林奇 王巍 田盼
西北工业集团有限公司 陕西西安 710043
摘要：随着数字数控机床和加工平台的产生与发展，机械零件的加工方式也向着大批量、专一化方向发展。导致对机械零件的需求也逐渐加大，零件的尺寸和表面加工质量是否符合标准使用要求是影响机械零件正常工作的关键，因此，对机械零件的光学超精密检测成为主要研究任务。机械零件表面的加工质量和尺寸大小虽然对零件的正常使用影响较低，但直接影响零件的可靠性、质量和使用寿命，而机械零件使用时间决定零件经济效益。随着光学超精密加工技术的不断发展，零件光学超精密加工检测技术已成为超精密加工迫在眉睫的关键难题。人工智能技术是一种新兴的用于模拟、延伸和扩展的智能理论、方法、技术及应用系统的一门新的技术科学。人工智能技术中的机械学习法，使机械零件的光学超精密检测过程大大简化，并将操作结果保存在存储器中，便于后续光学超精密检测过程的快速执行。
关键词：光学检测；现状；发展
引言
单参数精密测量是精密测量中最简单的问题，近年来在复杂探测等问题中有了重要应用。多参数精密测量复杂得多，参数之间存在精度制衡。如何减少参数之间的精度制衡以实现多参数最优测量，是多参数精密测量的重要问题之一。为了消除参数之间的精度制衡，研究人员将单参数测量实验中控制增强的次序测量技术应用到多参数测量中，通过调控测量系统动力学演化，完全解决了正演化算法中参数之间的精度制衡问题，实现了最优测量。
1测量系统
将四组视觉传感器单元（包括ＣＣＤ相机和激光器）分别竖直放置于精密零件两侧，垂直于精密零件中轴线，安装在精密零件两侧的立柱上；其中两组视觉传感器单元放置于精密零件一侧立柱上，另外两组视觉传感器单元放置于精密零件另一侧立柱上。首先利用激光跟踪仪建立基坐标系统，然后对每个视觉传感器单元进行相机参数标定、光平面参数方程标定以及全局标定，最终得到相机的内参矩阵、相机到基坐标系下的全局标定矩阵以及激光平面在基坐标系下的平面方程，完成系统使用以及测量前的预处理。
2光学超精密加工检测技术现状
光学超精密检测技术是以机械零件超精密表面形貌和尺寸检测为目的，满足机械零件光学超精密表面形貌的高精度测量要求的技术。现有的检测技术无法满足机械零件的超精度需求，可采用光学白光干涉测量和共聚焦测量技术，通过旋转鼻轮的方式实现对机械零件两种测量技术的有效切换，起到机械零件光学超精密检测的目的。超精密检测的运动结构包括微观运动和宏观运动两部分，机械零件微米级以上的宏观运动超精密检测根据步进电机带动的精密滚珠丝杠实现，微米级以下的微观运动根据三轴压电陶瓷带动的平行铰链实现。针对不同机械零件的材料、形貌和几何特点以及机械零件的实际应用领域，选择光学白光干涉测量或共聚焦测量技术进行光学超精密检测。机械学习模式下机械零件光学超精密检测时先将待检测零件放置于三维运动平台上，根据选择的检测技术切换对应的测头，采用三轴步进电机控制三维运动平台，将待检测机械零件转移到CCD可检测范围内，根据位置灯源状态信息调整照明。机械零件微米级运动模式下采用三轴压电陶瓷超精密检测被检测区域，后通过检测光路对三轴压电陶瓷进行信息检测，采用三轴压电陶瓷超精密检测时获取的机械零件的动作和位置信息、光照强度等信息同步到数据采集卡，并对获取的数据采集卡检测数据结果进行机械学习，机械学习结果保存在存储器并在计算机端口显示检测数据。
3零件光学超精密加工检测技术发展
3.1点云数据融合
将相邻两个相机坐标系下的坐标点云转换到基坐标系下，理论上局部重叠的区域点云应该是重合的，然而由于在全局标定过程中不可避免地存在误差，导致重叠区域的重叠点云不完全重合。如果只使用一个相机坐标系下的点云数据，会导致点云出现严重的分层现象，因此在两组点云融合之前，需要确定相邻两个相机测量数据之间的对应点。根据精密零件自身的特性以及设备安装的位置，光条的点云在精密零件轮廓上，在基坐标系下呈单调性分布，因此只需要确定Ｌ１点云序列的Ｙ值最小点以及Ｌ２点云序列的Ｙ值最大点，在这个区间内的点，认为是重叠区域的重叠点云。借助于采样一致性初始配准算法（ＳＡＣ－ＩＡ）进行粗匹配，再利用迭代最近点匹配算法对点云进行精细匹配，得到重叠部分区域点云之间的转换矩阵，即旋转矩阵Ｒ和平移向量Ｔ。利用转换矩阵将可以对点云重叠部分的数据进行融合。
3.2使用神经网络模型实现误差修正
神经网络是一种功能强大的网络技术，已成功地应用于制造系统的许多任务。有研究学者将一个具有最优生成特征的神经网络应用于IC检测。并且还能够使用多层神经网络结构的镀锌钢板质量控制监测。利用反向传播神经网络，能够开发光学检测系统，检测和分类处理金属表面的缺陷。当一组输入/输出模式给予前馈神经网络时，结构节点的权重和偏差不断调整，以减小网络输出和目标模式之间的差异。反向传播学习算法包括向前传递和向后传递。在训练过程中，两个过程都是针对每个模式演示的。当网络达到满意的性能水平后，定义了输入模式和输出模式之间的关系，并用它们来估计新输入模式的输出。换句话说，输入节点的信息通过前向传递的输出节点提供，计算和更新是一层一层地进行的。计算网络输出与目标模式之间的差值，并计算隐含单元的误差。然后根据训练数据得到的pth模式的目标值与输出单元的实际输出值的平方差的总和，形成误差函数。
3.3真空系统
小型化量子重力仪的真空系统是为原子囚禁和干涉提供理想的工作环境.通常要求真空度在10?7Pa水平以上,这样可以有效抑制背景原子与冷原子相互碰撞引起的加热效应,从而提高原子干涉信号的信噪比.同时,对真空腔体的材料也有要求,尽量使用无磁性低放气的材料.目前量子重力仪大部分的真空腔采用的是金属腔体和玻璃窗片的组合形式.但是由于存在两种不同的材料,会使玻璃窗片受力不均匀产生形变,从而影响到量子重力仪测量精度.石英是一种理想的用于制备真空的材质,它具有较高的透过率、低膨胀系数和He漏率目前,越来越多的研究组开始采用石英材质制备用于量子传感器的真空腔，用于小型化量子重力仪的真空腔.通过和原有的金属真空腔相比,石英真空腔囚禁原子的速率明显高于金属腔,而且对冷却光功率的要求更低,更适用于小型化量子传感器。
结束语
采用人工智能技术中的机械学习法，使机械零件的光学超精密检测过程大大简化，并将操作结果保存在存储器中，便于后续光学超精密检测过程的快速执行，且采用的光学白光干涉测量和共聚焦测量技术可对微米级以上及以下的零件运动进行检测，并基于检测光路光电探测器接收的光强大小获取检测零件各点的高度数值，通过执行机械学习模式学习得到待检测机械零件各处相对焦平面距离，使机械零件的光学超精密检测精度大大提升。
参考文献
[1]王志华,李楠,吕国兵.大型精密装配激光定位测量技术研究[J].计测技术,2018,38(06):20-23.
[2]张志铖.试析GPS在精密工程测量中的应用[J].中国标准化,2018(24):142-143.
[3]陈春生.精密工程测量技术及其发展[J].建材与装饰,2018(51):205-206.
4]郭崇滨,夏喜旺,斯朝铭,刘沛龙,杜阳.分布式精密编队卫星相对位姿测量技术综述[J].航天控制,2018,36(06):83-89.
[5]张志铖.谈精密工程测量及相关应用[J].工程建设与设计,2018(23):38-39+43.