林业科学  2002, Vol. 38 Issue (3): 136-139   PDF    
0

文章信息

马岩, 汤晓华, 任洪娥, 邢力平.
Ma Yan, Tang Xiaohua, Ren Hong′e, Xing Liping.
旋切原木六点定心理论的研究
THE RESEARCH OF THE PEELING LOG SIX POINTS GENTERING THEORY
林业科学, 2002, 38(3): 136-139.
Scientia Silvae Sinicae, 2002, 38(3): 136-139.

文章历史

收稿日期:1999-09-13

作者相关文章

马岩
汤晓华
任洪娥
邢力平

旋切原木六点定心理论的研究
马岩, 汤晓华, 任洪娥, 邢力平     
东北林业大学 哈尔滨 150040
摘要: 在单板旋切中, 选择最佳的定心点是旋切优化的最关键技术。本文在原木三、四点定心理论的基础上, 提出了旋切原木六点定心理论。该理论是在原木的任意截面上取6个点, 由这6个点回归出原木内包络圆柱的最佳圆心轴线, 为高精度原木定心机的数控化提供先进的基础理论, 提高原木的定心精度和单板的出材率及成品单板的合格率。使原木的定心理论提高到一个新的水平。
关键词: 旋切    六点定心    原木    
THE RESEARCH OF THE PEELING LOG SIX POINTS GENTERING THEORY
Ma Yan, Tang Xiaohua, Ren Hong′e, Xing Liping     
Northeast Forestry University Harbin 150040
Abstract: For veneer peeling, the most crux technique of the peeling is how to fix the optimum centering point.In this paper based on the three points centering and four points centering theory, peeling log six points centering theory is pointed out.Arbitrarily six points of the log cross section are taken out by this theory and with these six points the optimum circlecentering axis of the log internal envelope cylinder is regressed.Then the log centering precise is raised up and the veneer out put rate of end product veneer qualified rate is increased.This makes the theory of log centering up to a higher level.
Key words: Peeling    Six points centering    Log    

在单板旋切中, 选择最佳的定心点是旋切优化的最关键技术。本文在原木三点和四点定心理论的基础上, 提出了旋切原木的六点定心理论。该理论的提出将使原木定心理论从圆截面发展到椭圆截面, 从而提高了原木定心理论的水平。

1 椭圆抛物柱原木的数学描述方法

从大量的统计分析理论可知, 原木横断面有59.6%为椭圆(圆是椭圆度qe=1的椭圆)。其它形状中, 圆占2.8%, 蛋圆占13%, 三角形占11.7%, 四边形占10.2%。这几种形状中很大部分近似为椭圆。所以有近97.3%的原木截面近似为椭圆(马岩, 1996)。从干曲线的分析可知, 抛物线, 凹曲线, 直线, 指数曲线和对数曲线都可以看作是连续幂曲线。所以, 本文中定义:旋切原木横断面为椭圆或近似为椭圆, 椭圆度为常数, 纵断面为幂曲线, 树干中心线为直线, 其它缺陷略去不计, 这样的原木称为理想原木。

假设:原木的形状是理想原木(见图 1), 取原木的小头长径Da1、小头短径Db1、大头长径Da2、大头短径Db2和材长L为实测值, 则理想原木的数学模型为:

图 1 理想原木的数学模型 Fig. 1 The mathematics model of ideal log
(1)
(2)
(3)

式中:a1为椭圆长轴系数; a2为椭圆短轴系数; a3为截顶椭圆锥体系数; a4为截顶椭圆锥体方位系数; a5为截顶椭圆锥体下起始点系数; a6为截顶椭圆锥体上截至点系数。(1) ~ (3)式构成了理想原木的包络空间, 从数学的定义上讲, 该式为截顶椭圆幂曲线的原木数学模型。

2 原木旋切时的检测点的坐标变换和转换坐标的计算方法

本文的研究是为旋切原木智能定心机研究的基础理论, 在实际机器设计中, 为了消除检测误差, 我们的检测点是按图 2方式选取, 图中Ai为测试点, i=0, 1, 2, 3, 4, 5, 6。

图 2 原木任意位置的检测点分布示意图 Fig. 2 The figure of the log arbitrary position measurement points

在原木放在坐标系中之后, 由视频技术可以测出Da1, Da2, Db1, Db2, L。在Z=0的截面内, 我们取7个点, 这7个点满足下列条件:

(4)

由于最佳原木中心和任意放置中心不同心, 则(1)式中x, y将发生变化。(1)式变成下列形式:

(5)

式中:b1为最佳中心沿x方向的偏移距离; b2为最佳中心沿y方向的偏移距离; α为最佳中心的x轴相对原坐标的偏移角。

A2的坐标(x2, y2, L2)代入(5)式可得:

(6)

设:

(7)

为了判定(7)式的非奇异和收敛性, 需建立(7)式的雅柯比矩阵, 对(7)式求偏导数:

(8)

同理可求方程(7)的雅柯比矩阵:

(9)

采用牛顿法可求解方程组(6)式, 从而得出该截面X方向偏移量b1, Y方向偏移量b2和椭圆对称轴和坐标系的最小偏转角α的数值。求出b1, b2α以后, 则实测点的坐标可以变换到原木描述的理论坐标系中:

(10)

同理, 可以做出其它截面的坐标变换(王坤, 1987; 徐士良, 1993)。

3 六点回归椭圆截面的数学描述理论

如果在一个截面内任取6个点, 就可以回归出一个椭圆。

由视频检测以后, 可以测出这个截面的两个参数Da2Db2, 由它们和Da1Db1L可以建立(1)式的数学模型。由于视频检测会有误差, 原木本身不是标准椭圆又会产生出一些模型误差, 加上仅在一个截面内检测了4个点, 又有长短径选择产生的误差。所以, 用6个检测点回归出一个椭圆, 再用这个椭圆对理论椭圆进行修正, 就可以提高检测的精度。将(6)式写成下列形式:

(11)

式中, i=1, 2, …, 6, j=1, 2, 3, 4

将6个检测点的数据代入(11)式, 可以得出一组非线性方程。采用牛顿法求解出这个方程组, 就可以求出一组参数:

其中, kk组数据回归出的k椭圆的数据。

由该组数据可以求出原木的实测参数:

(12)

在实际检测中, 我们取了7组数据。由7组数据组合6个参数的数据可以有7种方法。加上视频检测的1组数据, 共计8组数据。将这8组数据取平均值, 就是1组近似最理想的椭圆的回归数据, 我们定义这组数据为:DA1, DB1, DA2, L。它们的坐标转换为:B1, B2α

当然, 在实际工程中, 还要设定一个误差量, 当误差超过该值时的那组数据将被略去。由这组理想数据可以求出原木的材积为:

(13)

近10年来, 国外利用离散矩阵的方法进行线性仿真来描述原木。这种方法需要大规模光电检测装置、大容量计算机、快速检测和处理大量实测参数, 尽管已研究了十几年, 但应用前景一直不佳。采用激光检测旋切原木时, 先让原木旋转360°, 才能检测出全部数据, 这在未定心之前是很麻烦的。使定心机的结构复杂, 功率大, 定心成本高。一般发展中国家, 在短期内不可能采用这种理论和方法。

采用简单的2次分段连续函数的仿真方法描述任意弯曲原木, 由于是2次仿真, 更接近于原木断面曲线连续的实际情况, 所以, 在同样实测参数下, 2次仿真比国外线性仿真方法的精度要高得多。如果线性仿真要达到它的精度, 实测参数至少要比2次仿真增加近10倍。因此, 提高仿真的次数, 是减少实测参数、简化数据处理和提高计算速度的最好途径(马岩, 1996)。

4 结论

本文提出的六点定心法适合于97%以上原木的截面形状, 精度高于三、四点定心的理论和方法。

六点定心的检测参数少, 且精度远远高于线性仿真的回归精度。这样, 可以简化检测系统。

如果采用7点检测, 用6点回归椭圆, 采用组合平均的方法, 可得到近乎优化的椭圆回归结果。

本文提出的原木4截面模型从整体上描述了原木, 特别考虑了弯曲对旋切的影响, 为旋切优化提供了数学模型。

本文提出的理论和方法使定心机从机械→几何→光学→激光数控发展数控多媒体定心的阶段, 可以使原木在不转动的条件下实现定心, 使定心精度和定心优化的效益又有所提高。

参考文献(References)
马岩. 1996. 原木和锯材建模及求积理论. 哈尔滨: 东北林业大学出版社.
王坤. 1987. 常用数学公式手册. 重庆: 重庆出版社, 1030-1032.
徐士良. 1993. 常用算法程序集. 北京: 清华大学出版社, 235.