专利名称：一种基于不确定度分布规律的工件组合测量方法
技术领域：
本发明属于空间大尺寸复杂工件关键特征点的高精度测量应用领域，具体涉及组 合测量设备不确定度分布规律构建和数据融合。
背景技术：
随着航天航空工业、船舶工业、电力能源工业、汽车工业等的迅猛发展，涌现出了 大批大尺寸机械设备与工件。如空客A380的总长达到了 73米，机身直径7. 14米，翼展79. 8 米，高1米；我国建造的超大型油轮“大湖号”船长达到了 323米，型宽60米、型深29. 3 米；德国Vensys的风力发电叶片长度达到了 40多米。这类设备都是关系到国民经济和国 防安全的工业产品，具有重要的战略意义。一方面，对于飞机机身、船舶壳体、火车、风电叶 片等空间大尺寸复杂装备，外形三维尺寸精度是衡量产品流体动力性能与外形美观的关键 指标，技术要求很高。另一方面，对于这类大尺寸机械设备，由于几何尺寸与质量庞大，一般 采用先分体制造，然后总装拼接的工艺流程。在制造及装配过程中，如何实现对大尺寸机械 设备工件集合尺寸与形位误差的高效、精确测量，是保证整套设备质量的关键因素。因此， 空间大尺寸测量已经成为当前大型装备制造业中必不可少的技术手段。目前，对此类空间大尺寸复杂装备制造及装配过程进行定位与质量检测的设备主 要包括以下两类(一)远距离测量设备，如激光跟踪仪、电子经纬仪、全站仪、iGPS空间测 量系统等，其特点是测量范围大，但远端精度较低，局部空间灵活性差。(二)近距离测量设 备，如便携式测量臂、三坐标测量机、摄影测量系统等，其特点是精度高，但测量范围小。而 空间大尺寸复杂装备的测量所要求测量范围大、测量精度与灵活度的特性凸显了整体尺寸 大与局部空间复杂或局部关键结构极高测量精度之间的矛盾性。导致在现有技术条件下， 单一采用上述任何测量设备，都无法完全满足空间大尺寸复杂装备的测量任务。尤其在测 量关键定位基准以及特征点时，需要组合测量设备进行融合提高测量精度，减少测量不确 定度的影响。因此，面对空间大尺寸复杂工件关键特征点高测量精度的要求，研究最大限度 发挥各测量设备技术优势的现场组合式测量方法显得尤为迫切。

发明内容
为了满足空间大尺寸复杂工件关键特征点测量高精度的要求，本发明旨在通过对 不同类型测量设备各自的技术优势以及不确定度分布规律的分析，提出一种高度柔性、精 度可控的组合式测量方法，用于航天航空、汽车、造船及风力发电等空间大尺寸复杂装备制 造装配过程中的在线测量，为提高空间大尺寸复杂工件关键特征点的测量精度提供相应的 技术支持。本发明解决其技术间题的方案是一种基于不确定度分布规律的工件组合测量方 法，按照如下步骤(1)进行组合测量设备参数不确定度分析，并通过实验建立测量设备的不确定度 分布规律；根据测量设备的不确定度分布规律，得出测量设备的使用规律；
(2)将组合测量设备在关键特征点附近进行相容布局；(3)用组合测量设备分别进行关键特征点重复测量，获得测量数据；(4)将所得两个设备所得的测量数据进行数据融合处理，提炼符合测量精度要求 的测量结果。所述步骤(1)是进行FARO转角的不确定度分析，得到FARO转角的不确定度规 律，获得FARO的使用规律；进行激光跟踪仪参数的不确定度分析，得到激光跟踪仪参数的 不确定度规律，获得激光跟踪仪的使用规律。 所述步骤( 是指FAR0和激光跟踪仪在关键特征点附近进行相容布局。所述步骤( 是指FAR0和激光跟踪仪对关键特征点重复测量，获得测量数据。所述步骤(4)是指FAR0和激光跟踪仪获得的两组数据融合处理，求取旋转矩阵 和平移矩阵；求取数据配置误差，检验测量精度，并对测量数据进行筛选；测量结束。本发明根据测量设备不确定度的特性和组合式测量数据融合的原理，由于采用了 不同的测量设备不确定度确定方法和测量数据融合机制，使其与现有的方法比，具有以下 的特点1、针对不同的空间大尺寸复杂装备的测量可以灵活多变，适合于解决不同的大尺 寸关键特征点高精度测量的问题。2、将测量设备的不确定度分布特征融入到尺寸测量方法中，大大提高系统的测量 精度，并且很适合于组合式测量方法。3、将远端测量设备的测量大范围和近端测量设备的局部高精度相结合，使其具有 测量复杂结构特征装备的功能。4、充分利用数据融合算法结构稳定、运算简单的特点，使组合式测量系统适合于 现场测量。5、利用测量设备的不确定度分布规律及测量对象的尺寸范围，以测量不确定度最 小原则，得到近端和远端设备的组合方案，实现高精度测量。


图1为本发明的FARO测量臂结构示意图；图2为本发明的激光跟踪仪测量坐标系示意图；图3为本发明的组合式测量系统的相容布局示意图；图4为本发明的关键公共点的分布情况示意图。其中0为基座；1为第一旋转关节；2为第二铰链关节；3为第三旋转关节；4为第 四铰链关节；5为第五旋转关节；6为第六铰链关节；7为第七旋转关节。图5为组合测量实施过程图。
具体实施例方式下面结合附图对本发明做进一步详细描述参见图1-5，首先，以现有的近端与远端测量设备的测量不确定度为研究对象，通 过分析影响其测量不确定度的关键因素，基于不同的影响因素，分别研究单个设备测量不 确定度的分布规律，从而建立两种测量设备的最佳使用规律，根据最佳使用规律，为设备的组合方法以及设备组合系统的优化测量提供理论基础。其次，针对大尺寸关键特征点需要高精度测量的特点，提出由远端设备和近端设 备重复测量的相容测量方案。该测量方案可针对于空间大尺寸复杂工件对局部关键特征点 的精度要求进行测量，因为两种测量设备都可测得关键特征点的参数，可通过相关坐标转 换的数据融合进行互相检验。最后，通过研究相应的配准算法及融合规则实现了组合测量系统的数据融合。算 法主要实现以远端测量系统作为全局坐标系，通过近端测量系统的测量坐标向全局测量坐 标系的转换，实现了组合测量系统的配准环节；以组合测量系统的不确定度最小为目的，基 于最小均方误差条件下的融合方法，提炼符合要求的测量结果。具体实施过程如下一、确定组合测量设备的不确定度分布规律和使用规律(以近端测量设备FARO P12-7七关节测量臂和远端测量设备LeicaATQOl-LR激光跟踪仪为例)1、近端测量设备FARO七关节测量臂转角不确定度分布规律FARO七关节测量臂如图1所示，包括基座0 ；绕水平轴旋转的第一旋转关节1、第 三旋转关节3、第五旋转关节5、第七旋转关节7，为转动关节；绕竖直轴旋转的第二铰链关 节2、第四铰链关节4、第六铰链关节6，为铰链关节。由理论分析可知影响FARO测量臂的 主要因素是测量杆间的转角。因此，针对其7个关节转角9工 θ 2进行一系列重复测量， 通过研究其重复测量精度，进而研究转角对FARO测量臂的精度影响规律。由于在实际测量 过程当中，7个关节转角为耦合状态，相互配合才能工作。为了研究各个关节转角对FARO测 量臂重复精度的独立影响，通过保持其他关节转角不变，单独改变某一关节转角依次进行 研究。首先规定关节臂的使用零位状态，即转动关节臂到θ工=0，θ 2 = π /4，θ 3 = 0， θ4= ji/4，θ5 = 0, θ6= π/4, θ7 = 0时，记为测量的初始位置。在初始位置前提下， 实验针对7个关节，相应分为7大组实验，在每大组实验中根据关节转动角度范围的大小均 分为5个位置，分别对该5个定点位置进行50次的连续随机采样，其中各个关节的转动范 围为θ ^ 231 (W1)、0< θ 2 ^ π/2(Ψ2)、0< 231 (Ψ3)、0<Ji (Ψ4)、 O^ θ 5彡2 π (Ψ5)、 彡θ 6彡π (Ψ6)、 彡θ 7彡2 π (Ψ7)。以旋转关节7为例，实验状 态为其它关节角度不变，而97在0 21角度范围内均勻取五个位置，如表1所示，每个位 置各采点50个。同理，对其他关节转角Q1 θ 6各做五小组实验，最终得到7大组35小 组实验数据。表1关节七实验角度变化
权利要求
1.一种基于不确定度分布规律的工件组合测量方法，其特征在于按照如下步骤(1)进行组合测量设备参数不确定度分析，并通过实验建立测量设备的不确定度分布 规律；根据测量设备的不确定度分布规律，得出测量设备的使用规律；(2)将组合测量设备在关键特征点附近进行相容布局；(3)用组合测量设备分别进行关键特征点重复测量，获得测量数据；(4)将两个设备所得的测量数据进行数据融合处理，提炼符合测量精度要求的测量结果。
2.如权利要求1所述一种基于不确定度分布规律的工件组合测量方法，其特征在于， 所述步骤(1)是进行FARO转角的不确定度分析，得到FARO转角的不确定度规律，获得 FARO的使用规律；进行激光跟踪仪参数的不确定度分析，得到激光跟踪仪参数的不确定度 规律，获得激光跟踪仪的使用规律。
3.如权利要求1所述一种基于不确定度分布规律的工件组合测量方法，其特征在于， 所述步骤( 是指FAR0和激光跟踪仪在关键特征点附近进行相容布局。
4.如权利要求1所述一种基于不确定度分布规律的工件组合测量方法，其特征在于， 所述步骤C3)是指FAR0和激光跟踪仪对关键特征点重复测量，获得测量数据。
5.如权利要求1所述一种基于不确定度分布规律的工件组合测量方法，其特征在于， 所述步骤(4)是指FAR0和激光跟踪仪获得的两组数据融合处理，求取旋转矩阵和平移矩 阵；求取数据配置误差，检验测量精度，并对测量数据进行筛选；测量结束。
全文摘要
本发明公开了一种基于不确定度分布规律的工件组合测量方法，通过分析典型近端与远端测量设备——多关节测量臂与激光跟踪仪的不确定度分布规律，提取了影响测量不确定度的关键参数，进而基于静态单点重复测量实验，综合评定了各关键参数对测量不确定度分布规律的影响趋势，并提出了两种测量仪器的测量不确定度分布规律，进而获得测量设备的使用规律。通过将远端和近端测量设备进行相容布局，可实现关键特征点的重复测量，为高精度测量提供必要的基础。最后，根据坐标转换融合算法，实现被测关键特征点的融合，根据数据融合配准误差，可得到高精度的关键特征点坐标。
文档编号G01B11/00GK102135412SQ201110001188
公开日2011年7月27日 申请日期2011年1月5日 优先权日2011年1月5日
发明者张进华, 李小虎, 洪军, 王少峰, 王崴, 贺巧玲 申请人:西安交通大学