超光滑表面特征光学检测的实验研究

发布时间：2017-08-18 15:09

  本文关键词：超光滑表面特征光学检测的实验研究

  更多相关文章： 表面粗糙度 多波长光纤传感器 支持向量机 散斑图像 微分散射测量

【摘要】：零件表面的散射特性和表面粗糙度对产品的性能具有十分重要的影响,本文基于激光散射原理设计了用于检测表面粗糙度和表面散射特性的多波长光纤传感器。光纤传感器的探头采用特殊的几何设计,用650nm、1310nm和1550nm激光作为光源,选择2mm的工作距离作为最佳测量距离,对不同表面粗糙度的样品(aR=0.10mm,0.20mm,0.40mm,0.80mm)进行了测试和分析。实验结果表明:(1)同一波长下,随着表面粗糙度的增大,以外磨样品为反射面测得的反射强度减小。在粗糙度相同的条件下,随着入射波长的增大,反射强度增大。(2)多波长光纤传感器可以精确地测量表面粗糙度,并能有效地减小系统误差。系统误差分析得到传感器的相对误差范围大约为3.56%~7.43%。(3)通过测得的散射强度比值与表面粗糙度的关系曲线可以看出粗糙面反射的散射强度比值与粗糙度具有良好的线性关系。(4)多波长光纤传感器测得的表面粗糙度的最小相对误差为2.92%,最大相对误差为13.4%,平均相对误差为7.48%。多波长光纤表面粗糙度传感器的测量精度是单波长光纤传感器的两倍。由于采用多波长光纤传感器测量表面粗糙度时,测量误差较大。为了更好地测量粗糙度,引入了支持向量机的概念,利用支持向量回归机来预测表面粗糙度。实验中采用的测试样本是研磨标准样品(aR=0.012mm,0.025mm,0.05mm,0.10mm),选择作为光源的激光器波长分别为650nm和1310nm,测量粗糙表面散射强度的最佳工作距离为2.5mm~3.5mm。利用LIBSVM软件对测量数据进行回归运算来获得目标值,结果表明:当入射波长为650nm时,回归预测的均方误差为6.40444×10-7,相关系数为0.999705,预测的平均相对误差为2.669%。当入射波长为1310nm时,回归预测的均方误差为6.72513×10-7,相关系数为0.999838,预测的平均相对误差为2.431%。随着入射波长的增大,表面粗糙度预测的平均误差减小。采用SVR计算可以使粗糙度预测的误差小于3%。入射光照射到粗糙表面上会在散射空间内形成散斑图像,而散斑场携带有大量粗糙表面的结构信息,因此,研究粗糙反射面形成的散斑场具有重大的意义。本文采用光束质量分析系统采集散斑图像,使用Matlab软件对散斑图像进行处理,通过空间平均法计算得到散斑对比度,利用二次多项式拟合建立散斑对比度与表面粗糙度的关系。实验结果表明:粗糙度越大,相对误差越小,相对误差最大值为12.5%;基于激光散斑平均对比度的表面粗糙度测量方法是可行的,这种方法具有非接触、效率高、装置简单等优点。综上所述,采用光纤传感法、支持向量机及微分散射法来测量表面粗糙度都是可行的。这也为光学工程中光学元件的精密测量提供了很大帮助。
【关键词】：表面粗糙度 多波长光纤传感器 支持向量机 散斑图像 微分散射测量
【学位授予单位】：烟台大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP212;TG84
【目录】：

• 摘要5-7
• Abstract7-11
• 1 绪论11-19
• 1.1 研究背景和课题意义11-12
• 1.2 表面粗糙度测量方法的研究现状12-17
• 1.2.1 接触式测量法12-13
• 1.2.2 非接触式测量法13-17
• 1.2.2.1 光学测量法13-16
• 1.2.2.2 在线测量方法16-17
• 1.3 课题的研究内容与工作安排17-18
• 1.4 本章小结18-19
• 2 多波长光纤传感器的理论分析与设计19-29
• 2.1 引言19
• 2.2 多波长光纤传感器的理论模型19-26
• 2.2.1 单光纤对的光强调制函数19-22
• 2.2.2 光纤束的光强调制函数22-24
• 2.2.3 粗糙表面的光强调制函数24-25
• 2.2.4 多波长光纤表面粗糙度传感器的理论25-26
• 2.3 多波长光纤表面粗糙度传感器的设计26-28
• 2.4 本章小结28-29
• 3 多波长光纤传感器测量表面粗糙度的实验研究29-40
• 3.1 引言29
• 3.2 多波长光纤传感器的测量系统29-31
• 3.2.1 测量装置29-31
• 3.2.2 测量原理31
• 3.3 表面粗糙度的理论模拟与实验研究31-36
• 3.3.1 粗糙表面的特征提取32-34
• 3.3.2 最佳测量距离34-35
• 3.3.3 测量系统的误差分析35-36
• 3.4 表面粗糙度的测量36-39
• 3.4.1 光源对测量范围的影响36-37
• 3.4.2 粗糙度测量的误差分析37-39
• 3.5 本章小结39-40
• 4 基于支持向量机MWFS表面粗糙度的测量40-49
• 4.1 支持向量机的基本理论40-43
• 4.1.1 支持向量回归机40-43
• 4.1.2 核函数43
• 4.2 实验结果与分析43-48
• 4.2.1 取值范围45-46
• 4.2.2 SVR表面粗糙度的预测46-48
• 4.3 本章小结48-49
• 5 表面粗糙度微分散射测量法的研究49-62
• 5.1 引言49
• 5.2 微分散射测量法的理论49-53
• 5.2.1 粗糙面的散射理论49-52
• 5.2.2 表面粗糙度特征值52-53
• 5.3 微分散射法测量粗糙度的实验研究53-61
• 5.3.1 实验装置与测量原理53-57
• 5.3.2 实验结果与分析57-61
• 5.3.2.1 图像处理57-58
• 5.3.2.2 表面粗糙度的特征提取58-60
• 5.3.2.3 结果与分析60-61
• 5.4 本章小结61-62
• 6 总结与展望62-64
• 6.1 总结62
• 6.2 展望62-64
• 参考文献64-69
• 致谢69-70
• 攻读硕士学位期间发表的论文目录70-71

，

本文编号：695236