Содержание к диссертации
Введение
Глава 1. Анализ методов и технических средств автоматизации управления обработкой сложных поверхностей
1.1. Методы определения формы сложных обрабатываемых поверхностей 6
1.2. Фотограмметрические системы 10
1.3. Обработка результатов фотограмметрических измерений и их использование для автоматизации технологических процессов механической обработки 19
1.4. Концепция построения стереофотограмметрической системы и ее программно-математического обеспечения для целей автоматизации технологических процессов механической обработки 24
1.5. Выводы и постановка задачи исследования 36
Глава 2. Разработка методики бесконтактного активного контроля для автоматизации технологических процессов механической обработки сложнопрофильных поверхностей
2.1 Определение положения маркированных точек и их границ 37
2.2 Управление образованием формы сложнопрофильных объектов 48
2.3 Ориентирование стереопарных снимков 53
2.4 Калибровка стереофотограмметрической системы 64
Глава 3. Геометрическое обеспечение оценки точности изготовления поверхностей сложнопрофильных и крупногабаритных деталей
3.1 Совмещение реального изделия и его математической модели 68
3.2 Совмещение контрольных обводов математической модели и результатов реальных замеров 74
3.3 Методика оценки точности произведенной обработки слож-нопрофильной поверхности 78
Глава 4. Разработка системы автоматизации обработки сложнопрофильных и крупногабаритных поверхностей и экспериментальные результаты ее апробирования
4.1 Созданная фотограмметрическая управляющая система и ее программное обеспечение 80
4.2 Исследование влияния нестабильности чувствительности видеокамер-датчиков на показатели автоматизируемого технологического процесса механической обработки 86
4.3 Вычисление координат, определяющих форму сложных поверхностей 91
4.4 Построение контуров обрабатываемых деталей 95
Заключение и выводы 103
Приложение 1. Структурная схема сопряжения системы датчиков с ЧПУ 106
Приложение 2. Данные по совмещению точек на фактической поверхности гребного винта с «теоретической» поверхностью 114
Литература 117
- Обработка результатов фотограмметрических измерений и их использование для автоматизации технологических процессов механической обработки
- Определение положения маркированных точек и их границ
- Совмещение реального изделия и его математической модели
- Созданная фотограмметрическая управляющая система и ее программное обеспечение
Введение к работе
В современных условиях развитие большинства отраслей промышленности, в том числе и машиностроения, обуславливается разработкой и внедрением новых наукоемких технологий, основанных на полной или частичной автоматизации производственных процессов. Для передовых отраслей машиностроения, таких как судостроение, авиационная и автомобильная промышленность, станкостроение, турбостроение, компрессоростроение и другие характерна тенденция к сборке конструкций из отдельных крупногабаритных и значительных по весу блоков и модулей, характеризующихся высокой степенью наполнения коммуникациями и оборудованием. Что не менее важно, для современного машиностроения характерно использование сложнопрофильных и крупногабаритных пространственных деталей, форма которых определяется не сочетанием традиционных поверхностей типа плоскостей, цилиндров или конусов, а сочетанием поверхностей, которые задаются не аналитически, а совокупностью находящихся на них точек. Примером такого рода деталей, ограниченных точечно-заданными поверхностями, являются гребные винты (водяные и воздушные), турбинные лопатки, штампы для листовой штамповки, применяемые в автомобильной промышленности, части корпусных оболочек в судостроении и в самолетостроении, волноводы, различного рода копиры и т.п.
Для автоматизации технологического процесса механической обработки такого рода поверхностей необходимо осуществлять не-разрушающий активный контроль элементов конструкции, уже прошедших те или иные этапы обработки, сравнивать полученные фактические значения геометрических параметров с заданными, анализировать полученные отклонения и оперативно принимать решения для дальнейшего выполнения операций.
Повышение технологического уровня производственного процесса получения подобных деталей может быть достигнуто на следующих направлениях: применение математических методов и новых информационных технологий, основанных на использовании современной вычислительной техники при подготовке и управлении технологическими процессами; механизация и автоматизация всех операций производственных процессов; создание новых методов и средств неразрушающего активного контроля получаемых точечно заданных поверхностей, обеспечивающих обработку подобных сложнопрофильных и групнога-баритных поверхностей с требуемыми точностью и производительностью.
Данная работа направлена на комплексное решение поставленной таким образом инженерной задачи.
Для решения этой задачи предлагается создание специальной фотограмметрической системы с соответствующим математическим, алгоритмическим и программным обеспечением. Именно такого рода система может обеспечить неразрушающее бесконтактное измерение получаемой поверхности, реализацию сравнения фактических геометрических параметров обработанной поверхности с заданными, анализ результатов этого сравнения и принятие оперативных решений по проведению дальнейшей обработки.
Ниже следует изложение исследований, оказавшихся необходимыми для решения подобной задачи.
Обработка результатов фотограмметрических измерений и их использование для автоматизации технологических процессов механической обработки
В настоящее время обработка изображений, как правило, производится цифровым путем, что позволяет избежать потери точности при выполнении этой обработки, а также дрейфа нуля, и делает обработку изображений значительно более помехоустойчивой. При цифровой обработке изображений решаются следующие задачи: - фотометрические преобразования и улучшение качества изображения; - геометрические преобразования и трансформирование изображения; - автоматизация дешифрирования; - определение координат точек изображения. Все эти задачи взаимосвязаны, хотя для фотограмметрии основной является именно задача определения координат точек изображения. Этой задаче посвящено значительное количество работ отечественных и зарубежных ученых, занимающихся вопросами фотограмметрии, например, [23, 37], и технического зрения роботов [38, 15]. Эти исследования направлены, в основном, на повышение точности и надежности определения координат точек изображения и их отождествления на смежных снимках. Так, например, положение маркированных точек на изображении определяется по макетным снимкам с точностью 0,01 - 0,05 пикселя изображения, [65], и реальным изображениям, полученным различными видеокамерами на ПЗС, с точностью 0,03 - 0,09 пикселя изображения. Для немаркированных точек точность отождествления одноименных точек на паре реальных снимков оказывается значительно ниже и лежит в пределах 0,5 - 10 пикселей изображения, [56]. При этом надежность отождествления маркированных точек на тестовом объекте достигает 90%, а для реальных снимков лежит в пределах 50 - 80%. Точность и надежность определения координат точек цифрового изображения и их отождествления на смежных снимках зависит от качества самих этих изображений, определяемых параметрами камеры и условиями съемки, а также в значительной степени определяется алгоритмами обработки кодов этих координат.
Однако вопрос о надежности отождествления одноименных точек на смежной паре снимков полностью отпадает, если осуществлять стереонаблюдения, как это и делается в интерактивных фотограмметрических системах.
Существует много алгоритмов автоматизированного определения координат точек по паре стереоснимков. Все эти алгоритмы принципиально можно разделить на три группы: так называемые «площадные» или попиксельные алгоритмы, алгоритмы, основанные на априорном выделении некоторых характерных «признаков» изображений, и алгоритмы отождествления, использующие известные структурные связи между элементами изображения.
«Площадные» алгоритмы основаны на сравнении значений плотности пикселей на двух изображениях вокруг рассматриваемой точки. Такое сравнение можно осуществить, используя два подхода. Первый из этих подходов использует так называемые корреляционные методы, [59, 65], а второй основывается на методе наименьших квадратов (МНК), [69]. Суть корреляционных методов сводится к тому, что некоторая область вокруг определяемой точки на одном изображении «накладывается» на второе изображение и перемещается по нему вдоль координатных осей с тем или иным шагом. При этом после каждого такого перемещения вычисляется соответствующее значение корреляционной функции. Максимум вычисленных значений будет соответствовать наилучшему отождествлению двух точек При использовании метода наименьших квадратов искомые координаты точки на втором изображении определяются непосредственно как функция яркостей пикселей двух изображений.
Методы, основанные на априорном выделении тех или иных признаков, не предъявляют жестких требований к начальным приближениям и не требуют большого объема вычислений и, как следствие, не требуют большого машинного времени, Однако, точность таких методов ниже «площадных» методов отождествления. Характерными априорными признаками могут обладать, например точки, линии или определенные формы, [18].
В алгоритмах отождествления, основанных на использовании известных структурных связей, каждому элементу изображения (например, точке, пятну, линии) приписываются некоторые атрибуты (например, длина, площадь, форма, среднее значение яркости). Отождествление точек на двух изображениях осуществляется на основе анализа связей, существующих между элементами изображений. При этом, обычно, используется теория графов. Данная группа методов обеспечивает глобальное и достаточно грубое отождествление пары изображений.
Целесообразно после применения алгоритма этой группы применить какой-либо алгоритм, основанный на априорном выделении признаков, а результаты его работы считать начальными приближениями для более точного (до 0,01 пикселя) решения задачи отождествления на основе одного из «площадных» алгоритмов. Такая последовательность применения различных алгоритмов для решения задачи отождествления вытекает из их характерных свойств и может привести к созданию новых алгоритмов.
Все упомянутые алгоритмы могут быть использованы для определения координат любых точек изображений - точек контура, точек вдоль заданных направлений (например, вдоль профиля или по горизонтали), а также маркированных точек.
При автоматизации технологического процесса механической обработки точечно заданных сложнопрофильных и групногабарит-ных поверхностей наибольший интерес представляют алгоритмы определения по цифровым изображениям именно координат маркированных точек. Эти алгоритмы имеют свои особенности, так как маркированные точки, обычно, находятся с помощью четких фигур - круга, креста, треугольника и т.д. Большинство подобных алгоритмов основано на определении координат центра тяжести подобных фигур, [40, 53].
Однако все эти алгоритмы имеют один существенный недостаток - они совершенно не защищены от локальных шумов, таких как блики, тени и т.д. Поэтому весьма актуальным является разработка алгоритмов определения координат маркированных точек, позволяющих значительно уменьшить влияние случайных и локальных шумов, а также углов наклона видеокамер на достигаемую при этом точность, [53].
Определение положения маркированных точек и их границ
Таким образом, вычислив координаты контрольных точек, по формулам (2.27) и (2.28) можно определить требуемую базу В. Следует еще раз отметить, что эти формулы выведены для нормального случая съемки. При общем случае съемки необходимо предварительно провести ориентирование снимков по методике, описанной выше, а после этого вычислить требуемую базу. Для проведения ориентирования необходимо использовать не менее 5-ти точек, расстояние между которыми определяется с точностью не хуже 0,001 мм, [7]. Для калибровки можно использовать контрольные устройства с «пассивными» точками, [5], или с «активными» точками, [7]. В качестве «активных» точек используются светодиоды, а «пассивные» точки реализуются из материалов с хорошей отражательной поверхностью. Подобные контрольные устройства показаны на рис.1.14.
Для идентификации поверхностей сложнопрофильных и крупно габаритных деталей используются также ленты с пассивными точками. Эти ленты фиксируются на конт шости. маркированных точек необходимо провести калибровку этой системы. Для этого необходимо в области объекта поместить контрольное устройство, сделать несколько снимков и провести обработку этих снимков, на основании чего определяется требуемая база. После определения требуемой базы можно проводить собственно определение координат точек объекта. Следует учесть, что в общем случае плоскость контрольного устройства не совпадает с плоскостью контролируемого объекта, поэтому для определения пространственных координат объекта необходимо предварительно ориентировать полученные снимки.
С целью проведения более точного определения пространственных координат точек необходимо получить несколько снимков и по средним значениям цифровых изображений выполнять окончательное определение искомых координат. Число таких контрольных снимков, однако, обычно, не превышает 8.
Совмещение реального изделия и его математической модели При автоматизации технологического процесса изготовления поверхностей сложнопрофильных и крупногабаритных деталей необходимо рассмотреть задачу об оценке достигаемой при этом точности. Для точечно заданных поверхностей при этом возникает задача сопоставления фактически определенных координат контрольных точек и точек, однозначно описывающих заданную поверхность. Отсюда и возникает задача сопоставления фактических результатов измерений с теоретической (математической) моделью этой поверхности и совмещения фактически полученной поверхности с ее математической моделью. Такая задача отражена в существующей литературе совершенно недостаточно.
Ниже излагаются постановка этой задачи, процедура ее решения и полученные результаты.
Будем полагать, что имеются математическая G и изготовленная с практически достижимой точностью физическая S модели поверхности. Начала собственных систем координат физической модели О математической модели Oi смещены друг относительно друга на вектор Р. Кроме того, координатные оси OiXb OiYi, O1Z1 системы повернуты относительно координатных осей OX, OY, OZ системы G на углы а, Р и у. Сказанное иллюстрируется на рис. 3.1.
На математической модели задается ряд характерных точек SL\ и производится определение соответствующих им точек bj на физической модели (i = 1,2,..., N). Число точек N и их расположение зависит от конкретной формы модели и определяется конструктором данной детали. Совместить изделие с его математической моделью это значит найти такое преобразование R, которое переводило бы систему координат с началом в точке О і в систему координат с началом в точке О таким образом, чтобы сумма квадратов расстояний от преобразованных фактически определенных точек bj до соответствующих им точек математической модели а» представляющих собой величины Cj = R(bj) была бы минимальной, то есть
Совмещение реального изделия и его математической модели
Выше подчеркивалось, что одним из основных требований к создаваемой для целей автоматизации механообработки цифровой сте-реофотограмметрической системе является ее реализация на серийно выпускаемых технических средствах дистанционного неразру-шающего оптического контроля, на серийных средствах вычислительной техники класса персональных компьютеров IBM или же на IBM-совместимых персональных компьютерах, использующих стандартные периферийные устройства и снабженных стандартными пакетами прикладных программам, проблемно-ориентированных на обработку изображений.
Поэтому для дистанционного неразрушающего «ощупывания» обрабатываемого объекта в создаваемой стереофотограмметриче-ской системе используются серийно выпускаемые цифровые камеры либо видеокамеры, а также серийное программное обеспечение используемых в этой системе персональных компьютеров (ПЭВМ).
Цифровые камеры, в отличие от видеокамер, позволяют непрерывно наблюдать изображение контролируемого объекта, и с помощью платы сопряжения (фраймграбер) это изображение в цифровом виде записывается в оперативную память ПЭВМ. Цифровые камеры, как правило, имеют собственную карту памяти емкостью до 400 Мбайт и снабжаются электронным затвором. Это позволяет производить синхронную съемку, что обеспечивает возможность произведения одиночного определения координат и калибровки системы. В качестве светочувствительных компонентов в большинстве устройств ввода изображения используются ПЗС- матрицы. Основными параметрами такой матрицы являются: размерность в пикселях; физический размер, задаваемый, обычно, в дюймах (2/3, 1/2, 1/3 и т.д.); эти цифры не означают точного размера чувствительной области, а, скорее, определяют класс данного прибора; порог чувствительности; разрешающая способность. Для целей создания предлагаемой стереофотограмметрической системы рекомендуется применять цифровые камеры, использующие матрицы с размерностью 2 000 х 2 000, порогом чувствительности, не превышающим 0,02 лк и основными размерами пикселя, составляющими, обычно, у серийных цифровых камер величины 8,6 х 8,3 мкм.
Дополнительным требованием к применяемым цифровым камерам является ограничение на отношение полезного сигнала к шуму. Это отношение не должно быть меньше, чем 50 ДБ.
Выбор объективов для создаваемой стереофотограмметрической системы также должен производиться с учетом определенных технических требований, основным из которых является разрешающая способность. Требуемая разрешающая способность объектива определяется на основании размера пикселя используемой камеры. Например, для пикселя размером 8,6 х 8,3 мкм объектив должен иметь разрешающую способность лучше, чем 1/8,3» Ю-" = 120 линий (60 пар линий) на миллиметр. Чем меньше размер используемого пикселя, тем большей разрешающей способностью должен обладать применяемый объектив. Вообще суммарная разрешающая способность 1/ Ro определяется по соотношению - разрешающая дифракционная способность объектива, а 1/ N -разрешающая способность эмульсионного слоя (в данном случае -размер одного пикселя),
Обычно для современной оптики, например, для отечественных объективов типа «Гелиос» производства красногорского оптико-механического завода дифракционная разрешающая способность лежит в пределах 200 линий/мм, что при размере пикселя 8,6 х 8,3 мкм удовлетворяет требованиям контролирующих систем. Однако, необходимо учитывать, что разрешающая способность объективов практически из-за различного рода аберраций оказывается заметно ниже паспортной. Надо учитывать также, что многим объективам присуща так называемая дисторсия, то есть подушкообразное искажение геометрии изображения, хотя для большинства объективов с фокусным расстоянием, превышающим 20 мм, значение дисторсии оказывается вполне приемлемым.
Программное обеспечение созданной стереофотограмметриче-ской системы состоит из трех общедоступных проблемно-ориентированных программ: - основной программы Stereo, вход в которую изображен на рис. 4.1; - графического редактора iPhoto Deluxe, вход в который изображен на рис. 4.2; - программы для работы с изображением Magisoft, вход в которую изображен на рис. 4.3.
Созданная фотограмметрическая управляющая система и ее программное обеспечение
Ошибка определения пространственных координат X, Y для пассивных точек составила ах = 0,352 мм, ау = 0,292 мм, а по расстоянию ah = 0,293 мм. Ошибка определения пространственных координат X, Y для активных точек составила ах = 0,067 мм, ау = 0,062 мм, а по расстоянию ah = 0,085 мм. Если перейти к квалитетам, то для крупногабаритных конструкций (размером до 10 000 мм) для пассивных точек это будет соответствовать допуску IT6, а для активных точек - допуску IT2.
Работоспособность созданной стереофотограмметрической системы проверялась путем определения формы поверхности допасти гребного винта. Математическая модель точечно заданной поверхности гребного винта была создана путем непосредственного измерения. В качестве базовой поверхности была выбрана плоскость ступицы. Количество точек на плоскости составило 52.
На рис. 4.7 представлена пара стереоснимков контролируемого гребного винта, а на рис. 4.8, 4.9 и 4.10 - его математические поверхности, аппроксимированные с помощью сплайн-функций. Задача состоит в том, чтобы совместить точки, фактически полученные на поверхности обрабатываемой детали, с математической моделью этой детали. Подобное совмещение производилось по методике, предложенной в главе 3.
Данные по совмещению фактически полученных точек на контролируемой поверхности гребного винта для каждой из его трех лопастей сведены в таблицы. Эти таблицы помещены в Приложении 2.
Анализ данных, содержащихся в этих таблицах, показывает, что стандартная ошибка в определении с помощью предложенной сте-реофотограмметрической системы пространственных координат точек обрабатываемой поверхности лопастей гребного винта не превышает 2 мм, что является вполне удовлетворительным для задач ее производственного использования. Сам факт возникновения этой ошибки объясняется тем, что радиус кривизны обрабатываемой поверхности на участке, прилегающем к маркированной точке, сравним с размером этой точки.
Анализ данных, содержащихся в этих таблицах, показывает также, что стандартная ошибка в определении с помощью предложенной стереофотограмметрической системы пространственных координат точек обрабатываемой поверхности лопастей гребного винта не превышает 2 мм, что является вполне удовлетворительным для задач производственного использования этой системы. Сам факт возникновения подобной ошибки объясняется тем, что радиус кривизны обрабатываемой поверхности на участке, прилегающем к маркированной точке, сравним с размером самой точки. Так, из данных приведенных таблиц видно, что максимальное расхождение координат отдельных точек составляет для левой лопасти 4,59 мм, для правой лопасти - 3,24 мм, а для нижней лопасти - 3,25 мм.
Созданная стереофотограмметрическая система может быть использована не только в качестве датчика дистанционного неразру-шающего контроля для автоматизации производственных процессов обработки точечно заданных сложнопрофильных поверхностей, примером которых являются лопасти гребных винтов, но и для обработки и монтажа крупногабаритных пространственных конструкций. Примером такого рода изделий являются оболочки отсеков корпусов судов.
До последнего времени основными техническими средствами контроля формы крупногабаритных корпусных судовых конструкций являлись струны, отвесы, рулетки и тому подобные ручные средства. Методы контроля, основанные на их использовании, являлись трудоемкими и неоперативными. Точность определения соответствующих координат при этом зависит от субъективных факторов, не удовлетворяет возросшим требованиям современного машиностроительного производства, и, самое главное, не позволяет осуществлять активный технологический контроль и автоматизировать производственные процессы. Создание данной стереофотограмметрической системы является ответом на эти вопросы.
