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。     

基于几何优化的圆度误差评定算法

针对圆度误差的特点,提出一种基于几何优化的圆度误差评定算法。建立直角坐标采样、可同时实现圆度误差的最小区域法、最小外接圆法和最大内接圆法评定的评定模型。详细阐述利用几何优化算法求解圆度误差的过程和步骤,给出数学计算公式及计算机程序流程图。该算法不要求等间隔测量,不采用最优化及线性化方法,也无需满足小误差和小偏差假设,只需重复调用点与点之间的距离公式;其原理是以初始参考点为基准,布置一定边长的正六边形,依次以各顶点为理想圆心计算所有测点的半径值,通过比较、判断及重复设置六边形来获得相应评定方法(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。试验结果表明,该算法可以有效、正确地评定圆度误差。     

应用差分进化算法评定椭圆轮廓度误差

根据评定误差的最小包容区域准则(Minimum zone criteria,MZC),应用坐标变换法建立评定椭圆轮廓度误差的5变量鞍点规划模型。因MZC误差评定模型的关键是计算每个测点到理想椭圆轮廓的最小距离,为此采用一维搜索算法求解该最小距离。由于差分进化(Differential evolution,DE)算法具有概念简单和收敛速度快的优点,文中利用该算法求解评定椭圆轮廓度误差优化问题。给出2个椭圆轮廓度误差评定实例。结果表明,提出的模型和算法可行有效,其评定结果小于应用最小外接椭圆和最大内接椭圆法求得的误差。在相同计算开销的条件下,DE算法的性能指标优于遗传算法和粒子群算法。     

圆度误差的神经网络评定及测量不确定度研究

为了更为准确的而又简便的评定圆度误差及其不确定度,根据最小二乘法建立圆度误差模型,基于BP神经网络算法优化目标函数的参数,阐述了BP神经网络优化算法的原理和实现方法。通过求解实例表明该方法对于圆度误差评定的非线性优化问题能得到最优解。采用传统的测量不确定度表示指南方法和蒙特卡洛方法计算得到圆度误差的不确定度,通过实例验证蒙特卡洛法的可靠性和准确性。该方法不需要求出数学模型中的传递系数,利用MATLAB操作简单,为圆度误差测量结果不确定度评定提供了更加简便的方法。     

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。     

基于遗传算法的球度误差评定

首先对球度公差评定问题进行了综述.然后根据圆度公差的数学定义,引申提出球度公差最小区域条件下的评定模型,并给出遗传算法的适应度函数.随后给出算法实现中的中的关键问题.最后用实例对算法进行了检验,计算结果表明基于遗传算法的球度误差优化算法不仅符合最小区域的条件,而且易于理解和实现,能够获得全局最优解,保证了高精度、高效率.     

基于最小包容区域的球度误差评定方法

针对球度误差评定方法存在原理误差或模型误差,提出了一种符合最小包容区域定义的球度误差评定方法,即将几何搜索逼近算法与基于最小包容区域法的球度误差评定的几何结构和定义结合起来的准确评定方法。对仿真数据和其他文献中的数据进行了评定。所提方法与其他方法的评定结果表明,所提方法可以准确地找到最小包容区域球的球心并给出球度误差的精确解。     

最小区域平面度的计算几何评定算法研究

目前三坐标测量机和圆度/圆柱度仪己被广泛地用于形位误差的测量,由这些测量仪器所得的数据将会被进一步地处理和分析.采用计算几何技术中凸面体建立法求解最小区域平面度,编制了相应的算法.算法已编入程序模块,并在处理实际数据中得到了验证.     

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。     

圆度误差不确定度的PDF优化估计评定

针对现有工件圆度误差的不确定度评定国标方法不能兼顾简化计算和避免分布假设的问题,对以圆度误差评定为基础的不确定度评定新方法进行研究。首先,基于最小二乘拟合圆法进行误差评定。然后,利用最大熵原理结合粒子群算法求解圆度误差概率密度函数(PDF)的优化估值。最后,利用数值积分对圆度误差不确定度进行评定,并与测量不确定度表示指南(GUM)和蒙特卡罗法(MCM)进行对比验证。结果表明,PDF估计法可实现小样本数据、无分布假设下的圆度误差不确定度评定,算法收敛性好、估值稳定。     

虚拟圆度仪中圆度误差的评定算法

文中研究了评定圆度误差的算法．建立了相应的数学模型，设计了一种新的逐次逼近的迭代算法。该法成功地应用于最小区域圆法、最小外接圆法和最大内接圆法。用这种软件配备虚拟圆度仪，大幅度提高了测试速度及测试精度。     

基于最小区域法的平面度误差评定及其软件设计

利用粒子群算法实现了平面度误差的最小区域评定,并采用LabVIEW和MATLAB混合编程技术,联合开发了平面度误差评定软件,实现了LabVIEW可视化界面与MATLAB优化计算的有效结合,对形位误差评定软件的设计实现具有指导意义。     

基于最小包容区域法的圆度误差评定方法

圆度误差的准确评定对轴和孔类零件的质量评判有很重要的意义。针对目前常用的圆度误差评定方法存在原理误差或模型误差的问题,提出一种完全符合最小包容区域法定义的圆度误差评定方法。该方法将区域搜索算法和圆度误差最小包容区域法评定的几何结构相结合,利用区域搜索算法确定准圆心,再根据准圆心位置和几何结构,对其进行判断和调整,最终找到准确的最小包容区域圆心,并给出最小包容区域圆度误差的精确解。构造多组仿真数据,利用此方法的评定结果与预设值相比较,证明了该方法的有效性和正确性;并利用该方法对其他文献中的数据进行评定与比较,数据处理的结果进一步显示了该方法的评定结果精确可靠,稳定性好,且效率高,可以有效地克服现有圆度误差评定方法难以找到准确最小包容区域圆心的缺陷。     

工件圆度误差测量不确定度评定

为了实现工件圆度误差的不确定度评定,对基于三坐标测量机的工件圆度轮廓数据的采样策略、圆度评定方法及不确定度评定方法进行研究。首先,根据工件圆度轮廓特征进行实验测量,获取不同工件的多个样本。接着,基于最小二乘法和微分进化优化算法对样本的圆度误差进行了误差评定。然后,在分析比较误差大小的基础上,说明了采用的采样策略和微分进化评定算法。最后,基于圆度误差评定结果运用了测量不确定度表示指南(GUM)和蒙特卡洛方法(MCM)进行不确定度评定。实验结果表明:微分进化算法与最小二乘法相比均值差最大达到1.1μm, MCM方法比GUM方法得到的标准不确定度均值小0.02μm。合理的采样点数、微分进化算法及MCM不确定度评定方法可以得到更稳定可靠、精度高的评定结果。     

基于仿增量算法的圆度误差快速准确评定

提出按最小外接圆法和最小区域法评定圆度误差的仿增量算法.将工件轮廓看作一个点集,并在其中建立可以确定圆(环)的子集.若子集确定的圆(环)包容原点集,则可得到相应的圆度误差;否则每次给子集增加一个在包容区域外的点构成新子集,确定包容新子集的圆(环)并去掉其中不在圆(环)边界上的点.证明了该算法是单调收敛的.同时还提出以按最小外接圆法评定圆度误差时在包容边界上的点为最小区域法初值的新思路.该算法概念清楚、模型简单,易于在计算机上实现.几个实际零件圆度误差的评定验证了算法不仅正确,而且结果准确,耗时极少.     

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。     

基于误差转换的汽车曲轴圆度及圆柱度误差评价数学模型构建研究

针对国内汽车曲轴轴颈圆度误差、圆柱度误差检测普遍存在的效率低、精度低等问题,建立基于误差转换的平面曲线和空间曲线误差数学模型,结合圆和圆柱的数学表达建立满足最小包容条件的圆度和圆柱度误差评定数学模型,并采用遗传优化算法计算出符合最小评定要求的曲轴轴颈形位误差,解决了理想包容要素位姿参数不精确的问题。同时,建立基于图像域的汽车曲轴轴颈形状误差检测试验台,针对测量过程中连杆轴颈沿主轴颈公转运动,从而导致连杆轴颈图像域检测数据存在坐标不归一问题,以曲轴法兰端特征孔为基准,通过模板匹配特征与孔边缘提取实现了连杆轴颈圆度和圆柱度测量数据空间坐标归一化处理。以某型号发动机曲轴为例进行大样本误差检测试验,并与三坐标测量机测得的结果进行对比,数据分析表明提出的曲轴轴颈形状误差检测方法的精度为1μm,且重复检测误差在0.1μm以内,证明了其理论上的正确性及实践操作的可行性。     

智能圆度测量装置的推理机制的研制

为了在圆度测量中克服人工数据处理存在着效率低和准确性差的缺陷,需研制智能圆度测量装置,实现圆度误差的自动检测及评定。本文针对圆度误差的评定属求解非平凡问题的特点,提出采取推理和搜索的方法建立智能评定模块,并将它建成由规则集、综合数据库和控制系统构成的产生式系统。文中还根据评定圆度误差的最小包容区域法的原理,在对智能评定模块推理机制的研制中采用了穷举搜索的方法和深度优先的搜索策略,设计了数据处理中的算法——围点甄别法。文章最后以系统测试实例说明了该圆度测量装置具有真实数据自动采集和模拟数据人工输入之功能,能高效且准确地根据所获数据显示出圆度误差评定的最小包容区及其检测结果。