摘" 要：隨著工業(yè)技術(shù)不斷發(fā)展，機械零件尺寸精度的要求越來越高。針對機械零件尺寸精度的控制度，本文提出了基于虛擬現(xiàn)實的機械零件三維重構(gòu)技術(shù)，將原始機械零件圖像輸入計算機后對其進行預(yù)處理，應(yīng)用精準(zhǔn)刻畫軟件，采用包圍盒法固件預(yù)處理圖像的三維數(shù)據(jù)場，結(jié)合數(shù)據(jù)場繪制機械零件圖像的三維直接體，獲取相關(guān)表達式，對機械零件進行三維重構(gòu)，得到高精度的機械零件三維重構(gòu)結(jié)果，有效控制機械零件尺寸精度，為機械零件的產(chǎn)品設(shè)計、工程分析、快速原型分析和生產(chǎn)制造等方面奠定基礎(chǔ)。

關(guān)鍵詞：機械零件；尺寸精度；控制技術(shù)

中圖分類號：TH 161" " " " " " " " " " " " " " " " 文獻標(biāo)志碼：A

在工業(yè)生產(chǎn)領(lǐng)域，機械零件的設(shè)計、加工、生產(chǎn)以及控制其尺寸精度是非常重要的，一直受到廣泛關(guān)注。機械零件尺寸精度控制技術(shù)具有很高的應(yīng)用價值。隨著生產(chǎn)技術(shù)的進步，自動化程度逐漸加深，虛擬現(xiàn)實技術(shù)、機器視覺技術(shù)和圖像處理技術(shù)等在設(shè)計、檢測過程中發(fā)揮了重要的作用，在重復(fù)性工作中能夠代替人工并高效完成任務(wù)，在實際生產(chǎn)中應(yīng)用前景廣闊。

1 機械零件尺寸精度的測量與控制要點

機械零件尺寸精度的測量與控制是保證機械產(chǎn)品性能和可靠性的重要環(huán)節(jié)，在機械制造過程中，受到各種因素影響，零件的實際尺寸與設(shè)計尺寸存在偏差[1]。為了滿足設(shè)計要求，必須對機械零件尺寸精度進行嚴(yán)格測量與控制，機械零件尺寸精度測量與控制要點如下。

1.1 設(shè)定合理的尺寸公差

公差大小直接影響零件的加工難度和制造成本，在設(shè)計階段，根據(jù)零件的功能、裝配要求和制造工藝合理確定零件的尺寸公差。

1.2 選擇合適的測量工具

選擇滿足零件尺寸精度要求的測量工具，例如卡尺、千分尺、測量規(guī)、投影儀和三坐標(biāo)測量機等，保證測量工具的精度和穩(wěn)定性，定期進行校準(zhǔn)和維護。

1.3 選擇合適的測量方法

根據(jù)零件的形狀、尺寸和精度要求，選擇合適的測量方法，采用多點測量、曲線測量等方法測量形狀復(fù)雜的零件，使測量結(jié)果更準(zhǔn)確[2]。

1.4 加強工藝控制

使用優(yōu)化加工工藝、控制加工參數(shù)和加強刀具管理等手段，降低在加工過程中產(chǎn)生的誤差，提高零件的尺寸精度。采取相應(yīng)措施解決在加工過程中出現(xiàn)的熱變形和振動問題。

1.5 引入自動化控制技術(shù)

利用自動化設(shè)備和系統(tǒng)，例如數(shù)控機床、機器人控制系統(tǒng)等，自動加工并裝配零件，提升加工精度和生產(chǎn)效率，減少人為因素對尺寸精度的影響。

1.6 建立完善的質(zhì)量管理體系

建立質(zhì)量管理體系，制定質(zhì)量控制計劃和質(zhì)量檢驗標(biāo)準(zhǔn)，做好質(zhì)量記錄。嚴(yán)格的質(zhì)量管理能夠保證零件尺寸精度的穩(wěn)定性和一致性。

1.7 進行過程監(jiān)控和反饋

在加工過程中，實時監(jiān)控關(guān)鍵工序，及時發(fā)現(xiàn)并糾正尺寸誤差，利用數(shù)據(jù)采集和分析系統(tǒng)，整理并分析在加工過程中產(chǎn)生的數(shù)據(jù)，取得影響尺寸精度的關(guān)鍵因素，采取相應(yīng)措施進行改進和控制[3]。

2 基于虛擬現(xiàn)實的機械零件三維重構(gòu)技術(shù)

在工業(yè)制造的過程中，受到加工工藝、設(shè)備磨損等因素影響，一些機械零件出現(xiàn)尺寸誤差或缺陷，生產(chǎn)質(zhì)量降低[4]。以前，質(zhì)量檢測主要由人工完成，效率低且檢測結(jié)果不準(zhǔn)確，因此，可利用虛擬現(xiàn)實技術(shù)，在計算機中模擬真實的環(huán)境，對機械零件進行三維重構(gòu)，利用高精度的3D掃描設(shè)備獲取零件的幾何數(shù)據(jù)，再利用CAD軟件進行建模，可以對零件尺寸進行高精度模擬，并模擬加工過程，預(yù)測并評估零件在實際加工中的尺寸精度，優(yōu)化加工參數(shù)和工藝[5-6]。

2.1 機械零件圖像預(yù)處理

在機械零件圖像中，光照因素屬于一種乘性因素，如公式（1）所示。

I（x，y）=R（x，y）·L（x，y） " " " " " " " " " " " "（1）

式中：I（x，y）為機械零件圖像的灰度值；R（x，y）為機械零件圖像在設(shè)定點對應(yīng)的反射率；L（x，y）為光照情況。

隨著時間推移，機械零件上的光照會逐漸變化，明確機械零件圖像在（x，y）區(qū)域內(nèi)的光照情況后，可計算其平均光照，明確光照變化規(guī)律。以此為基礎(chǔ)，應(yīng)用Retiner理論，計算過程如公式（2）所示。

（2）

式中：Retiner（x，y）為機械零件的反射特性，即圖像的內(nèi)在表現(xiàn)特征；F（x，y）為環(huán)繞函數(shù)，將公式（1）代入公式（2）中，如公式（3）所示。

（3）

根據(jù)公式（1）～公式（3），可知Retinet輸出機械零件圖像不能精準(zhǔn)反映光照變化狀況，因此需要對不同光照下的機械零件圖像進行預(yù)處理，具體步驟如下。

2.1.1 應(yīng)用Retinet對輸入機械零件圖像進行預(yù)處理

在計算機內(nèi)輸入需要處理的機械零件圖像，合理設(shè)置尺寸參數(shù)范圍，保證平滑圖像的高斯窗不會過大，應(yīng)用Retinet理論對灰度機械零件圖像進行預(yù)處理，如公式（4）所示。

Retinet（x，y）=lgI（x，y）-lgI（x，y）·F（x，y） " （4）

2.1.2 采用灰度值歸一化方法處理機械零件圖像

采用直方圖歸一化方法，對圖像的灰度值進行歸一化處理，如公式（5）所示。

（5）

式中：H（x，y）為采用灰度值歸一化方法處理的機械零件圖像；mdd為輸出圖像均值；mnew為輸出圖像標(biāo)準(zhǔn)差；βdd為處理后圖像的均值；βnew為處理后圖像的標(biāo)準(zhǔn)差。

2.2 機械零件尺寸測量算法

圖像處理后，機械零件種類明確，結(jié)合零件的幾何特征計算機械零件的尺寸。在機械零件中，圓是最基本的幾何形狀，檢測圓心、半徑等尺寸十分重要[7]。目前主要采用重心檢測法檢測圓的尺寸。由于實際提取圓邊緣存在一定誤判或漏判情況，因此可以運用霍夫變換算法將圓邊緣變換為直線邊緣再進行提取，如公式（6）所示。

ρ=xcosθ+ysinθ " " （6）

式中：ρ為原點到直線的垂直距離；θ為x軸與垂線之間的夾角，直線上的任意1個點都滿足上述公式，直線參數(shù)為（ρ，θ），

xy二維空間中的1個點對應(yīng)ρθ空間中的1條正弦曲線，xy空間中直線上1個點（x0，y0）如公式（7）所示。

ρ=x0cosθ+y0sinθ （7）

ρθ空間內(nèi)軌跡為xy空間中通過該點的所有直線群，當(dāng)1條直線的點從xy空間投影至ρθ空間時，這些點所對應(yīng)的正弦曲線將在ρθ空間交于1個點，假設(shè)直線上的點在該點對應(yīng)的（ρ0，θ0）處存在峰值，就可以利用峰值坐標(biāo)獲取直線表達式。

采用霍夫變換算法對圓進行檢測，圖像f（i，j）中的圓，其邊緣點為{（im，jm），n=1，2，......，N}，以此構(gòu)建圓檢測參數(shù)空間——[X，Y，R]，X、Y和R分別為圓的橫坐標(biāo)、縱坐標(biāo)和半徑，對每個邊緣點計算以該點為邊緣在圖像范圍內(nèi)的所有圓，對所有邊緣點獲取的參數(shù)圓進行累加，計數(shù)最大值也就是與圖像中被測圓的參數(shù)。

2.3 機械零件的三維重構(gòu)

在應(yīng)用虛擬現(xiàn)實技術(shù)對機械零件進行三維重構(gòu)的過程中，應(yīng)先對全部零件圖像進行預(yù)處理，再利用計算機內(nèi)VTK軟件進行三維重構(gòu)，具體流程如圖1所示。

從圖1可以明顯看出，機械零件的三維重構(gòu)主要包括3個階段，即距離測量、三維重構(gòu)和三維顯示，利用VTK軟件和Visual軟件，基于虛擬現(xiàn)實技術(shù)對機械零件進行三維重構(gòu)，VTK軟件的作用是對機械零件圖像進行重構(gòu)以及可視化處理，Visual軟件的作用是展示界面設(shè)計，進行數(shù)據(jù)集成。在應(yīng)用VTK軟件之前應(yīng)設(shè)定源文件目錄和編譯目錄，再分析VTK軟件內(nèi)的管道機制，對數(shù)據(jù)或圖像進行可視化處理，利用包圍盒進行三維重構(gòu)[8]。

在應(yīng)用VTK軟件對機械零件進行三維可視化操作的過程中，先利用局部圖像梯度信息獲取機械零件圖像對應(yīng)的三維坐標(biāo)，將其設(shè)為（x，y）在圖像重構(gòu)后獲取的機械零件輪廓長度。如公式（8）所示。

l=ψ（Ilbf+（1-ψ）Ilgf）+u（l（τ）+?（p（i））） （8）

式中：ψ為局部機械零件圖像中不同像素領(lǐng)域的灰度值；Ilbf為邊緣輪廓長度對應(yīng)的約束項；?為常數(shù)；Ilgf為機械零件圖像的局部灰度信息；u為能量項；l（τ）為機械零件圖像的局部梯度；p（i）為空間掃描向量。

采用平滑度演化博弈處理機械零件圖像目標(biāo)區(qū)域以及背景區(qū)域，如公式（9）所示。

N?=∫a=1?（p（i））|?ρ| " "（9）

式中：N?為盒子模型；?ρ為正則項；a為像素稀疏度。

應(yīng)用包圍盒法進一步計算設(shè)定范圍內(nèi)機械零件圖像的高斯概率分布H?，如公式（10）所示。

（10）

結(jié)合公式（9）可獲取機械零件圖像對應(yīng)的三維坐標(biāo)p（f1，f2），如公式（11）所示。

（11）

結(jié)合公式（11）可應(yīng)用Euler-Lagrange方程組建三維數(shù)據(jù)場，如公式（12）所示。

（12）

式中：??為常數(shù)灰度值；?t為運行時間灰度值；（λ1，λ2）為空間掃描向量；?t和t為采樣時間與運行時間。

在獲取機械零件所對應(yīng)的三維數(shù)據(jù)場后，可進一步繪制機械零件，保證零件尺寸精度，完成機械零件高質(zhì)量設(shè)計。在這個過程中，須以目標(biāo)圖像對應(yīng)的像素作為模板，對矩陣Z的三維數(shù)據(jù)Z（ij）（h）進行構(gòu)建，如公式（13）所示。

（13）

結(jié)合圖像三維數(shù)據(jù)，直接提取并構(gòu)建對應(yīng)的三維圖像重構(gòu)表達式f1（x）和f2（x），如公式（14）所示。

（14）

式中：E（x，y）為機械零件圖像固定模板。

3 試驗分析

為了進一步驗證本文提出的基于虛擬現(xiàn)實的機械零件三維重構(gòu)技術(shù)是否有效，利用Delphi語言對其進行編程，并選擇類型不同的機械零件作為試驗對象。

3.1 簡單的機械零件三維重構(gòu)效果分析

選擇幾種較為簡單的機械零件進行三維重構(gòu)，并進行對比，采用本文提出的三維重構(gòu)方式的效果如圖2（a）所示，采用超聲波斷層三維重構(gòu)方式的效果如圖2（b）所示，可以明顯看到后者會出現(xiàn)細(xì)節(jié)丟失的情況，前者可精準(zhǔn)刻畫各機械零件的細(xì)節(jié)部分。因此，本文提出的方法精度更高，三維重構(gòu)效果更好。

3.2 復(fù)雜的機械零件三維重構(gòu)效果分析

在試驗過程中，選擇結(jié)構(gòu)較為復(fù)雜的機械零件進行三維重構(gòu)并對比，采用本文提出的三維重構(gòu)方式的效果如圖3（a）所示，采用超聲波斷層三維重構(gòu)方式的效果如圖3（b）所示，由圖3（b）可知，后者獲取的三維重構(gòu)結(jié)果邊緣化較為嚴(yán)重，不能精準(zhǔn)描述機械零件的細(xì)節(jié)，前者效果更好，證明本文提出的方式更適用于機械零件的三維重構(gòu)。

為了對比采用不同方式進行機械零件三維重構(gòu)的效果，在試驗過程中，以輸出三維重構(gòu)圖像平均遍歷覆蓋度為指標(biāo)進行深度分析，試驗結(jié)果如圖4所示。由圖4可知，采用本文提出的三維重構(gòu)方式后，指標(biāo)更高，說明覆蓋區(qū)域更廣泛，重構(gòu)性能最佳。

3.3 機械零件三維重構(gòu)耗時對比

使用2種方式的機械零件三維重構(gòu)耗時對比結(jié)果見表1，可以明顯看到本文方式耗時更短，運營效率更高。

4 結(jié)語

在應(yīng)用機械零件尺寸精度控制技術(shù)方面，可充分利用虛擬現(xiàn)實技術(shù)，提升輸出三維重構(gòu)圖像質(zhì)量，保證零件尺寸的精度符合標(biāo)準(zhǔn)，還能獲取最佳的三維重構(gòu)結(jié)果，優(yōu)化機械零件加工與生產(chǎn)流程。未來，隨著智能制造、大數(shù)據(jù)等先進技術(shù)的融合應(yīng)用，機械零件尺寸精度控制技術(shù)的發(fā)展空間會更廣闊，需要不斷探索和創(chuàng)新，加強技術(shù)研發(fā)和人才培養(yǎng)，推動機械零件尺寸精度控制技術(shù)持續(xù)發(fā)展，為制造業(yè)轉(zhuǎn)型升級和高質(zhì)量發(fā)展做出更大貢獻。

參考文獻

[1]張娟飛.基于機器視覺的大尺寸薄壁機械零件微裂紋檢測研究[J].機械制造與自動化，2022，51（3）：225-228.

[2]冀永曼.人工智能技術(shù)及其在機械設(shè)計中的應(yīng)用與發(fā)展趨勢[J].農(nóng)機使用與維修，2023（9）：76-78.

[3]常利娟.基于計算機模擬的機械零件設(shè)計與優(yōu)化[J].農(nóng)機使用與維修，2023（8）：49-51.

[4]王銳鋒，徐智浩，劉成沛，等.機械系統(tǒng)直軸零件直徑高精度視覺測量方法研究[J].儀表技術(shù)與傳感器，2023（7）：111-116.

[5]林適遙，張正陽，陳曦，等.基于Unity3D的機械零件測繪虛擬仿真試驗[J].現(xiàn)代信息科技，2023（13）：46-52.

[6]伍濟鋼，馬佳康，楊康，等.基于改進ICP的復(fù)雜機械零件測量點云配準(zhǔn)方法[J].光電子·激光，2023，34（6）：620-627.

[7]趙靜.機械加工工藝對零件加工精度的影響與控制研究[J].造紙裝備及材料，2023，52（6）：110-112.

[8]肖野洪，張宏斌，鐘林，等.機械零件非光滑仿生表面加工裝置創(chuàng)新設(shè)計[J].南方農(nóng)機，2023，54（11）：122-124，129.