基于多种群实数编码遗传算法的圆度误差评定

针对实数编码的遗传算法(RGA)在圆度误差评定中存在的早熟收敛、精度较差及运算速度慢等缺点,分析了多种群遗传算法的模型结构,利用多种群遗传算法的并行性,将其应用于圆度误差评定。实验证明该方法有效地提高了算法的精度和收敛速度,能够快速评定圆度误差。     

基于实数编码的改进遗传算法在结构可靠度中的应用研究

本文将人工智能的关键技术之一演化算法中的遗传算法用于结构可靠度的计算,并在算法中采用实数编码技术及一系列目前较先进的策略和算子,同时将模拟退火的思想引入变异算子。通过算例证明这种改进遗传算法在求解可靠度尤其求解复杂非线性问题可靠度时具有良好收敛性和高效性。     

基于改进遗传算法评定圆柱度误差

针对圆柱度误差评定的特点,提出了一种基于实数编码的改进遗传算法同时实现圆柱度误差的最小区域法、最小外接圆柱法和最大内接圆柱法评定。同时建立了用遗传算法实现圆柱度误差最小区域法、最小外接圆柱法和最大内接圆柱法评定时目标函数数学模型的计算方法。通过不同评价方法对圆柱度误差在不同初始值下进行多次评定,证明该方法都能收敛到全局最优解,而且计算结果稳定。该算法可以推广应用到其它形状误差评定中。     

基于改进麻雀搜索算法的平面度误差评定方法

针对在平面度误差最小区域评定过程中易出现陷入局部最优、收敛速度慢和精度低的问题,提出了一种基于改进麻雀搜索算法(ISSA)的平面度误差评定方法。首先,采用具有更好遍历性的Kent混沌映射代替传统的Logistic混沌映射生成初始化种群,以增强算法的全局搜索能力;然后,应用一种基于光学透镜成像原理的反向学习策略以避免算法无法跳出局部最优;选用经典测试函数验证了ISSA算法的有效性,相对于SSA能够取得更好的寻优效果;最后,应用该方法对平面度误差进行评定,并与引用的其它方法进行比较。实验结果表明：基于ISSA算法的平面度误差评估方法用时0.488 4 s能够解得最小包容平面,与应用SSA算法相比减少了0.370 5 s,其计算精度与应用最小二乘法、遗传算法和粒子群算法的平面度误差评定方法相比分别减小了18.032 5μm、2.332 5μm、6.132 5μm。基于ISSA算法的平面度误差评估方法在优化效率、求解质量、计算精度和稳定性上均有优势,可应用于三坐标测量机等形位误差测量仪器。     

用遗传算法准确评定平面度误差评价

为了在全局范围准确评价平面度误差,根据平面度评定的定义,建立完全符合最小区域条件的平面度评定的数学模型.采用遗传算法对平面度测量数据进行最小区域评定,给出了遗传算法的实现方法.克服了传统评定方法的局部收敛问题.计算结果表明,本文介绍的方法可以在设计变量的全局范围内有效、准确地评价平面度误差.     

基于遗传算法和自适应的平面线轮廓度误差评定方法

 为了解决在测量平面线轮廓度中由于存在被测轮廓与其测量基准间存在位置误差而影响评定精度的问题，提出了一种基于遗传算法和自适应的计算平面线轮廓度误差的新方法。该方法满足最小条件原理，它利用样条插值函数拟合理论轮廓，并在评定过程中能自动地实现被测轮廓与理论轮廓之间的适应性调整，从而能够分离并消除被测轮廓与其测量基准之间的位置误差对轮廓误差评定结果的影响，在遗传优化中获得全局最优解。实例计算验证了这一结果。这种算法简单明确，具有精度高、收敛速度快、易于计算机程序实现、易于推广应用等特点。     

基于天牛须改进粒子群算法的平面度误差评定研究

基于天牛须改进粒子群算法(BAS-PSO)对平面度误差进行了评定研究.首先,建立基于最小区域的平面度误差评定的数学模型,并将目标函数转化为非线性最优化问题;接着,在粒子群算法(PSO)的基础上,引人局部搜索能力较强的天牛须算法(BAS),加速全局搜索和局部搜索的并行计算,避免算法早熟收敛并陷入局部最优,提高平面度误差评...     

不连续平面的平面度误差评定方法研究

提出了一种基于包容直线评定不连续平面的方法.首先,基于主成分分析对点云数据进行全局噪声剔除;然后,采用最小二乘平面拟合算法、多阈值点云提取算法及平行直线拟合算法获取符合条件的包容直线,并以空间中2条平行的包容直线代替包容平面建立最小区域;最后实现不连续平面的平面度误差评定及指导平面调整.实验结果表明:该方法与传统的特征...     

基于多种群遗传算法的圆柱度误差评定

分析了最小区域条件下求解圆柱度误差的研究现状,针对现有的圆柱度误差评定方法不能适用于任意位置圆柱度误差计算的情况,提出了一种求解多变量、非线性圆柱度误差的实数编码多种群遗传算法,阐述了算法的基本思想和步骤,建立了基于最小区域条件的优化目标函数。实验结果表明该方法有效地提高了全局搜索能力,进化过程稳定,能够快速获得多变量非线性问题的最优解,适用于各种位置情况的圆柱度误差评定。     

基于改进粒子群算法的复杂曲面轮廓度误差评定及可视化

针对复杂曲面轮廓度误差的求解是一个复杂的非线性寻优问题,将改进的粒子群算法与细分曲面逐次逼近的方法相结合,实现了复杂曲面轮廓度误差值的精确计算和评定结果可视化。利用双3次B样条曲面进行理论廓面的拟合,从最小条件准则出发,建立了曲面轮廓度误差的数学模型;通过细分曲面逐次逼近的方法,计算出点到曲面的最小距离。在对基本粒子群算法分析的基础上,引入了非线性动态惯性权重系数和杂交算子,提高了算法的精度和效率。以VRML作为三维展示平台、Java Applet作为控制核心,实现了面轮廓度误差评定的可视化、网络化。     

基于分段遗传编码的配送路径优化

为减小物流配送中车辆路径优化这一NP难题的组合规模，增大其搜索空间及寻优效率，提出了一种分段编码方法，编码中的各段表示相应车辆路径的需求城市集合。以非完全连通配送网络为研究对象，基于分段遗传编码，构造了车辆路径优化问题的遗传算法，通过对编码各段超载、包容等的判断，得出一个关于需求城市的最优划分。最后利用改进的迪杰斯特拉算法，根据最优化分中的需求城市，求取最优的配送路径集。计算示例证明了该方法的有效性。     

基于免疫进化计算的球度误差评定

提出一种新颖的免疫进化计算方法(IEC)用于球度误差评定。该算法基于生物免疫系统的细胞克隆选择学说和生物进化过程中的变异思想构造了自适应变异算子，使系统能够根据环境条件自适应地确定各抗体的变异强度；通过亲和力抑制相似抗体生存并动态地产生新的抗体，以维持抗体种群的多样性。同时将该算法应用于球度误差最小区域评定，并与其它方法进行比较，结果证明该方法具有较强的自适应环境能力，全局收敛性好，提高了球度误差评定精度。     

基于分群粒子群算法的平面度误差评定研究

基于分群粒子群算法对平面度误差判定进行了研究。首先建立平面度误差评定数学模型,对平面度误差最小求解转化成对目标函数的非线性最优化问题;接着改进粒子群算法把粒子群一分为二,在不增加粒子个数和粒子维度的情况下,两个粒子群分别用来全局搜索和局部搜索,通过阈值判断早熟现象;最后给出了算法流程。实例验证结果表明:该算法具有较强的优化能力,对测试函数求解的最优解值数据波动性比较小,平面度的公差值为0.0073mm,相比LSM、DM、TPM、PSO、ABC算法公差值平均分别减少了0.0023mm,0.0025mm,0.0027mm,0.0002mm,0.0005mm,评定精度较高。     

基于改进ICP算法的叶片型线轮廓度误差评定

针对传统最近迭代点(ICP)算法存在配准精度较低的问题进行算法改进。首先,考虑到三坐标测量机测量数据呈现有序排列、且一一对应的特点,使用了一种基于矢量对齐法的型线数据初配准方法进行初配准;其次,在传统ICP算法配准的基础上,对待配准数据进行非均匀有理化B样条(NURBS)曲线拟合,再利用自适应粒子群算法对测量数据进一步精配准;最后,采用基于最小区域的叶片型线轮廓度误差评定方法进行误差评定。实验分析结果表明:改进方法相对于传统ICP算法,可在原有收敛值基础上达到进一步收敛的效果,轮廓度误差相对减小28.57%。该方法有效提高了叶片型线轮廓度误差评定的精确度,可为叶片的加工质量提供可靠判定。     

纠错编码在遥控起爆器中的应用

介绍了通信信道的差错类型、差错控制原理、控制方式,并以遥控起爆器为例设计了一种8位变形汉明码纠错编码,对提高遥控起爆的成功率,降低误码率具有较大的实用价值。     

基于改进遗传算法的反卷积信号识别

信号处理中的反卷积是一个不适定问题，在泛涵理论上求取反卷积正则解的关键足求距离的最小。遗传算法在优化方面具有优势，因此提出用遗传算法优化求取最小值进行反卷积信号诊断。但足由于传统的遗传算法存在着一些问题，易陷入局部极小点导致成熟前收敛，使得反卷积问题的解决有误差，恢复的波形具有波动性，精度还不够，由此我们对传统的遗传算法进行了改进，改进后模拟计算发现恢复的信号波形精度明显上升，和原信号波形很相象，比较准确地反映了原信号固有的特性。     

基于鞍点规划法的形位误差计算机评定

建立起了形位误差评定的统一鞍点规划模型 ,给出了“最小条件”判据 ,提出了直接求解鞍点规划模型的遗传算法。最后以空间直线度误差为例 ,进行了误差评定。