【优秀硕士博士论文】大型叶片数字化检测技术的研究与应用

模具与先进成形技术研究所,Xian Jiaotong University,大型叶片数字化检测技术的研究与应用,一,二,三,四,报告内容,立论依据,研究内容,结论展望,技术路线,一、立论依据,1.1 项目来源,1.2 国内外研究现状,1.3 研究内容,1.4 研究意义,国家863 项目“大型复杂曲面产品的反求和三维快速检测系统研究”；江苏省科技支撑计划（工业部分SBE200800241）“三维光学快速质量检测系统的开发与研制”；课题研究内容是以下合作单位急需解决的问题，主要有东方汽轮机有限公司、包头市田力环发机电有限公司、西飞集团等。,东方汽轮机有限公司,田力环发机电有限公司,1.1 项目来源,叶片生产大量采用精锻叶片毛坯，叶片的型面检测主要采用各种光学及电子仪器，如激光跟踪仪测量系统 ，关节臂或者光电经纬仪等。,标准样板法,光电经纬仪,激光跟踪仪,三坐标测量机,叶片的批生产主要采用大余量锻造或铸造毛坯，叶片的型面检测主要采用标准样板或者三坐标测量机等。,国外研究现状,国内研究现状,1.2 国内外研究现状,存在的问题：,标准样板法生产成本高，人工干扰因素多，检测过程中存在很大的不稳定性，效率低且精度差。三坐标测量机的价格昂贵，测量范围受限制，对现场工作环境的要求较高，测量速度慢。激光跟踪仪在测量中要多次转站，效率不高；坐标转换后损失精度。光电经纬仪测量中需要确定公共点、根据工件形状进行移站，操作复杂，对操作人员的要求很高。其设站位置、瞄准精度、照准次数等因素对最终结果的影响较大。,1.2 国内外研究现状,1.3 研究内容,基于以上的研究现状和需求，本课题提出了利用自主开发的光学设备进行大型叶片的外形测量和开发比对检测软件，以下为主要研究内容：,总结当前已有的点云数据采集方法，提出利用研究所自主研发的XJTUOM 三维光学快速检测系统和XJTUDP工业摄影测量系统对大型叶片进行数据采集并设计测量方案。设计了大型叶片数字比对检测系统，并实现了对偏差结果可视化表达，实现交互化处理偏差结果以文本样式输出。对比对检测软件进行试验和分析。,1.4 研究意义,目前大型叶片的设计、生产、检测、试验等环节需要进行大量的三维曲面实体数字化和三维测量、检测，迫切需要快速、高效、精确的三维尺寸测量和检测技术。本课题将三维光学测量技术和工业摄影测量技术应用在大型叶片检测方面，并针对实际应用需求开发快速检测软件，对推动工业现场的快速数字化检测具有重要意义。,水轮机叶片,比对检测软件,二、技术路线,项目总体技术路线,3.1 大型叶片表面特征数据的采集与处理；3.2 三维测量数据与CAD模型坐标匹配；3.3 点云数据与CAD模型的归属研究；3.4 叶片数字化比对检测系统的实现与实例应用；,三、研究内容,1. 实例介绍,西安红原航空锻造有限责任公司叶片分厂,包头市田力环发机电有限公司,重庆衡山机械厂轮船叶片,东风电机厂,3.1 叶片数据的采集与处理,2. 叶片外形测量方案,测量方案流程图,测量方法：近景摄影测量+三维光学面扫描全局摄影测量：非编码标志点全局坐标系的建立点云采集：获取叶片表面点云数据,3.1 叶片数据的采集与处理,前期现场规划与布置,摄影测量摄站布置,标尺,编码标志点,非编码标志点,3.1 叶片数据的采集与处理,摄影测量系统计算全局标志点,XITUOM导入全局坐标点,3.1 叶片数据的采集与处理,采集的密集点云,3.1 叶片数据的采集与处理,3.2.1.基于三个基准点法实现点云数据与CAD模型坐标的粗匹配 主要原理：通过点云和CAD模型上选择对应的三组线性无关的点对，将这三个点根据矢量运算分别构造对应的坐标系。根据这两个坐标系计算得到旋转，平移矩阵，最终实现点云与CAD模型之间的坐标匹配。,基于三个基准点法原理图,3.2 点云数据与CAD模型坐标匹配,算法流程图,3.2 点云数据与CAD模型坐标匹配,3.2.2 ICP算法实现点云数据与CAD模型坐标的精确匹配,基本原理：,通过K-D树快速查找点云与CAD模型的最近点点对，点对间距离的平方和作为目标函数，进行迭代计算旋转和平移矩阵，使得目标函数值最小，最终得到满足要求的坐标变换矩阵；,K-D树原理图,3.2 点云数据与CAD模型坐标匹配,ICP算法流程,3.2 点云数据与CAD模型坐标匹配,采集的点云数据,导入CAD模型,交互式选择三个点,粗匹配,精确匹配,3.2.3 坐标匹配应用实例,3.2 点云数据与CAD模型坐标匹配,3.3.1. 建立点云与CAD模型对应关系,基本原理： 对CAD模型所有顶点建立K-D树，快速查找点云各点对应顶点；以点云中的点为球心，点对间的距离为半径构建约束搜索球，利用搜索球遍历得到对应的三角面片。,约束搜索球,3.3 点云数据与CAD模型的归属研究,(1) 点与CAD模型面片的三种对应关系：,点对面； （一般情况） 点对边； （出现在边缘） 点对点； （出现在棱角顶点）,3.3 点云数据与CAD模型的归属研究,点-边对应关系判定准则：计算点到边上的投影：利用矢量计算投影点；判断投影点是否在边内：投影点到边上两端点的距离之和是否大于两端点距；,点-点对应关系判定准则：在待测工件中的棱角和具有尖锐特征的地方，无法建立点对面以及点对边的对应关系。 此时将点与CAD模型上对应的最近顶点构成点对点的对应关系，以此表达偏差。,(2) 点云与CAD模型对应关系判定准则,点-面对应关系判定准则：计算点到三角形的投影：利用矢量计算投影点；判断投影点是否在三角形内：投影点到三个顶点构成三角形面积之和是否大于原三角面片的面积；,3.3 点云数据与CAD模型的归属研究,建立点云与CAD模型对应关系流程图,3.3 点云数据与CAD模型的归属研究,3.3.2. 可视化表达偏差,基本原理：建立色带，根据偏差大小选用不同颜色表示；5色显示：利用五种颜色依次表示偏差的大小正负；7色显示：利用七种颜色依次表示偏差的大小正负；连续色显示：计算偏差值对整个范围的比率因子，线性插值得到该偏差的RGB值，进而显示；,3.3 点云数据与CAD模型的归属研究,3.3.1 数字化比对检测系统的实现,点云处理模块 坐标匹配模块 分析计算模块 显示与报告模块,主要功能模块：,3.3 检测系统的实现与实例应用,7 输出报告文本,3.3 检测系统的实现与实例应用,研究分析了现有的三维光学面扫描和工业摄影测量系统的原理、方法及特点和现有的点云数据处理方法，综合运用各种数据处理方法，实现快速、高效的处理大型叶片的测量数据；,研究并实现了点云数据与CAD模型坐标匹配。基于三个基准点法实现初步坐标匹配，减少了精确匹配所需时间和收敛局部最优解的概率。改进的迭代最近（ICP）点法采用k-D树空间搜索策略，快速查找点云数据各点在CAD模型上对应的最近点。并利用单位四元数法进行坐标变换矩阵的求解，从而实现坐标的精确匹配。,研究并实现了点云数据与CAD模型各几何元素之间的对应关系计算模型的快速建立，以正确地计算得到偏差。采用K-D树进行最邻近顶点搜索并构建出约束搜索球，将点云数据与CAD模型比对的范围限制在约束搜索球内，减少迭代次数，提高了点偏差计算的效率。,开发出实用的大型叶片比对检测软件。实现了误差检测结果的可视化表达。采用色斑图全面直观地将误差检测结果表达出来。,四、结论展望,4.1 结论,四、结论展望,4.1 展望,进一步