微細正交切削過程原位觀測中位移補償方法

張向輝，于化東,2，許金凱，于占江，李一全，于浩洋

（1.長春理工大學 跨尺度微納制造教育部重點實驗室,吉林 長春 130022；2.吉林大學 機械與航空航天工程學院,吉林 長春 130025）

1 引言

微細切削已經成為金屬材料微小零件制造的一種常用且重要的工藝方法，微細切削主要指采用為幾十微米至幾微米的切削厚度進行切削，其具有良好的適用性，在多種復雜結構微小零件的制造過程中用于實現(xiàn)關鍵加工工序。

對于微細切削的研究主要包括兩個方面：1.切削參數(shù)對微細切削過程的影響；2.微細切削機理的研究。

對于切削參數(shù)對微細切削過程的影響，選取切削深度、進給速度、主軸轉速以及刀具的尺寸作為分析參數(shù)，通過微細切削實驗以及響應曲面數(shù)據分析法得到切削參數(shù)對表面加工質量的影響規(guī)律，從而優(yōu)化加工參數(shù)以得到良好的加工效果，獲得高的表面加工質量[1]。

在微細切削機理研究方面，進行的工作多是理論模型推導，主要集中在切削力模型的建立及驗證，對于切削過程中金屬材料的位移以及變形大部分還是通過有限元法進行仿真計算[1]。在微細切削的機理研究中，針對刀具工件的相對位移以及金屬材料的變形直觀分析已成為研究微細切削機理的關鍵。

原位成像和數(shù)字圖像相關分析技術（Digital Image Correlation，DIC），是分析固體變形和應變常用的光學實驗技術。由于DIC 相應測量分析算法的健壯性，以及其非接觸檢測的特性，目前被廣泛用于檢測金屬材料在拉伸斷裂以及擠壓彎曲變形過程中產生的塑性位移以及形變，并取得了良好效果[2-7]。隨著成像技術的發(fā)展，原位成像和DIC 分析技術也被用于金屬材料切削時位移場和形變場的原位測量分析，并且獲得良好的測量精度[8-9]。相對于常規(guī)切削，微細切削的切削厚度在幾十微米至幾微米之間，要想對其過程進行清晰記錄必須使用顯微鏡筒和顯微物鏡，相應的微米級別原位測量方法正是基于此原理進行開展的[10-11]。同時，由于顯微鏡筒和顯微物鏡具有放大作用，外界振動對測量結果產生的影響就不能被忽視。為了能夠采集大行程的微細切削圖像信息，通常采用刀具和高速相機靜止，工件運動的切削方式，這就導致數(shù)字圖像相關性分析得到的計算結果受到切削進給速度的影響，無法清晰體現(xiàn)微細切削過程中工件材料位移場的分布情況，從而使工件材料在刀具切削作用下的運動趨勢分析變得困難。

針對上述問題，本文提出改進型圖像模板匹配算法，對切削過程中由外界振動和工件進給運動在原位觀測圖像序列中引入的位移偏差進行補償，在保證匹配精度的同時解決了常用圖像模板匹配算法計算效率低耗時長的問題，大幅度提高了匹配計算效率，縮短了匹配搜索耗時?；谒岣倪M型圖像模板匹配算法在后續(xù)變形區(qū)DIC 位移場分析中增加位移補償環(huán)節(jié)，可以將工件材料變形參考區(qū)轉為靜止狀態(tài)，使得變形區(qū)位移場分析結果中工件材料在刀具作用下的相對運動趨勢更直觀清晰。

2 DIC 分析原理

2.1 實驗條件

本文針對材料牌號為H70 的黃銅的微細正交切削過程進行原位觀測分析。為觀測記錄H70 黃銅微細正交切削過程，搭建如圖1 所示的觀測系統(tǒng)。

圖1 微細正交切削觀測系統(tǒng)Fig.1 Micro orthogonal cutting observation system

觀測系統(tǒng)包括：高速相機、顯微鏡筒、顯微物鏡、照明光源、多自由度調整平臺。高速相機的最大幀頻為2 000 frame/s，分辨率為2 000×2 000，單像元尺寸為11 μm。為盡量減小切削過程中的振動對觀測產生的影響，高速相機外置固定在機床外部的多自由度調整平臺上。顯微鏡筒的放大倍數(shù)為3 倍，顯微物鏡的放大倍數(shù)為10 倍，整個觀測系統(tǒng)的總體放大倍數(shù)為30 倍，單像元尺寸經過顯微鏡筒和顯微物鏡放大后變?yōu)?.336 7 μm。為了能夠清晰觀測H70 黃銅在微細正交切削過程中的材料變形，以及切屑的形成，實驗采用外置光和同軸光兩組光源照射。同軸光用于相機對焦，外置光源通過光纖加聚焦透鏡分為4 個光束均勻照射工件和刀具表面，所搭建的微細正交切削觀測系統(tǒng)相關坐標系及觀測到的工件和刀具圖像如圖2 所示。其中，機床的X軸運動方向與圖像列方向對應，二者正方向相同，Z軸運動方向與圖像的行方向對應，二者正方向相反。

圖2 （a）微細正交切削觀測系統(tǒng)相關坐標系；（b）顯微觀測成像Fig.2 (a) Corresponding coordinate system of micro orthogonal cutting observation system;(b) microscopic observation imaging

2.2 微細正交切削DIC 位移場分析

為進行DIC 分析，需要對觀測物體表面進行處理得到散斑圖，本文通過飛切和表面腐蝕的方式對工件表面進行加工處理，圖2（b）為相應散斑圖。

如圖3 所示，設定數(shù)域或圖像域 ? ?Rn，經歷變形y:? !Rn,(n=2,3)，用X表示散斑圖中參考粒子或未變形粒子在圖像域Ω 內的位置，用y(X)表示已變形粒子的當前位置，如圖3 所示。

圖3 變形前后圖像之間的區(qū)域對應Fig.3 Region correspondence between images before and after deformation

假設在參考域內有一散斑圖案對應的灰度值為f(X),在當前變形后圖像域內對應的灰度等級值為ɡ(y)。如果變形與灰度等級相對應，就有以下關系式：

數(shù)字圖像相關性分析要解決的問題是針對給定的變形前后圖像f(X)和ɡ(y)尋找相對應的變形y(X)。亦可以將其稱為一個優(yōu)化過程，或者尋找一個變形映射的過程，使式（2）中的平方差最小。

對于上述過程需要注意以下幾點：（1）數(shù)字圖像相關性分析所針對的圖像是像素化的，因此上述中的f和ɡ取離散值，可以用求和來代替式（2）中的積分運算，同時為提高計算結果的精度可以對圖像進行插值處理；（2）由于在實驗過程中會存在照明偽影和增益誤差，對圖像進行歸一化處理來消除二者對計算結果的影響是很有必要的。圖像歸一化處理方法的依據是使變形前后的圖像具有相同的均值和標準差，如式（3）所示。

3 改進方法

由上述DIC 的相關原理可知通過DIC 可以對切削區(qū)域的位移場分布進行分析，同時也可知工件移動會對位移場計算結果引入位移偏差，造成工件變形區(qū)材料間的相對運動趨勢不再明顯。本文為解決此問題，在進行DIC 分析前，增加一個位移補償環(huán)節(jié)，分為兩個工作步驟：（1）圖像序列間相對位移檢測；（2）圖像序列間位移補償。

3.1 DIC 分析圖像序列間的位移檢測

3.1.1 數(shù)字圖像模板匹配算法

本文使用數(shù)字圖像模板匹配算法對圖像序列間切削工件的相對位移進行檢測，常用的模板匹配算法有：平均絕對差算法（Mean Absolute Differences，MAD）；絕對誤差算法（Sum of Absolute Differences,SAD）；誤差平方和算法（Sum of Squared Differences,SSD）；平均誤差平方和算法（Mean Square Differences，MSD）。這些算法的優(yōu)點是運算過程簡單，匹配精度高，但是，運算量偏大，且容易受到圖像噪聲的影響[13-14]。為降低圖像噪聲的影響，提高算法的穩(wěn)定性，本文使用歸一化積相關模板匹配算法（Normalized Cross Correlation，NCC）進行檢測，基本原理是針對搜索圖像和模板圖像的灰度，通過歸一化相關性度量公式計算二者間的匹配程度，其表達式如式（4）所示，對應的圖像全局區(qū)域搜索匹配流程如圖4 所示。

圖4 數(shù)字圖像歸一化積相關模板全局匹配流程圖Fig.4 Flow chart of global template matching of digital image normalized cross correlation

式中，E(Si,j)，E(T)分別為子搜索圖像Si,j(s,t)和模板圖像T(s,t)的均值。在搜索圖像的圖像域內，以第(i,j)個像元作為子圖像匹配域的左上角，截取大小為M×N的子匹配圖像Si,j(s,t)進行相似度計算，得到子圖像匹配域與模板圖像之間的相關性度量值R(i,j)。其中像元索引序號i,j的取值范圍為 1 ≤i≤m?M+1,1≤j≤n?N+1。

3.1.2 添加位移約束的尺寸壓縮匹配算法改進

上述流程圖4 中，在搜索圖像域截取子圖像匹配域時，匹配結果的精度與圖像行列兩個方向上的增量?i、?j的取值有關，取值越小匹配結果精度越高，但會導致計算量增大，影響匹配搜索速度。為減小運算量、提高匹配速度，本文基于圖像尺寸壓縮以及引入運動約束縮小搜索范圍的思想對歸一化積相關模板匹配算法進行改進，提出二級圖像尺寸壓縮匹配算法，實現(xiàn)流程包括兩個步驟：（1）在變形前圖像中截取模板圖像，添加運動約束，依此約束在變形后圖像中截取搜索圖像；（2）使用圖像尺寸壓縮匹配算法進行圖像匹配。

設定截取的模板圖像起始點像元（左上角像元）在變形前圖像中的位置為(iTS0,jTS0)；正交切削工件運動速度為vc，運動方向為沿機床X軸正方向，即圖像的列方向正向；顯微鏡筒的放大倍數(shù)為TS，顯微物鏡的放大倍數(shù)為T0，高速相機采集幀頻為fc，高速相機單像元尺寸為PSX=PSY=PS；由于工件的進給運動，在變形后模板圖像對應的起始點像元理論位置將變?yōu)?(iTS1,jTS1)。則(iTS1,jTS1) 與(iTS0,jTS0)之間的對關系如式（5）所示。通過計算得到模板圖像在變形后圖像中起始點像素理論位置 (iTS1,jTS1)后，結合所設定的邊界擴展值?BXe、?BYe,以及模板圖像的大小M×N，就可以得到搜索圖像在變形后圖像中的位置(iSS,jSS)以及大小m×n。根據所得位置、尺寸參數(shù)在變形后圖像中即可截取搜索圖像S(x,y)，對應的流程如圖5 所示。

圖5 添加運動約束搜索圖像截取流程圖Fig.5 Flow chart of search image capturing with motion constraint

其中，?ivib、?jvib為由外界環(huán)境中的振動引起的變形前后圖像間的位移誤差預估值，其值受外界振動和圖像放大倍數(shù)的影響，這里取值為?ivib=?jvib=3；圖像列方向上受到工件進給運動的影響，其作用以運動約束形式體現(xiàn)在上式（5）中，對應項為：

在變形后的圖像中截取搜索圖像后使用壓縮比例系數(shù)Md對搜索圖像和模板圖像進行尺寸壓縮，其尺寸即上述的m×n、M×N，減小為原圖像的1/。圖像中原有的灰度特征還會保留。對尺寸壓縮后的圖像進行搜索匹配，可以大幅度減小計算量，能夠快速確定模板圖像在搜索圖像中所對應的粗略位置(iTR,jTR)。依據壓縮比例系數(shù)Md和搜索匹配得到的粗略位置(iTR,jTR)，在搜索圖像中截取左上角像素位置為(iTRS,jTRS),大小為w×h的二次搜索區(qū)域，然后運用歸一化積相關模板匹配算法再次進行搜索，得到模板圖像在二次搜索區(qū)域的精確位置(iTF0,jTF0)，最后通過二次搜索區(qū)域在搜索圖像中的位置(iTRS,jTRS)以及(iTF0,jTF0)得到模板圖像在搜索圖像中的精確位置(iTF,jTF)。圖像尺寸壓縮匹配算法的相關計算及圖像處理流程如圖6 示。

圖6 圖像尺寸壓縮匹配算法流程圖Fig.6 Flow chart of the image size compression matching algorithm

3.2 圖像序列間位移補償

由上述改進型圖像尺寸壓縮匹配算法可以測量出變形前后兩張圖像IMUdef(x,y)，IMdef(x,y)中由于工件進給運動以及外界振動引入的工件材料的位移量，設定其行列方向上的位移分量為?iM，?jM。在后續(xù)的DIC 分析中，在變形區(qū)的位移場分析結果中引入位移偏差，即?iM，?jM。這里通過圖像平移變換方法進行補償，并在位移補償后的變形前后圖像IMMUdef(x,y)、IMMdef(x,y)中截取要進行DIC 分析的子圖像IMNUdef(x,y)、IMNdef(x,y)，其處理流程如圖7 所示。

圖7 變形前后圖像間相對位移的補償及DIC 分析圖像截取Fig.7 Relative displacement compensation between images before and after deformation and interception of the image used in the DIC analysis

上述流程所對應的算法原理如式（6）和式（7）所示。

其中兩子式對應的條件為：

其中兩子式對應的條件為：

式（6）和式（7）中，MC、NC為原圖像序列中圖像的行列尺寸，由采用高速相機分辨率決定，這里取值都為2 000；iB1、iB2為位移補償后變形前后圖像中截取子圖像行方向邊界值；jB1、jB2為要截取子圖像的列方向邊界值。

4 實驗結果與分析

為驗證所提出改進型圖像匹配算法的效率和匹配結果的準確性，本文將其與NCC 全局匹配算法進行對比，評價指標為算法運行消耗時間Tp以及模板匹配運算得到的最佳相似系數(shù)max|R|。在記錄的微細切削過程圖像序列中截取的搜索圖像和模板圖像以及對應的實驗參數(shù)如圖8 所示，其中，所采用的切削參數(shù)為切削深度αp=60 μm，工件沿機床X軸正方向（圖像列方向正向）切削進給，速度為vc=40 mm/min。所選取的搜索圖像為8(b)、8(c)、8(d)、8(e) 與模板圖像域(圖8(a-I))在圖像序列上對應的序列編號NI分別為1，2，3，4，模板圖像域同時作為DIC 分析中的變形前圖像，即參考圖像，所對應圖像序列編號NI為0。

圖8 (a-Ⅰ) 模板圖像和(a-Ⅱ) 匹配搜索圖像以及相應實驗參數(shù)(ap=60 μm,vc=40 mm/min)Fig.8 (a-Ⅰ) Template image and (a-Ⅱ) matching search image and employed experimental parameters

使用NCC 模板匹配算法針對所截取的模板圖像，在搜索圖像全區(qū)域內進行模板匹配搜索，為保證搜索精度，選取圖像行列方向上的增量值都為1，即對應算法流程圖4 中的?i=1，?j=1，所得到的搜索匹配結果及程序運行消耗時間如圖9 所示。為更直觀地體現(xiàn)搜索匹配算法計算結果的精度，繪制出在搜索圖像全區(qū)域上的相似系數(shù)R(i,j)分布圖，如圖10 所示。

圖9 NCC 模板匹配算法全區(qū)域匹配結果及耗時Fig.9 All-region matching results and time consumption obtained with NCC template matching algorithm

圖10 搜索圖像全區(qū)域相似系數(shù)分布圖Fig.10 The distribution map of the similarity coefficient in the whole area of the search image

由圖9 中對應的搜索匹配結果，可以看出在使用NCC 模板匹配算法在全圖像域內進行匹配搜索時，計算量巨大，程序運行消耗時間長，針對圖像序列中的4 幅圖像進行模板匹配所消耗時間TP在1740.2 s～1875.6 s 之間，得到相似系數(shù)R的取值范圍為0.983 1～0.990 9。由于受到外界振動和機床運動誤差的影響，模板圖像在搜索圖像序列中的對應位置在圖像列方向上（機床X軸運動方向）不是等間隔變化的，同時在圖像行方向上（機床Z軸運動方向）的位置存在微小波動。同時，由圖10 可以看出使用NCC 模板匹配算法在全圖像域內匹配搜索到的位置點處所對應的相似系數(shù)R為全圖像域上的最大值，且明顯高于周圍區(qū)域的取值。由于該方法搜索范圍覆蓋全圖像域，不存在遺漏的可能，搜索匹配精度最高，因此，選用該算法結果可以評價改進型圖像匹配算法匹配精度的參考。

針對圖9 中的4 幅圖像使用改進型圖像匹配算法進行搜索匹配，運行算法程序所消耗時間如圖11（彩圖見期刊電子版）所示。其中，Md=1 為只引入運動約束的改進算法；Md=2,4 為在引入運動約束的同時使用圖像尺寸壓縮匹配改進算法，對應的壓縮比例系數(shù)分別為2 和4。

圖11 改進匹配搜索算法程序運行消耗時間Fig.11 Time consumption of the improved matching search algorithm

為更加清晰地比較兩個算法的運行效率，引入評價參數(shù)——相對執(zhí)行效率Rer，對改進算法的運行效率提升效果進行表征，其計算方法如式（8）所示，對應的各匹配搜索算法之間的相對執(zhí)行效率計算結果如圖12 所示。

其中，TP1為算法改進前程序運行時間，TP2為算法改進后程序運行時間。

通過對比圖11 和圖12 中各匹配搜索算法耗時，可以看出在引入運動速度約束后可以大幅減小程序運行時間，提升搜索匹配速度，再通過壓縮匹配算法可以更大程度地提升算法的執(zhí)行效率。在只引入運動速度約束時，即圖像壓縮比例系數(shù)Md=1，相比于NCC 全局匹配搜索算法，本文算法相對執(zhí)行效率Rer提升至260.9～284.1；在引入運動速度約束的同時使用圖像尺寸壓縮匹配，對應壓縮比例系數(shù)為Md分別為2,4 時，其相應算法的相對執(zhí)行效率Rer分別提升至2 897.2～3 232.2 和7 157.3～8 361.6。至于同一壓縮比例下，即Md取值相同時，改進型搜索匹配算法相對執(zhí)行效率存在差異的原因是由于運行匹配算法的計算機操作系統(tǒng)為非實時操作系統(tǒng)，其搶奪資源式的運行機制會產生隨機誤差，并且程序耗時越短，相對執(zhí)行效率的差異越大，但是改進型算法相對執(zhí)行效率的提升趨勢不受影響。

圖12 改進匹配搜索算法相對執(zhí)行效率Fig.12 The relative execution efficiency of the improved matching search algorithm

由上述結果分析可以得出，引入運動約束以及使用圖像尺寸壓縮匹配的匹配算法可以大幅度提升算法的相對執(zhí)行效率，其搜索匹配精度為本文所關注的另一個關鍵點。使用上述改進算法對圖9 所示的4 幅圖像進行模板搜索匹配，得到的搜索匹配結果如圖13 所示。

圖13 改進的匹配搜索算法的匹配結果Fig.13 Matching results obtained with the improved matching search algorithm

圖13 中，POS0為子搜索圖像域在全搜索圖像域中的位置，POS1為模板圖像在子搜索圖像域中的位置，模板圖像在全搜索圖像域中的位置POS可由式（9）得到：

通過對比圖13 與圖9 中的全搜索圖像域中的位置POS以及相似系數(shù)R值可以看出：在圖像序列中對應圖像上使用改進型壓縮匹配算法和NCC 全局模板匹配算法可以得到相同精度的搜索匹配結果。由此可知，本文提出的改進型壓縮匹配算法在大幅度提升搜索效率的同時還能夠保證搜索匹配精度。將上述圖13 中模板圖像在搜索圖像中的位置分別減去圖8(a)中模板圖像在模板圖像域中的位置，就可以求得圖像序列間行列方向上的相對位移量，對應3.2 節(jié)中的?iM，?jM，同時將其換算成機床X、Z坐標軸上的位移量，結果如圖14（彩圖見期刊電子版）所示。

圖14 圖像序列間相對位移檢測結果Fig.14 Relative displacement detection results between image sequences

得到圖像序列間相對位移量檢測結果后通過3.2 節(jié)中的位移補償算法，即式（6），對圖像序列間相對位移進行補償，并使用式（7）更新變形前后圖像區(qū)域。同時，將更新的變形前后圖像區(qū)域大小縮小為1 301×1 301，行列方向對應原圖像區(qū)域的坐標范圍都是500～1 800。為測試位移補償后，刀具與工件之間相對運動的轉換效果，以及對由外界環(huán)境中的振動所引起的圖像序列間的位移誤差補償效果，在更新后的圖像序列間起始圖像中，對應地在工件和刀具區(qū)域選取兩個檢驗區(qū)域IVW 和IVT，位置和大小如圖15 所示。對這兩個區(qū)域再次進行相對位移量檢測，得到的測量結果如圖16 和圖17 所示。

圖15 位移補償效果驗證截取模板圖像Fig.15 Intercepted template image in the verification of the displacement detection compensation effect

圖16 更新圖像序列中二次模板匹配結果Fig.16 The secondary template matching results in the updated image sequence

圖17 更新圖像序列中檢測區(qū)域IVW 和IVT 上的相對位移量Fig.17 The relative displacements between the detection regions IVW and IVT in the updated image sequence

圖16 中為所截取的模板圖像IVW 和IVT 在更新后的圖像序列中搜索匹配的結果，包括模板圖像所處位置POS以及最大相似系數(shù)R。由圖17 中曲線變化可知，使用上述提出的圖像序列間相對位移的檢測和補償方法對切削過程圖像序列處理后，已經將主切削運動形式由刀具靜止，工件沿機床X軸正向（圖像列方向正向）運動轉換為工件靜止，刀具沿X軸負向（圖像列方向負向）運動；同時，由工件檢測區(qū)域IVW 行列方向位移全為零可以看出，由外界環(huán)境中的振動引起的圖像序列間工件的位移波動也得到了很好的補償，由于工件與刀具之間切削力的相互作用，致使刀具檢測區(qū)域在機床Z 軸正向（圖像行方向負向）存在微小位移。

對更新前后圖像序列（分別對應圖9、圖15和圖16）的切削過程采用DIC 進行位移場分析，為便于表述圖像序列中變形區(qū)域內位移場的分布，選取圖像左下角頂點作為整個圖像域的起始點，圖像行方向、列方向分別以向上和向右為正,與機床的X，Z軸正方向相同。選取的兩張變形區(qū)位移場DIC 分析圖像在更新前后的圖像序列中對應的序列編號NI同為0 和1,且變形參考圖像對應的序列編號NI同為0。變形分析區(qū)在變形參考圖像中所處位置（左上角頂點處像元）為POS:(793,572)，大小為201×489。使用2.2 節(jié)中的DIC 求解算法對選取的兩組圖像進行變形區(qū)位移場分析得到的位移場分布結果如圖18、圖19 所示。

圖18 位移補償前DIC 分析變形區(qū)位移場分布結果。（a）列方向位移場變形參考圖像中顯示；（b）列方向位移場二維云圖；（c）列方向位移場三維曲面圖；（d）行方向位移場變形參考圖像中顯示；（e）行方向位移場二維云圖；（f）行方向位移場三維曲面圖Fig.18 Displacement field distribution results of the deformation area without displacement compensation.(a) The column direction displacement field in the deformed reference image;(b) two-dimensional cloud map of the displacement field in the column direction;(c) surface plot of the column direction displacement field;(d) the row direction displacement field in the deformed reference image;(e) two-dimensional cloud map of the displacement field in the row direction;(f) surface plot of the row direction displacement field

由于在所選變形分析區(qū)的行方向下邊界處材料變形量小，其位移值主要受工件切削進給運動的影響，因此，在此處等間距抽取4 個點，通過對比這4 個點的位移值，分析圖像序列間進行相對位移補償對變形區(qū)位移場DIC 分析結果的影響。如圖18(c)所示，未進行位移補償?shù)膱D像序列變形區(qū)下邊界4 點列方向上的位移值為5.339～5.512；如圖18(f)所示，行方向上位移值為0.081 78～0.301 8，對應的單位都為1 個像元尺寸。由于變形區(qū)行方向下邊界處遠離刀具前刀面和刀尖，因此在切削過程中幾乎不會產生變形，其相對于工件未變形區(qū)的位移值應該接近0。同時，通過對比圖14 中圖像序列間的相應位移量，可以看出由于未進行位移補償，變形區(qū)列方向位移場取值主要受工件進給運動和外界環(huán)境振動的影響，變形區(qū)行方向取值主要受到外界環(huán)境中振動的影響。經過位移補償?shù)淖冃螀^(qū)下邊界處4 點的列方向、行方向上的位移值分別為0.329 7～0.511 8 和0.081 83～0.303 1，如圖19(c) 和圖19(f)所示。因此，可以得出通過上述圖像序列間的位移檢測及補償算法，能夠對工件的進給運動和外界環(huán)境中振動的影響進行有效的補償校正，使變形區(qū)的位移場分布結果更為直觀，便于分析微細正交切削過程中在刀具的切削作用下工件材料的變形過程。

圖19 位移補償后變形區(qū)位移場分布結果。（a）列方向位移場變形參考圖像中顯示；（b）列方向位移場二維云圖；（c）列方向位移場三維曲面圖；（d）行方向位移場變形參考圖像中顯示；（e）行方向位移場二維云圖；（f）行方向位移場三維曲面圖Fig.19 Displacement field distribution results of the deformation area with displacement compensation.(a) The column direction displacement field in the deformed reference image;(b) two-dimensional cloud map of the displacement field in the column direction;(c) surface plot of column direction displacement field;(d) the row direction displacement field in the deformed reference image;(e) two-dimensional cloud map of displacement field in the row direction;(f) surface plot of row direction displacement field

5 結論

本文針對微細正交切削變形區(qū)位移場原位觀測分析中由工件進給運動和外界環(huán)境中振動引起的圖像序列間的位移偏差進行補償，基于圖像尺寸壓縮和運動約束，提出一種新的圖像序列間相對位移快速搜索匹配計算以及補償算法，通過與常規(guī)歸一化模板匹配算法進行對比驗證可知：所提新算法的相對執(zhí)行效率Rer最大提升至7 157.3～8 361.6；同時，其位移補償精度達到1 個像元尺寸以下，為0.336 7μm。在保證大觀測視野和不改變變形區(qū)照明光場強度分布的情況下，將切削工況由工件做進給運動轉化為刀具做進給運動。通過對比圖像序列間相對位移補償前后的位移場分布情況，可以看出經過位移補償后變形區(qū)未變形部分受位移偏差影響最大的方向位移由5.339～5.512 個像元尺寸，補償為0.329 7～0.511 8 個像元尺寸；去除位移偏差影響，在刀具切削作用下變形區(qū)工件材料間的相對位移變得更為清晰直觀。