CN103488825B - 一种用于齿轮齿廓曲线重构的数据拟合方法 - Google Patents
一种用于齿轮齿廓曲线重构的数据拟合方法 Download PDFInfo
- Publication number
- CN103488825B CN103488825B CN201310409757.1A CN201310409757A CN103488825B CN 103488825 B CN103488825 B CN 103488825B CN 201310409757 A CN201310409757 A CN 201310409757A CN 103488825 B CN103488825 B CN 103488825B
- Authority
- CN
- China
- Prior art keywords
- data
- centerdot
- individual
- calculating
- profile curve
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000000691 measurement method Methods 0.000 claims abstract description 6
- 238000006243 chemical reaction Methods 0.000 claims abstract description 5
- 238000005516 engineering process Methods 0.000 claims abstract description 5
- 230000009466 transformation Effects 0.000 claims description 22
- 239000013598 vector Substances 0.000 claims description 17
- 238000013519 translation Methods 0.000 claims description 12
- 238000005259 measurement Methods 0.000 claims description 10
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000010845 search algorithm Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 4
- 238000012545 processing Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Landscapes
- Image Analysis (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明一种用于齿轮齿廓曲线重构的数据拟合方法,属于数据拟合技术领域,尤其涉及对齿轮齿廓曲线的拟合;该方法的步骤为:1、首先采用INFINITE的PC-DIMS系统的接触测量方法按照测量规划路线进行逐点采集,取得被测路线的m个点坐标值;2、对测量所得的m个点坐标值,将其转换到同一平面上,得到变换后的数据;3、基于变换后的数据,采用万有引力搜索算法获得用于齿轮齿廓曲线重构的B样条曲线拟合最优内部节点;4、采用de?Boor算法得到最佳齿形轮廓曲线C(x);本发明可以解决齿形轮廓曲线拟合中多重节点问题,对于具有奇异性和/或尖角的齿形轮廓曲线,也能产生非常准确的结果。
Description
技术领域
本发明一种用于齿轮齿廓曲线重构的数据拟合方法,属于数据拟合技术领域,尤其涉及对齿轮齿廓曲线的拟合。
背景技术
在实际生产实践中,齿轮轮廓曲线的获得是通过实验或测量的方法。这些通过实验或测量得到的数据,常以坐标点的形式给出,而不给出方程。因此常常需要从一组试验观测数据之中找到自变量与因变量之间的函数关系,这种函数关系的产生通常采用数据拟合的办法。目前倾向于采用B样条函数对齿轮轮廓数据点进行拟合。在B样条函数进行齿轮轮廓拟合中,如果矢量节点被视为自由变量的情况下,拟合的精度可以显著提高。然而,在这种情况下,逼近问题转化成一个连续多峰多变量非线性优化问题。有采用实数编码的遗传算法解决这一问题。然而,该方法并不能解决真正的多重节点问题,对于具有不连续性和尖点数据的齿轮轮廓曲线不能得到期望的拟合曲线。
发明内容
本发明克服现有技术存在的不足,所要解决的技术问题为提供一种用于齿轮齿廓曲线重构的数据拟合方法,利用万有引力搜索算法求得节点矢量使得拟合在贝叶斯信息准则意义下最优,即使对于具有奇异性和/或尖角的齿轮轮廓曲线,该方法也能产生非常准确的结果,此外,多重结节问题也得到了真正的解决。
为了解决上述技术问题,本发明采用的技术方案如下。
一种用于齿轮齿廓曲线重构的数据拟合方法,包括以下步骤:
第一步、采用INFINITE的PC-DIMS系统的接触测量方法按照测量规划路线进行逐点采集,取得被测路线的m个点坐标值;
第二步、对测量所得的m个点坐标值进行坐标转换,将其转换到同一平面上,即将其投影到所设置的基准面上,得到变换后的数据,即m个样本坐标;
第三步、基于第二步中变换后的数据,利用万有引力搜索算法获得用于齿轮齿廓曲线重构的B样条曲线拟合最优内部节点;算法编码方案采用实值编码方案,种群初始化采用随机数生成方法,同时利用第二步中得到数据的最小值和最大值过滤不合格的初始个体,所述个体为内部节点形成的向量;
具体方法如下:
通过求方程(NTN)D=NTR得到最小二乘拟合B样条曲线的控制顶点;
式中:
其中ri=qi-q0N0,p(ui)-qm-1Nn-1,p(ui);
qi表示采集处理后的m个数据点,即第二步中所述的m个样本坐标;
bj是B样条曲线的控制顶点;
采用deBoor算法计算B样条曲线即拟合曲线
根据公式计算拟合曲线和采集数据qi之间的误差;
计算基于贝叶斯信息准则的适应度函数值,计算公式如下:
fit(x)=mln(Q)+(ln(m))(2n-p+1),其中m为采集的样本坐标个数,p为B样条基函数的阶数,n为控制点个数;
计算每个个体的质量,按如下公式:
其中,
计算每个个体作用力,按如下公式:
其中, G0是初始万有引力常数,α是用户指定的常数,t是当前的迭代,T是总的迭代次数,Rij(t)表示在t时刻个体i和个体j之间的欧氏距离;
按公式计算个体加速度;
按照 计算每个个体的速度;
按照更新个体的位置;
当迭代次数超过200时,则结束迭代过程,获取种群中的最优个体即最优内部节点;
第四步、利用求出的最优内部节点形成最优节点矢量,并利用最小二乘技术计算控制顶点,利用最优节点矢量和控制顶点采用deBoor算法计算B样条曲线得到最佳齿形轮廓曲线C(x)。
所述第二步中对测量所得m个点坐标值进行坐标转换的具体方法为:
将每个坐标值均乘以投影矩阵 完成投影变换;
经过投影变换后再进行平移变换,在测量过程中获得一组齿轮中心坐标初始值,经过计算求出平均值即为齿轮的中心坐标,在此基础上以此中心坐标为坐标原点将投影变换后的数据再进行平移转换,即乘以平移矩阵 得到变换后的数据,即m个样本坐标。
所述在测量过程中获得一组齿轮中心坐标的方法为:用INFINITE关节臂式测量机通过测量齿根圆或齿根圆上三点,获得一组齿轮中心坐标初始值,经过计算求出平均值即为齿轮的中心坐标。
本发明与现有技术相比具有以下有益效果。
由于采用万有引力搜索算法,将计算自由节点矢量过程转换成连续多峰多变量非线性优化问题,基于贝叶斯信息准则计算适应度函数,通过万有引力法则逐代迭代,得到用于齿轮齿廓曲线拟合最优内部节点矢量。利用求出的最优内部节点采用deBoor算法计算齿形轮廓曲线。提高了齿形轮廓曲线拟合的准确率,即使对于具有奇异性和/或尖角的齿轮轮廓曲线,该方法也能产生非常准确的结果,此外,多重结节问题也得到了真正的解决。
现有技术中采用遗传算法进行齿轮齿廓曲线拟合时,适应度函数采用拟合曲线和采集数据的误差,本发明使用万有引力搜索算法,计算效率高于遗传算法,同时采用贝叶斯信息准则作为的适应度函数,能够保证曲线的保真度以及计算方面的简单性,同时,贝叶斯信息准则更适合于具有不连续性和/或尖角的曲线。
附图说明
下面结合附图对本发明做进一步详细的说明。
图1为本发明的流程图。
具体实施方式
参照附图,本发明一种用于齿轮齿廓曲线重构的数据拟合方法,包括以下步骤:
第一步、采用INFINITE的PC-DIMS系统的接触测量方法按照测量规划路线进行逐点采集,取得被测路线的m个点坐标值;
第二步、对测量所得的m个点坐标值进行坐标转换,将其转换到同一平面上,即将其投影到所设置的基准面上,得到变换后的数据,即m个样本坐标;
第三步、基于第二步中变换后的数据,利用万有引力搜索算法获得用于齿轮齿廓曲线重构的B样条曲线拟合最优内部节点;算法编码方案采用实值编码方案,种群初始化采用随机数生成方法,同时利用第二步中得到数据的最小值和最大值过滤不合格的初始个体,所述个体为内部节点形成的向量;
具体方法如下:
通过求方程(NTN)D=NTR得到最小二乘拟合B样条曲线的控制顶点;
式中:
其中ri=qi-q0N0,p(ui)-qm-1Nn-1,p(ui);
qi表示采集处理后的m个数据点,即第二步中所述的m个样本坐标;
bj是B样条曲线的控制顶点;
采用deBoor算法计算B样条曲线即拟合曲线
根据公式计算拟合曲线和采集数据qi之间的误差;
计算基于贝叶斯信息准则的适应度函数值,计算公式如下:
fit(x)=mln(Q)+(ln(m))(2n-p+1),其中m为采集的样本坐标个数,p为B样条基函数的阶数,n为控制点个数;
计算每个个体的质量,按如下公式:
其中,
计算每个个体作用力,按如下公式:
其中, G0是初始万有引力常数,α是用户指定的常数,t是当前的迭代,T是总的迭代次数,Rij(t)表示在t时刻个体i和个体j之间的欧氏距离;
按公式计算个体加速度;
按照 计算每个个体的速度;
按照更新个体的位置;
当迭代次数超过200时,则结束迭代过程,获取种群中的最优个体即最优内部节点;
第四步、利用求出的最优内部节点形成最优节点矢量,并利用最小二乘技术计算控制顶点,利用最优节点矢量和控制顶点采用deBoor算法计算B样条曲线得到最佳齿形轮廓曲线C(x)。
第二步中对测量所得m个点坐标值进行坐标转换的具体方法可以为:
将每个坐标值均乘以投影矩阵 完成投影变换;
经过投影变换后再进行平移变换,在测量过程中获得一组齿轮中心坐标初始值,经过计算求出平均值即为齿轮的中心坐标,在此基础上以此中心坐标为坐标原点将投影变换后的数据再进行平移转换,即乘以平移矩阵 得到变换后的数据,即m个样本坐标。
在测量过程中获得一组齿轮中心坐标的方法可以为:用INFINITE关节臂式测量机通过测量齿根圆或齿根圆上三点,获得一组齿轮中心坐标初始值,经过计算求出平均值即为齿轮的中心坐标。
实施例
本实施例针对美国某公司齿轮数字化模型的还原为例说明产品还原的实现。齿轮齿廓曲线拟合的具体步骤如下:
第一步,采用INFINITE的PC-DIMS系统的接触测量方法,按照测量规划路线进行逐点采集,取得被测路线的m个点坐标值。齿廓线测量数据及齿轮的中心坐标见表1。
表1测量所得部分点的坐标值
第二步,对齿轮轮廓数据进行处理。测量过程中测量者不能保证所测的齿廓的点在同一平面上,用此原始数据不能直接进行曲线拟合,必须对测量所得数据坐标进行转换,将其转换到同一平面上,即将其投影到所设置的基准面上,即将每个坐标均乘以投影矩阵 经过投影变换后再进行平移变换,在测量过程中,用INFINITE关节臂式测量机通过测量齿根圆或齿根圆上三点,获得一组齿轮中心坐标初始值,经过计算求出平均值即为齿轮的中心坐标(174.067,-450.018),在此基础上以此中心坐标为坐标原点将投影变换后的数据再进行平移转换,即乘以平移矩阵 得到变换后的数据,即m个样本坐标,在拟合过程中将其分为四组,见表2。
表2经过坐标转化的数据点的坐标值
第三步,利用万有引力搜索算法获得用于齿轮齿廓曲线重构的B样条曲线拟合最优内部节点。算法编码方案采用实值编码方案,种群初始化采用随机数生成方法,同时利用第二步中得到数据的最小值和最大值过滤不合格的初始个体;
所述个体指的是由内部节点形成的一个向量,此步骤是利用万有引力搜索算法寻找最优内部节点,把最初的内部节点当成一个个体,利用万有引力法则进行寻找最优个体,也就是寻找最优内部节点。
通过求方程(NTN)D=NTR,得到最小二乘拟合B样条曲线的控制顶点;
式中
其中ri=qi-q0N0,p(ui)-qm-1Nn-1,p(ui);
qi表示采集处理后的m个数据点,即第二步中所述的m个样本坐标,m=201;
bj是B样条曲线的控制顶点;
采用deBoor算法计算B样条曲线
根据公式计算拟合曲线C(x)和采集数据qi之间的误差。qi为经过坐转后的采集数据。
计算基于贝叶斯信息准则的适应度函数值:计算公式如下:
fit(x)=mln(Q)+(ln(m))(2n-p+1),
其中m为采集的样本坐标个数,p为B样条基函数的阶数,本实施例中p=4,n为控制点个数,m=201.
计算每个个体的质量,按如下公式:
其中,
计算每个个体作用力,按如下公式:
其中, G0是初始万有引力常数,G0=100,α是用户指定的常数,α=20,t是当前的迭代,T是总的迭代次数,T=200,Rij(t)表示在t时刻个体i和个体j之间的欧氏距离。
按公式计算个体加速度;
按照 计算每个个体的速度;
按照更新个体的位置;当迭代次数超过200时,则结束迭代过程,获取种群中的最优个体即内部节点。
第四步,利用求出的最优内部节点形成最优节点矢量,并利用最小二乘技术计算控制顶点,利用最优节点矢量和控制顶点采用deBoor算法计算B样条曲线得到最佳齿形轮廓曲线C(x)。
所述节点矢量等于前端点加上内部节点再加后端点。
由deBoor-cox公式有:
令
则
n为控制点个数,p=4,上式是曲线从4阶B样条表示3阶B样条表示的递推公式,反复应用此公式,得到C(x)的值可以通过递推关系式求得。
Claims (3)
1.一种用于齿轮齿廓曲线重构的数据拟合方法,其特征在于包括以下步骤:
第一步、采用INFINITE的PC-DIMS系统的接触测量方法按照测量规划路线进行逐点采集,取得被测路线的m个点坐标值;
第二步、对测量所得的m个点坐标值进行坐标转换,将其转换到同一平面上,即将其投影到所设置的基准面上,得到变换后的数据,即m个样本坐标;
第三步、基于第二步中变换后的数据,利用万有引力搜索算法获得用于齿轮齿廓曲线重构的B样条曲线拟合最优内部节点;算法编码方案采用实值编码方案,种群初始化采用随机数生成方法,同时利用第二步中得到数据的最小值和最大值过滤不合格的初始个体,所述个体为内部节点形成的向量;
具体方法如下:
通过求方程(NTN)D=NTR得到最小二乘拟合B样条曲线的控制顶点;
式中:
其中ri=qi-q0N0,p(ui)-qm-1Nn-1,p(ui);
qi表示采集处理后的m个数据点,即第二步中所述的m个样本坐标;
bj是B样条曲线的控制顶点;
采用deBoor算法计算B样条曲线即拟合曲线
根据公式计算拟合曲线和采集数据qi之间的误差;
计算基于贝叶斯信息准则的适应度函数值,计算公式如下:
fit(x)=mln(Q)+(ln(m))(2n-p+1),其中m为采集的样本坐标个数,p为B样条基函数的阶数,n为控制点个数;
计算每个个体的质量,按如下公式:
其中,
计算每个个体作用力,按如下公式:
其中, G0是初始万有引力常数,α是用户指定的常数,t是当前的迭代,T是总的迭代次数,Rij(t)表示在t时刻个体i和个体j之间的欧氏距离;
按公式计算个体加速度;
按照计算每个个体的速度;
按照 更新个体的位置;
当迭代次数超过200时,则结束迭代过程,获取种群中的最优个体即最优内部节点;
第四步、利用求出的最优内部节点形成最优节点矢量,并利用最小二乘技术计算控制顶点,利用最优节点矢量和控制顶点采用deBoor算法计算B样条曲线得到最佳齿形轮廓曲线C(x)。
2.根据权利要求1所述的一种用于齿轮齿廓曲线重构的数据拟合方法,其特征在于:所述第二步中对测量所得m个点坐标值进行坐标转换的具体方法为:
将每个坐标值均乘以投影矩阵 完成投影变换;
经过投影变换后再进行平移变换,在测量过程中获得一组齿轮中心坐标初始值,经过计算求出平均值即为齿轮的中心坐标,在此基础上以此中心坐标为坐标原点将投影变换后的数据再进行平移转换,即乘以平移矩阵 得到变换后的数据,即m个样本坐标。
3.根据权利要求2所述的一种用于齿轮齿廓曲线重构的数据拟合方法,其特征在于:所述在测量过程中获得一组齿轮中心坐标的方法为:用INFINITE关节臂式测量机通过测量齿根圆或齿根圆上三点,获得一组齿轮中心坐标初始值,经过计算求出平均值即为齿轮的中心坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310409757.1A CN103488825B (zh) | 2013-09-10 | 2013-09-10 | 一种用于齿轮齿廓曲线重构的数据拟合方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310409757.1A CN103488825B (zh) | 2013-09-10 | 2013-09-10 | 一种用于齿轮齿廓曲线重构的数据拟合方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103488825A CN103488825A (zh) | 2014-01-01 |
CN103488825B true CN103488825B (zh) | 2016-05-04 |
Family
ID=49829045
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310409757.1A Expired - Fee Related CN103488825B (zh) | 2013-09-10 | 2013-09-10 | 一种用于齿轮齿廓曲线重构的数据拟合方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103488825B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103761396B (zh) * | 2014-01-25 | 2016-08-17 | 中国北方车辆研究所 | 一种变错位量下圆柱齿轮齿向线型定量设计方法 |
CN104517032A (zh) * | 2014-12-02 | 2015-04-15 | 华中科技大学 | 一种基于b样条曲线的数据点的拟合方法及装置 |
CN107747930B (zh) * | 2017-09-25 | 2019-12-31 | 华侨大学 | 一种基于万有引力加速布谷鸟算法的圆度误差评定方法 |
CN112108946B (zh) * | 2020-08-03 | 2022-10-25 | 西安交通大学 | 一种插齿刀侧后刀面的单参数柱面投影双面成形磨削方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184301A (zh) * | 2011-05-24 | 2011-09-14 | 上海理工大学 | 渐开线斜齿轮模型齿形误差的虚拟检测方法 |
CN102236738A (zh) * | 2011-07-20 | 2011-11-09 | 上海师范大学 | 一种用于直齿或斜齿的非圆柱齿轮的建模方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8250941B2 (en) * | 2005-07-28 | 2012-08-28 | Musashi Seimitsu Kogyo Kabushiki Kaisha | Method of designing gear using CAD system, and gear |
-
2013
- 2013-09-10 CN CN201310409757.1A patent/CN103488825B/zh not_active Expired - Fee Related
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102184301A (zh) * | 2011-05-24 | 2011-09-14 | 上海理工大学 | 渐开线斜齿轮模型齿形误差的虚拟检测方法 |
CN102236738A (zh) * | 2011-07-20 | 2011-11-09 | 上海师范大学 | 一种用于直齿或斜齿的非圆柱齿轮的建模方法 |
Non-Patent Citations (1)
Title |
---|
Gear Geometric Design by B-Spline Curve Fitting and Sweep Surface Modelling;S. Barone;《Engineering with Computers》;20011231;第66-74页 * |
Also Published As
Publication number | Publication date |
---|---|
CN103488825A (zh) | 2014-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109272524B (zh) | 一种基于阈值分割的小尺度点云噪声去噪方法 | |
CN109919984A (zh) | 一种基于局部特征描述子的点云自动配准方法 | |
CN104730511B (zh) | 星凸模型下的势概率假设密度多扩展目标跟踪方法 | |
CN103488825B (zh) | 一种用于齿轮齿廓曲线重构的数据拟合方法 | |
CN109683552B (zh) | 一种基面曲线导向的复杂点云模型上的数控加工路径生成方法 | |
CN105654483B (zh) | 三维点云全自动配准方法 | |
CN109787250B (zh) | 一种基于多元经验模态分解的电力系统低频振荡模式辨识方法 | |
CN107704962B (zh) | 一种基于不完整训练数据集的蒸汽流量区间预测方法 | |
CN107203988B (zh) | 一种由二维x光图像重建三维体图像的方法及其应用 | |
CN111028238B (zh) | 一种基于机器人视觉的复杂异形曲面三维分割方法及系统 | |
CN113591020B (zh) | 一种基于轴对称盒空间滤波的非线性系统状态估计方法 | |
CN105069777A (zh) | 一种预备体网格模型的颈缘线自动提取方法 | |
CN112288859B (zh) | 一种基于卷积神经网络的三维人脸建模方法 | |
CN109919955A (zh) | 地基式激光雷达点云的隧道轴线提取和分割方法 | |
CN108520550B (zh) | 基于噪声分类与mls的点云数据泊松曲面重建方法 | |
CN107967675A (zh) | 一种基于自适应投影移动最小二乘的结构化点云去噪方法 | |
CN103049653B (zh) | 基于em算法的g0分布参数最大似然估计方法 | |
CN102122391B (zh) | 一种运动捕获数据自动分割方法 | |
CN111783336A (zh) | 一种基于深度学习理论的不确定性结构频响动力学模型修正方法 | |
CN114755010A (zh) | 一种旋转机械振动故障诊断方法及其系统 | |
CN107656905B (zh) | 一种利用误差传递的空气质量数据实时校准方法 | |
CN109253727A (zh) | 一种基于改进迭代容积粒子滤波算法的定位方法 | |
CN113361782A (zh) | 基于改进mkpls的光伏发电功率短期滚动预测方法 | |
Zolfaghari et al. | A multiscale lddmm template algorithm for studying ear shape variations | |
CN108830930B (zh) | 一种基于张量填充的自适应群智感知系统数据收集方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20160504 |
|
CF01 | Termination of patent right due to non-payment of annual fee |