的计算公式为：
[0031][0032]特征向量的计算公式为：
[0033][0034]式中v
m
为最大特征值λ
m
对应的特征向量。
[0035]当组数m不等于分解次数n时，此时A不是方阵，假设m>n，构建辅助矩阵P和Q，P＝A
T
A、Q＝AA
T
，矩阵P和Q的特征值相同，通过特征值计算公式得到特征值λ
PQ
，然后通过特征向量计算公式分别得到矩阵P和Q的特征向量u和v。
[0036]然后将矩阵A进行奇异分解，得到：
[0037][0038]S矩阵中的元素s
i
表示A的奇异值，U和V的列向量u
i
、v
i
为A的奇异向量，奇异值与奇异向量满足公式Aν＝su、Au＝sv，此时用矩阵A的奇异值及奇异向量近似替代特征值和特征向量。
[0039]进一步的，在述步骤4中，初始对象经过抛光，抛光方法包括但不限于激光抛光、机械抛光、手工抛光、振动光饰、磨粒流等方法。
[0040]进一步的，在步骤4中，将处理前后的特征向量转化为对应不同频率段粗糙度表征参数的真实值，通过差值表征加工过程对对象表面特征的影响。
[0041]与现有技术相比，本专利技术至少具有以下有益的技术效果：
[0042]1)基于小波变换分解的方法，将工件表面粗糙度曲线划分为多个频率段，简化粗糙度分析过程。
[0043]2)对同一工件表面随机提取的矩阵特征向量，能保证其一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种抛光对象表面粗糙度矩阵形表征方法，其特征在于，包括以下步骤：步骤1，确定抛光对象范围，使用粗糙度测量仪器获得对象表面粗糙度形貌和特征，对数据进行滤波去噪处理后，并将其转化为测量方向和高度方向的二维数据；步骤2，采用离散小波变换将原始数据划分为多个频率段的小波系数曲线，并通过反变换将其还原为不同频段的二维曲线数据D，并分别计算不同频率段曲线的粗糙度表征参数，将其表示为列向量α；步骤3，使用步骤1的测量及处理方法，对待测表面提取m组粗糙度数据，并采用步骤2的方法对数据处理得到n个列向量，将其组成特征矩阵A，并对特征矩阵A进行处理，得到对应的特征值λ及特征向量ν；步骤4，对初始表面进行抛光处理后，按照步骤3提取处理后表面对应的特征值及特征向量，并提取加工过程的特征。2.根据权利要求1所述的一种抛光对象表面粗糙度矩阵形表征方法，其特征在于，所述步骤1中，抛光初始对象范围包括包括金属、陶瓷(包括但不限于氧化铝、氧化硅、氧化镁、碳化硅、氧化锆、钇铝石榴石、氟化钙、羟基磷灰石等)、金刚石、半导体材料(包括但不限于硅晶圆、氮化镓、碳化硅等等)、复合材料(碳碳复合材料、金属陶瓷复合材料、石墨烯复合材料等等)、有机材料(包括但不限于聚醚醚酮、酚醛树脂、硅胶等)。3.根据权利要求1所述的一种抛光对象表面粗糙度矩阵形表征方法，其特征在于，所述步骤1中，使用高精度粗糙度测量仪器(包括但不限于激光共聚焦、接触式粗糙度仪、球面仪、扫描电镜等)获得对象面粗糙度形貌和线粗糙度形貌，并采用粗糙度滤波器(包括但不限于RC、PCRC、GAUSS滤波器等)对原始轮廓数据进行滤波。4.根据权利要求1所述的一种抛光对象表面粗糙度矩阵形表征方法，其特征在于，所述步骤2中，对于原始数据列向量X，对其进行小波分解的公式为：步骤2中，对于原始数据列向量X，对其进行小波分解的公式为：式中G、H分别表示小波低通、高通滤波器矩阵，可以表示为：式中G、H分别表示小波低通、高通滤波器矩阵，可以表示为：式中的系数由所选的小波函数(包括但不限于Daubechies、Coiflets、Symlets、Fejer
‑
Korovkin filters等)确定，a1、d1分别表示原始数据分解后的低频、高频系数列向量，在此
基础上对低频系数a1继续进行分解，对于第i次分解，分别得到低频和高频系数为：继续进行分解，对于第i次分解，分别得到低频和高频系数为：5.根据权利要求1所述的一种抛光对象表面粗糙度矩阵形表征方法，其特征在于，所述步骤2中，最大小波分解次数n满足2
n+1
≤N，N表示原始数据X的采样点总数。...

【专利技术属性】
技术研发人员：张航，王林，郭馨，孙啸宇，许学博，蔡江龙，
申请(专利权)人：苏州光舟智能科技有限公司，
类型：发明
国别省市：