复杂叶片机器人砂带磨抛在线测量与余量优化

Robot belt grinding based on vision method is an advanced technology of machining complex blades. However, its application is restricted by outage waiting and grainding chatter. 1) The visual cone theory is applied to research no-interference laser scanning method, generate quaternions motion curve, and control the robot manipulator for on-line scanning blade surface; 2) Mathematical morphology, density clustering and distance function is applied to research mathematical modeling and computing method of large point-cloud data processing, including measuring defect filtering, curvature-adaptive simplification and data-design model matching, and a quantitative analysis method is proposed to determine the optimal matching solution or its feasible solution. The aim is to overcome the problem of measuring defect disturbing or trapping into a local solution; 3) According to the grinding depth requirement, a new objective function of point-cloud matching is reconstructed, from which differential translation and rotation is perfomed to obtain allowance optimization of blade's concavo and convex surfaces; 4) A special on-line measuring software for robot belt grinding is developed to carry out the machining experiment of complex blades with different types, and test the machining accuracy and surface quality of blade. The project results will provide theory basis and key technolies for the robot belt grinding of small turbine blades, aviation blades and propeller blades.

视觉引导的机器人砂带磨抛是复杂叶片精密加工的前沿技术，在线测量数据规模大导致长时间停机计算以及匹配算法陷入局部最优值加剧磨削颤振，是制约其应用的关键问题。本项目研究无干涉激光扫描方法，生成四元数表示的运动轨迹，操作机器人臂在线采集叶片型面点云；研究三维数学形态学、点云密度聚类和点-面距离函数，建立大规模点云精简的数学模型和快速计算方法，提出点云匹配全局最优解（或接近最优解的可行解）的定量判别方法，解决传统方法受在线测量缺陷影响或易陷入局部最优值的难题；根据叶盆叶背磨削深度工艺需求，重构基于不同权重的点云匹配目标函数，通过坐标系的微分平移和旋转实现凹凸面加工余量优化；在以上研究基础上，开发机器人砂带磨抛专用的在线测量软件，完成多款叶片的砂带磨抛实验，验证叶片加工精度和表面质量。项目研究成果将为中小型汽轮机叶片、航空叶片、螺旋桨桨叶的机器人砂带磨抛提供基础理论和核心技术。

本项目考虑叶片曲面特征、激光投射方向、叶片整体点云分布等因素，提出一种精确的激光扫描中心线提取方法，在机器人系统中生成叶片测量运动轨迹，实现叶片在线激光扫描测量和数据获取；扩展三维数学形态学操作，提出点云密度聚类方法，构造面向不同曲率特征的聚类单元，研究均匀栅格精简算法包围盒定义、细分边长计算、曲率适应性阈值定义等，建立含不同权重的大规模测量点云均匀精简和曲率适应性精简方法，实现叶片前后缘特征保护、代表点选取和点云精简；研究ICP匹配、TDM匹配、ADF匹配算法数学建模与计算方法，分析存在测量缺陷（密度不均、局部缺失、测量噪音等）时可能陷入局部最优的原因，提出方差最小化高效匹配方法，克服了传统匹配算法收敛速度慢、易陷入错误的局部最优难题；研究点云匹配与加工余量优化定量评估指标，包括正向最大距离、负向最大距离、极差距离、正负向百分比、加工余量标准差、加工余量均方根误差，可用于叶片叶盆叶背匹配后加工余量分析与轮廓误差计算，并以三维色谱图形式显示加工余量整体分布；开发集成在线测量数据处理、大规模点云精简、三维高效匹配、坐标系微调、加工余量可视化等功能的iPoint3D软件，完成核电汽轮机叶片样件机器人三维测量与砂带磨抛实验。采用标准球对优化后的线激光扫描传感器精度进行测定，标准球直径误差控制在0.02mm；将大规模测点处理算法推广应用到中国航发南方工业有限公司铸造涡轮叶片检测，单件检测时间缩短80%以上，大大提升了检测效率和检测一致性。 .本项目共发表学术论文12篇（含著作1部、SCI论文6篇），授权发明专利9项，申报软件著作权1项，培养研究生6人，顺利完成预期目标。