CN115096243B - 云适应遗传算法寻找最优回转轴的标准器同轴度测量方法 - Google Patents
云适应遗传算法寻找最优回转轴的标准器同轴度测量方法 Download PDFInfo
- Publication number
- CN115096243B CN115096243B CN202210669972.4A CN202210669972A CN115096243B CN 115096243 B CN115096243 B CN 115096243B CN 202210669972 A CN202210669972 A CN 202210669972A CN 115096243 B CN115096243 B CN 115096243B
- Authority
- CN
- China
- Prior art keywords
- standard
- coaxiality
- rotation axis
- parameter
- axiality
- 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.)
- Active
Links
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
- G01B21/22—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 angles or tapers; for testing the alignment of axes
- G01B21/24—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 angles or tapers; for testing the alignment of axes for testing alignment of axes
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
云适应遗传算法寻找最优回转轴的标准器同轴度测量方法,它涉及一种标准器同轴度测量方法。本发明为了解决现有标准器同轴度测量方法的测量精度无法再进一步提高的问题。本发明的步骤为:步骤一、确定同轴度标准器回转轴线参数;步骤二、利用云适应遗传算法迭代出标准器回转轴线最优解;步骤三、进行标准器同轴度评定。本发明属于标准器同轴度测量领域。
Description
技术领域
本发明涉及一种标准器同轴度测量方法,属于标准器同轴度测量领域。
背景技术
同轴度检测能力是大型回转装备测量仪器的重要参数和指标,为了提高测量仪器的可靠性和现场检定的可靠性,通常采用同轴度标准器来完成大型回转装备测量仪器同轴度的校准。因此,同轴度标准器的精度决定了大型回转装备测量仪器同轴度测量的可靠性和精度。同轴度标准器由于加工精度受机械制造精度影响,其同轴度总会在存在误差。国内外专家学者从不同角度进行高精度同轴度标准器研制,一些专家通过同轴度智能评定算法如基于支持向量机的同轴度评定算法、基于粒子群的同轴度评定算法,另外一些学者利用同轴度定义通过最小区域法、最小二乘法等完成同轴度评定精度的提升。但是现在同轴度精度的提升达到了瓶颈,需要根据同轴度定义及其评定步骤对其精度进行进一步提升。
发明内容
本发明为解决现有标准器同轴度测量方法的测量精度无法再进一步提高的问题,进而提出云适应遗传算法寻找最优回转轴的标准器同轴度测量方法。
本发明为解决上述问题采取的技术方案是:本发明的步骤为:
步骤一、确定同轴度标准器回转轴线参数;
步骤二、利用云适应遗传算法迭代出标准器回转轴线最优解;
步骤三、进行标准器同轴度评定。
进一步的,步骤一中确定同轴度标准器回转轴线参数的方法为:
向量m(a,b,c)为同轴度标准器回转轴线的方向向量,点P0(x0,y0,z0)为同轴度标准器回转轴线上一点,则标准器回转轴线方程可以表示为:
点Pi(xi,yi,zi)为同轴度标准器第i个截面上一点,根据点到空间直线方程,点Pi(xi,yi,zi)到同轴度标准器回转轴线距离di可以表示为:
由公式(1)和(2)可得,同轴度标准器回转轴线的重要参数包括基准轴线参数:x0,y0,z0,a,b,c;根据同轴度定义可知,同轴度标准器最优回转轴线需满足:
f(x0,y0,z0,a,b,c)=min(max{di}-min{di}) (3)。
进一步的,步骤二中利用云适应遗传算法迭代出标准器回转轴线最优解的步骤为:
步骤A、对同轴度标准器回转轴线参数进行编码操作;将同轴度标准器回转轴线待优化参数组成个体;假设同轴度标准器回转轴线重要参数的可行解为si={x0i,y0i,z0i,ai,bi,ci},同轴度标准器回转轴线最小二乘解为(xl,yl,zlsm,al,bl,cl),同轴度标准器第i个截面圆圆心的参数可行解表示为s1i={x1i,y1i},同轴度标准器回转轴线参数最小二乘解表示为(x1l,y1l),Δ1和Δ2表示变化量,则可以将同轴度标准器回转轴线各参数初始解的范围表示为:
根据公式(4)对对同轴度标准器回转轴线参数进行编码操作;
步骤B、进行同轴度标准器回转轴线参数适应度计算;同轴度标准器回转轴线参数和第i个截面圆圆心参数对应的适应度函数为:
步骤C、进行同轴度标准器回转轴线参数选择操作;以同轴度标准器回转轴线参数适应度值为基础,根据轮盘赌算子对种群个体进行选择;被选择的概率表示为:
公式(6)中,N1和N2表示种群大小,si表示可行解,s1i表示同轴度标准器第i个截面圆圆心的参数可行解;被选择的概率与同轴度标准器回转轴线参数适应度值正相关;
步骤D、进行同轴度标准器回转轴线参数交叉操作;随机设置种***叉点,将该点前后两个个体的组成基因互换,生成新轴线参数组合;交叉概率由云条件发生器给出:
公式(7)中,k1~k4∈[0~1],c1~c4表示控制参数,En表示期望值,He表示标准偏差,f表示变异参数组合适应度,f′表示交叉两个体适应度的较大值,fmax表示轴线参数最大适应度,表示平均适应度;
步骤E、进行同轴度标准器回转轴线参数变异操作,变异概率上通过后代的种群适应度判断,由云条件发生器给出:
公式(8)中,k1~k4∈[0~1],c1~c4表示控制参数,En表示期望值,He表示标准偏差,f表示变异参数组合适应度,f′表示交叉两个体适应度的较大值,fmax表示轴线参数最大适应度,表示平均适应度;
操作完成后,得到同轴度标准器回转轴线最优参数组合,则轴线方程可以表示为:
进一步的,步骤三中进行标准器同轴度评定的过程为:
转子第j个截面上的几何中心Oj(xjo,yjo,zjo)到标准器回转轴线的距离为:
标准器同轴度可以表示为:
C=2×max{Di} (11)。
本发明的有益效果是:本发明通过云适应遗传算法实现寻找最优回转轴,可以提高同轴度标准器精度,有利于对大型同轴度测量仪器进行量值溯源,对提高工件同轴度测量精度具有重要意义;本发明通过寻找最优回转轴实现了同轴度标准器评定精度的提升,解决了同轴度标准器评定遇到的瓶颈。为验证本发明采用云适应遗传算法寻找最优回转轴进行同轴度评定的有效性,本发明参考文献将同轴度评定结果与最小二乘评定结果进行了比验证。结果表明,采用最小二乘法求得同轴度为23.80μm,采用云适应遗传算法得到的标准器同轴度为20.78μm。由此可见,本发明基于云适应遗传算法寻找最优回转轴的标准器同轴度测量方法具有一定优势,可提高同轴度标准器精度。
附图说明
图1是本发明的流程框图;
图2是基于云适应遗传算法的同轴度标准器回转轴线参数寻优示意图。
具体实施方式
具体实施方式一:结合图1和图2说明本实施方式,本实施方式所述云适应遗传算法寻找最优回转轴的标准器同轴度测量方法的具体步骤如下:
步骤一、确定同轴度标准器回转轴线参数;
步骤二、利用云适应遗传算法迭代出标准器回转轴线最优解;
步骤三、进行标准器同轴度评定。
具体实施方式二:结合图1和图2说明本实施方式,本实施方式所述云适应遗传算法寻找最优回转轴的标准器同轴度测量方法的步骤一中确定同轴度标准器回转轴线参数的方法为:
向量m(a,b,c)为同轴度标准器回转轴线的方向向量,点P0(x0,y0,z0)为同轴度标准器回转轴线上一点,则标准器回转轴线方程可以表示为:
点Pi(xi,yi,zi)为同轴度标准器第i个截面上一点,根据点到空间直线方程,点Pi(xi,yi,zi)到同轴度标准器回转轴线距离di可以表示为:
由公式(1)和(2)可得,同轴度标准器回转轴线的重要参数包括基准轴线参数:x0,y0,z0,a,b,c;根据同轴度定义可知,同轴度标准器最优回转轴线需满足:
f(x0,y0,z0,a,b,c)=min(max{di}-min{di}) (3)。
具体实施方式三:结合图1和图2说明本实施方式,本实施方式所述云适应遗传算法寻找最优回转轴的标准器同轴度测量方法的步骤二中利用云适应遗传算法迭代出标准器回转轴线最优解的步骤为:
步骤A、对同轴度标准器回转轴线参数进行编码操作;将同轴度标准器回转轴线待优化参数组成个体;假设同轴度标准器回转轴线重要参数的可行解为si={x0i,y0i,z0i,ai,bi,ci},同轴度标准器回转轴线最小二乘解为(xl,yl,zlsm,al,bl,cl),同轴度标准器第i个截面圆圆心的参数可行解表示为s1i={x1i,y1i},同轴度标准器回转轴线参数最小二乘解表示为(x1l,y1l),Δ1和Δ2表示变化量,则可以将同轴度标准器回转轴线各参数初始解的范围表示为:
根据公式(4)对对同轴度标准器回转轴线参数进行编码操作;
步骤B、进行同轴度标准器回转轴线参数适应度计算;同轴度标准器回转轴线参数和第i个截面圆圆心参数对应的适应度函数为:
步骤C、进行同轴度标准器回转轴线参数选择操作;以同轴度标准器回转轴线参数适应度值为基础,根据轮盘赌算子对种群个体进行选择;被选择的概率表示为:
公式(6)中,N1和N2表示种群大小,si表示可行解,s1i表示同轴度标准器第i个截面圆圆心的参数可行解;被选择的概率与同轴度标准器回转轴线参数适应度值正相关;
步骤D、进行同轴度标准器回转轴线参数交叉操作;随机设置种***叉点,将该点前后两个个体的组成基因互换,生成新轴线参数组合;交叉概率由云条件发生器给出:
公式(7)中,k1~k4∈[0~1],c1~c4表示控制参数,En表示期望值,He表示标准偏差,f表示变异参数组合适应度,f′表示交叉两个体适应度的较大值,fmax表示轴线参数最大适应度,表示平均适应度;
步骤E、进行同轴度标准器回转轴线参数变异操作,变异概率上通过后代的种群适应度判断,由云条件发生器给出:
公式(8)中,k1~k4∈[0~1],c1~c4表示控制参数,En表示期望值,He表示标准偏差,f表示变异参数组合适应度,f′表示交叉两个体适应度的较大值,fmax表示轴线参数最大适应度,表示平均适应度;
操作完成后,得到同轴度标准器回转轴线最优参数组合,则轴线方程可以表示为:
具体实施方式四:结合图1和图2说明本实施方式,本实施方式所述云适应遗传算法寻找最优回转轴的标准器同轴度测量方法的步骤三中进行标准器同轴度评定的过程为:
转子第j个截面上的几何中心Oj(xjo,yjo,zjo)到标准器回转轴线的距离为:
标准器同轴度可以表示为:
C=2×max{Di} (11)。
以上所述,仅是本发明的较佳实施例而已,并非对本发明作任何形式上的限制,虽然本发明已以较佳实施例揭露如上,然而并非用以限定本发明,任何熟悉本专业的技术人员,在不脱离本发明技术方案范围内,当可利用上述揭示的技术内容做出些许更动或修饰为等同变化的等效实施例,但凡是未脱离本发明技术方案内容,依据本发明的技术实质,在本发明的精神和原则之内,对以上实施例所作的任何简单的修改、等同替换与改进等,均仍属于本发明技术方案的保护范围之内。
Claims (1)
1.云适应遗传算法寻找最优回转轴的标准器同轴度测量方法,其特征在于:所述云适应遗传算法寻找最优回转轴的标准器同轴度测量方法的具体步骤如下:
步骤一、确定同轴度标准器回转轴线参数;确定同轴度标准器回转轴线参数的方法为:
向量m(a,b,c)为同轴度标准器回转轴线的方向向量,点P0(x0,y0,z0)为同轴度标准器回转轴线上一点,则标准器回转轴线方程可以表示为:
点Pi(xi,yi,zi)为同轴度标准器第i个截面上一点,根据点到空间直线方程,点Pi(xi,yi,zi)到同轴度标准器回转轴线距离di可以表示为:
由公式(1)和(2)可得,同轴度标准器回转轴线的重要参数包括基准轴线参数:x0,y0,z0,a,b,c;根据同轴度定义可知,同轴度标准器最优回转轴线需满足:
f(x0,y0,z0,a,b,c)=min(max{di}-min{di})(3);
步骤二、利用云适应遗传算法迭代出标准器回转轴线最优解;利用云适应遗传算法迭代出标准器回转轴线最优解的步骤为:
步骤A、对同轴度标准器回转轴线参数进行编码操作;将同轴度标准器回转轴线待优化参数组成个体;假设同轴度标准器回转轴线重要参数的可行解为si={x0i,y0i,z0i,ai,bi,ci},同轴度标准器回转轴线最小二乘解为(xl,yl,zl,al,bl,cl),同轴度标准器第i个截面圆圆心的参数可行解表示为s1i={x1i,y1i},同轴度标准器回转轴线参数最小二乘解表示为(x1l,y1l),Δ1和Δ2表示变化量,则可以将同轴度标准器回转轴线各参数初始解的范围表示为:
根据公式(4)对同轴度标准器回转轴线参数进行编码操作;
步骤B、进行同轴度标准器回转轴线参数适应度计算;同轴度标准器回转轴线参数和第i个截面圆圆心参数对应的适应度函数为:
步骤C、进行同轴度标准器回转轴线参数选择操作;以同轴度标准器回转轴线参数适应度值为基础,根据轮盘赌算子对种群个体进行选择;被选择的概率表示为:
公式(6)中,N1和N2表示种群大小,si表示可行解,s1i表示同轴度标准器第i个截面圆圆心的参数可行解;被选择的概率与同轴度标准器回转轴线参数适应度值正相关;
步骤D、进行同轴度标准器回转轴线参数交叉操作;随机设置种***叉点,将该点前后两个个体的组成基因互换,生成新轴线参数组合;交叉概率由云条件发生器给出:
公式(7)中,k1~k4∈[0~1],c1~c4表示控制参数,En表示期望值,He表示标准偏差,f表示变异参数组合适应度,f′表示交叉两个体适应度的较大值,fmax表示轴线参数最大适应度,表示平均适应度;
步骤E、进行同轴度标准器回转轴线参数变异操作,变异概率上通过后代的种群适应度判断,由云条件发生器给出:
公式(8)中,k1~k4∈[0~1],c1~c4表示控制参数,En表示期望值,He表示标准偏差,f表示变异参数组合适应度,f′表示交叉两个体适应度的较大值,fmax表示轴线参数最大适应度,表示平均适应度;
操作完成后,得到同轴度标准器回转轴线最优参数组合,则轴线方程可以表示为:
步骤三、进行标准器同轴度评定;进行标准器同轴度评定的过程为:
转子第j个截面上的几何中心Oj(xjo,yjo,zjo)到标准器回转轴线的距离为:
标准器同轴度可以表示为:
C=2×max{Di} (11)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210669972.4A CN115096243B (zh) | 2022-06-14 | 2022-06-14 | 云适应遗传算法寻找最优回转轴的标准器同轴度测量方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210669972.4A CN115096243B (zh) | 2022-06-14 | 2022-06-14 | 云适应遗传算法寻找最优回转轴的标准器同轴度测量方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115096243A CN115096243A (zh) | 2022-09-23 |
CN115096243B true CN115096243B (zh) | 2023-08-18 |
Family
ID=83291033
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210669972.4A Active CN115096243B (zh) | 2022-06-14 | 2022-06-14 | 云适应遗传算法寻找最优回转轴的标准器同轴度测量方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115096243B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101614563A (zh) * | 2009-06-11 | 2009-12-30 | 哈尔滨工业大学 | 基于二截面径向差和倾斜量提取主轴回转精度测量方法 |
CN106960102A (zh) * | 2017-03-28 | 2017-07-18 | 上海大学 | 一种基于二次爬山萤火虫算法的空间直线度评定方法 |
CN109099877A (zh) * | 2018-06-29 | 2018-12-28 | 湖北汽车工业学院 | 基于天牛须搜索算法的空间圆柱度误差评定方法 |
WO2019033581A1 (zh) * | 2017-08-15 | 2019-02-21 | 广东工业大学 | 一种圆形孔径的同轴度测量方法及装置 |
CN110398219A (zh) * | 2019-08-05 | 2019-11-01 | 安徽工业大学 | 一种基于混合优化算法的关节臂式坐标测量机参数标定方法 |
CN112801387A (zh) * | 2021-02-04 | 2021-05-14 | 南京邮电大学 | 一种基于改进遗传算法的云制造服务组合优化方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5100612B2 (ja) * | 2008-10-29 | 2012-12-19 | 住友重機械工業株式会社 | 真直度測定方法及び真直度測定装置 |
-
2022
- 2022-06-14 CN CN202210669972.4A patent/CN115096243B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101614563A (zh) * | 2009-06-11 | 2009-12-30 | 哈尔滨工业大学 | 基于二截面径向差和倾斜量提取主轴回转精度测量方法 |
CN106960102A (zh) * | 2017-03-28 | 2017-07-18 | 上海大学 | 一种基于二次爬山萤火虫算法的空间直线度评定方法 |
WO2019033581A1 (zh) * | 2017-08-15 | 2019-02-21 | 广东工业大学 | 一种圆形孔径的同轴度测量方法及装置 |
CN109099877A (zh) * | 2018-06-29 | 2018-12-28 | 湖北汽车工业学院 | 基于天牛须搜索算法的空间圆柱度误差评定方法 |
CN110398219A (zh) * | 2019-08-05 | 2019-11-01 | 安徽工业大学 | 一种基于混合优化算法的关节臂式坐标测量机参数标定方法 |
CN112801387A (zh) * | 2021-02-04 | 2021-05-14 | 南京邮电大学 | 一种基于改进遗传算法的云制造服务组合优化方法 |
Non-Patent Citations (1)
Title |
---|
CHUANZHI SUN等.Prediction Method of Concentricity and Perpendicularity of Aero Engine Multistage Rotors Based on PSO-BP Neural Network.IEEE Access.2019,第7卷第132271-132279页. * |
Also Published As
Publication number | Publication date |
---|---|
CN115096243A (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105894130B (zh) | 一种用于城市供水管网监测点的优化布置方法 | |
CN111563301A (zh) | 一种薄壁件铣削加工参数优化方法 | |
CN110728066B (zh) | 一种风电场扇区优化方法及*** | |
CN103887815A (zh) | 基于运行数据的风电场参数辨识及动态等值方法 | |
CN101630376A (zh) | 多模型神经网络的生物发酵过程软测量建模方法及软仪表 | |
CN109376418A (zh) | 一种适用于湍流工况的小型风力机翼型气动稳健优化设计方法 | |
CN103198186A (zh) | 基于特征的飞机结构件切削参数优化方法 | |
CN108871256B (zh) | 一种圆度误差评定算法 | |
CN110221580B (zh) | 一种基于主轴数据仿真的进给速度优化方法 | |
CN113158371A (zh) | 一种高速铣削加工动态切削力预测***及参数优化方法 | |
CN110263998B (zh) | 多源数值天气预报集合双层修正方法 | |
CN103839106A (zh) | 一种基于遗传算法优化bp神经网络的球磨机负荷检测方法 | |
CN112765902B (zh) | 一种基于TentFWA-GD的RBF神经网络的农村生活污水处理过程中COD浓度的软测量建模方法 | |
CN115268363B (zh) | 基于共形映射的自由曲面恒力铣削轨迹规划方法及装置 | |
CN111843613A (zh) | 一种五轴龙门摆头空间轴线误差值测定方法 | |
CN115096243B (zh) | 云适应遗传算法寻找最优回转轴的标准器同轴度测量方法 | |
CN110674864A (zh) | 一种含同步相量量测装置的风电异常数据辨识方法 | |
CN117421926A (zh) | 一种基于数字孪生技术的风电设备智能管控方法及*** | |
CN108446452B (zh) | 一种混流泵叶轮鲁棒优化设计方法 | |
CN108693774A (zh) | 一种电主轴综合性能预测方法 | |
CN116520769B (zh) | 数控机床的监测方法、装置、终端设备及计算机存储介质 | |
CN113313406A (zh) | 一种电动汽车运行大数据的动力电池安全风险评估方法 | |
CN106897503A (zh) | Rv减速器主轴承多目标优化中设计变量范围的确定方法 | |
CN110991743B (zh) | 一种基于聚类分析和优化神经网络的风电功率短期组合预测方法 | |
CN115564338A (zh) | 面向多工况的数控机床关键部件集群性能评估方法 |
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 |