Уменьшение погрешности нелинейности компьютеризированного контактного интерферометра путём цифровой обработки изображения шкалы

Описан компьютеризированный контактный (вертикальный) интерферометр, разработанный в Московском государственном технологическом университете «СТАНКИН» и основанный на интерферометре Уверского. Компьютеризованный интерферометр с разрешающей способностью 1 нм предназначен для автоматизированной поверки образцовых концевых мер длины 2, 3 и 4-го разрядов в диапазоне размеров 0,1–100 мм. Компьютеризация интерферометра Уверского позволяет значительно повысить производительность поверки, но при этом вносит дополнительную погрешность измерения, связанную с аберрациями оптической системы используемой цифровой видеокамеры. Предложены метод и алгоритм программной коррекции данной погрешности. Данная коррекция реализуется в процессе компьютерной обработки цифрового изображения, полученного от видеокамеры. Метод основан на приближении экспериментальных данных полиномами одной переменной различных степеней. Экспериментально подтверждена эффективность метода применительно к компьютеризированному контактному интерферометру Уверского. К преимуществам метода можно отнести простоту реализации в виде компьютерной программы и возможность оперативно масштабировать одномерные алгоритмы и программы для полиномов двух и трёх переменных. Результаты работы полезны при усовершенствовании нацеленного на повышение точности измерений программного обеспечения компьютеризированных интерферометров и других оптико-механических приборов.

1. Grigoriev S. N., Martinov G. M. Research and development of a cross-platform CNC kernel for multi-axis machine tool. Procedia CIRP, 14, 517–522 (2014). https://doi.org/10.1016/j.procir.2014.03.051

2. Grigoriev S. N., Martinov G. M. The control platform for decomposition and synthesis of specialized CNC systems. Procedia CIRP, 41, 858–863 (2016). https://doi.org/10.1016/j.procir.2015.08.031

3. Grigoriev S. N., Martinov G. M. Scalable open cross-platform kernel of PCNC system for multi-axis machine tool. Procedia CIRP, 1, 238–243 (2012). https://doi.org/10.1016/j.procir.2012.04.043

4. Grigoriev S. N., Martinov G. M. An ARM-based multi-channel CNC solution for multi-tasking turning and milling machines. Procedia CIRP, 46, 525–528 (2016). https://doi.org/10.1016/j.procir.2016.04.036

5. Валетов В. А., Медунецкий В. В. Обеспечение качества поверхностей деталей на электроэрозионном оборудовании. Научно-технический вестник информационных технологий, механики и оптики, (2(78)), 113–116 (2012). https://www.elibrary.ru/oynxzf

6. Абляз Т. Р. Анализ качества обработанной поверхности детали после электроэрозионной обработки. Современные проблемы науки и образования, (2) (2014). [Сетевое издание]. URL: https://science-education.ru/ru/article/view?id=12593 (дата обращения: 13.08.2024).

7. Grigoriev S. N., Kozochkin M. P., Porvatov A. N. et al. Electrical discharge machining of ceramic nanocomposites: sublimation phenomena and adaptive control. Helion, 5(10), e02629 (2019). https://doi.org/10.1016/J.HELIYON.2019.E02629

8. Григорьев С. Н., Телешевский В. И., Глубоков А. В. и др. Проблемы метрологического обеспечения подготовки производства в машиностроении. Измерительная техника, (5), 27–29 (2012). https://elibrary.ru/pbbtxz

9. Григорьев С. Н., Мастеренко Д. А., Телешевский В. И., Емельянов П. Н. Современное состояние и перспективы развития метрологического обеспечения машиностроительного производства. Измерительная техника, (11), 56–59 (2012). https://elibrary.ru/pjwdxh

10. Javid Ahmad Ganie, Renu Jain. Basic analogue of legendre polynomial and its difference equation. Asian Journal of Mathematics & Statistics, (12), 1–7 (2019). https://doi.org/10.3923/ajms.2019.1.7

11. Aktaş R., Area I., Pérez T. E. Three term relations for multivariate Uvarov orthogonal polynomials. Computational and Applied Mathematics, 41, 330 (2022). https://doi.org/10.1007/s40314-022-02030-x

12. Beñat Iñigo, Natalia Colinas-Armijo, Luis Norberto López de Lacalle, Gorka Aguirre. Digital twin-based analysis of volumetric error mapping procedures. Precision Engineering, 72, 823–836 (2021). https://doi.org/10.1016/j.precisioneng.2021.07.017

13. Yue L., Qinghua Z., Hailing S. A pointer type instrument intelligent reading system design based on convolutional neural networks. Frontiers in Physics, 8, (2020). https://doi.org/10.3389/fphy.2020.618917

14. Прикладная статистика: исследование зависимостей. Справочное издание / Под ред. С. А. Айвазяна. Финансы и статистика, Москва (1985).

15. Barnard R. W., Dahlquist G., Pearce K. et al. Gram polynomials and the Kummer function. Journal of Approximation Theory, 94(1), 128–143 (1998). https://doi.org/10.1006/jath.1998.3181

16. Баринов И. Н., Тихоненков В. А., Волков В. С., Кучумов Е. В. Обратная задача аппроксимации для полиномиальной кубической функции преобразования датчика. Измерительная техника, (2), 18–21 (2016). https://www.elibrary.ru/vtytal