【摘 要】
:
用光学仪器进行表面形貌的高精度测量是常用的产品品质检测手段之一,往往需要有高精度的二维扫描工作台才能完成整个表面形貌的高精度测量工作。现有的高精度工作台结构上多采用气浮导轨、磁悬浮导轨和精密隔振等方式来保证工作台二维扫描运行过程中Z向的高精度,这些工作台结构复杂、制造装调困难、成本高。本文设计了一款高精度二维扫描平面基准工作台,该基准工作台采用共基面结构以及高精度Z向误差补偿技术,结构简单,容易实
论文部分内容阅读
用光学仪器进行表面形貌的高精度测量是常用的产品品质检测手段之一,往往需要有高精度的二维扫描工作台才能完成整个表面形貌的高精度测量工作。现有的高精度工作台结构上多采用气浮导轨、磁悬浮导轨和精密隔振等方式来保证工作台二维扫描运行过程中Z向的高精度,这些工作台结构复杂、制造装调困难、成本高。本文设计了一款高精度二维扫描平面基准工作台,该基准工作台采用共基面结构以及高精度Z向误差补偿技术,结构简单,容易实现,成本低,给产品表面形貌测量提供了一个可行的高精度测量方案。工作台采用共基面结构。在XY两个运动方向共平面的设计使其在Z向上更加紧凑,减少了厚度,增加了工作台的刚性,而且加工方便。同时,使用线性光栅位移测量实现位置环和速度环的闭环PID控制,最终实现高定位分辨率和高定位精度。采用高精度电容传感器及基准平面实现Z向高精度误差补偿。高精度电容传感器固定在工作台底座上,面对抛光硅片参考面(随工作台扫描移动)采集工作台运动时Z向上的实时跳动值,该结果对同时用工作台进行表面形貌扫描测量的仪器测量值进行Z向误差补偿,精度达到设计要求。基于STM32H743实现了集成嵌入式控制系统。完成基于STM32H743的外部应用电路和硬件设备的接口电路设计,完成系统软件及算法设计,绘制LVGL人机交互界面,完成XY两个方向的高精度闭环测控,实现工作台运动中的数据同步采集。通过对比实验验证了工作台的Z向高精度补偿作用。用多普勒干涉仪测量工作台扫描至不同位置时样品抛光硅片表面形貌,与波面干涉仪测得的结果进行对比,证明所设计工作台在Z向补偿精度达到0.1μm指标要求。在工作台上使用色散共焦传感器分别对样品抛光硅片和标准球进行了应用测量实验,通过对比补偿前后的形貌测量数据,平面基准工作很好的补偿了测量中的Z向的误差,保证了测量精度。
其他文献
数控机床进给系统的高精度建模与仿真技术是提升机床运动控制性能的重要方法,当前进给系统建模通常需要研究人员利用Simulink等专业软件来进行,难以在车间中应用。为此,本文将建模与仿真过程的技术环节进行规范和约简,在数控系统中开发一款智能化的建模与仿真软件(Cyberfeeding),降低建模的实现难度,直接在数控机床上实现基于其自身模型的仿真和补偿功能。针对当前常用的数控机床进给系统的建模工具过于
3D混凝土打印是当前智能建造领域的热点研究方向,具有施工速度快、精度高、可实现复杂几何形状加工的特点。打印过程中及时获取构件成形质量和加工缺陷情况,判断当前打印状态并反馈修正打印系统参数,能有效提升打印质量。由于作业现场环境复杂,要将现有视觉测量技术应用于打印过程中,还面临着光线不稳定、构件遮挡等问题,且目前暂无高效、安全的现场数据可视化方案。为此,本文针对三维重建方法、几何误差检测、混合现实等关
铣削加工作为常用加工方式有着重要的研究意义,本文针对铣削加工常用铣刀的姿态与进给速度两个重要参数分别提出了基于姿态-力矩分布图的刀姿优化方法和基于优化矩阵的进给速度优化方法,有效结合两种方法能够在降低负载的基础上进一步扩大进给速度的优化空间,既保证了加工质量又能较大程度的提高加工效率。本文在研究切削理论的同时分析了不同加工参数对于切削力的影响,探究了斜角切削预测中存在的误差。详细分析了铣削力矩对于
本文中作者提出了基于雾计算和随机森林算法的变压器温度多源监测和故障预测方法,通过多种传感装置实现了变压器温度数据的实时监测,通过边缘物联装置构建雾计算节点实现了数据本地汇集和处理,采用数据融合和随机森林算法实现了变压器过热故障的预测预警。试验结果表明,文章提出的方法有效实现了变压器过热故障的实时监测,具备较好的可行性和实用性。
基于BP神经网络收敛速度慢,在预测时易陷入局部极小值陷阱的问题,提出一种基于GASA-BP的预测方法,GA和SA协同优化BP神经网络,使得GASA-BP预测模型同时具备较强的全局搜索能力和跳出局部最优解的能力。BiLSTM是LSTM的一种特殊形式,BiLSTM充分考虑了时间序列数据前后节点之间的相关性,有效提取信号中的时间特征,具有更优秀的分类能力。基于此,提出一种基于GASA-BP-BiLSTM
卷积神经网络已经广泛应用于轴承的缺陷识别领域,但是在噪声环境和跨工况自适应问题中无法表现出优势,而脉冲神经网络具有良好的鲁棒性和泛化性。在脉冲学习方法中,基于速率学习的方法生物合理性差,脉冲时序依赖可塑性方法难以训练大规模的网络。针对上述问题,本文提出一种基于注意力机制的多尺度脉冲卷积神经网络的轴承缺陷识别方法,实现对生物神经系统高度仿真,同时提高识别准确性和跨工况自适应性。本文主要研究内容如下。
避免旋转设备停机维修造成的经济损失,提出基于改进CNN的旋转设备转子振动故障预测仿真。利用采集器、传感器、应用软件等设备构成信号采集系统,采集旋转设备转子的振动信号;利用小波阈值去噪算法确定小波基和分解层数,分解初始信号,去除低频噪声,重构分解后的信号;根据频带能量不同提取不同故障振动特征;建立卷积神经网络模型,确保每个卷积层均与下采样层连接,减少网络复杂度;将预处理后信号作为网络输入,确定学习率
智能制造是工业信息化后的必由之路。在纺织业信息化转型取得一定成果之际,应考虑更好地利用大数据挖掘信息助力生产应用。并条机是结构复杂的纺织机械设备,从其监控质量参数波谱图中能提炼出丰富的设备状态信息,对设备的故障预防和健康管理极具应用价值。这种应用适合在靠近生产终端的网络边缘场景中运行,既能保障服务在边缘侧运行的可靠性和稳定性,又能减少服务对云端计算和存储能力的依赖。因此本文设计了面向云边协同的并条
缆索作为索承式桥梁的主要承力部件,其完整性直接关系到桥梁的安全。磁致伸缩导波检测技术可实现缆索内部钢丝缺陷的快速检测,且适用于锚固段钢丝检测,但对远距离缺陷检测精度较低;而漏磁检测技术具有检测精度较高的优点,但无法实现锚固段钢丝的检测。结合两种方法的优势,本论文研制了用于桥梁缆索内部钢丝检测的导波与漏磁复合传感器,该传感器先利用导波完成对整个索体的快速检测,之后利用漏磁对其自由段索体缺陷进行检测,
磁力研磨工艺是一种柔性非传统加工工艺,广泛用于加工复杂结构和形状的零件。但是,该工艺的研究大部分以工程应用为导向,以实现具体加工要求为目标,侧重对工艺中各种参数的优化控制,对工艺的原理原则问题研究较少。探究利于加工的磁场是磁力研磨工艺中的重要部分,然而目前研究中缺乏具体原则和评价标准。本文从磁场对磁性介质的驱动原理出发提出驱动磁场的优化设计准则。本文首先针对永磁体布置在加工区域侧面时两对永磁体范围