CN111177645A - 一种基于大规模点云数据的大型高速回转装备误差混合评定方法 - Google Patents
一种基于大规模点云数据的大型高速回转装备误差混合评定方法 Download PDFInfo
- Publication number
- CN111177645A CN111177645A CN201911370019.4A CN201911370019A CN111177645A CN 111177645 A CN111177645 A CN 111177645A CN 201911370019 A CN201911370019 A CN 201911370019A CN 111177645 A CN111177645 A CN 111177645A
- Authority
- CN
- China
- Prior art keywords
- scale
- error
- algorithm
- evaluation method
- solving
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明是一种基于大规模点云数据的大型高速回转装备误差混合评定方法。所述方法为根据最小区域准则的平面度误差评定方法;对平面度误差求解粒子群算法速度和位置进行更新;模拟退火算法机制,根据Gibbs准则正则分布,确定转移概率函数;进行寻优计算,避免陷入局部最优解,提高求解精度;对寻优计算结果采用凸壳算法剔除无效数据,获得有效的测量数据点,并利用粒子群智能优化算法求解平面度。本发明可以准确获得大规模点云数据的平面度形状误差评定值,适用于大型回转类产品几何形状误差的测量和评定。该方法的计算简便且求解精度较高,用于航空发动机转子连接面形状误差的评定,可以使得最终测量评定精度提高,进而提高装配精度。
Description
技术领域
本发明涉及误差混合评定技术领域,是一种基于大规模点云数据的大型高速回转装备误差混合评定方法。
背景技术
现有的测量方法有激光扫描测量法、激光跟踪仪、光学测量法等等,在测量的过程中会积累极其庞大数据量的测量数据,利用传统测量评定法对几何形状误差进行评定的时候,传统方法的弊端就会显露出来,比如测量精度、评定精度相对较低,甚至方法无法收敛到所需要的精度要求,因此亟需提出适合当下新一代测量评定计算的形状误差评定方法,解决评定精度低的问题。
传统的评定方法主要有最小二乘评定算法、最小区域评定算法,最小二乘方法是不符合国家标准和国际标准规定的最小区域包容准则的,采用该方法求的解是一种近似解而不是精确解。特别容易受到个别误差较大值点的影响造成评定测量结果的不准确。因此在高端精密部件的评定中无法使用。在新一代智能评定算法中,可以依据最小区域包容准则建立起所求目标与各个参量之间的函数关系,通过不断的迭代寻优找到满足求解精度的各个参数,进而确定参考平面以及最小区域包容平面。特别地,通过调节各个参数的来使得算法的性能达到最优,进而提高求解的精度以满足测量评定需求。
发明内容
本发明为有效地剔除无效的测量数据点,使得计算复杂性减低,本发明提供了一种基于大规模点云数据的大型高速回转装备误差混合评定方法,本发明提供了以下技术方案:
一种基于大规模点云数据的大型高速回转装备误差混合评定方法,包括以下步骤:
步骤1:根据最小区域准则的平面度误差评定方法,确定所有被测量点集的上下平面即为包容平面;
步骤2:对平面度误差求解粒子群算法速度和位置进行更新;
步骤3:模拟退火算法机制,根据Gibbs准则正则分布,确定转移概率函数:
步骤4:设定概率阈值P<0.8进行寻优计算,避免陷入局部最优解,提高求解精度;
步骤5:对寻优计算结果采用凸壳算法剔除无效数据,获得有效的测量数据点,并利用粒子群智能优化算法求解平面度。
优选地,所述步骤1具体为:
根据最小区域准则的平面度误差评定方法,确定所有被测量点集的上下平面即为包容平面,通过下式表示包容平面的参考法向量方程:
Ax+By+Cz+D=0(1)
其中,A,B,C为参考平面的法向量,D为沿着包容平面法向方向的偏移距离。
优选地,所述步骤2具体为:
根据约束准则确定目标函数,根据目标函数确定平面度误差值:
其中,f为平面度误差值,di为第i个测量点距离平面的距离,zi为纵坐标值,xi为横坐标值;
通过下式表示平面度误差求解粒子群算法速度和位置的更新的公式:
其中,vij为粒子的速度,xij为粒子的位置,t为当前代数,w为惯性权重因子,c1为学习因子,r1为影响因子系数,pbestij(t)为个体最优,gbestij(t)为全局最优。
优选地,所述步骤3具体为:
为了使得算法的求解效率和精度更高,引入模拟退火算法机制,模拟退火算法首先使得初始温度设置较高,然后逐渐减低温度值,目标函数为以上粒子群目标函数优化值,根据Gibbs准则正则分布转移概率函数,通过下式表示所述概率函数:
其中,α为温度衰减系数,T0表示初始设置的温度值,E(j)和E(i)为正则系数,KB表示物理玻尔兹曼常数。
本发明具有以下有益效果:
本发明可以测量大型回转装备的表面形状几何误差,特别地针对大规模的点云数据可以有效地完成形状误差的精确评定,对于内部无效的测量数据点利用凸壳算法将其剔除,进而减小算法的复杂性和计算量,利用最小区域法获得精确的形状误差评定结果。
本发明针对大规模点云数据可以有效地剔除无效的测量数据点,使得计算复杂性减低,进而在利用粒子群智能优化算法根据最小区域包容准则建立起来的目标函数进行寻优,求解获得所求形状误差的平面度误差值。配合回转装备可以有效地完成整个轮廓数据的测量。
本发明可以准确获得大规模点云数据的平面度形状误差评定值,适用于大型回转类产品几何形状误差的测量和评定。该方法的计算简便且求解精度较高,用于航空发动机转子连接面形状误差的评定,可以使得最终测量评定精度提高,进而提高装配精度。
附图说明
图1是基于大规模点云数据的大型高速回转装备误差混合评定原理图;
图2是寻优计算流程图。
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和图2所示,本发明提供一种基于大规模点云数据的大型高速回转装备误差混合评定方法,包括以下步骤:
步骤1:根据最小区域准则的平面度误差评定方法,确定所有被测量点集的上下平面即为包容平面;
所述步骤1具体为:
根据最小区域准则的平面度误差评定方法,确定所有被测量点集的上下平面即为包容平面,通过下式表示包容平面的参考法向量方程:
Ax+By+Cz+D=0 (1)
其中,A,B,C为参考平面的法向量,D为沿着包容平面法向方向的偏移距离。
步骤2:对平面度误差求解粒子群算法速度和位置进行更新;
根据约束准则确定目标函数,根据目标函数确定平面度误差值:
其中,f为平面度误差值,di为第i个测量点距离平面的距离,zi为纵坐标值,xi为横坐标值;
通过下式表示平面度误差求解粒子群算法速度和位置的更新的公式:
其中,vij为粒子的速度,xij为粒子的位置,t为当前代数,w为惯性权重因子,c1为学习因子,r1为影响因子系数,pbestij(t)为个体最优,gbestij(t)为全局最优。
步骤3:模拟退火算法机制,根据Gibbs准则正则分布,确定转移概率函数;
所述步骤3具体为:
为了使得算法的求解效率和精度更高,引入模拟退火算法机制,模拟退火算法首先使得初始温度设置较高,然后逐渐减低温度值,目标函数为以上粒子群目标函数优化值,根据Gibbs准则正则分布转移概率函数,通过下式表示所述概率函数:
其中,α为温度衰减系数,T0表示初始设置的温度值,E(j)和E(i)为正则系数,KB表示物理玻尔兹曼常数。
步骤4:设定概率阈值P<0.8进行寻优计算,避免陷入局部最优解,提高求解精度;
步骤5:对寻优计算结果采用凸壳算法剔除无效数据,获得有效的测量数据点,并利用粒子群智能优化算法求解平面度。
根据图1所示,借助激光扫描装备配合精密回转平台测量大型回转装备表面形状几何误差值,进而进行形状误差的评定,先利用凸壳算法删除内部的冗余测量数据点,根据国际标准以及国家标准建立最小区域评定函数,进而利用改进的粒子群优化算法求解目标优化函数,以获得形状误差的评定结果。相比传统的最小二乘算法计算效率更快,评定精度更高。
以上所述仅是一种基于大规模点云数据的大型高速回转装备误差混合评定方法的优选实施方式,一种基于大规模点云数据的大型高速回转装备误差混合评定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 (4)
1.一种基于大规模点云数据的大型高速回转装备误差混合评定方法,其特征是:包括以下步骤:
步骤1:根据最小区域准则的平面度误差评定方法,确定所有被测量点集的上下平面即为包容平面;
步骤2:对平面度误差求解粒子群算法速度和位置进行更新;
步骤3:模拟退火算法机制,根据Gibbs准则正则分布,确定转移概率函数;
步骤4:设定概率阈值P<0.8进行寻优计算,避免陷入局部最优解,提高求解精度;
步骤5:对寻优计算结果采用凸壳算法剔除无效数据,获得有效的测量数据点,并利用粒子群智能优化算法求解平面度。
2.根据权利要求1所述一种基于大规模点云数据的大型高速回转装备误差混合评定方法,其特征是:所述步骤1具体为:
根据最小区域准则的平面度误差评定方法,确定所有被测量点集的上下平面即为包容平面,通过下式表示包容平面的参考法向量方程:
Ax+By+Cz+D=0 (1)
其中,A,B,C为参考平面的法向量,D为沿着包容平面法向方向的偏移距离。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911370019.4A CN111177645B (zh) | 2019-12-26 | 2019-12-26 | 一种基于大规模点云数据的大型高速回转装备误差混合评定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911370019.4A CN111177645B (zh) | 2019-12-26 | 2019-12-26 | 一种基于大规模点云数据的大型高速回转装备误差混合评定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111177645A true CN111177645A (zh) | 2020-05-19 |
CN111177645B CN111177645B (zh) | 2023-08-29 |
Family
ID=70656526
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911370019.4A Active CN111177645B (zh) | 2019-12-26 | 2019-12-26 | 一种基于大规模点云数据的大型高速回转装备误差混合评定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111177645B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113219426A (zh) * | 2021-05-21 | 2021-08-06 | 上海航天电子通讯设备研究所 | 一种大尺寸sar天线装配测量方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5111590A (en) * | 1989-05-23 | 1992-05-12 | Park Joon Ho | Measuring method of machine tool accuracy using a computer aided kinematic transducer link and its apparatus |
US5535129A (en) * | 1992-06-22 | 1996-07-09 | Asea Brown Boveri Ab | Flatness control in the rolling of strip |
CN102445174A (zh) * | 2011-10-14 | 2012-05-09 | 华南理工大学 | 一种基于支持向量回归的多测点平面度评定方法 |
CN105841640A (zh) * | 2016-04-29 | 2016-08-10 | 北京航空航天大学 | 平面度误差评定方法及装置 |
CN106971087A (zh) * | 2017-05-26 | 2017-07-21 | 上海大学 | 一种基于二次爬山教与学算法的平面度误差评定方法 |
CN107014331A (zh) * | 2017-05-31 | 2017-08-04 | 中国计量大学 | 一种关节臂测量力误差辨识装置及误差辨识校正方法 |
CN108286957A (zh) * | 2017-12-30 | 2018-07-17 | 唐哲敏 | 一种快稳简的平面度误差评定方法 |
CN110285781A (zh) * | 2019-07-10 | 2019-09-27 | 桂林电子科技大学 | 一种相对于基准面的平面平行度快速评定方法 |
CN110579201A (zh) * | 2019-07-25 | 2019-12-17 | 北京航空航天大学 | 一种基于差分进化算法的平面度评定方法 |
-
2019
- 2019-12-26 CN CN201911370019.4A patent/CN111177645B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5111590A (en) * | 1989-05-23 | 1992-05-12 | Park Joon Ho | Measuring method of machine tool accuracy using a computer aided kinematic transducer link and its apparatus |
US5535129A (en) * | 1992-06-22 | 1996-07-09 | Asea Brown Boveri Ab | Flatness control in the rolling of strip |
CN102445174A (zh) * | 2011-10-14 | 2012-05-09 | 华南理工大学 | 一种基于支持向量回归的多测点平面度评定方法 |
CN105841640A (zh) * | 2016-04-29 | 2016-08-10 | 北京航空航天大学 | 平面度误差评定方法及装置 |
CN106971087A (zh) * | 2017-05-26 | 2017-07-21 | 上海大学 | 一种基于二次爬山教与学算法的平面度误差评定方法 |
CN107014331A (zh) * | 2017-05-31 | 2017-08-04 | 中国计量大学 | 一种关节臂测量力误差辨识装置及误差辨识校正方法 |
CN108286957A (zh) * | 2017-12-30 | 2018-07-17 | 唐哲敏 | 一种快稳简的平面度误差评定方法 |
CN110285781A (zh) * | 2019-07-10 | 2019-09-27 | 桂林电子科技大学 | 一种相对于基准面的平面平行度快速评定方法 |
CN110579201A (zh) * | 2019-07-25 | 2019-12-17 | 北京航空航天大学 | 一种基于差分进化算法的平面度评定方法 |
Non-Patent Citations (4)
Title |
---|
XIN LIANG: "Movement flatness error measurement based on an astigmatic method", pages 4347 - 4352 * |
孙传智: "基于矢量投影的多级转子同轴度测量方法研究", pages 1 - 93 * |
崔长彩: "利用粒子群优化算法的平面度误差评定", 《华侨大学学报(自然科学版)》, pages 507 - 509 * |
郭崇颖: "复杂产品几何误差评定与装配精度预测研究", pages 1 - 148 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113219426A (zh) * | 2021-05-21 | 2021-08-06 | 上海航天电子通讯设备研究所 | 一种大尺寸sar天线装配测量方法 |
CN113219426B (zh) * | 2021-05-21 | 2022-11-25 | 上海航天电子通讯设备研究所 | 一种大尺寸sar天线装配测量方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111177645B (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108428017B (zh) | 基于核极限学习机分位数回归的风电功率区间预测方法 | |
CN110490932B (zh) | 单目红外共面光标迭代优化测量行车吊臂空间位姿方法 | |
CN109458994B (zh) | 一种空间非合作目标激光点云icp位姿匹配正确性判别方法及系统 | |
JP7351029B2 (ja) | 複雑地形においてLiDARで風の流れの乱流を測定するためのシステムおよび方法 | |
CN114492113B (zh) | 一种基于激光映射实体网格的冲击损伤数值模拟优化方法 | |
CN108681524A (zh) | 一种基于混合进化算法的自由曲线轮廓度误差评定方法 | |
CN116822567B (zh) | 一种蒸发波导预测模型参数的优化方法 | |
CN111177645B (zh) | 一种基于大规模点云数据的大型高速回转装备误差混合评定方法 | |
CN111891176A (zh) | 基于轨道几何状态测量仪的轨道测量数据整体平差方法 | |
CN113947035A (zh) | 一种高超声速边界层转捩数据天地相关性方法 | |
CN112468229A (zh) | 基于混合分布模型的大气湍流信道衰落参数估计方法 | |
CN109752086A (zh) | 基于bellhop的快速声场计算方法 | |
CN109397293B (zh) | 一种基于移动机器人的地面水平误差建模及补偿方法 | |
CN115289999B (zh) | 一种三维激光扫描系统的自校准方法 | |
CN107590346B (zh) | 基于空间多重相关解集算法的降尺度校正模型 | |
CN111768435B (zh) | 一种应用于零件自动找正的自适应步长点云配正方法 | |
CN114608540A (zh) | 一种数字摄影测量系统的测量网型确定方法 | |
CN107726974B (zh) | 基于测距传感器的复杂曲面叶片迭代扫描测量方法 | |
CN109115161A (zh) | 一种基于空间定向收缩及改进布谷鸟搜索算法的球度评定方法 | |
CN112858979B (zh) | 基于三维大气电场测量的雷暴云点电荷定位海拔校正方法 | |
CN116086586B (zh) | 一种基于粒子群优化阵列处理的船舶辐射噪声测量方法 | |
CN113920180B (zh) | 一种基于正态分布变换假设校验的点云配准优化方法 | |
CN114877876B (zh) | 一种无人机悬停精度评估方法 | |
CN108022240B (zh) | 基于多种群联合演化的螺旋叶片图像分割方法 | |
CN117691689A (zh) | 基于多策略改进秃鹰搜索算法的光伏逆变器参数辨识方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |