CN108319764A

CN108319764A - 基于天牛须搜索算法的空间直线度误差评定方法

Info

Publication number: CN108319764A
Application number: CN201810036579.5A
Authority: CN
Inventors: 王宸; 曾又; 王生怀
Original assignee: Hubei University of Automotive Technology
Current assignee: Hubei University of Automotive Technology
Priority date: 2018-01-15
Filing date: 2018-01-15
Publication date: 2018-07-24

Abstract

本发明公开了基于天牛须搜索算法的空间直线度误差评定方法，其特征在于它包括以下步骤：步骤1：确定被测零件，通过三坐标测量机获取零件的空间直线测量数据；步骤2：建立空间直线度的误差评定数学模型；步骤3：读取测点数据，带入到空间直线度的误差评定数学模型，对天牛须搜索算法进行初始化；步骤4：天牛须搜索算法迭代求解；步骤5：判断终止条件，判断迭代次数是否满足最大迭代次数，如果满足，则计算终止，如果没有满足，则返回步骤4；步骤6：迭代终止后的适应度函数值即为测点的空间直线度误差。简化求解流程，提高空间直线度误差的评定精度。

Description

基于天牛须搜索算法的空间直线度误差评定方法

技术领域

本发明涉及基于天牛须搜索算法的空间直线度误差评定方法，属于机械零部件精度评定方法领域。

背景技术

由于精密制造技术的不断发展，零件的数字化测量已成为产品全生命周期中的关键步骤。在零件的评定要素中，空间直线度作为管类、轴类零件等误差评定的一项关键形位要素，其评定结果的准确性会在很大程度上影响到零件整体的评定结果。在相关的国际标准和国家标准中，直线度误差评定的主要算法为最小区域法，最小二乘法及智能优化算法等。智能优化算法如遗传算法、粒子群算法等被应用到空间直线度误差评定问题中已较为广泛。但这些算法效果与算法参数选择关系较大，且计算速度较慢，精度不够高，算法鲁棒性需要进一步加强。因此可通过三坐标等测量工具得到的测点数据，求得较高的空间直线度的评定精度，是机械精密测量领域的一个重要研究方向。

天牛须搜索算法是根据天牛觅食原理设计的。天牛有两只长须，如果左边食物气味大于右边，则天牛下一步就往左飞，反之亦然。将食物气味设为函数，天牛的两个须可以采集附近两点气味值，天牛的目的是找到全局气味值最大的点，仿照天牛行为设计智能优化算法进行高效的函数寻优。因此，将天牛须搜索算法引入到现有的空间直线度误差评定，提高零部件的评定精度。

发明内容

本发明的目的是针对现有空间直线度评定技术存在的流程复杂及收敛速度过慢等问题，而提供基于天牛须搜索算法的空间直线度误差评定方法，从而简化求解流程，提高空间直线度误差的评定精度。

为了实现上述的技术特征，本发明的目的是这样实现的：基于天牛须搜索算法的空间直线度误差评定方法，其特征在于它包括以下步骤：

步骤1：确定被测零件，通过三坐标测量机获取零件的空间直线测量数据；

步骤2：建立空间直线度的误差评定数学模型；

步骤3：读取测点数据，带入到空间直线度的误差评定数学模型，对天牛须搜索算法进行初始化；

步骤4：天牛须搜索算法迭代求解；

步骤5：判断终止条件，判断迭代次数是否满足最大迭代次数，如果满足，则计算终止，如果没有满足，则返回步骤4；

步骤6：迭代终止后的适应度函数值即为测点的空间直线度误差。

所述步骤2中空间直线度的误差评定数学模型建立过程为：

建立空间直线的点向式参数方程：

点到空间直线的距离公式：

建立空间直线度的误差评定数学模型：

F＝min(max f(x1，y1，z1，ɑ，b，c)) (3)

式中：(x1，y1，z1)为包容所有测点的理想包容圆柱轴线L上的定点；

(ɑ，b，c)为L在x，y，z方向上的向量参数。

所述步骤3中天牛须搜索算法初始化具体包括以下参数设定：变步长参数Eta，天牛两须间距离d0，天牛步长step，常数c，迭代次数n，问题维度D，随机初始解x＝rands(D，1)，式中：x为D-1内的随机初始值；rands为随机函数。

所述步骤4中天牛须搜索算法迭代过程为：

计算天牛左须坐标为：

XL＝x+d0*dir/2 (4)

计算天牛右须坐标为：

XR＝x-d0*dir/2 (5)

式中：dir＝rands(D，1)；dir为D-1内的随机值；d0为天牛两须间距离；x为随机初始解；

计算天牛左须的气味强度，即函数适应度值：

Fleft＝f(XL) (6)

计算天牛右须的气味强度，即函数适应度值：

Fright＝f(XR) (7)

采用变步长法计算天牛下一步要走的位置：

本发明有如下有益效果：

1、设计理想的空间直线参数方程，直观的反映了空间直线度的求解数学模型，没有最小区域法或最小二乘法中的坐标变换过程与测点预处理过程等繁琐的建模过程，可以充分的应用到所测的数据，并可以应用于大量的测点数据之中。

2、在算法设计方面，设计天牛须搜索算法，算法流程简单，运算量小，收敛速度更快，具有较强的全局寻优能力，容易实现。求解过程完全符合国际标准中的最小区域原理，计算结果精度更高。

附图说明

下面结合附图和实施例对本发明作进一步说明。

图1为本发明的。

图2为本发明的算法迭代曲线图。

图3为本发明的流程图。

具体实施方式

下面结合附图对本发明的实施方式做进一步的说明。

如图1-3所示，基于天牛须搜索算法的空间直线度误差评定方法，其特征在于它包括以下步骤：

步骤1：确定被测零件，通过三坐标测量机获取零件的空间直线测量数据；空间直线度实际上是直线相对于理想直线的偏差量，即包容所有测点的最小圆柱，如图1所示。

步骤2：建立空间直线度的误差评定数学模型；其具体过程为：

建立空间直线的点向式参数方程：

点到空间直线的距离公式：

建立空间直线度的误差评定数学模型：

F＝min(max f(x1，y1，z1，ɑ，b，c))(3)

(ɑ，b，c)为L在x，y，z方向上的向量参数。

步骤3：读取测点数据，带入到空间直线度的误差评定数学模型，对天牛须搜索算法进行初始化；具体包括以下参数设定：变步长参数Eta，天牛两须间距离d0，天牛步长step，常数c，迭代次数n，问题维度D，随机初始解x＝rands(D，1)，式中：x为D-1内的随机初始值；rands为随机函数，进入步骤4；

本实施例中的初始化参数：

其中：Eta＝0.95,c＝5,n＝20,D＝20,step＝1；

Step1＝Eta*step,d0＝step1/c,

步骤4：天牛须搜索算法迭代求解，具体迭代过程为：

计算天牛左须坐标为：

XL＝x+d0*dir/2 (4)

计算天牛右须坐标为：

XR＝x-d0*dir/2 (5)

计算天牛左须的气味强度，即函数适应度值：

Fleft＝f(XL) (6)

计算天牛右须的气味强度，即函数适应度值：

Fright＝f(XR) (7)

采用变步长法计算天牛下一步要走的位置：

步骤6：迭代终止后的适应度函数值即为测点的空间直线度误差。位置坐标为满足目标函数(3)的解，即空间直线的方程参数。迭代曲线如图2所示。

算法结果的分析：

根据读取的测点数据，在算法迭代计算过程中，当迭代到95次时，算法就达到了收敛，收敛速度得到提高；所计算出空间直线度误差值为0.7142mm。误差精度得到进一步提高。

上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都落入本发明的保护范围。

Claims

1.基于天牛须搜索算法的空间直线度误差评定方法，其特征在于它包括以下步骤：

步骤2：建立空间直线度的误差评定数学模型；

步骤4：天牛须搜索算法迭代求解；

2.根据权利要求1所述的基于天牛须搜索算法的空间直线度误差评定方法，其特征在于：所述步骤2中空间直线度的误差评定数学模型建立过程为：

建立空间直线的点向式参数方程：

点到空间直线的距离公式：

建立空间直线度的误差评定数学模型：

F＝min(max f(x1，y1，z1，ɑ，b，c)) (3)

(ɑ，b，c)为L在x，y，z方向上的向量参数。

3.根据权利要求1所述的基于天牛须搜索算法的空间直线度误差评定方法，其特征在于：所述步骤3中天牛须搜索算法初始化具体包括以下参数设定：变步长参数Eta，天牛两须间距离d0，天牛步长step，常数c，迭代次数n，问题维度D，随机初始解x＝rands(D，1)，式中：x为D-1内的随机初始值；rands为随机函数。

4.根据权利要求1所述的基于天牛须搜索算法的空间直线度误差评定方法，其特征在于：所述步骤4中天牛须搜索算法迭代过程为：

计算天牛左须坐标为：

XL＝x+d0*dir/2 (4)

计算天牛右须坐标为：

XR＝x-d0*dir/2 (5)

计算天牛左须的气味强度，即函数适应度值：

Fleft＝f(XL) (6)

计算天牛右须的气味强度，即函数适应度值：

Fright＝f(XR) (7)

采用变步长法计算天牛下一步要走的位置：

。