基于神经网络算法的轴承外径参数的测量

　　0 引言:

　　在我国制定的国家标准GB307.2-845滚动轴承公差的测量方法6[1]中规定的轴承公差项目有:单一平面平均外径偏差Δ(Dmp),单一径向平面外径变动量(VDp)和平均外径变动量(VDmp),单一外径差(ΔDs),在检测轴承外径时,任何一项公差超过规定的限值,则认为该轴承不合格。与工业发达国家轴承产品质量控制方式不同,我国轴承产品的质量,主要是靠机外100%测量[2]来控制。由此可见,为提高轴承产品档次,增加产品附加值,如何机外准确测量轴承外径参数,是控制轴承产品质量必不可少的步骤,为了实现对微型轴承的外径参数进行精确测量,我们与宁波慈兴集团微型轴承工程中心合作研制开发了一套基于神经网络算法的微型轴承测试系统(以下简称MSMBONN)。该系统集成了测量精度高、抗干扰强和神经网络自学习、速度快、收敛等优点。通过实验证明,该系统达到了预期的目的。

　　1 微型轴承检测系统的工作原理:

　　激光检测系统原理如图1所示。

　　该系统由精密密珠轴系、激光传感器、高精度角度位置测控系统、步进电机和计算机等组成。在图1中,当测试系统工作时,计算机可以分别采集到X、Y两个方向的运动信息,这两组数据就构成了MSMBONN系统所运行的实际轴承外圆,实际轴承外圆与理论轴承外圆之间存在着一定的差异,此差异表现在实际轴承外圆的两种误差上:一是实际轴承外圆的位置误差,即实际轴承外圆的圆心与理论轴承外圆的圆心之间的差异,另一种是实际轴承外圆的形状误差,即实际轴承外圆的几何尺寸误差。根据测试到的X、Y两组数据可以用一神经元网络来收缩实际轴承外圆的圆心,一旦收缩到实际轴承外圆的圆心,上述两种误差就很容易的分析出来:将实际轴承外圆的圆心与理论轴承外圆的圆心(这由宁波微型轴承工程中心提供)相比较,就可以得到位置误差;在已知实际轴承外圆的圆心以及各测试点的x、y值的情况下,其形状误差是不难分析得到的,下面就进行详细讨论:

　　根据检测到的x、y两组数据建立如图2所示的X-Y平面坐标系。在两组数据中找到x的最大和最小值的对应点如图中的A、B两点,从而确定一个参考圆心的横坐标xR,同理可以确定参考圆心的纵坐标yR,其中

　　为了不失一般性,A、B两点联线为一条斜线,由图上所示,参考圆心OR在A、B线段的中点,这里以OR为一参考圆心去搜索实际圆心O。在此搜索过程中,可以计算出所有测试点相对于参考圆心OR的半径Ri,其中

　　设轴承外圆有N个测试点,则可以建立一个目标函数:

　　由式(3)可知,要测量轴承半径R,必须知道两个坐标点的4个坐标值。在实际测量中,为了减小测量误差,往往采用简化测量方案。由于实际测量方案的限制, (xi, yi) (i=1,2,3,4,n)不能测量或测量精度很低,因此,必须找到一种切实可行的方案。