CN106202741B - 一种基于最小实体状态的同轴度评定方法 - Google Patents
一种基于最小实体状态的同轴度评定方法 Download PDFInfo
- Publication number
- CN106202741B CN106202741B CN201610555668.1A CN201610555668A CN106202741B CN 106202741 B CN106202741 B CN 106202741B CN 201610555668 A CN201610555668 A CN 201610555668A CN 106202741 B CN106202741 B CN 106202741B
- Authority
- CN
- China
- Prior art keywords
- measure
- pso
- under
- cylinder
- actual
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Complex Calculations (AREA)
Abstract
本发明涉及一种基于最小实体状态的同轴度评定方法,该方法首先获取被测零件的几何设计参数并判断其同轴度公差是否能用本方法评定,然后获取实际被测零件的测量数据并初步评价被测圆柱体和基准圆柱体的合格性,然后将实际基准圆柱体的测量数据进行拟合并对计算实际基准圆柱体和实际被测圆柱体的测量数据进行坐标转换,然后计算实际被测圆柱体对于基准圆柱体最小实体边界的极限当量直径,最后根据被测圆柱体的公差要求判断实际被测零件是否合格。
Description
技术领域
本发明属于精密计量与计算机应用领域,具有涉及一种基于最小实体状态的同轴度评定方法,可用于被测圆柱体有尺寸要求、其轴线的同轴度公差有最小实体要求并且其基准要素有尺寸要求和最小实体要求的圆柱形几何产品的同轴度误差合格性检测和评定,并为加工工艺的改进提供指导。
背景技术
尺寸误差、形位误差(形状误差和位置误差的简称)直接影响产品质量、装配及其使用寿命,准确地计算零件误差,具有重要的意义。尺寸公差(公差即误差的允许范围)和形位公差之间的关系称为公差原则,其中,最小实体要求是体现零件可装配性的一种公差原则。
国家标准GB/T16671-2009规定了被测圆柱体有尺寸要求、其轴线的同轴度公差有最小实体要求并且其基准要素有尺寸要求和最小实体要求的情况,该情况规定了:1、被测圆柱体的最小实体状态;2、被测圆柱体的局部尺寸的范围;3、被测圆柱体的最小实体状态与基准圆柱体的最小实体状态之间的方位关系;4、基准圆柱体的最小实体状态及其局部尺寸的范围。
为了判断偏离最小实体尺寸和最大实体尺寸之间(尺寸误差的合格性检测方法在国家标准GB/T3177、GB/T1958、GB/T18779.1、GB/T18779.2中有规定,不属于本发明的范畴)的零件的上述同轴度的合格性,国家标准GB/T1958-2004给出了五种误差检验原则:与拟合要素比较原则、测量坐标值原则、测量特征参数原则、测量跳动原则和控制实效边界原则,然而并没有给出被测圆柱体有尺寸要求、其轴线的同轴度公差有最小实体要求并且其基准要素有尺寸要求和最小实体要求的圆柱形几何产品的同轴度误差合格性检测和评定的具体方法。
被测圆柱体有尺寸要求、其轴线的同轴度有最小实体要求并且其基准要素没有最小实体要求的情况下,可以通过三坐标测量机测量被测圆柱体和基准圆柱体上的测点,然后计算实际被测圆柱体相对于实际基准圆柱体的同轴度。但是还没有数学方法来来评定被测圆柱体有尺寸要求、其轴线的同轴度公差有最小实体要求并且其基准要素有尺寸要求和最小实体要求的零件的合格性。
发明内容
本发明所要解决的技术问题是提供一种基于最小实体状态的同轴度评定方法。该方法不仅实现了被测圆柱体有尺寸要求、其轴线的同轴度公差有最小实体要求并且其基准要素有尺寸要求和最小实体要求的零件的合格性检测和评定,而且算法稳定性好、计算效率高,可以推广应用于其它被测要素有尺寸要求、其定向定位公差有最小实体要求并且其基准要素有尺寸要求和最小实体要求的零件的合格性检测和评定中。
为解决上述问题,考虑形状误差的影响,本发明是通过以下方案实现的:
步骤1:获取被测圆柱体Cb、基准圆柱体CA的几何设计参数;如果被测圆柱体Cb的同轴度公差及基准圆柱体CA都有最小实体要求,并且基准圆柱体CA只有尺寸公差——可以应用包容原则,那么跳转到步骤2,否则结束本评定方法,并给出结论“被测圆柱体的同轴度公差不能用本方法评定”。
所述的被测圆柱体Cb的几何设计参数包括是孔要素还是轴要素、名义直径D b 、名义长度L b 、轴的上偏差es b 或孔的上偏差ES b 、轴的下偏差ei b 或孔的下偏差EI b 、同轴度公差T b, AL, coa 、同轴度公差是否标注最小实体要求、同轴度公差的基准圆柱体CA是否标注最小实体状态。
所述的基准圆柱体CA的几何设计参数包括:是孔要素还是轴要素、名义直径D A 、名义长度L A 、轴的上偏差es A 或孔的上偏差ES A 、轴的下偏差ei A 或孔的下偏差EI A 、尺寸公差是否应用包容原则、其它几何公差。
步骤2:获取实际被测圆柱体C b 、实际基准圆柱体C A 的测量数据,包括以下四个测点数据集:
实际基准圆柱体C A 的两个测点P measure, A, under, 1、P measure,A,under,2分别在实际基准圆柱体C A 的两个底面上,两个测点的测点数据p measure, A, under, 1 (x measure, A, under, 1,y measure, A, under, 1, z measure, A, under, 1)、p measure, A, under, 2 (x measure, A, under, 2,y measure, A, under, 2, z measure, A, under, 2)形成测点数据集{p measure, A, under, i },i=1, 2;实际基准圆柱体C A 的侧面上的测点P measure, A, n 的测点数据p measure, A, n (x measure, A, n , y measure, A, n ,z measure, A, n ),n=1, 2 … N,N为测点数目且为大于6的正整数,所有的测点数据p measure, A, n (x measure, A, n , y measure, A, n , z measure, A, n )形成测点数据集{p measure, A, n };实际被测圆柱体C b 的两个测点P measure, b, under, 1、P measure,b,under,2分别在实际被测圆柱体C b 的两个底面上,两个测点的测点数据p measure, b, under, 1 (x measure, b, under, 1, y measure, b, under, 1,z measure, b, under, 1)、p measure, b, under, 2 (x measure, b, under, 2, y measure, b, under, 2,z measure, b, under, 2)形成测点数据集{p measure, b, under, j },j=1, 2;实际被测圆柱体C b 的侧面上的测点P measure, b, m 的测点数据p measure, b, m (x measure, b, m , y measure, b, m , z measure, b, m ),m=1, 2… M,M为测点数目且为大于6的正整数,所有的测点数据p measure, b, m (x measure, b, m ,y measure, b, m , z measure, b, m )形成测点数据集{p measure, b, m }。
评价实际基准圆柱体C A 和实际被测圆柱体C b 的尺寸误差是否合格,如果上述误差都合格,跳转到步骤3,否则结束本评定方法,并给出结论“实际基准圆柱体C A 和/或实际被测圆柱体C b 的其它误差不合格”。
步骤3:计算p measure, A, under, 1/2=( p measure, A, under, 1+ p measure, A, under, 2)/2。
将步骤2中获取的四个测点数据集进行坐标变换,得到四个粗略平移数据集{p 0, A, under, i (x 0, A, under, i , y 0, A, under, i , z 0, A, under, i )| p 0, A, under, i = p measure, A, under, i -p measure, A, under, 1/2,i=1, 2}、{p 0, A, n (x 0, A, n , y 0, A, n , z 0, A, n )| p 0, A, n = p measure, A, n -p measure, A, under, 1/2,n=1, 2 … N }、{ p 0, b, under, j (x 0, b, under, j ,y 0, b, under, j , z 0, b, under, j )| p 0, b, under, j = p measure, b, under, j -p measure, A, under, 1/2,,j=1,2}、{ p 0, b, m (x 0, b, m , y 0, b, m , z 0, b, m )| p 0, b, m = p measure, b, m -p measure, A, under, 1/2,m=1,2 … M }。
计算p 0, b, under, 1/2(x 0, b, under, 1/2, y 0, b, under, 1/2, z 0, b, under, 1/2)=( p 0, b, under, 1+ p 0, b, under, 2)/2。
解目标优化问题1:
解得最优解(x 0,min, y 0,min, α 0,min, β 0,min),即实际基准圆柱体C A 的拟合圆柱体CC A 对应的(x 0, y 0, α 0, β 0)的值。
将粗略平移数据集{ p 0, A, n (x 0, A, n , y 0, A, n , z 0, A, n )}进行如下坐标变换,n=1,2 … N:
得到实际被测圆柱所有测点相对于实际基准圆柱体的坐标集{ p A, n ( A, n , y A, n ,z A, n )}。
将粗略平移数据集{ p 0, b, m (x 0, b, m , y 0, b, m , z 0, b, m )}进行如下坐标变换,m=1,2 … M:
得到实际被测圆柱所有测点相对于实际基准圆柱体的坐标集{ p b, m ( b, m , y b, m ,z b, m )}。
步骤4:计算基准圆柱体CA最小实体边界圆柱体CC AL 的直径D AL ,当基准圆柱体CA是孔时,D AL = D A + ES A ;当基准圆柱体CA是轴时,D AL = D A + ei A ;
解目标优化问题2:
解得圆柱体CC b 相对于圆柱体CC AL 的极限当量直径d b, AL, coa, mM =|min d b, AL, coa |。
步骤5:计算被测圆柱体Cb的最小实体实效尺寸:当被测圆柱体Cb是孔时,D bLV =D b + ES b +T b, AL, coa ;当被测圆柱体Cb是轴时,D bLV = D b + ei b -T b, AL, coa 。
当被测圆柱体Cb是孔时,如果极限当量直径d b, AL, coa, mM ≤ D bLV ,那么给出结论“实际被测圆柱体C b 的同轴度误差合格”,否则给出结论“实际被测圆柱体C b 的同轴度误差不合格”。
当被测圆柱体Cb是轴时,如果D bLV ≤d b, AL, coa, mM ,那么给出结论“实际被测圆柱体C b 的同轴度误差合格”,否则给出结论“实际被测圆柱体C b 的同轴度误差不合格”。
在零件误差分析问题中,需要求解一些目标优化问题,其特点包括:需要同时考量误差值和名义参数,而这两类数值的大小通常差别几个数量级;最优解的附近的函数值变化较缓和;等式约束通常有确定的解;通常能给出至少一个可行的解。针对这些特点,本发明提供一种多层粒子群算法来解决前述两个目标优化问题,其特征是步骤如下:
步骤01:定义多层粒子群算法的参数或使用其默认值,包括分辨率T POS 、粒子数N P (N P ≥ 2)、内层最大迭代次数N i,rd (N i,rd ≥ 1)、外层最大迭代次数N o,rd 、外层最小迭代次数n o,rd 、质量权因子W、局部权因子C 1、全局权因子C 2。
步骤02:定义N P 个粒子p PSO,k (p PSO, k,1, p PSO, k,2, …, p PSO, k,Q ),其值对应目标优化问题中的自变量(x 1, x 2, …, x Q ),p PSO, k, q 的取值区间分别与x q 的取值区间相同;k=1,2 … N P ;q=1, 2 … Q;所有粒子组成粒子集{p PSO,k };设置一个粒子p PSO,1的初始值或使用其默认值。
将外层粒子群算法的迭代次数设置为0。
步骤03:分别在p PSO, k, q 的取值区间按平均分布随机取(N P -1)个值,构建(N P -1)个粒子p PSO,k ;k=2, 3 … N P ;q=1, 2 … Q。
分别在p PSO, k, q 的取值区间按平均分布随机取N P 个值,构建N P 个粒子p PSO,k 的初始速度v PSO, k (v PSO, k,1, v PSO, k,2, …, v PSO, k,q );所有粒子的速度组成速度集{v PSO,k };k=1,2 … N P ;q=1, 2 … Q。
定义N P 个粒子p PSO,k 的局部最优解为p PSO,k,min=p PSO,k ;k=1, 2 … N P 。
将p PSO, k, q 的值分别代入目标优化问题中的变量x q 及其等式约束,并计算相应的目标优化函数值f k =f(x 1, x 2, …, x Q );k=1, 2 … N P ;q=1, 2 … Q。
记录粒子p PSO,k 对应的局部最优值f k,min =f k ,k=1, 2 … N P 。
记录全局最优值f min =min f k,min ,并记录与min f k,min 对应的粒子的值为全局最优解p PSO,min。
将内层粒子群算法的迭代次数设置为0。
步骤04:将粒子p PSO,k 的值更新为p PSO,k +v PSO, k ,k=1, 2 … N P 。
令(x 1, x 2, …, x Q )=p PSO,k ,并代入目标优化问题的不等式约束;如果不等式约束成立,那么将(x 1, x 2, …, x Q )代入目标优化问题中的等式约束,并计算和更新相应的目标优化函数值f k ;如果f k ≤ f k,min ,那么更新粒子p PSO,k 的局部最优值f k,min =f k ,并更新粒子p PSO,k 的局部最优解为p PSO,k,min=p PSO,k ;如果f k ≤ f min ,那么更新全局最优值f min =f k ,并更新全局最优解为p PSO,min=p PSO,k ;k=1, 2 … N P ;q=1, 2 … Q。
如果各粒子的局部最优值和局部最优解非常接近,即,(|max f k,min – min f k,min |≤ T POS )且(|p PSO,k,min, mean – p PSO,k,min| ≤ T POS ),其中,p PSO,k,min, mean为p PSO,k,min的算术平均值,k=1, 2 … N P ;那么,转到步骤07,否则转到步骤05。
步骤05:将粒子p PSO,k 的速度v PSO,k 的值更新为W v PSO,k + C rand1 C 1 (p PSO,k,min -p PSO,k ) + C rand2 C 2 (p PSO,min - p PSO,k ),其中,C rand1、C rand2是在区间[0, 1]中相互独立地按平均分布随机选取的两个值; k=1, 2 … N P 。
步骤06:累积一次内层粒子群算法的迭代次数;如果内层粒子群算法的迭代次数大于N i,rd ,那么跳转到步骤07,否则跳转到步骤04。
步骤07:记录每次迭代得到的内层粒子群算法的全局最优值f min,s = f min ,其中,s是外层粒子群算法的迭代次数。
将粒子p PSO,1的值设置为当前的全局最优解p PSO,min。
当外层粒子群算法的迭代次数s > n o,rd 时,令g =s -n o,rd ,判断多层粒子群算法的收敛性;如果|f min,s – min f min, g | ≤ T POS ,那么,结束多层粒子群算法并输出目标优化问题的最优解p PSO,min和最优值f min ,否则,累积一次外层粒子群算法的迭代次数。
如果外层粒子群算法的迭代次数大于N o,rd ,那么停止外层粒子群算法并输出目标优化问题的最优解(x 1, x 2, …, x Q )=p PSO,min和最优值min f=f min ,否则,更新粒子p PSO,1的初始值为p PSO,min跳转到步骤03。
为了便于本方法的使用,前述多层粒子群算法的默认参数可以设置如下:
分辨率T POS 默认值是0.00005、粒子数N P 默认值是20、内层最大迭代次数N i,rd 默认值是100、外层最大迭代次数N o,rd 默认值是100、外层最小迭代次数n o,rd 默认值是50、质量权因子W默认值是0.5、局部权因子C 1默认值是2、全局权因子C 2默认值是2;p PSO,1的初始值默认为零向量。
附图说明
图1,本发明的基本方法的流程图。
图2,本发明中求解目标优化问题的多层粒子群算法的基本方法的流程图。
图3,步骤4中轴类零件相对于最小实体边界的运动。
图4,实验对象的几何设计图。
具体实施方式
实验实施例:
实验对象:
被测孔有尺寸要求、其孔线的同轴度公差有最小实体要求并且其基准孔有尺寸要求和最小实体要求的阶梯孔零件的同轴度误差合格性检测和评定:
步骤1:获取如图4所示的被测圆柱体b、基准圆柱体A的几何设计参数(长度单位为毫米,角度单位为度,弧度单位为1)。
所述的被测圆柱体b的几何设计参数包括:是孔要素、名义直径D b =24、名义长度L b =15、孔的上偏差ES b =0.4、孔的下偏差EI b =0、同轴度公差T b, AL, coa =0.3、同轴度公差标注最小实体要求、同轴度公差的基准圆柱体A标注最小实体状态。
所述的基准圆柱体A的几何设计参数包括:是孔要素、名义直径D A =39、名义长度L A =22、孔的上偏差ES A =0.3、孔的下偏差EI A =0、尺寸公差应用包容原则,没有几何公差要求。
被测圆柱体b的同轴度公差及基准圆柱体A都有最小实体要求,并且基准圆柱体A只有尺寸公差要求并应用包容原则,跳转到步骤2。
步骤2:获取实际被测圆柱体b、实际基准圆柱体A的测量数据,包括以下四个测点数据集,如表1所示:
实际基准圆柱体A的两个测点P measure, A, under, 1、P measure,A,under,2分别在实际基准圆柱体A的两个底面上,两个测点的测点数据形成测点数据集{p measure, A, under, i },i=1, 2;实际基准圆柱体A的侧面上的测点P measure, A, n 分布在3层圆周上,每层圆周3个点,其测点数据形成测点数据集{p measure, A, n },n=1, 2 … 9;实际被测圆柱体b的两个测点P measure, b, under, 1、P measure,b,under,2分别在实际被测圆柱体b的两个底面上,两个测点的测点数据形成测点数据集{p measure, b, under, j },j=1, 2;实际被测圆柱体b的侧面上的测点P measure, b, m 分布在3层圆周上,每层圆周3个点,其测点数据形成测点数据集{p measure, b, m ,m=1, 2 … 9}。
将3层圆周上的测点P measure, A, n 分别拟合为3个圆,其直径分别为39.086、39.083、39.099,判定实际基准圆柱体A的尺寸误差合格;将3层圆周上的测点p measure, b, m 分别拟合为3个圆,其直径分别为24.013、24.017、24.021,判定实际被测圆柱体b的尺寸误差合格;跳转到步骤3。
步骤3:计算p measure, A, under, 1/2=( p measure, A, under, 1+ p measure, A, under, 2)/2=(261.1905, 229.524, -584.6165)。
将步骤2中获取的四个测点数据集进行坐标变换,得到四个粗略平移数据集{p 0, A, under, i (x 0, A, under, i , y 0, A, under, i , z 0, A, under, i )| p 0, A, under, i = p measure, A, under, i -p measure, A, under, 1/2,i=1, 2},如表1所示;{p 0, A, n (x 0, A, n , y 0, A, n ,z 0, A, n )| p 0, A, n = p measure, A, n -p measure, A, under, 1/2,n=1, 2 … N },如表1所示;{ p 0, b, under, j (x 0, b, under, j , y 0, b, under, j , z 0, b, under, j )| p 0, b, under, j = p measure, b, under, j -p measure, A, under, 1/2,,j=1, 2},如表1所示;{ p 0, b, m (x 0, b, m , y 0, b, m ,z 0, b, m )| p 0, b, m = p measure, b, m -p measure, A, under, 1/2,m=1, 2 … M },如表1所示。
计算p 0, b, under, 1/2=( p 0, b, under, 1+ p 0, b, under, 2)/2=(-23.8675, 3.699, -18.67)。
解目标优化问题1:
解得实际基准圆柱体A的拟合圆柱体CC A 的直径d A =|min d 1, A |=39.099和对应的p PSO,min的值(x 0,min, y 0,min, α 0,min, β 0,min)= (13.9257, 6.4138, 0.012, 0.0149)。
将粗略平移数据集{ p 0, A, n (x 0, A, n , y 0, A, n , z 0, A, n )}进行如下坐标变换,n=1,2 … N:
得到实际被测圆柱所有测点相对于实际基准圆柱体的坐标集{ p A, n (x A, n , y A, n ,z A, n )} ,如表1所示。
将粗略平移数据集{ p 0, b, m (x 0, b, m , y 0, b, m , z 0, b, m )}进行如下坐标变换,m=1,2 … M:
得到实际被测圆柱所有测点相对于实际基准圆柱体的坐标集{ p b, m (x b, m , y b, m ,z b, m )},如表1所示。
步骤4:计算基准圆柱体CA最小实体边界圆柱体CC AL 的直径D AL ,基准圆柱体CA是孔,D AL = D A + ES A =39+0.3=39.3;
解目标优化问题2:
解得圆柱体CC b 相对于圆柱体CC AL 的极限当量直径d b, AL, coa, mM =|min d b, AL, coa |=24.2956。
步骤5:计算被测圆柱体b的最小实体实效尺寸:被测圆柱体b是孔,D bLV = D b + ES b +T b, AL, coa =24+0.4+0.3=24.7。
被测圆柱体b是孔, d b, AL, coa, mM =24.2956≤24.7=D bLV ,给出结论“实际被测圆柱体b的同轴度误差合格”。
表1数据集和坐标集
Claims (3)
1.一种基于最小实体状态的同轴度评定方法,其特征在于,具体步骤如下:
步骤1:获取被测圆柱体Cb、基准圆柱体CA;如果被测圆柱体Cb的同轴度公差及基准圆柱体CA都有最小实体要求,并且基准圆柱体CA只有尺寸公差或包容原则,那么跳转到步骤2,否则结束本快速评定方法,并给出结论“被测圆柱体的同轴度公差不能用本方法评定”;
所述的被测圆柱体Cb的几何设计参数包括:是孔要素还是轴要素、名义直径Db、名义长度Lb、轴的上偏差esb或孔的上偏差ESb、轴的下偏差eib或孔的下偏差EIb、同轴度公差Tb,AL,coa、同轴度公差是否标注最小实体要求、同轴度公差的基准圆柱体CA是否标注最小实体状态;
所述的基准圆柱体CA的几何设计参数包括:是孔要素还是轴要素、名义直径DA、名义长度LA、轴的上偏差esA或孔的上偏差ESA、轴的下偏差eiA或孔的下偏差EIA、尺寸公差是否应用包容原则、几何公差;
步骤2:获取实际被测圆柱体Cb、实际基准圆柱体CA的测量数据,包括以下四个测点数据集:
实际基准圆柱体CA的两个测点Pmeasure,A,under,1、Pmeasure,A,under,2分别在实际基准圆柱体CA的两个底面上,两个测点的测点数据pmeasure,A,under,1(xmeasure,A,under,1,ymeasure,A,under,1,zmeasure,A,under,1)、pmeasure,A,under,2(xmeasure,A,under,2,ymeasure,A,under,2,zmeasure,A,under,2)形成测点数据集{pmeasure,A,under,i},i=1,2;实际基准圆柱体CA的侧面上的测点Pmeasure,A,n的测点数据pmeasure,A,n(xmeasure,A,n,ymeasure,A,n,zmeasure,A,n),n=1,2…N,N为测点数目且为大于6的正整数,所有的测点数据pmeasure,A,n(xmeasure,A,n,ymeasure,A,n,zmeasure,A,n)形成测点数据集{pmeasure,A,n};实际被测圆柱体Cb的两个测点Pmeasure,b,under,1、Pmeasure,b,under,2分别在实际被测圆柱体Cb的两个底面上,两个测点的测点数据pmeasure,b,under,1(xmeasure,b,under,1,ymeasure,b,under,1,zmeasure,b,under,1)、pmeasure,b,under,2(xmeasure,b,under,2,ymeasure,b,under,2,zmeasure,b,under,2)形成测点数据集{pmeasure,b,under,j},j=1,2;实际被测圆柱体Cb的侧面上的测点Pmeasure,b,m的测点数据pmeasure,b,m(xmeasure,b,m,ymeasure,b,m,zmeasure,b,m),m=1,2…M,M为测点数目且为大于6的正整数,所有的测点数据pmeasure,b,m(xmeasure,b,m,ymeasure,b,m,zmeasure,b,m)形成测点数据集{pmeasure,b,m};
评价实际基准圆柱体CA和实际被测圆柱体Cb的尺寸误差是否合格,如果上述误差都合格,跳转到步骤3,否则结束本快速评定方法,并给出结论“实际基准圆柱体CA和/或实际被测圆柱体Cb的其它误差不合格”;
步骤3:评定pmeasure,A,under,1/2=(pmeasure,A,under,1+pmeasure,A,under,2)/2;
将步骤2中获取的四个测点数据集进行坐标变换,得到四个粗略平移数据集{p0,A,under,i(x0,A,under,i,y0,A,under,i,z0,A,under,i)|p0,A,under,i=pmeasure,A,under,i-pmeasure,A,under,1/2,i=1,2}、{p0,A,n(x0,A,n,y0,A,n,z0,A,n)|p0,A,n=pmeasure,A,n-pmeasure,A,under,1/2,n=1,2…N}、{p0,b,under,j(x0,b,under,j,y0,b,under,j,z0,b,under,j)|p0,b,under,j=pmeasure,b,under,j-pmeasure,A,under,1/2,j=1,2}、{p0,b,m(x0,b,m,y0,b,m,z0,b,m)|p0,b,m=pmeasure,b,m-pmeasure,A,under,1/2,m=1,2…M};
评定p0,b,under,1/2(x0,b,under,1/2,y0,b,under,1/2,z0,b,under,1/2)=(p0,b,under,1+p0,b,under,2)/2;
解目标优化问题1:
s.t.
解得最优解(x0,min,y0,min,α0,min,β0,min),即实际基准圆柱体CA的拟合圆柱体CCA对应的(x0,y0,α0,β0)的值;
将粗略平移数据集{p0,A,n(x0,A,n,y0,A,n,z0,A,n)}进行如下坐标变换,n=1,2…N:
得到实际被测圆柱所有测点相对于实际基准圆柱体的坐标集{pA,n(xA,n,yA,n,zA,n)};
将粗略平移数据集{p0,b,m(x0,b,m,y0,b,m,z0,b,m)}进行如下坐标变换,m=1,2…M:
得到实际被测圆柱所有测点相对于实际基准圆柱体的坐标集{pb,m(xb,m,yb,m,zb,m)};
步骤4:评定基准圆柱体CA最小实体边界圆柱体CCAL的直径DAL,当基准圆柱体CA是孔时,DAL=DA+ESA;当基准圆柱体CA是轴时,DAL=DA+eiA;
解目标优化问题2:
s.t.
解得实际被测圆柱体Cb相对于圆柱体CCAL的极限当量直径db,AL,coa,mM=|min db,AL,coa|;
步骤5:评定被测圆柱体Cb的最小实体实效尺寸:当被测圆柱体Cb孔时,DbLV=Db+ESb+Tb,AL,coa;当被测圆柱体Cb是轴时,DbLV=Db+eib-Tb,AL,coa;
当被测圆柱体Cb是孔时,如果极限当量直径db,AL,coa,mM≤DbLV,那么给出结论“实际被测圆柱体Cb的同轴度误差合格”,否则给出结论“实际被测圆柱体Cb的同轴度误差不合格”;
当被测圆柱体Cb是轴时,如果DbLV≤极限当量直径db,AL,coa,mM,那么给出结论“实际被测圆柱体Cb的同轴度误差合格”,否则给出结论“实际被测圆柱体Cb的同轴度误差不合格”。
2.根据权利要求1所述的一种基于最小实体状态的同轴度评定方法,其特征是:
所述的目标优化问题的解决方法的步骤如下:
步骤01:定义多层粒子群算法的参数或使用其默认值,包括分辨率TPOS、粒子数NP、内层最大迭代次数Ni,rd、外层最大迭代次数No,rd、外层最小迭代次数no,rd、质量权因子W、局部权因子C1、全局权因子C2;NP≥2、Ni,rd≥1;
步骤02:定义NP个粒子pPSO,k(pPSO,k,1,pPSO,k,2,…,pPSO,k,Q),其值对应目标优化问题中的自变量(x1,x2,…,xQ),pPSO,k,q的取值区间分别与xq的取值区间相同;k=1,2…NP;q=1,2…Q;所有粒子组成粒子集{pPSO,k};设置一个粒子pPSO,1的初始值或使用其默认值;
将外层粒子群算法的迭代次数设置为0;
步骤03:分别在pPSO,k,q的取值区间按平均分布随机取(NP-1)个值,构建(NP-1)个粒子pPSO,k;k=2,3…NP;q=1,2…Q;
分别在pPSO,k,q的取值区间按平均分布随机取NP个值,构建NP个粒子pPSO,k的初始速度vPSO,k(vPSO,k,1,vPSO,k,2,…,vPSO,k,q);所有粒子的速度组成速度集{vPSO,k};k=1,2…NP;q=1,2…Q;
定义NP个粒子pPSO,k的局部最优解为pPSO,k,min=pPSO,k;k=1,2…NP;
将pPSO,k,q的值分别代入目标优化问题中的变量xq及其等式约束,并评定相应的目标优化函数值fk=f(x1,x2,…,xQ);k=1,2…NP;q=1,2…Q;
记录粒子pPSO,k对应的局部最优值fk,min=fk,k=1,2…NP;
记录全局最优值fmin=min fk,min,并记录与min fk,min对应的粒子的值为全局最优解pPSO,min;
将内层粒子群算法的迭代次数设置为0;
步骤04:将粒子pPSO,k的值更新为pPSO,k+vPSO,k,k=1,2…NP;
令(x1,x2,…,xQ)=pPSO,k,并代入目标优化问题的不等式约束;如果不等式约束成立,那么将(x1,x2,…,xQ)代入目标优化问题中的等式约束,并评定和更新相应的目标优化函数值fk;如果fk≤fk,min,那么更新粒子pPSO,k的局部最优值fk,min=fk,并更新粒子pPSO,k的局部最优解为pPSO,k,min=pPSO,k;如果fk≤fmin,那么更新全局最优值fmin=fk,并更新全局最优解为pPSO,min=pPSO,k;k=1,2…NP;q=1,2…Q;
如果各粒子的局部最优值和局部最优解非常接近,即,|max fk,min-min fk,min|≤TPOS且|pPSO,k,min,mean-pPSO,k,min|≤TPOS,其中,pPSO,k,min,mean为pPSO,k,min的算术平均值,k=1,2…NP;那么,转到步骤07,否则转到步骤05;
步骤05:将粒子pPSO,k的速度vPSO,k的值更新为W vPSO,k+Crand1C1(pPSO,k,min-pPSO,k)+Crand2C2(pPSO,min-pPSO,k),其中,Crand1、Crand2是在区间[0,1]中相互独立地按平均分布随机选取的两个值;k=1,2…NP;步骤06:累积一次内层粒子群算法的迭代次数;如果内层粒子群算法的迭代次数大于Ni,rd,那么跳转到步骤07,否则跳转到步骤04;
步骤07:记录每次迭代得到的内层粒子群算法的全局最优值fmin,s=fmin,其中,s是外层粒子群算法的迭代次数;
将粒子pPSO,1的值设置为当前的全局最优解pPSO,min;
当外层粒子群算法的迭代次数s>no,rd时,令g=s-no,rd,判断多层粒子群算法的收敛性;如果|fmin,s-min fmin,g|≤TPOS,那么,结束多层粒子群算法并输出目标优化问题的最优解pPSO,min和最优值fmin,否则,累积一次外层粒子群算法的迭代次数;
如果外层粒子群算法的迭代次数大于No,rd,那么停止外层粒子群算法并输出目标优化问题的最优解(x1,x2,…,xQ)=pPSO,min和最优值min f=fmin,否则,更新粒子pPSO,1的初始值为pPSO,min跳转到步骤03。
3.根据权利要求2所述的一种基于最小实体状态的同轴度评定方法,其特征是:
所述多层粒子群算法的分辨率TPOS默认值是0.00005、粒子数NP默认值是20、内层最大迭代次数Ni,rd默认值是100、外层最大迭代次数No,rd默认值是100、外层最小迭代次数no,rd默认值是50、质量权因子W默认值是0.5、局部权因子C1默认值是2、全局权因子C2默认值是2;pPSO,1的初始值默认为零向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610555668.1A CN106202741B (zh) | 2016-07-15 | 2016-07-15 | 一种基于最小实体状态的同轴度评定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610555668.1A CN106202741B (zh) | 2016-07-15 | 2016-07-15 | 一种基于最小实体状态的同轴度评定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106202741A CN106202741A (zh) | 2016-12-07 |
CN106202741B true CN106202741B (zh) | 2020-10-23 |
Family
ID=57475650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610555668.1A Expired - Fee Related CN106202741B (zh) | 2016-07-15 | 2016-07-15 | 一种基于最小实体状态的同轴度评定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106202741B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108562259A (zh) * | 2017-12-31 | 2018-09-21 | 唐哲敏 | 一种快稳简的最大内接圆直径评定方法 |
CN108253918A (zh) * | 2017-12-31 | 2018-07-06 | 唐哲敏 | 一种快稳简的最小外切圆直径评定方法 |
CN108168494A (zh) * | 2017-12-31 | 2018-06-15 | 唐哲敏 | 一种快稳简的圆度误差评定方法 |
CN108680129A (zh) * | 2018-05-18 | 2018-10-19 | 桂林电子科技大学 | 一种基于双重公差原则的同轴度的评定方法 |
CN108592852A (zh) * | 2018-05-18 | 2018-09-28 | 桂林电子科技大学 | 一种基于双重公差原则的同轴度的快稳简的评定方法 |
CN109883375B (zh) * | 2019-04-07 | 2020-08-25 | 柳州鹿寨县唐秦泰测量技术有限公司 | 基于等精度原则的一种两段孔的可安装性精确评定方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5343408A (en) * | 1991-08-09 | 1994-08-30 | Industrial Technology Research Institute | Device for on-line automatic fluid injection balancing system |
CN101246083A (zh) * | 2008-03-24 | 2008-08-20 | 西安电子科技大学 | 直齿圆柱齿轮动态啮合刚度的测量方法 |
CN101982821A (zh) * | 2010-10-26 | 2011-03-02 | 西安交通大学 | 一种复杂装配体装配公差规范及其公差带类型推理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7885500B2 (en) * | 2006-05-16 | 2011-02-08 | Schleifring Und Apparatebau Gmbh | Apparatus and method for adjusting an optical rotating data transmission device |
-
2016
- 2016-07-15 CN CN201610555668.1A patent/CN106202741B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5343408A (en) * | 1991-08-09 | 1994-08-30 | Industrial Technology Research Institute | Device for on-line automatic fluid injection balancing system |
CN101246083A (zh) * | 2008-03-24 | 2008-08-20 | 西安电子科技大学 | 直齿圆柱齿轮动态啮合刚度的测量方法 |
CN101982821A (zh) * | 2010-10-26 | 2011-03-02 | 西安交通大学 | 一种复杂装配体装配公差规范及其公差带类型推理方法 |
Non-Patent Citations (1)
Title |
---|
同轴度公差建模的规范模型生成方法;刘惠芬 等;《2011年机械电子学学术会议论文集》;20110930;第232-236页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106202741A (zh) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106202741B (zh) | 一种基于最小实体状态的同轴度评定方法 | |
CN101387494B (zh) | 大型隧道管片构件几何量测量装置和方法 | |
CN101655343B (zh) | 电子经纬仪空间坐标测量系统校准用靶标、底座和基准尺 | |
CN108871256B (zh) | 一种圆度误差评定算法 | |
Chao et al. | Calibration of laser beam direction for optical coordinate measuring system | |
Cheraghi et al. | Evaluating the geometric characteristics of cylindrical features | |
CN106682252B (zh) | 一种基于最小实体状态的同轴度快速评定方法 | |
CN106202709B (zh) | 一种基于最大实体状态的同轴度评定方法 | |
CN102147244A (zh) | 一种曲线面逆向产品的数据文件检验法 | |
Mussatayev et al. | Thermal influences as an uncertainty contributor of the coordinate measuring machine (CMM) | |
Shen et al. | A robust and efficient calibration method for spot laser probe on CMM | |
Fei et al. | Intersecting chord method for minimum zone evaluation of roundness deviation using Cartesian coordinate data | |
Zeng et al. | An error similarity-based error-compensation method for measurement in the nonuniform temperature field | |
Cappetti et al. | Fuzzy approach to measures correction on Coordinate Measuring Machines: The case of hole-diameter verification | |
CN103294920A (zh) | 一种基于最小区域的零件圆柱度误差评定方法 | |
CN106092515A (zh) | 一种用法布里-珀罗标准具测量焦距和转角的方法 | |
Moona et al. | Measurement uncertainty assessment of articulated arm coordinate measuring machine for length measurement errors using Monte Carlo simulation | |
du Plessis et al. | Dimensional metrology of additively manufactured lattice structures by combined tactile probe and X‐ray tomography | |
US10132623B2 (en) | Method for measuring slant wall thickness dimension of hub | |
Gąska et al. | Analysis of changes in coordinate measuring machines accuracy made by different nodes density in geometrical errors correction matrix | |
Fei et al. | Sampling strategy and error estimation for evaluation of quadratic form error using Cartesian coordinate data | |
Guerra et al. | Artefacts used for testing 3D optical-based scanners | |
Lou et al. | Tests for position and orientation errors of axes of a 2D rotary stage | |
Sagbas et al. | Precision metrology for additive manufacturing | |
Rizzuti et al. | The influence of build orientation on the flatness error in artifact produced by Direct Metal Laser Sintering (DMLS) process |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200908 Address after: 541004 the Guangxi Zhuang Autonomous Region golden Guilin Qixing District Road No. 1 Applicant after: GUILIN University OF ELECTRONIC TECHNOLOGY Address before: Xiang Wanhua District of Lingui Longshan District of Guilin city 541100 the Guangxi Zhuang Autonomous Region 2 Building 1 unit 11-1 No. Applicant before: Tang Zhemin |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20201023 Termination date: 20210715 |
|
CF01 | Termination of patent right due to non-payment of annual fee |