基于光纤传感器的元件表面粗糙度测量方法

发布时间：2021-11-07 05:23

　　元件表面粗糙度属于机械加工中体现元件表面微观形态的核心参数,提出基于光纤传感器的元件表面粗糙度测量方法,根据定位装置变换光纤传感器探头中定位与距离,光源传输的光纤以光纤束的形式直射到元件上,经元件表面轮廓调节后出现反射与散射,部分光纤经过接收光纤束与光电转换变成光纤传感器测量信号;为了去除光源光强干扰,通过补偿电路增大光纤传感器测量信号的完整性,通过完整的光纤传感器测量信号准确获取元件表面原始轮廓信号,再采用FIR滤波器去除光纤传感器所获取的元件表面原始轮廓信号中的噪声;并将降噪后的元件表面原始轮廓信号传输至单片机,单片机采用光学散射法计算元件表面微观粗糙度,获取光传感器测量的元件表面粗糙度信息。经验证,针对不同粗糙程度的元件表面,所提方法均可准确测量元件表面的粗糙度。 

【文章来源】：激光杂志. 2020,41(06)北大核心

【文章页数】：5 页

【部分图文】：

光纤传感器的元件表面粗糙度测量原理

FIR结构滤波器去噪的工作示意图见图2所示:图2中，FIR滤波器的期望信号输入端a(n)可理解为信号加噪声干扰的原始输入端，原始输入端y(n)也属于噪声干扰端。通过横向滤波器的参数变换输出去除元件表面原始轮廓信号中的噪声干扰，此时误差输出b(n)为元件表面原始轮廓信号中的有效信号。以此便可去除元件表面原始轮廓信号中的噪声[11]。

实验对象选择某类型机械加工齿轮，该齿轮由轮齿、齿槽、端面、法面等构成，本文方法测量实验齿轮端面粗糙度时，光纤传感器所测量的齿轮端面原始轮廓数据中存在有效轮廓信号与噪声信号。实验使用理想正弦信号描述齿轮端面轮廓信号，使用高斯随机噪声描述噪声信号，两种信号之和即为遭到干扰的正弦信号(齿轮端面轮廓信号)。测试本文方法测量齿轮端面粗糙度时的滤噪性能，设置本文方法采用的FIR滤波器阶数是33，补偿因子是0.047，测试结果如图3所示:分析图3可知，本文方法采用FIR滤波器，对实验齿轮端面轮廓信号中的高斯噪声进行去除后，获取的信号幅值与理想正弦信号幅值几乎接近，说明本文方法达到了较好的滤噪效果。

【参考文献】：
期刊论文
[1]不同能量空间分布激光冲击钛合金残余应力的分布规律[J]. 李翔,何卫锋,聂祥樊,杨竹芳,罗思海,李一鸣,田乐.  激光与光电子学进展. 2018(06)
[2]基于光纤传感的系统损伤识别的实验研究[J]. 陈玉林,陈慧琴,黄丽薇.  电子器件. 2017(06)
[3]基于光纤传感技术的局部放电超声信号检测方法研究[J]. 李晓敏,高妍,王宇,靳宝全,张红娟,王东.  传感技术学报. 2017(11)
[4]随机粗糙表面光散射场分布特性的机理研究[J]. 闫克丁.  光散射学报. 2017(03)
[5]基于光学散射特性的失稳空间目标旋转分析[J]. 田琪琛,李智,徐灿,李鹏.  光散射学报. 2017(03)
[6]基于210km实地通信链路的高稳定性光学频率信号传递[J]. 臧琦,邓雪,曹群,高静,焦东东,刘杰,许冠军,董瑞芳,刘涛,张首刚.  光学学报. 2017(07)
[7]光散射法与β射线衰减-光散射联用法颗粒物在线测量方法对比[J]. 王永敏,高健,徐仲均,宋英石,王淑兰,柴发合.  环境科学研究. 2017(03)
[8]复杂目标光学散射截面数值仿真方法（英文）[J]. 岳玉芳,张飞舟,邹凯,陈天江,张建柱,谢晓钢,安建祝.  计算物理. 2017(01)
[9]变压器局放检测光纤超声传感器优化设计与分析[J]. 张映月,张春燕,顾进,陆云才,高超飞,王伟.  电网与清洁能源. 2017(01)
[10]基于半带数字滤波器的马赫-曾德干涉仪型波长交错滤波器的设计[J]. 郝祥雨,孟义朝,李卓岩.  光子学报. 2017(S1)



本文编号：3481245