基于PointCPP-LSF方法的航天筒段薄壁件滚弯成形质量分析

doi:10.3969/j.issn.1004-132X.2022.08.013

摘要/Abstract

摘要： 为解决传统圆柱拟合方法对参数初值具有较高依赖性而导致无法满足航天筒段薄壁件滚弯成形质量检测精度及速度要求的问题，提出一种PointCPP-LSF方法，以实现航天筒段薄壁件滚弯成形质量分析。基于点云深度学习建立面向圆柱参数预测的点云网络（PointCPP）模型以获得可靠的圆柱参数初值，然后基于改进的最小二乘拟合（LSF）方法对圆柱参数进行迭代优化，并结合粗差点剔除机制，最终获取稳健的曲率半径计算结果。实验结果表明，所提方法能有效提高航天筒段薄壁件滚弯成形质量检测的准确度和速度。

关键词: 圆柱拟合, 点云, 深度学习, 参数预测, 最小二乘拟合

Abstract: In order to solve the problems that the accuracy and speed requirements of the roll-bending forming quality detection for spaceflight thin-walled cylindrical workpieces might not be met due to the high dependence of the traditional cylindrical fitting method on the initial values of parameters， a PointCPP-LSF method was proposed to realize the analysis of spaceflight thin-walled cylindrical workpiece roll-bending forming quality. Based on point cloud deep learning， a point network for cylindrical parameter prediction (PointCPP) model was established to obtain reliable initial values， and then the cylindrical parameters were iteratively optimized based on the improved LSF method， and combined with the gross error elimination mechanism， the robust curvature radius calculation results were finally obtained. The experimental results show that the proposed method may effectively improve the accuracy and speed of roll-bending forming quality detection for spaceflight thin-walled cylindrical workpieces.

Key words: , cylindrical fitting, point cloud, deep learning, parameter prediction, least square fitting（LSF）

中图分类号:

V46
TG306

艾青波, 张洁, 程辉, 吕佑龙, 左丽玲, 胡蓝. 基于PointCPP-LSF方法的航天筒段薄壁件滚弯成形质量分析[J]. 中国机械工程, 2022, 33(08): 977-985.

AI Qingbo, ZHANG Jie, CHENG Hui, LYU Youlong, ZUO Liling, HU Lan. Analysis for Roll-bending Forming Quality of Spaceflight Thin-walled Cylindrical Workpieces Based on PointCPP-LSF Method#br#[J]. China Mechanical Engineering, 2022, 33(08): 977-985.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/10.3969/j.issn.1004-132X.2022.08.013

http://www.cmemo.org.cn/CN/Y2022/V33/I08/977

参考文献

［1］郭荣. 三辊弯板机板材曲率自动测量系统研究［D］. 武汉：武汉理工大学， 2013.
GUO Rong. Research on Automatic Measuring System of Plates Curvature for Three-roll Bender［D］. Wuhan：Wuhan University of Technology， 2013.
［2］赵圆圆，曾飞，李洋，等. 基于光场成像的快照式气膜孔三维测量技术［J］. 航空学报， 2021， 42（10）：416-426.
ZHAO Yuanyuan， ZENG Fei， LI Yang， et al. 3D Measurement Technique for Film Cooling Holes Based on Light-field Imaging［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（10）：416-426.
［3］张红影，李启东，李文龙，等. 基于MLS的航空叶片中弧线提取方法［J］. 中国机械工程， 2014， 25（7）：959-964.
ZHANG Hongying， LI Qidong， LI Wenlong， et al. An Effective Extraction Method of Aviation Engine Blades Mean Camber Line Based on MLS Method［J］. China Mechanical Engineering， 2014， 25（7）：959-964.
［4］NURUNNABI A A M， SADAHIRO Y， LINDENBERGH R C. Robust Cylinder Fitting in Three-dimensional Point Cloud Data［J］. The International Archives of the Photogrammetry， Remote Sensing and Spatial Information Sciences， 2017， ⅩLⅡ-1/W1：63-70.
［5］TRAN T T， CAO V T， LAURENDEAU D. Extraction of Cylinders and Estimation of Their Parameters from Point Clouds［J］. Computers & Graphics， 2015， 46：345-357.
［6］BOLLES R C， FISCHLER M A. A RANSAC-based Approach to Model Fitting and Its Application to Finding Cylinders in Range Data［C］∥ International Joint Conference on Artificial Intelligence. Vancouver， 1981：637-643.
［7］刘元朋，张定华. 逆向工程中圆柱体几何特征参数评估方法的研究［J］. 机械科学与技术， 2005， 24（3）：310-311.
LIU Yuanpeng， ZHANG Dinghua. Study on Evaluation of Cylinder Geometric Parameters in Reverse Engineering［J］. Mechanical Science and Technology for Aerospace Engineering， 2005， 24（3）：310-311.
［8］秦世伟，潘国荣，谷川，等. 基于遗传算法的三维空间柱面拟合［J］. 同济大学学报（自然科学版）， 2010， 38（4）：604-607.
QIN Shiwei， PAN Guorong， GU Chuan， et al. Fitting of Spatial Cylindrical Surface Based on Genetic Algorithm［J］. Journal of Tongji University（Natural Science）， 2010， 38（4）：604-607.
［9］严宇，王解先. 激光扫描点云数据的圆柱拟合方法［J］. 测绘科学， 2018， 43（6）：83-87.
YAN Yu， WANG Jiexian. Cylindrical Fitting Method of Laser Scanner Point Cloud Data［J］. Science of Surveying and Mapping， 2018， 43（6）：83-87.
［10］陈磊磊，黄美发，肖萌萌，等. 基于坐标转换的回转表面形状误差最小二乘评定［J］. 中国机械工程， 2014， 25（4）：522-526.
CHEN Leilei， HUANG Meifa， XIAO Mengmeng， et al. Calculation of Rotation Surface Form Errors by Least Square Based on Coordinate Transformation［J］. China Mechanical Engineering， 2014， 25（4）：522-526.
［11］郝雪，刘京亮，晁艺. 稀疏点测量航空导管的圆柱拟合算法研究［J］. 机械科学与技术， 2019， 38（8）：1276-1281.
HAO Xue， LIU Jingliang， CHAO Yi. Study on Cylinder Fitting Algorithm for Measurement of Aeronautical Ducts with Sparse Points［J］. Mechanical Science and Technology for Aerospace Engineering， 2019， 38（8）：1276-1281.
［12］申旭，朱文芳，王伟峰，等. 一种空间圆柱拟合计算方法［J］. 测绘科学技术学报， 2018， 35（6）：601-604.
SHEN Xu， ZHU Wenfang， WANG Weifeng， et al. A Method of Fitting Space Cylindrical Surface［J］. Journal of Geomatics Science and Techno-logy， 2018， 35（6）：601-604.
［13］危双丰，王晏民. 一种深度图像拟合圆柱的优化方法［J］. 测绘科学技术学报， 2007（5）：368-370.
WEI Shuangfeng， WANG Yanmin. An Optimized Method for Cylinder Fitting in Range Image［J］. Journal of Geomatics Science and Technology， 2007（5）：368-370.
［14］曲学军. 基于表面法矢的散乱数据分割与几何特征提取［J］. 机械工程学报， 2007， 43（9）：228-234.
QU Xuejun. Segmentation of Random Data and Extraction of Geometric Features Based on Normal Vectors［J］. Journal of Mechanical Engineering， 2007， 43（9）：228-234.
［15］WU Yunlong， ZHANG Qing， ZHANG Sunxuan， et al. Fast Cylindrical Fitting Method Using Point Clouds Normals Estimation［J］. Mathematical Problems in Engineering， 2018（5）：1-7.
［16］CHARLES R Q， SU H， MO K， et al. PointNet：Deep Learning on Point Sets for 3D Classification and Segmentation［C］∥ 2017 IEEE Conference on Computer Vision and Pattern Recognition. Honolulu， 2017：77-85.
［17］艾青波. 航天筒段薄壁件仿真点云数据集［DS/OL］. figshare［2021-01-18］. https：∥figshare. com/s/d74800c69e0cfd941a27.
AI Qingbo. Simulation point cloud data set of Spaceflight Thin-walled Cylindrical Workpieces. ［DS/OL］. figshare［2021-01-18］. https：∥figshare. com/s/d74800c69e0cfd941a27.

[1]	姜世阔, 王小平, 汪凯, 金将. 基于点云曲面的定角度自动铺丝路径规划[J]. 中国机械工程, 2023, 34(21): 2629-2636,2645.
[2]	薛凯, 郭润兰, 黄晖阳, 黄华. 基于点云数据的增材制造模型结构优化方法[J]. 中国机械工程, 2023, 34(20): 2482-2488.
[3]	聂昕, 谭天, 申丹凤. 基于深度学习的汽车梁类件冲压回弹研究[J]. 中国机械工程, 2023, 34(07): 838-846.
[4]	唐东林, 杨洲, 程衡, 刘铭璇, 周立, 丁超. 浅层卷积神经网络融合Transformer的金属缺陷图像识别方法[J]. 中国机械工程, 2022, 33(19): 2298-2305，2316.
[5]	师小波, 赵丁选, 孔志飞, 倪涛, 赵小龙, 郭庆贺. 基于多传感器信息融合的车辆高精度定位技术[J]. 中国机械工程, 2022, 33(19): 2381-2387.
[6]	于浩, 黄华贵, 郑加丽, 赵铁琳, 周新亮. 无缝钢管斜轧穿孔顶头表面缺陷非接触在线检测方法[J]. 中国机械工程, 2022, 33(14): 1717-1724.
[7]	杨光友, 刘浪, 习晨博. 自适应辅助分类器生成式对抗网络样本生成模型及轴承故障诊断[J]. 中国机械工程, 2022, 33(13): 1613-1621.
[8]	张胜文, 周曦, 李滨城, , 程德俊, , 陈文笛. 基于图像深度学习的零件加工特征信息提取方法[J]. 中国机械工程, 2022, 33(03): 348-355.
[9]	闫杰琼, 周来水, 胡少乾, 文思扬. 航空发动机外形点云的保特征去噪方法[J]. 中国机械工程, 2021, 32(23): 2850-2860，2889.
[10]	崔海华, 徐振龙, 杨亚鹏, 孟亚云, 王宝俊. 一种基于深度学习图像超分的环形靶标稳定检测方法[J]. 中国机械工程, 2021, 32(23): 2861-2867.
[11]	张一鸣, 李红卫, 赵安安, 谢乾, 汪俊. 基于多描述子投票的飞机蒙皮局部扫描点云定位[J]. 中国机械工程, 2021, 32(22): 2724-2730,2771.
[12]	史红霞, 王建民. 基于法向量区域聚类分割的点云特征线提取[J]. 中国机械工程, 2021, 32(21): 2552-2561.
[13]	童靳于, 罗金, 郑近德. 基于增强深度自编码网络的滚动轴承故障诊断方法[J]. 中国机械工程, 2021, 32(21): 2617-2624.
[14]	赵志宏, 李乐豪, 杨绍普, 李晴. 一种频域特征提取自编码器及其在故障诊断中的应用研究[J]. 中国机械工程, 2021, 32(20): 2468-2474.
[15]	余浩帅, 汤宝平, 张楷, 谭骞, 魏静. 小样本下混合自注意力原型网络的风电齿轮箱故障诊断方法[J]. 中国机械工程, 2021, 32(20): 2475-2481.