文章中介绍的五轴加工件轮廓精度评估方法，不需要专业设备测头检测，通过加工过程中大数据的采集，以及UG/NX9.0对模型点云数据的提取，通过ICP（最近点迭代）算法完成采集点数据与模型点云数据之间的配准。通过计算采集点云数据与模型点云数据之间的最大偏差、最小偏差和平均偏差，从而完成模型的偏差评估。测量表明整套评估系统能对加工件表面轮廓精度进行快速评估，操作简单、实用，提高了产品件检测效率。

五轴加工机床是一种科技含量高、精密度高、专门用于加工复杂曲面的机床，五轴加工机床系统是解决叶轮、叶片、船用螺旋桨、重型发电机转子、汽轮机转子及大型柴油机曲轴等加工的唯一手段，加工件的表面质量是评价五轴加工水平的重要指标，如何快速简单高效地检测工件表面质量，涉及到检测方法、检测设备等诸多因素。高效的检测加工件表面轮廓精度不仅能快速评判五轴加工机床的好坏，还可以快速为加工工艺、加工程序反馈问题。

检测加工件表面轮廓精度好坏现主要通过以下方式：凭经验观察工件是否有过切和纹路，但是这种方式不能定量分析;通过三坐标测量仪等精密地测量出零件的x、y、z三个坐标的数值，并对这些标准的数值进行计算机数据处理，通过拟合形成测量的元素，经过数学计算得出位置、形状公差以及其他几何数据，但需购买专用检测设备。基于大数据五轴加工件轮廓精度评估，在加工过程中实时采集数据，将采集的数据与加工模型进行对比，可以快速评估加工件表面轮廓精度。

图1 SSTT应用场景

五轴加工数据模型的建立

随着大数据技术向工业领域的逐步渗透，大数据成为了制造领域近年来最为热门的新兴技术。受益于近年来计算机技术的飞速进步，现今的数控系统已经具备在插补或位置控制的周期中同步采集多项指令数据和反馈信号，并可连续长时间地把这些珍贵的过程数据记录并保存下来。对于制造业来说，大数据技术不仅是掌握庞大的多源异构数据信息，而且更是对这些数据进行恰当的专业化处理，从中快速提取出有实用价值的潜在知识，进一步优化生产过程。通过对加工采集数据的处理，分析加工件表面质量。

SSTT是伺服调整工具(Servo Self Test Tools)的简称，主要用于配备华中数控系统的机床在线调试、诊断过程，也可以作为一种离线数据分析工具(图1)。在加工过程中SSTT实时采集每个采样周期的机床指令位置、实际位置、跟随误差、运动速度、主轴电流以及附加传感器反馈的振动信号、温度信号等数据。

基于华中8型系统软件平台，iScope软件能对采样数据进行离线的可视化分析。在采集数据之后，iScope软件能够从采样数据文件中读取机床状态数据，将其中的指令位置和实际位置重构出指令刀位点和实际刀位点在工件坐标系下的位置，再由刀位点分别张成指令刀位点曲面和实际刀点位曲面。可用于研究表面缺陷与数控系统内外数据变换规律之间的映射关系。SSTT采集的是每个轴的机床坐标数据，iScope通过RTCP变换，将机床坐标数据转换为工件坐标系数据。

图2 S件模型

加工件质量的检测

由于采集的S件数据是分段截面的数据，在同一个Z高度下采集了曲面1、2、3、4的数据(图2)。现在S件曲面1、2、3、4上插入点集，让采集的数据与点集进行匹配，通过点云数据的配准，可以将不同坐标系下或不同角度下获得的点云数据统一到同一个基准坐标系下。通过采集数据点与目标数据点之间的配准，得出S件型面各部分平均偏差。

获得S件CAD模型偏置点云数据，具体步骤包括：将S件模型导入UG/NX9.0，通过曲面——截取体，截取CAD模型的侧面部分，即获得S件CAD模型;通过UG/NX9.0插入——点——点集，在曲面上生成相应的点集并导出，得到原始S件CAD模型点云数据图;点云数据文本格式输出，获得MATLAB能识别的点云数据格式。

对SSTT采集到数据和模型提取的点云数据采用ICP算法进行精配准，通过MATLAB编程实现刚体变换的ICP算法的求解，MATLAB实现的具体步骤如下：计算最近点，根据采集的S件4个截面的点云数据集U，对于数据点集U中的每个数据点，求出在目标点集P中距离最近的点，并组合成点集Q;采集数据点集U经过ICP算法变换之后，形成数据点集;与CAD模型比对分析，S件采集点云数据在进行ICP算法变换过程中，经过十几个迭代的计算，S件采集点云数据与CAD模型点云数据之间的偏差趋于稳定后，偏差值最小为0.0098，最大在0.0415左右。

通过SSTT软件完成五轴机床S件加工实际坐标数据的采集，iScope软件完成RTCP的转换并输出工件坐标。通过S件CAD模型偏置点云数据的方法和步骤，然后通过ICP算法完成采集点云数据与目标点云数据即CAD模型偏置点云数据之间的配准，从而消除外界因素引起的点云数据坐标系之间的偏差，完成采集点云数据与CAD模型的比对分析，从而定量分析S件表面轮廓精度，为测量环节提供评估依据，从而节省产品件测量检测时间。