Implementation of methods for automated processing of gear topographies

Abstract

Há diferentes formatos de arquivos, como MKA, PKT e GDE, para transferência de dados dimensionais e topológicos de engrenagens entre máquinas, softwares e usuários, mas frequentemente há falta de interoperabilidade entre eles. Além disso, as falhas na medição de engrenagens em máquinas de medição dificultam a realização de simulações precisas. Para resolver esse problema, foram desenvolvidos métodos de processamento automático de topografias de engrenagens para aumentar a eficácia das simulações de contato entre dentes de engrenagens. O projeto contempla três fases principais: medição, leitura e processamento de dados e simulação. A etapa de leitura de dados em arquivos GDE é feita com algoritmos escritos em linguagens de programação C e Fortran, incluindo uma rotina de classificação que organiza os dados de entrada para o software de simulação de ZaKo3D. Enquanto o estágio de processamento de dados utiliza bibliotecas Scipy do Python para corrigir dados incompletos ou mal medidos pelas máquinas de medição de engrenagens. Para isso, foram gerados arquivos GDE de engrenagens helicoidais e de dentes retos totalmente medidos, mas com irregularidades na topografia. Thês métodos de interpolação foram investigados: “Griddata”, “RBFInterpolador” e “BSpline”, usando heatmaps para comparar os valores originais e previstos. Além da otimização de hiperparâmetros do interpolador através de métricas de desempenho, como a Raiz Quadrática Média (RQM) e o Máximo Erro Absoluto (MaxEA). Os melhores resultados de interpolação foram obtidos com a Função de Base Radial, que suavizou as irregularidades e comprova que as superfícies parcialmente medidas podem ser reconstruídas por meio de extrapolação. Além disso, a leitura dos arquivos GDE é eficiente, permitindo a transferência correta dos dados de engrenagens para a estrutura de códigos do Time de Tecnologia de Engrenagens do Werkzeugmaschinenlabor (WZL). Assim, os resultados demonstram claramente que os métodos de leitura e processamento de dados implementados aumentam a automação do processo, minimizando erros de usuário. Ademais, a reconstrução de superfícies a partir das originais parcialmente medidas, pode reduzir o tempo de medição e promover simulações mais eficazes.

There are various file formats, such as MKA, PKT, and GDE, for transferring dimensional and topological data of gears between machines, software, and users, but interoperability is often lacking. Additionally, errors in gear measurement using measurement machines make it difficult to perform accurate simulations. To solve this problem, automatic processing methods for gear topographies were developed to increase the effectiveness of tooth contact simulations. The project includes three main stages: measurement, data reading and processing, and simulation. Data reading from GDE files is performed using algorithms written in C and Fortran programming languages, including a sorting routine that organizes input data for the ZaKo3D simulation software. The data processing stage uses Python’s Scipy libraries to correct incomplete or badly measured data from gear measurement machines. GDE files of fully measured spur and helical gears were generated with irregularities in the topography, and various interpolation methods were investigated, including "Griddata", "RBFInterpolator", and "BSpline", using heatmaps to compare original and predicted values. In addition, hyperparameter optimization of the interpolator was conducted using performance metrics such as Root Mean Square Error (RMSE) and Maximum Absolute Error (MaxAE). The best interpolation results were obtained with the Radial Basis Function (RBF), which smoothed irregularities and proved that partially measured surfaces can be reconstructed by extrapolation. Furthermore, reading GDE files is efficient, allowing for the correct transfer of gear data to the coding structure of the Werkzeugmaschinenlabor (WZL) Gear Technology Team. The results clearly demonstrate that the implemented data reading and processing methods increase process automation, minimizing user errors. Additionally, reconstructing surfaces from partially measured originals can reduce measurement time and promote more effective simulations.