[论文解读] Identification of machining defects by Small Displacement Torsor and form parameterization method

Alain Sergent, Minh-Hien Bui+4 more|arXiv (Cornell University)|Feb 15, 2011

Manufacturing Process and Optimization参考文献 10被引用 8

一句话总结

本文提出一种双方法结合的方法，利用小位移旋量（SDT）进行几何偏差分析，结合基于模态形状的形状参数化方法，以识别和分析制造零件中的加工缺陷。该方法通过平动与转动偏差分布，以及扭曲、波浪和波纹等误差，精确识别缺陷源，经由一批实际加工零件的案例研究得到验证。

ABSTRACT

In the context of product quality, the methods that can be used to estimate machining defects and predict causes of these defects are one of the important factors of a manufacturing process. The two approaches that are presented in this article are used to determine the machining defects. The first approach uses the Small Displacement Torsor (SDT) concept [BM] to determine displacement dispersions (translations and rotations) of machined surfaces. The second one, which takes into account form errors of machined surface (i.e. twist, comber, undulation), uses a geometrical model based on the modal shape's properties, namely the form parameterization method [FS1]. A case study is then carried out to analyze the machining defects of a batch of machined parts.

研究动机与目标

• 开发一种系统化方法，以识别和诊断机械零件中的加工缺陷。
• 分析机床误差引起的几何偏差，特别是工件表面的平动与转动偏差。
• 基于模态形状参数化，建立扭曲、波浪和波纹等形状误差的模型。
• 将SDT与形状参数化整合为统一框架，用于缺陷根源分析。
• 通过一批实际加工零件的案例研究验证该方法。

提出的方法

• 应用小位移旋量（SDT）模型，量化工件表面的小位移平动与转动偏差。
• SDT通过将几何误差表示为6维平动与转动向量，捕捉位移偏差分布。
• 形状参数化利用模态形状特性，表示如扭曲和波纹等复杂形状偏差。
• 该方法将表面形状误差分解为源自结构动力学的正交模态，实现误差量化。
• 综合几何模型整合了基于SDT的运动学误差与形状参数化，实现全面的缺陷分析。
• 该方法应用于一批实际加工零件，将观测到的缺陷与特定误差源相关联。

实验结果

研究问题

• RQ1 如何通过几何误差建模系统性地识别和分类加工缺陷？
• RQ2 小位移旋量（SDT）模型在多大程度上能够捕捉并量化机床引起的加工件偏差？
• RQ3 基于模态形状的形状参数化在多大程度上能有效表示如扭曲和波纹等复杂表面偏差？
• RQ4 运动学误差（平动/转动）与形状误差对整体零件偏差的贡献分别是什么？
• RQ5 集成的SDT与形状参数化模型能否可靠地预测和诊断生产批次中缺陷的根源？

主要发现

• SDT模型成功量化了工件表面的位移偏差分布，识别出主导的平动与转动误差。
• 形状参数化有效捕捉了复杂的形状偏差，包括扭曲、波浪和波纹，并实现了清晰的模态分解。
• SDT与形状参数化的整合实现了对案例研究中缺陷源的全面诊断。
• 该方法表明，运动学误差与形状误差均对观测到的几何偏差有显著贡献。
• 案例研究证明了该方法在实际制造批次中识别缺陷根源的实用性。
• 该方法为精密加工过程中质量改进提供了可重复且可分析的框架。