平行度误差的关键问题探讨与软件测试VIP免费

平行度误差的关键问题探讨与软件测试林翔（福建商业高等专科学校福建福州350012）【摘要】平行度误差评定的关键在于基准拟合，其拟合精度决定误差评定结果之精度。对于平面基准和空间直线基准，数模重新整定，寻求全新算法，并论证其对“最小条件”要求的符合性，且通过了对程序进行的大量算例测试。在高精度基准拟合确定基础上，研发功能完全的平行度误差评定软件，经大量算例测试表明了其评定结果的高精度性。【关键词】平行度误差;基准拟合;最小条件;软件测试;高精度ResearchontheParallelismErrorandSoftwareTestingLINXiang(FujianCommercialCollege,Fuzhou,Fujian,350012)Abstract:Baselinefittingisakeyfactorinparallelismerrorevaluationandthefittingaccuracycaninfluenceevaluationresults.Thepaperusesdatamoldtoconstructdatumandspacestraight-linebasistofindnewalgorithm,provetherequirementsofthe"minimumconditions",andistestedbyalargenumberofthealgorithm.Basedonthehigh-precisionbaselinefitting,thesoftwareofparallelismerrorevaluationisdesignedandthehigh-precisionofevaluationresultisassuredbythetesting.Keywords:parallelismerror;baselinefitting;minimumconditions;Softwaretesting;high-precision一、平行度误差的关键问题任何一种定向误差评定的关键问题，不外乎基准的确定，空间平行度误差的评定也不例外。探讨空间平行度误差评定，按基准来区分，要考虑有2大类4种情况：一类是基准为空间平面，被测对象分空间直线和平面2种，可简称为“线对面”平行度误差、“面对面”平行度误差；另一类是基准为空间直线，被测对象同样也分空间直线和平面2种，简称为“线对线”平行度误差、“面对线”平行度误差。1、如果基准是已知的，是精确给定的，按文献[1]规定上述4种问题的解决相对简单一些：“线对面”、“面对面”：只要求出被测直线或被测平面上所有测量点到基准平面的最大距离与最小距离，二者之差即为其平行度误差值；“线对线”：以基准直线的方向矢量为法矢作一平面，令被测直线上所有测量点投影到该平面，对所有投影点求最小外包圆，则此圆之直径即为其平行度误差值；“面对线”：以基准直线的方向矢量为法矢作一平面，令被测平面上所有测量点投影到该平面，对所有投影点求二维直线度误差，则此直线度误差值即为平行度误差值。因此在基准已经给定时，上述4种情况下求平行度误差的核心问题是求“最小外包圆”直径与“二维直线度误差”，而此二问题的求解在文献[2]、[3]中已有详细阐述，且所求的最小外包圆直径与二维直线度误差值的精度非常高，可以直接引用，此处不作赘述。2、如果基准未明确给出，而是通过测量得到的，那么就必须先对基准的测量点集进行平面拟合或空间直线拟合，以确定基准，进而按上一部分所述的4种情况处理，最终求出相应的平行度误差值。显然，这种情况下基准的拟合认定，就成为了误差评定的关键。国标[1]规定“由基准要素建立基准时，基准为该基准要素的拟合要素。拟合要素的位置应符合最小条件”。按此要求，基准为空间直线的，可以引用文献[4]提供的方法求取，以该算法得出的空间直线度误差符合“最小区域”原则，因此所拟合的直线必然符合“最小条件”要求。从文献[4]罗列的算例来看，其空间直线度误差评定的精度极佳，超过目前业界绝大部分常见的主流软件。基准为平面的，也同样要对平面测量点集进行平面拟合，拟合的硬指标也是要符合“最小条件”原则，以下对此关键问题展开探讨。二、基准平面拟合基准平面上测量点集P={Pk(xk,yk,zk)，k=1~n}，设基准的拟合平面为π0，其法矢记作(l，m，1)，按文献[1]关于“最小条件”的规定，求π0其实就是求“平面度误差”的过程，而且求取平面度误差的算法必须符合“最小区域”原则，这样求得的拟合基准平面π0才满足要求，可以作为基准使用。“平面度误差”属于形位误差中之形状误差范畴，现行的平面度误差算法很多，如借助matlab[5]、LABview[6]等专业软件包或著名的“PC_DMIS”软件[7]来设计算法的，也有利用改进蜂群算法[8]来开发算法的，但其中符合“最小区域”原则的高...