改进教与学算法在圆度误差评定中的应用

为了提高圆度误差的评定精度和计算收敛速度,提出了一种改进教与学算法的圆度误差评定方法。首先,通过圆度误差最小区域原则的数学模型,建立算法的目标函数。其次,在标准教与学算法的基础上,设计了两阶段爬山搜索策略增强局部开发能力,进一步提高算法精度和收敛速度。最后通过三坐标测量的圆度测量数据进行求解验证,并将计算结果与常用的最小二乘法,遗传算法,粒子群算法等进行对比。实例表明,改进教与学算法在圆度误差评定上的计算精度和收敛速度都优于传统算法,体现了其优越性。     

基于变尺度教与学算法的DCT换挡毂圆度误差评定研究

针对空间圆度误差评定精度较低以及计算速度较慢的问题,提出了一种变尺度教与学算法的空间圆度误差评定方法。首先,基于误差最小区域原则建立了数学模型和目标函数,随后在标准教与学算法的基础上设计变尺度法教与学算法进行优化,提高了算法的收敛速度和计算精度。最后针对某双离合变速器(DCT)换挡毂?12j6轴颈的16个数据进行求解验证,并将计算结果与粒子群算法、改进的蜂群算法和蔡司三坐标测量机结果进行对比。实例表明,变尺度教与学算法与粒子群算法、改进的蜂群算法相比,在空间圆度误差评定上的收敛速度和计算精度均有明显的优势,体现了变尺度教与学算法的优越性。     

圆度仪的调平和圆柱度误差评定

从圆柱度误差的测量要求和圆柱度误差评定搜索算法两个方面研究了提高测量精度的方法。为了减小圆柱度误差测量中的工件倾斜误差,设计并分析了两点垂直布局的调平方法;根据工件轴线的方向余弦,计算得到了两点调整的高度值,克服了手动调整存在的问题,实现了工件快速精确调平并提高了工件圆柱度的测量精度。由于圆柱度误差评定是对满足最小条件的圆柱轴线的搜索,文中针对Nelder-Mead单纯形法的收敛精度依赖于初始解和收敛速度较慢,提出了拟牛顿法和Nelder-Mead单纯形法相结合的联合算法来实现全局最优解的快速准确搜索。对经典测试函数的Matlab仿真及实际测量数据的应用表明,该联合算法能有效地提高收敛速度和收敛精度,其收敛速度提高了50%,收敛精度提高了1倍,从而提高了工件圆柱度误差的测量精度。     

改进差分进化算法在大型工件平面度评定中的应用

生产线上检测大型复杂工件平面度误差时,存在检测面积较大、数据量较多的问题,为了提高检测效率及精度,采用优化算法提高其平面度误差评定速度。提出将差分进化(DE)算法应用在其平面度误差的评定中,并提出将粒子群(PSO)算法的优化方法融入差分进化算法的框架,改进变异操作以提高标准DE算法的收敛速度。介绍了大型工件平面度误差评定采用最小区域法的数学模型,阐述了改进的DE算法的原理和实现步骤,最后以叉车外壁板为例,通过对外壁板平面度误差的评定以验证算法的收敛速度与精度。结果表明,改进的DE算法在大型工件平面度误差评定中收敛结果稳定,误差接近于0;精度较遗传算法提高36.83%;收敛速度较遗传算法提高58.33%,较标准的DE算法提高28.57%。可以很好地应用在大型工件平面度误差检测中,提高检测效率。     

轴孔配合基础下的圆度误差优化算法研究

文章对轴孔配合存在的圆度误差进行了研究,提出了粒子群算法计算最小外接圆和最大内切圆拟合准则下的圆度误差值。对传统的粒子群算法做出改进。改进后的粒子群算法收敛速度更快,更易求出圆度误差。     

圆度误差的网格搜索算法

本文提出了一种新的圆度误差评定方法—网格搜索算法,详细论述了该算法求解圆度误差的原理和步骤。该算法不采用最优化及线性化方法,其原理是在最小二乘圆心周围按一定规则布置一系列的网格点,依次以各网格点为理想圆心计算所有测点的半径值,按照圆度误差的定义即可获得相应评定方法(最小区域圆法、最小外接圆法和最大内接圆法)的圆度误差值。试验及仿真结果表明,网格搜索算法可以有效、正确地评定圆度误差。     

基于变步长天牛须搜索算法的空间直线度误差评定

为提高空间直线度评定精度,建立了空间直线度数学模型。采用变步长天牛须搜索算法对目标函数进行求解,主要包括天牛须搜索及变步长等步骤。针对原始天牛须搜索算法求解精度不高,易陷入局部最优等问题,设计变步长方法,增强算法多样性,从而充分提高计算精度。对其进行求解,并根据终止准则得到计算结果,将该寻优结果与其他方法的评定结果相比较,验证了该算法的可行性及优越性。     

轧辊圆度误差智能优化评定研究

圆度误差是检验轧辊磨床轧棍加工质量的一个重要指标,圆度误差处理算法的选定对计算精度有着很大的影响,传统的评定方法均存在一定的局限性.通过分析神经网络和遗传算法相结合的现代智能优化算法在圆度误差评定中的可行性和优越性,采用常用的BP神经网络来训练轧辊圆度测量值,将权值矩阵在遗传算法中得到进化与改善,最后通过MATLAB进行仿真,并与传统的最小二乘法相比较,得出的结果显示,遗传讲经网络智能优化算法能够无限逼近真实值,提高轧辊圆度误差的计算精度.     

基于正多边形搜索算法的圆度误差评定

针对求解圆度误差计算复杂的问题,采用正多边形搜索算法进行圆度误差评定,并详细论述了该圆度误差评定方法的原理和计算步骤。该方法先以被评定圆的最小二乘圆圆心为中心,设置一定边长的正多边形,再分别以各正多边形顶点为圆心,计算被评定圆各测量点的半径值。通过多次比较、判断和设置正多边形,获得符合相关标准规定的圆度误差值。仿真和实验结果表明,提出的基于正多边形搜索算法的圆度误差评定方法能实现圆度误差的精确评定。     

基于自适应区域搜索算法的圆度误差评定

根据圆度误差的几何特征,提出自适应区域搜索算法的圆度评定方法。首先根据待测圆轮廓点坐标确定初始圆心位置,以该圆心为中心确定搜索区域;然后根据自适应区域搜索算法,调节搜索区域,获得全局最优解。通过实例验证,该算法简单直观,易于编程,操作方便。与最小二乘法相比,圆度误差评定精度提高了14.5%,实现了圆度误差的精确评定,具有较好的实际指导意义。     

基于均匀设计搜索算法的圆度误差评定技术研究

为了提高圆度误差的评定精度和效率,提出均匀设计搜索算法的圆度误差评定方法。首先随机取点构造圆,以该圆心为中心做边长为零件精度两倍的正方形,采用均匀设计搜索算法,计算均匀搜索点与测量点距离的极大值、极小值和极差;然后以最小极差值为新圆心,不断缩小正方形半径,直到搜索终止。经实例证明,均匀设计搜索算法简单,评定精度高,搜敛速度快,对实际圆度误差评定有指导意义。     

改进蜂群算法及其在圆度误差评定中的应用

针对基本人工蜂群算法(Artificial bee colony algorithm,ABC)的缺点,提出一种改进人工蜂群算法(Improved artificial bee colony algorithm,IABC),并应用于圆度误差最小区域评定中。该改进算法利用信息熵初始化种群,增强种群的多样性,并在引领蜂和跟随蜂搜索阶段,提出一种新的搜索策略,平衡算法的探索与开发能力。详细阐述IABC算法的基本原理与实现步骤,给出圆度误差满足最小包容区域条件的优化目标函数和收益度函数。通过基准测试函数验证IABC算法的有效性和准确性;通过对由三坐标机测得的多组测量数据进行圆度误差评定试验,结果表明IABC算法的评定精度优于最小二乘法、遗传算法以及粒子群算法等其他优化算法,且在求解质量和稳定性上优于ABC算法,验证了IABC算法不仅正确,而且适用于圆度误差的评定优化。     

基于电力系统经济调度问题的量子天牛须搜索算法

传统天牛须搜索算法（beetle antennae search algorithm）,BAS演化过程中收敛速度过慢，为了快速高效地解决电力系统经济调度问题，提出了一种量子天牛须搜索算法（quantum beetle antennae search algorithm,QBAS）。算法将量子行为的搜索机制引入到BAS算法中，在天牛须位置周围建立量子Delta势阱，利用量子理论的概率性和不确定性，有效加快收敛速度，并克服容易陷入局部最优的缺点。实验采用一组标准测试函数对QBAS算法进行性能测试，从而验证算法在收敛速度及鲁棒性上的优越性。最后将算法应用电力系统经济调度问题，选用IEEE118总线测试系统进行测试，结果表明QBAS算法在降低发电成本和减少污染物排放都优于粒子群算法和天牛须搜索算法。     

基于改进果蝇优化的机械圆度误差评定研究

针对机械零件圆度误差的最小区域圆法评定问题,提出一种基于改进果蝇优化算法的评定圆度误差新方法。首先根据最小区域圆法圆度误差数学描述的优化模型设计了果蝇种群个体的编码方式以及新型味道浓度判定函数;其次在保持基本果蝇优化算法典型流程的基础上,引入增强搜索和交互学习机制来增强算法的学习效率以及保持种群的多样性;最后采用3个典型的圆度误差评定问题来验证算法性能。实例分析计算表明该方法是可行有效的,其结果具有较高精度且优于传统的评定方法,适用于求解圆度误差的评定优化问题。     

基于虚拟仪器的圆度误差测量系统设计

采用LabVIEW平台设计了基于虚拟仪器的圆度误差测量系统,实现了数据采集,数据分析与处理,实现了圆度误差最小二乘圆评定法算法,提高了圆度仪测量的速度和误差评定的自动化水平。     

几何变换在圆柱度评定优化算法中的研究

针对利用最小区域方法评定圆柱度时速度慢、算法复杂等问题,采用降维策略进行优化。在原有最小区域法几何模型的基础上利用最小二乘拟合轴线,建立了一种改进的圆柱度评定几何模型。通过对测量数据进行几何变换,将三维圆柱面转化为二维平面,根据最小条件原则将转换后的平面度误差,等效为原始测量数据的圆柱度误差值。经实验验证,在满足精度要求的前提下,圆柱度误差计算速度相较于现有最小区域法提升了约20%。实验结果表面,利用几何变换方法进行误差评定具有实用价值。     

基于VC的4种圆度误差评定方法的比较

介绍了评定圆度误差的4种方法,提出了一种最小区域法的改进算法.在此基础上,分别设计了易于计算机处理的算法,并进行比较,分析结果表明,改进最小区域法的评定效果最好.此外,利用VC＋＋设计的误差评定系统,能够将光幕传感器测量的数据快速导入并求取误差值,实现了圆度误差测量和评定的一体化,利于生产现场的推广应用.     

基于遗传算法的圆度公差评定法与采用最小二乘法评定的比较

根据提出的计算模型,对基于遗传算法的圆度误差评定和传统上采用最小二乘法的评定算法进行了比较分析,根据方法本身的特点和计算结果,分析了二者的不同点以及在工程应用中的适用场合.所构造的模型包括边界控制点和区域随机点,其中边界控制点模拟了由圆度误差最小区域条件所定义的最大内切圆和最小外切圆,而区域随机点模拟了实际情况下测试点的随机性和不确定性.计算结果表明基于遗传算法的圆度评定法精度较高,优于基于最小二乘法的评定算法.     

改进蜂群算法在平面度误差评定中的应用

为了准确快速评定平面度误差,提出将改进人工蜂群( MABC)算法用于平面度误差最小区域的评定.介绍了评定平面度误差的最小包容区域法及判别准则,并给出符合最小区域条件的平面度误差评定数学模型.叙述了MABC算法,该算法在基本人工蜂群算法( ABC)模型的基础上引入两个牵引蜂和禁忌搜索策略.阐述了算法的实现步骤,通过分析选用两个经典测试函数验证了MABC算法的有效性.最后,应用MABC算法对平面度误差进行评定,其计算结果符合最小条件.对一组测量数据的评定显示,MABC算法经过0.436 s可找到最优平面,比ABC算法节省0.411 s,其计算结果比最小二乘法和遗传算法的评定结果分别小18.03μm和6.13 μm.对由三坐标机测得的5组实例同样显示,MABC算法的计算精度比遗传算法和粒子群算法更有优势,最大相差0.9 μm.实验结果表明,MABC算法在优化效率、求解质量和稳定性上优于ABC算法,计算精度优于最小二乘法、遗传算法和粒子群算法,适用于形位误差测量仪器及三坐标测量机.     

改进的穷举算法在圆度误差评定中的应用

本文提出一种改进的穷举算法的圆度误差评定方法,并应用于圆度误差最小区域评定中,详细阐述了改进的穷举算法的计算过程及思路流程图。该算法摒弃传统穷举算法运算繁杂的缺点,根据初始检测数据找出具有X和Y坐标的最大最小四个极值位置点,依据四个极值位置点建立初始圆度误差区域,不仅使初始误差范围接近理想区域,而且减少程序的循环次数及计算量。基于接触式影像仪软件开发平台,利用C++语言设计出圆度误差评定软件,能够快速求出圆度误差值,为现场检测提供方便。