高精度薄板带板凸度激光检测的误差分析与精度控制研究

论文摘要

随着世界经济和科学技术的发展，薄板带材的需求量不断增加，特别是在铝加工行业，为实现铝薄板加工生产过程中板材厚度、板形、板凸度的高精度控制，对在线检测装置的检测精度提出了更高的要求，并促进检测装置向智能化方向发展。但目前的检测设备在经济性以及功能性等方面均存在着不足。本文以国家高技术研究发展计划(863计划)课题“铝薄板高精度板凸度在线检测装置”(课题编号：2002AA423190)为背景。开发了基于激光检测技术的铝薄板板凸度在线检测装置，通过理论分析和试验研究，深入研究了高精度板凸度激光检测装置整体及各子系统的误差规律，从误差避免和误差补偿的角度，综合运用有限元优化技术、小波信号分析与处理技术，解决了系统精度保证及精度控制的关键问题。在此基础上，结合薄板带的快速铸轧工业试验，对板凸度激光检测装置的性能进行了工业试验验证。表明该装置具有成本低、精度高、稳定性好的特点，对于提高我国铝带材的产品质量，增强市场竞争力具有重要的意义。同时文中所用理论和方法也适用于其它检测装置，本文的研究具有重要的理论意义和应用价值。论文的主要研究内容和成果如下：1．通过对高精度板凸度激光检测装置整体及各子系统深入的精度分析，在比较不同方案的基础上，根据项目要求的移动式、高精度的核心目标，设计了基于双束激光差动测量方法的扫描式激光板凸度检测方案，确定了以C型扫描框架为主体的装置的总体结构造型，实现了低成本、高精度的板厚、板凸度同时测量。2．研究了板凸度激光检测装置实现智能化检测的自动测量策略，对双束激光差动测量系统中的传感器位置关系与测量有效性的规律进行了研究，建立了不同被测板材厚度条件下的最佳传感器位置调节目标。基于该目标，提出了板凸度激光检测的调节策略，仿真试验证明了自动调节策略的可行性。3．研究了高精度板凸度激光检测系统的静态误差传递规律，分析机械装配精度等因素造成的系统中传感器平动位置误差、旋转角度误差等对系统精度的影响规律，建立了系统装置的机械加工及装配精度所致的误差分析模型，形成系统加工、装配精度的控制准则，为系统标定与静态误差修正提供理论依据。4．基于试验研究，通过工业现场的环境振动测试试验，不同振动激励下框架的动力学性能试验，不同扫描检测状态下板凸度检测精度的影响规律试验，分析了不同振动参数、扫描参数对检测精度的影响规律，建立了系统装置的动态误差分析模型，为通过误差避免和误差补偿以保证检测精度奠定了基础。5．在分析移动框架静态、动态变形以及不良振型对检测精度的影响规律的基础上，提出了通过对检测装置关键部件C型框架的进行模态优化实现精度控制的方法。在通用有限元软件ANSYS的基础上，利用APDL语言对框架力学性能分析与动态优化设计，包括静态(强度、刚度)优化分析，模态优化分析，动力学响应分析等，并进行了设计变量的灵敏度分析，提出了C型移动框架的优化设计结构。6．研究了基于小波原理的板凸度激光检测信号振动误差抑制的方法，针对板凸度激光检测信号的多频特性，通过多分辨小波分析与处理方法，采用小波信号分解—重构，来剔除检测信号中的谐波性振动误差成分，确定了最佳小波基函数和小波分解层数。通过仿真试验和现场试验表明，本方法可以减少因振动和各种环境扰动等原因造成的误差，检测精度得到了明显的提高。7．研究了板凸度激光扫描参数因素作用引起的误差补偿方法，针对该类误差多参数耦合、非线性的特点，采用神经网络的方法，建立扫描参数与动态误差之间的非线性神经网络模型，通过对动态误差的预测，实现动态误差的补偿。通过工业试验比表明，本方法有效地消除了由于扫描状态不同引起的随机误差，提高了检测精度。8．进行了板凸度激光检测系统的技术集成，对该装置的硬件组成和软件系统进行了详细的分析研究。设计制造了我国首台扫描式铸轧板带板凸度激光检测装置样机。经现场应用表明，装置的检测精度、系统功能完全能够满足铸轧板凸度检测与控制的要求。

论文目录

• 摘要
• ABSTRACT
• 第一章 文献综述
• 1.1 课题的来源及意义
• 1.2 板带凸度在线检测技术研究进展
• 1.2.1 板带凸度的基本概念
• 1.2.2 板带凸度检测的国内外研究现状与发展趋势
• 1.3 保证检测精度的主要途径
• 1.3.1 激光测厚精度提高方法的国内外研究状况
• 1.3.2 基于结构设计的检测系统误差避免
• 1.3.3 基于信号分析的检测系统误差补偿
• 1.4 论文的主要研究内容
• 第二章 板凸度激光在线检测系统的总体方案
• 2.1 板凸度激光测量原理
• 2.1.1 激光三角法位移检测方法
• 2.1.2 基于双束激光的差动厚度测量方法
• 2.1.3 扫描式板材板凸度检测方法
• 2.2 板凸度激光检测系统的整体结构
• 2.3 板凸度检测自动测量算法研究
• 2.3.1 板凸度激光检测系统中的传感器位置关系
• 2.3.1.1 位置关系分析
• 2.3.1.2 有效性判别规律
• 2.3.2 板凸度激光检测系统中的传感器调节策略
• 2.3.2.1 激光传感器在检测过程中的运动方式
• 2.3.2.2 激光传感器的自动跟踪策略
• 2.3.3 板凸度激光检测系统中的传感器调节仿真实验
• 2.4 系统软件方案设计
• 2.5 本章小结
• 第三章 板凸度激光检测系统误差分析及试验研究
• 3.1 检测系统的误差来源
• 3.1.1 检测系统的误差分析
• 3.1.1.1 误差的来源
• 3.1.1.2 误差的分类
• 3.1.1.3 检测精度
• 3.1.2 板凸度激光在线检测系统的误差来源
• 3.2 板凸度激光在线检测系统的静态误差分析
• 3.2.1 检测装置中的坐标系
• 3.2.2 静态误差分析
• 3.2.2.1 z方向精度分析
• 3.2.2.2 平动方向精度分析
• 3.2.2.3 旋转角度精度分析
• 3.2.3 板凸度激光在线检测系统静态误差模型
• 3.3 板凸度激光在线检测系统动态误差分析
• 3.4 板凸度激光检测振动激励下的动态误差研究
• 3.4.1 板凸度激光检测振动激励下的动态误差影响规律
• 3.4.2 板凸度激光检测装置的振动状况试验研究
• 3.4.2.1 试验设计
• 3.4.2.2 工业现场环境振动测试试验
• 3.4.2.3 工业现场环境振动对C型框架振动影响测试
• 3.4.2.4 扫描检测状态下C型框架振动测试
• 3.4.2.5 振动测试试验结论
• 3.4.3 板凸度激光检测振动激励下的动态误差实验室模拟试验研究
• 3.4.3.1 试验系统及试验条件
• 3.4.3.2 模态扫频试验
• 3.4.3.3 固定频率激励响应试验
• 3.4.3.4 PSD随机振动试验
• 3.4.3.5 试验结论
• 3.5 板凸度激光检测扫描参数对动态误差影响规律研究
• 3.5.1 板凸度激光扫描检测过程中的扫描参数
• 3.5.2 板凸度激光检测扫描参数对动态误差影响规律试验
• 3.5.2.1 试验设计
• 3.5.2.2 扫描速度、加速度对动态误差的影响
• 3.5.2.3 扫描位置对动态误差的影响
• 3.5.2.4 扫描方向对动态误差的影响
• 3.5.2.5 传感器位置对动态误差的影响
• 3.5.2.6 试验结论
• 3.6 动态误差分析的结论
• 3.7 本章小结
• 第四章 板凸度激光在线检测系统关键部件结构优化设计
• 4.1 基于有限元的结构优化设计方法
• 4.1.1 ANSYS优化设计思想
• 4.1.2 APDL参数化语言
• 4.1.3 优化设计数学模型
• 4.1.4 优化设计中的多目标问题
• 4.1.5 优化设计基本解法
• 4.2 有限元分析模型的建立
• 4.2.1 几何模型建立
• 4.2.2 有限元分析模型的建立
• 4.2.2.1 有限元单元的选择
• 4.2.2.2 有限元单元网格的划分
• 4.3 基于模态分析的检测系统关键部件结构优化设计
• 4.3.1 振型分析
• 4.3.2 C型移动框架的谐响应分析
• 4.3.3 C型移动框架的优化目标
• 4.4 C型移动框架的结构动态特性优化
• 4.4.1 优化流程
• 4.4.2 优化过程设计变量
• 4.4.2.1 优化过程设计变量的选取
• 4.4.2.2 状态变量和目标函数的确定
• 4.4.3 优化运算结果
• 4.5 C型移动框架结构模态灵敏度分析
• 4.5.1 灵敏度分析的目的及理论
• 4.5.2 C型移动框架设计灵敏度分析
• 4.6 本章小结
• 第五章 板凸度激光在线检测振动误差小波分析与抑制
• 5.1 小波变换及多分辨分析
• 5.1.1 连续小波变换
• 5.1.2 离散小波变换
• 5.1.3 二进小波变换
• 5.1.4 小波多分辨分析与Mallat算法
• 5.2 基于小波多分辨率信号时频分析的振动误差抑制方法
• 5.2.1 小波基的选择
• 5.2.2 板凸度激光检测的小波振动误差抑制方法
• 5.3 仿真研究
• 5.3.1 测试样本建立
• 5.3.2 检测系统振动误差抑制处理
• 5.3.3 仿真结果分析
• 5.4 板凸度激光检测振动误差小波抑制试验研究
• 5.4.1 试验内容与目的
• 5.4.2 试验结果
• 5.4.3 试验结论
• 5.5 本章小结
• 第六章 基于神经网络的板凸度激光检测系统动态误差预测与补偿
• 6.1 神经网络算法
• 6.1.1 BP神经网络简述
• 6.1.2 BP神经网络快速算法
• 6.1.3 自适应学习速率动量梯度下降反向传播算法
• 6.2 基于BP网络的板凸度激光检测系统动态误差模型
• 6.2.1 神经网络结构的构建
• 6.2.2 板凸度激光检测系统动态误差神经网络模型建立
• 6.2.2.1 神经网络参数的选择
• 6.2.2.2 样本方案的设计
• 6.2.2.3 神经网络的学习
• 6.3 基于BP网络的板凸度激光检测系统动态误差补偿
• 6.3.1 动态误差补偿方法
• 6.3.2 动态误差补偿实验
• 6.3.2.1 动态误差的预测
• 6.3.2.2 动态误差的补偿试验
• 6.4 本章小结
• 第七章 板凸度激光检测技术集成
• 7.1 板凸度激光检测系统的开发
• 7.1.1 板凸度激光检测装置的硬件结构设计
• 7.1.2 板凸度激光检测系统软件的开发
• 7.1.3 板凸度激光检测系统中的传感器调节系统设计
• 7.1.3.1 差动式螺旋机构微位移机构
• 7.1.3.2 微位移机构控制系统
• 7.1.3.3 调节系统的精度分析
• 7.1.4 板凸度激光检测装置样机的开发
• 7.2 板凸度激光检测装置的应用
• 7.2.1 板凸度激光检测装置样机的工业应用背景
• 7.2.2 主要技术指标和特点
• 7.2.3 应用效果
• 7.3 本章小结
• 第八章 全文总结
• 8.1 全文总结
• 8.2 相关工作展望
• 参考文献
• 致谢
• 攻读博士学位期间主要的研究成果