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。