[发明专利]基于K最近邻迭代最近网格算法的叶片轮廓误差评价方法

权利要求书

1.基于K最近邻迭代最近网格算法的叶片轮廓误差评价方法，其特征在于，包括以下步骤：

S1：根据加工公差将压气机叶片各型面部分进行三角剖分生成各型面部分的三角面片，获取各型面部分的三角面片离散点云集合；

S2：利用REVO五轴扫描测量系统获取压气机叶片各型面部分的测量点，并获取所有测量点云数据集合；

S3：针对各型面部分三角面片的离散点云集合和所有测量点云数据集合，通过KNN算法搜索、计算出各测量点到三角面片上的最近点及对应的距离；

S4：若计算出的当前所有测量点位置到三角面片距离的平均值与上一次计算值之差的绝对值小于迭代终止精度，则进入S6，否则继续执行S5；

S5：采用四元数法计算旋转矩阵和平移矩阵，使得当前各测量点位置逼近对应三角面片上的最近点的位置，得到新的测量点云数据集合，返回S3；

S6：终止迭代计算，输出叶片整体最大轮廓误差、各型面部分的最大轮廓误差、叶片整体平均轮廓误差、各型面部分平均轮廓误差。

2.根据权利要求1所述的基于K最近邻迭代最近网格算法的叶片轮廓误差评价方法，其特征在于，设工件的加工公差为τ，以ω·τ的离散精度对压气机叶片各型面部分进行三角剖分，其中0ω1。

3.根据权利要求1所述的基于K最近邻迭代最近网格算法的叶片轮廓误差评价方法，其特征在于，压气机叶片包括：叶盆型面部分、后缘型面部分、叶背型面部分和前缘型面部分。

4.根据权利要求2或3所述的基于K最近邻迭代最近网格算法的叶片轮廓误差评价方法，其特征在于，对压气机叶片各型面部分进行三角剖分时，各型面部分单独剖分。

5.根据权利要求3所述的基于K最近邻迭代最近网格算法的叶片轮廓误差评价方法，其特征在于，记叶盆型面部分、后缘型面部分、叶背型面部分和前缘型面部分的标号依次为t＝1,2,3,4；

表示t型面部分的离散点数量；k表示KNN算法计算的迭代次数，初始情况k＝0，角标i＝1…n_t，n_t表示t型面部分测量点个数，N＝∑_tn_t；

所有型面部分的三角面片离散点云集合为：

所有测量点云数据集合为：

设测量点到三角面片上的最近点为：对应距离为：其中

S5中得到新的测量点云数据集合为其中R^(k)为测量点云数据集合的旋转矩阵、T^(k)为测量点云数据集合的平移向量；令k＝k+1，再返回S3；

叶片整体最大轮廓误差为：

各型面部分的最大轮廓误差为：

叶片整体平均轮廓误差为：

各型面部分的平均轮廓误差为：

6.根据权利要求5所述的基于K最近邻迭代最近网格算法的叶片轮廓误差评价方法，其特征在于，利用KNN算法迭代计算出各测量点到三角面片上的最近点及对应距离的方法包括步骤：

T1：先将某一型面部分的三角面片的离散点云按照k-d树结构存储，将该三角面片集合记为m_t是各部分的面片数量；

T2：计算当前测量点位置到三角面片上的最近点获得到三角面片的最近点的距离

7.根据权利要求6所述的基于K最近邻迭代最近网格算法的叶片轮廓误差评价方法，其特征在于，T2具体步骤如下：

T2.1:定义：如果M^t中三角面片至少有一个顶点是离散点集合V中的某个元素，则该面片称为V的关联面片，V的所有关联面片构成的集合记为CM(V)；点云中与点P的距离从小到大的前K个点，称为P的K个最近邻点，这K个点构成的集合记为

设j为计算最近点的迭代计数器；令j＝1，记到各个面片距离的最小值为其对应上的点为利用KNN算法，在三角面片的离散点云中寻找个最近邻点，计算

T2.2:令利用KNN算法在三角面片的离散点云中寻找个最近邻点，计算和

T2.3:若Δ^j0，j＝j+1，返回T2.2；否则，