基于Matlab评定圆柱度误差

针对圆柱度误差评定的特点,建立了用Matlab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他形状误差评定中。     

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。     

圆柱度误差及其评定方法综述

针对圆柱度误差评定的特点,建立了四种圆柱度误差的数学模型,并将已有的圆柱度误差评定方法进行归纳分类,总结了各种方法的评定特点,同时阐述了圆柱度误差评定的最新研究成果即基于改进遗传算法的圆柱度误差评定,该成果可以推广应用到其它形状误差的评定。     

圆柱度误差测量软件中的评定算法

针对目前圆柱度误差评定的四种常见方法，比较了一些评定算法，并结合实际测量中的测量点分布不均匀，采样数据量较大的情况，选择了一些相对较为合理的算法作了具体阐述。因而这些算法有着比较广的适用范围，且易于计算机编程对测量数据进行处理。     

基于实数编码的改进遗传算法及在平面度误差评定中的应用

针对平面度误差计算的特点 ,提出了一种基于实数编码的改进遗传算法。该算法的遗传算子采用确定式良种选择、非一致算术交叉及基本位变异策略 ;交叉和变异概率根据个体适应度大小来自适应地确定 ;同时给出遗传算法评定平面度误差时适应度的计算方法。最后 ,通过不同评价方法对同一平面的平面度误差进行评定 ,结果证明该方法不仅能收敛到全局最优解 ,而且具有较快的收敛速度     

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。     

圆度误差评定的曲率法研究

提出了基于曲率的圆度误差评定方法.从曲率的定义出发,推导出了用最大内接圆或最小外接圆评定圆度误差时筛选点的条件:用最大内接圆评定时,筛选掉曲率半径最小的点;用最小外接圆评定时,筛选掉曲率半径最大的点.根据这一条件,可以得到满足圆度误差评定原则的3个特征点,从而确定圆度误差.筛选点时,用最小二乘圆把测量点分成内点集合和外点集合,最大内接圆从内点集合中筛选,最小外接圆从外点集合中筛选,这样就可大大减少了计算量.经过实例验证,表明该方法的正确性和可行性.     

DNA计算模型在圆柱度误差评定中的应用

提出了DNA计算模型应用于圆柱度误差评定的方法,除了常规遗传算法搜索效率高、全局优化性能好的特点外,该方法的一个突出特点是可以根据待求设计参数的取值范围,设计相应的参数遗传密码表,从而将所有的误差评定算法统一在一个算法之中。     

基于混沌遗传算法的圆度误差测量

提出了一种基于混沌遗传算法的计算圆度误差的新方法.它利用混沌优化方法的遍历性和随机性,通过混沌扰动操作可克服传统遗传算法中的早熟问题,确保算法的全局收敛性.该方法满足最小条件原理,其计算结果的精确度非常高,理论上可以获得全局最优解.实例计算表明,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和推广应用等特点.     

微分进化算法在圆度误差评定中的应用

为了精确快速计算圆度误差,提出了基于微分进化智能优化算法的最小区域圆度误差评定方法。介绍了微分进化算法的基本原理及种群初始化、变异、交叉、选择实现步骤,建立了该算法求解最小区域圆度误差的数学模型。为验证算法的有效性,进行了大量实验并与多种算法进行对比,证实了方法的评定结果不仅小于最小二乘法及标准遗传算法评定结果,精度高,而且计算结果稳定,运算速度快。实验表明:微分进化算法用于最小区域圆度误差评定有较强的自适应能力、快速全局收敛性和高稳定性,适于对高精度圆度误差的快速评定。     

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。     

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。     

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。     

平面内直线度误差的一种精确评定新方法

针对给定平面内直线度误差优化评定存在的逼近算法复杂、迭代评定结果不够准确、不能与多种直线度误差测量仪器配合使用等问题,提出一种新的符合最小包容区域原理的快速精确算法--凸多边形截距法。该方法依据计算几何中的凸壳理论,将不同类型测量仪器的测量数据转换为坐标值,以首尾连线将测点分区,依据斜率大小构造凸多边形,以截距最大值对应的点与直线得出符合相间准则的3个特征点,通过剪移转换求出直线度误差。实验结果表明,所提出的算法简单、精确、易于计算机自动数据处理,具有评定精度高、运算速度快的特点。     

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。