CN110929353A - 一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法 - Google Patents
一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法 Download PDFInfo
- Publication number
- CN110929353A CN110929353A CN201911213663.0A CN201911213663A CN110929353A CN 110929353 A CN110929353 A CN 110929353A CN 201911213663 A CN201911213663 A CN 201911213663A CN 110929353 A CN110929353 A CN 110929353A
- Authority
- CN
- China
- Prior art keywords
- error
- cylindrical profile
- scale high
- speed rotation
- simplex
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/20—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring contours or curvatures, e.g. determining profile
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明是一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法。包括以下步骤:建立大型高速回转装备圆柱轮廓测量模型;确定测头半径误差和测头支杆倾斜角:步骤3:通过单纯性优化算法确定待估参数,建立目标函数;对于每个截面轮廓的目标函数,采用单纯形寻优算法估计得到参数的估计值,通过估计值消除影响;采用单纯形寻优估计法对目标函数直接求解,得到大型高速回转装备圆柱轮廓测量模型的整体偏心误差、几何轴线倾斜误差和最小二乘半径的精确估计值;逐点分离多偏置误差。本发明可实现在不对测量模型和误差参数估计过程进行任何简化的前提下,同时实现对多个偏置误差参量的精确估计和分离,显著提高了误差分离准确性。
Description
技术领域
本发明涉及误差分离技术领域,是一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法。
背景技术
误差分离技术作为对硬件加工技术的补充,在精密工程技术领域发挥着越来越重要的作用,尤其是大型回转类零件进行表面形状测量时,极易受到测量装备系统偏置误差的影响,最终导致无法满足测量精度需求,因此亟需通过“软技术”将系统误差分离出去,以获得准确的表面形状测量数据,提高测量精度。目前国内外对误差分离方面的研究主要集中于圆柱轮廓模型中单一偏置误差参数的分离上。Venkaiah采用线性化处理方法对双参数圆柱轮廓模型进行简化,得到了偏心参数和被测试件倾斜参数的近似估计值;胡星烨提出圆柱度测量中被测试件几何轴线倾斜参数分离方法,基本原理是在包含倾斜参数在内的圆柱轮廓模型的基础上建立误差补偿模型进行逐点补偿。但是由于加工技术水平的限制,测量系统中存在多种偏置误差且耦合形式复杂。若在不存在原理误差的前提下,使分离过程依参数间的不同联系分别进行,将成为误差分离技术研究的新方向,而且若在误差分离中同时使用参数估计精确度更高的优化,无疑能进一步提高大型高速回转装备圆柱轮廓的测量精度。
发明内容
本发明为在误差分离中同时使用参数估计精确度更高的优化,本发明提供了一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法,本发明提供了以下技术方案:
一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法,包括以下步骤:
步骤1:建立大型高速回转装备圆柱轮廓测量模型;
步骤2:确定测头半径误差和测头支杆倾斜角;
步骤3:通过单纯性优化算法确定待估参数,建立目标函数;
步骤4:对于每个截面轮廓的目标函数,采用单纯形寻优算法估计得到参数的估计值,通过估计值消除影响;
步骤5:采用单纯形寻优估计法对目标函数直接求解,得到大型高速回转装备圆柱轮廓测量模型的整体偏心误差、几何轴线倾斜误差和最小二乘半径的精确估计值;
步骤6:重复步骤2至步骤5,逐点分离多偏置误差。
优选地,所述步骤1具体为:
建立大型高速回转装备圆柱轮廓测量模型,通过下式表示大型高速回转装备圆柱轮廓测量模型:
其中,ρij为被测试件圆柱轮廓上第j截面第i测点到瞬时测量中心的距离;Δrij为被测试件圆柱轮廓的表面加工误差;roj为第j截面的最小二乘半径;ej为复合偏心量;αj为复合偏心角;dj为传感器测头偏移量;r为传感器测头半径;为传感器测头支杆倾斜角;γ为几何轴线倾斜误差;θij为相对于转台回转中心的采样角度。
优选地,所述步骤2具体为:
步骤2.2:将直测参数带入大型高速回转装备圆柱轮廓测量模型消去其影响,通过下式表示:
优选地,所述步骤3具体为:
通过单纯形优化算法精确估计出来待估参数,建立目标函数,通过下式表示目标函数:
优选地,所述步骤4具体为:
其中,(e1,α1)为被测试件整体偏心误差;{l,m,1}为被测试件几何轴线倾斜角γ对应的方向向量;ro为被测试件最小二乘半径。
优选地,所述步骤5具体为:
步骤5.1:根据最小二乘原理,建立截面轮廓的目标函数ξ2j,通过下式表示表示ξ2j:
步骤5.2:采用单纯形寻优估计法对式目标函数ξ2j(e1,α1,l,m,ro)直接进行求解,获得大型高速回转装备圆柱轮廓测量模型的整体偏心误差(e1,α1)、几何轴线倾斜误差{l,m,1}以及最小二乘半径ro的精确估计值
本发明具有以下有益效果:
本发明基于大型高速回转装备圆柱轮廓测量模型,利用单纯形优化算法,可实现在不对测量模型和误差参数估计过程进行任何简化的前提下,同时实现对多个偏置误差参量的精确估计和分离,显著提高了误差分离准确性,解决了现有误差分离方法因模型线性化导致的原理缺陷、估计精度低的问题;
本发明利用多个误差参量间的相互联系,提出对五个偏置误差参数按类别实现同时分离的方法,同时以传统双参数模型的线性化估计值为初始估计量,采用单纯形优化估计算法得到更加精准的误差参量估计结果,因此可适当放宽测量时对偏置误差的调整要求,在一定程度上减轻了测量人员的劳动强度,提高了测量效率。
附图说明
图1是被测试件整体测量示意图;
图2是为第j截面的测量模型;
图3是单纯形优化算法优化流程图。
具体实施方式
以下结合具体实施例,对本发明进行了详细说明。
具体实施例一:
根据图1-3所示,本发明提供一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法,包括以下步骤:
步骤1:建立大型高速回转装备圆柱轮廓测量模型;
步骤2:确定测头半径误差和测头支杆倾斜角;
步骤3:通过单纯性优化算法确定待估参数,建立目标函数;
步骤4:对于每个截面轮廓的目标函数,采用单纯形寻优算法估计得到参数的估计值,通过估计值消除影响;
步骤5:采用单纯形寻优估计法对目标函数直接求解,得到大型高速回转装备圆柱轮廓测量模型的整体偏心误差、几何轴线倾斜误差和最小二乘半径的精确估计值;
步骤6:重复步骤2至步骤5,逐点分离多偏置误差。
发明中所用的大型高速回转装备圆柱轮廓测量方程如下:
式中,ρij为被测试件圆柱轮廓上第j截面第i测点到瞬时测量中心的距离;Δrij为被测试件圆柱轮廓的表面加工误差;roj为第j截面的最小二乘半径;ej为复合偏心量;αj为复合偏心角;dj为传感器测头偏移量;r为传感器测头半径;为传感器测头支杆倾斜角;γ为几何轴线倾斜误差(设其方向向量为(l,m,n));θij为相对于转台回转中心的采样角度。
根据图1所示,被测试件整体测量示意图;图2为第j截面的测量模型;其中,Z为转台回转轴线;L为被测试件几何轴线;O11为初始截面测量回转中心;O21为被测件初始截面几何中心;e1为初始偏心量;α1为初始偏心角;Pij为第j截面的第i测点;O1j为截面j的测量回转中心;O2j为截面j的几何中心;O3j为截面j的瞬时回转中心;O4j为传感器测头中心;γ为几何轴线倾斜角;ej为截面偏心量;αj为截面偏心角;dj为传感器测头偏移量;r为测头半径;ρij为测量点到测量回转中心O3j的距离;roj为测量点到几何中心O2j的距离;Δrij为被测试件表面加工误差;θij为相对于转台回转中心O1j的采样角度;为相对于截面几何中心O2j的采样角度
根据误差参数间的不同联系,上式中涉及的误差参数可分为直测参数和待估参数。直测参数包括测球半径r和测头支杆倾角待估参数包括测头偏移参数dj,被测试件几何轴线倾斜角γ以及被测试件整体偏心误差e1、α1,参数估计与分离过程如下:
2)待估参数可通过单纯形优化算法精确估计出来,由上式建立目标函数为:
式中:(e1,α1)为被测试件整体偏心误差;{l,m,1}为被测试件几何轴线倾斜角γ对应的方向向量;ro为被测试件最小二乘半径;ρij 2的值已由ρij 1获得。
4)由公式(3)可得:
5)根据最小二乘原理,建立目标函数ξ2j可表示为:
6)采用单纯形寻优估计法对式(5)中目标函数ξ2j(e1,α1,l,m,ro)直接进行求解,获得严格符合大型高速回转装备圆柱轮廓测量模型的整体偏心误差(e1,α1)、几何轴线倾斜误差{l,m,1}以及最小二乘半径ro的精确估计值将估计值代入公式(3),逐点同时分离出被测试件整体偏心误差以及几何轴线倾斜带来的二次偏心影响:
具体实施例2::为了获取更加准确的偏置误差估计值,本发明引入单纯形优化算法,寻优估计过程如下:
1)选取合适的初始单纯形,给定相应的推移系数r,迭代终止条件ε>0。
由于初始点的选择直接影响优化搜索的识别精度和计算量,本发明在初始单纯形的选择上首先对传统双参数圆柱轮廓测量模型进行简化估计,得到{e1,α1,l,m,ro}的初步估计值:
2)将初始单纯形各顶点按搜索目标函数值的大小重新排序并编号,编号规则满足:
ξ2j(X(1))<ξ2j(X(2))<ξ2j(X(3))<ξ2j(X(4))<ξ2j(X(5))<ξ2j(X(6))
4)单纯形反射,令反射点为X(8),可得:X(8)=X(7)+r(X(7)-X(6)),r=1
若ξ2j(X(8))<ξ2j(X(1)),转入步骤5);若ξ2j(X(8))<ξ2j(X(2)),转入步骤6);若ξ2j(X(8))>ξ2j(X(2))且ξ2j(X(8))>ξ2j(X(6)),转入步骤7)。
5)单纯形扩大,令扩大点为X(9),可得:X(9)=X(7)+r(X(8)-X(7)),r=1
若ξ2j(X(9))<ξ2j(X(1)),则令X(9)=X(6),构造扩大单纯形。
6)单纯形反映,令X(6)=X(8)构造新单纯形,转入步骤2)。
7)单纯形收缩,令收缩点为X(10),可得:X(10)=X(7)+r(X(8)-X(7)),0<r<1
若ξ2j(X(10))<ξ2j(X(6)),则令X(3)=X(10)构造收缩单纯形,转入步骤2);否则进入步骤8)。
8)单纯形内收缩,令收缩点为X(11),可得:X(11)=X(7)+r(X(7)-X(6)),r<0
构造内收缩单纯形,若ξ2j(X(11))<ξ2j(X(6)),转入步骤2);否则进入步骤9)。
令X(6)=X(12),X(2)=X(7),转入步骤2)。
以上所述仅是一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法的优选实施方式,一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法的保护范围并不仅局限于上述实施例,凡属于该思路下的技术方案均属于本发明的保护范围。应当指出,对于本领域的技术人员来说,在不脱离本发明原理前提下的若干改进和变化,这些改进和变化也应视为本发明的保护范围。
Claims (6)
1.一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法,其特征是:包括以下步骤:
步骤1:建立大型高速回转装备圆柱轮廓测量模型;
步骤2:确定测头半径误差和测头支杆倾斜角;
步骤3:通过单纯性优化算法确定待估参数,建立目标函数;
步骤4:对于每个截面轮廓的目标函数,采用单纯形寻优算法估计得到参数的估计值,通过估计值消除影响;
步骤5:采用单纯形寻优估计法对目标函数直接求解,得到大型高速回转装备圆柱轮廓测量模型的整体偏心误差、几何轴线倾斜误差和最小二乘半径的精确估计值;
步骤6:重复步骤2至步骤5,逐点分离多偏置误差。
6.根据权利要求1所述的一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法,其特征是:所述步骤5具体为:
步骤5.1:根据最小二乘原理,建立每个截面轮廓的目标函数ξ2j,通过下式表示表示ξ2j:
步骤5.2:采用单纯形寻优估计法对式目标函数ξ2j(e1,α1,l,m,ro)直接进行求解,获得大型高速回转装备圆柱轮廓测量模型的整体偏心误差(e1,α1)、几何轴线倾斜误差{l,m,1}以及最小二乘半径ro的精确估计值
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911213663.0A CN110929353A (zh) | 2019-12-02 | 2019-12-02 | 一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911213663.0A CN110929353A (zh) | 2019-12-02 | 2019-12-02 | 一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110929353A true CN110929353A (zh) | 2020-03-27 |
Family
ID=69847172
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911213663.0A Pending CN110929353A (zh) | 2019-12-02 | 2019-12-02 | 一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110929353A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115096244A (zh) * | 2022-06-14 | 2022-09-23 | 哈尔滨工业大学 | 一种以惯性轴为回转轴的高速回转装备同轴度测量方法 |
-
2019
- 2019-12-02 CN CN201911213663.0A patent/CN110929353A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115096244A (zh) * | 2022-06-14 | 2022-09-23 | 哈尔滨工业大学 | 一种以惯性轴为回转轴的高速回转装备同轴度测量方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107167169B (zh) | 基于机器视觉系统的指针式仪表读数识别测量方法 | |
CN108613630B (zh) | 基于图像处理技术的两线型管水准器气泡偏移量测量方法 | |
CN111369607B (zh) | 一种基于图片解析的预制构件拼装匹配方法 | |
CN109751965B (zh) | 一种基于三维点云的精密球形偶件选配和间隙测量方法 | |
CN104392476A (zh) | 基于最小包围盒算法提取隧道三维轴线的方法 | |
CN103615983A (zh) | 基于机器视觉的气浮式乒乓球直径和偏心检测装置和方法 | |
CN109443265A (zh) | 基于极角二分法搜索寻优圆周等分孔位置度的评定方法 | |
CN116597013B (zh) | 一种基于不同经纬度区域的卫星图像几何定标方法 | |
CN116399820B (zh) | 植被遥感产品真实性校验方法、装置、设备及介质 | |
CN107990856A (zh) | 一种超量程工件的空间位置误差检测方法 | |
CN111765902A (zh) | 一种基于多棱锥标靶的激光点云精度评估方法 | |
CN114608461B (zh) | 一种非均匀壁厚零件的激光扫描测量方法 | |
CN110068313B (zh) | 一种基于投影变换的数字天顶仪定向方法 | |
CN110929353A (zh) | 一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法 | |
CN203687884U (zh) | 基于机器视觉的气浮式乒乓球直径和偏心检测装置 | |
CN111815580B (zh) | 一种图像边缘识别方法及小模数齿轮模数检测方法 | |
CN113888641A (zh) | 一种基于机器视觉和深度学习的立木胸径测量方法 | |
CN107063330B (zh) | 用于多传感器测量系统的多孔板标准器及联合误差检测法 | |
CN106323587B (zh) | 机翼风洞试验模型弹性变形的单目视频高精度测量方法 | |
CN113989513A (zh) | 一种方形指针式仪表读数识别的方法 | |
CN115451821A (zh) | 电缆绝缘层结构尺寸测试仪校准方法及标准样板 | |
CN113029103B (zh) | 一种风机塔筒基础环的倾斜测量方法、系统和存储介质 | |
CN112344863B (zh) | 一种自由曲面回转体工件壁厚检测方法 | |
TWI444586B (zh) | 零件形位公差檢測系統及方法 | |
CN110929742B (zh) | 一种基于粒子群寻优的大型高速回转装备功能性滤波方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |