二维表面粗糙度评定的最小二乘方法.docxVIP

二维表面粗糙度评定的最小二乘方法

1高斯滤波基准线

在表面参数评估中，数据平面的确定是表面参数评估的基础，数据平面的精度直接影响表面参数评估的精度。现行国家标准GB/T3505—2000推荐使用轮廓最小二乘中线作为二维粗糙度评定的基准线。轮廓最小二乘中线是在取样长度内轮廓数据的最小二乘直线,它计算简便、实用性强。然而,在整个评定长度内,评定基准线为折线,并且在两个取样长度的交界处可能出现间断,与理想的光滑曲线评定基准存在较大差别。在国际标准ISO11562中,表面粗糙度评定的基准线规定为一高斯基准线,即将原始轮廓信号去除形状误差后与高斯权函数进行卷积,得到粗糙度评定的高斯滤波基准线。该基准线为连续光滑曲线,能够有效分离表面元素。但是高斯滤波方法损失部分原始轮廓数据,并且要求:(1)原始数据必须去除形状误差;(2)假设原始数据是由一系列谐波组成;(3)表面粗糙度服从高斯分布。

为了完善和补充现行标准,国内外不少学者致力于表面评定基准的研究。小波分析的方法被应用到表面粗糙度评定中,提出了表面粗糙度评定的小波基准线。该基准线由小波分解自动产生,没有拟合误差,但是在基准线求解的过程中,小波分解层次的确定以及基准线的选择都存在一定的随意性。Motif法不需要评定基准,它以图形的形式对轮廓表面粗糙度和波纹度进行描述,能够较真实地匹配轮廓的局部特性,并且评定参数少。但是Motif方法的4个合并准则来自实践经验,缺乏理论依据。形态学滤波器方法,利用开运算和闭运算生成评定基准线。该方法适合对表面轮廓进行功能描述,有较强的鲁棒性,但它对结构单元的类型和尺寸等较敏感。分形理论及分形维数被应用到表面粗糙度评定和随机轮廓描述中,然而并非所有的表面都具有分形特征,分形维数能否完全表征实际表面,还有待进一步研究。最小绝对偏差标准被用于代替最小二乘标准,构建表面轮廓的评定基准面。该评定基准面对于表面深槽特征有较好的鲁棒性。

上述各种方法为表面粗糙度评定提供了新方法和新思路,但它们也存在一定的局限性,并不能完全取代现行标准。本文充分考虑现行标准的延续性,对现行最小二基准线进行了改进。改进的最小二乘基准线为光滑连续曲线,它继承了现行最小二乘方法计算简便和实用的特点,同时消除了相邻取样长度交界处可能出现的间断现象。

2现行最小二乘基准线

现行轮廓最小二乘基准线是在选定的各个取样长度内,依照最小二乘原理对轮廓数据进行直线拟合,获得最小二乘直线。设整个评定长度内的轮廓数据序列为x={x(1),x(2),…,x(N)},N为评定长度内的取样点数。第m个取样长度内的轮廓数据序列为xm={x(m×n+1),x(m×n+2),…,x(m×n+n)},其中n为取样长度内的取样点数。则该取样长度内的最小二乘直线方程为:

x?m=ami+bm(1)x^m=ami+bm(1)

其中i={m×n+1,m×n+2,…,m×n+n}。方程满足最小二乘条件,即:

∑i(xm?x?m)2=min(2)∑i(xm-x^m)2=min(2)

现行最小二乘基准线为折线,并且在两个取样长度的交界处有间断现象出现。为了消除取样长度交界处的间断现象,并且将评定基准线转化为光滑曲线,采用最小二乘直线滑动平均的方法对现行最小二乘基准线进行了改进。

在评定长度内,设取样长度的取样点数为n,将任意相邻的n个取样点看作一个取样长度。设自第k个取样点开始的取样序列为x(k)={x(k),x(k+1),…,x(k+n-1)},其中k=1,2,…,N-n+1。求其最小二乘直线得:

x?(k)=a(k)i+b(k)(3)x^(k)=a(k)i+b(k)(3)

其中,i={k,k+1,…,k+n-1}。在整个评定长度内共可获得N-n+1条最小二乘直线。这些最小二乘直线可以看作随着k值的增加,沿着表面轮廓滑动。对于第k个取样点而言,共有T(k)条最小二乘直线可以描述该点的轮廓位置。设各条最小二乘直线的权重相同,则以各条最小二乘直线在该点的平均值作为其轮廓位置。第k个取样点的轮廓位置可描述为:

x?(k)ˉˉˉˉˉ=???????????????1T(k)∑i=1T(k)x?i(k),1≤k＜n1T(k)∑i=k?n+1k?n+T(k)x?i(k),n≤k≤N(4)x^(k)ˉ={1Τ(k)∑i=1Τ(k)x^i(k),1≤k＜n1Τ(k)∑i=k-n+1k-n+Τ(k)x^i(k),n≤k≤Ν(4)

其中,

T(k)=?????k,1≤k＜nn,n≤k＜N?n+1N?k+1,N?n+1≤k≤NΤ(k)={k,1≤k＜nn,n≤k＜Ν-n+1Ν-k+1,Ν-n+1≤k≤Ν

将由式(4)求得的轮廓位置的集合作为改进的最小二乘评定基准线。该基准线为光滑曲线,在整个评定长度内反映表面轮廓的连续变化,不会出现间断现象。