遗传算法及其在平面度误差评定中的应用

将二进制编码的标准遗传算法应用于平面度误差的评定,建立了完全符合最小区域条件的平面度误差评定的数学模型,并在此基础上给出遗传算法的适应度函数计算方法.通过对实例评定,并与最小二乘法和计算几何法评定结果进行比较,证实了该方法计算结果明显小于上述两种方法,而且克服了传统平面度误差最小区域法评定时受测点布局及测点数目限制的局限性,具有很大的灵活性.     

圆度误差评定与测量不确定度计算

为了更准确地评定圆度误差及测量不确定度,根据圆度特点,提出实数编码改进遗传算法求圆度误差最小区域解,基于蒙特卡洛法评定测量不确定度.通过对零件实测计算,结果表明采用实数编码的改进遗传算法不仅省去了重复的编码解码,而且算法简单、优化效率高,蒙特卡洛法计算不确定度与传统GUM方法相比不受直接测量量相关性的限制,而且受问题条件限制的影响小,使不确定度评定简单化.采用改进遗传算法和蒙特卡洛法能够更加准确高效地评定圆度误差和测量不确定度.     

平面度误差评定中离散min-max问题研究与软件设计

在以最小二乘法或其他方法所获得的初始基准平面基础上,继续对该平面作有意识的微小扰动,把测量点集与基准平面距离之max值减小,逐步逼近真值,使平面度误差计算得到合理的解决,计算结果真正满足最小条件准则．     

平面度误差的遍历搜索算法

结合平面度误差的几何特征,提出了平面度误差的遍历搜索算法。首先,选择被测平面的3个边缘点为参考点,分别以参考点为基准,在垂直于被测平面的方向上建立扩展区域并设置一系列的等分点,以一个扩展区域上的等分点逐次遍历连接另外两个扩展区域上的等分点,构造出一系列的辅助平面;然后,依次以这些辅助平面为假设理想平面,计算所有测量点与这些理想平面之间距离的极差,极差最小的辅助平面即为被测平面最小区域拟合的理想平面,从而实现平面度误差的最小区域评定。阐述了平面度误差遍历搜索算法的原理和实现过程。实例结果表明:该算法具有较好的稳定性、准确性及实用性,可直接应用于平面度精密测试仪器中。     

平面度误差统计特征实验

针对平面度误差统计特征识别的问题,以条件概率和全概率为理论依据,提出由平面到直线再到平面的研究思路.采用三坐标测量机对某两个零件实际平面进行提取实验,通过对实验数据的分析和处理,对其平面度误差统计特征进行识别.经过检验方法计算验证,结果表明,在工艺系统稳定的情况下,加工出来的工件表面的平面度误差呈现正态分布的特征.     

平面度误差测量数据不确定度的计算

对用对角线法测量平面度误差时的测量点数据进行处理,求解直接用于平面度误差评定的数据-单点测量结果,根据《测量不确定度表示指南》（GUM）,对单点测量结果进行不确定度计算,总结得出单点测量结果及其不确定度分别为测量读数值及其不确定度的线性函数。     

同轴度误差最小包容圆有限元后处理算法

针对工作状态下机械零部件同轴度误差数据采集难的特点,结合有限元后处理,提出了一种通过求解一组投影圆心坐标的最小包容圆(最小外接圆)来实现分析同轴度误差的计算方法.将轴套分为n段,将每段内边界变形后的节点坐标向同一平面投影,采用最小二乘法拟合成圆,即可获得n个圆心坐标.为求这平面点列(n个有限点)的最小包容圆,将问题转化为非线性约束最优化问题.通过分区优化搜索算法求解目标.同时采用了遗传算法来验证,两者计算结果一致.     

一种评定平面线轮廓度误差的新方法

提出了一种基于遗传算法和自适应的计算平面线轮廓度误差的新方法。该方法满足最小条件原理,它利用样条插值函数拟合理论轮廓,并在评定过程中能自动地实现被测轮廓与理论轮廓之间的适应性调整,从而能够分离并消除被测轮廓与其测量基准之间的位置误差对轮廓误差评定结果的影响,在遗传优化中获得全局最优解。这种算法简单明确,具有精度高、收敛速度快、易于计算机程序实现、易于推广应用等特点。     

三维空间圆度误差高精度评定算法与编程

在获得高精度基准平面的前提下,三维空间圆度误差评定的另一个关键问题,是如何利用被测圆在基准上的投影,把三维空间问题转化为二维平面问题,对投影点进行平面圆度误差评定。算法以特殊三角形的外角平分线为研究方向,逐步把同心圆的半径之差降下来,令圆度误差计算收敛于真值,算法具备"最小包容区域法"特征,过程与结果均符合"最小条件"原则。算例验证结果表明,经过高精度的基准平面拟合,与符合"最小条件"原则的平面圆度误差计算,所获得的终值为高精度的三维空间圆度误差值。     

基于遗传算法的空间直线度误差的求解

提出了一种计算满足最小区域法的空间直线度误差的新方法——遗传算法,并采用实数值编码,其计算精确度非常高,理论上可以无限逼近真实值．仿真结果表明,该算法可有效地实现全局寻优,且算法简单,收敛速度快,在计算机上容易实现,可用于三坐标测量机等测量系统的空间直线度误差测量的数据处理．     

多目标优化问题的研究

针对传统方法求解多目标优化问题的局限性,应用一种新的算法求解。遗传算法从问题解的串集开始搜索,覆盖面大,可以同时处理群体中的多个个体,利于全局择优,减少陷入局部最优的风险,而最小生成树具有过程简单清晰、适用性广泛的特点,结合两者的优点,构造了基于生成树的遗传算法。首先通过加权目标规划法求出最优解,然后通过遗传算法和基于生成树的遗传算法求解,结果表明,对于小规模的多目标优化问题,两种算法都可以求出最优解,在求解时间方面,基于生成树的遗传算法比遗传算法更优越。     

模糊C-均值聚类算法的改进研究

模糊C-均值聚类算法通过迭代的爬山技术来寻找问题的最优解,是一种局部搜索算法,容易受初始值的影响而陷入局部极小值.遗传算法是一种应用广泛的全局优化算法,是一种与求解问题无关的算法模式,能够有效解决模糊C-均值聚类算法对初始化敏感的问题,利用改进后的遗传算法能更好地解决聚类问题.     

改进的自适应遗传算法在TDOA定位中的应用

提出了接收端在空间随机分布时,利用改进的自适应遗传算法解决TDOA定位估计中遇到的非线性最优化问题.采用浮点数编码遗传算法,引入自适应交叉率和变异率、非均匀变异算子,以TDOA方式进行最佳坐标搜索.仿真结果表明,在保证种群数量的情况下,该算法性能稳定,能找到逼近全局最优点的解,相对于其他算法精度更高.     

基于遗传搜索和模板匹配的快速运动估计

基于遗传算法的运动估计具有较好的全局寻优能力,但其过高的算法复杂度需要很大的计算和存储开销,增加了编码时间;另一方面,传统的基于遗传算法的运动估计普遍采用较低的遗传迭代次数,降低了遗传算法的搜索精度。为解决传统算法搜索时间长和搜索精度低的缺陷,提出了一种基于遗传搜索和模板匹配的混合算法。该算法结合多种运动矢量的预测方法...     

基于进化计算的机器人操作器等强度优化设计

机器人操作器等强度优化设计是一个强非线性优化设计问题，文章将遗传算法与进化编程有机结合起来，形成一种既能处理复杂约束条件，又能收敛于全局最优点的优化方法；并将该方法应用于机器人操作器的等强度优化设计问题，得到操作器等强度设计的最优形状。     

全局混沌蝙蝠优化算法

为提高蝙蝠算法进行特征选择的正确率,提出全局混沌蝙蝠优化算法(GCBA).首先,GCBA采用混沌映射方法使种群的初始化能够遍历整个解空间,获取蝙蝠初始的最优位置,使其具有更加丰富的种群,解决了初始化种群随机性的问题.同时,GCBA引入当前粒子的最优解和当前种群的最优解跳出局部最优解,可有效避免算法早熟,有利于提高算法的全局搜索能力.蝙蝠算法(BA)、粒子群算法(PSO)与遗传算法(GA)在10个数据集上的测试结果表明,所提算法具有更高的分类精度和更强的跳出局部最优的能力.     

应用改进遗传算法的电力变压器优化设计

为了提高遗传算法在电力变压器优化设计中获得全局最优解的能力，对传统遗传算法的编码方案、遗传算子以及约束条件、适应值函数等方面进行改进研究，提出了一种改进遗传算法，并应用经典数学函数进行验证，结果表明改进遗传算法具有较高的寻优效率。在此基础上提出了适应于求解多目标优化的改进遗传算法，并将改进遗传算法首次应用于S9系列电力变压器的单目标和双目标的优化设计中。应用实例表明，文中提出的改进遗传算法（IGA）具有更强的全局寻优能力和更高的求解精度，对电力变压器的优化设计效果明显。     

基于混合编码的多智能体遗传算法

为了提高多智能体遗传算法的收敛速度和全局寻优能力，将量子编码引入多智能体遗传算法中，对每个智能体同时采用量子编码和实数编码，以基于这两种编码方式的遗传算子同时进化来获得更快的收敛速度和更好的全局收敛性。仿真结果表明，此算法能更快地收敛到全局最优解。     

基于自适应多态融合蚁群算法的无人机航迹规划

为解决传统航迹规划最短路径算法易陷入局部最优及复杂地形情况下的无人机航迹规划问题,提出了一种基于自适应多态融合蚁群算法的航迹规划方法。通过对航迹规划问题进行描述,建立数学模型,将自适应和蚁群算法相结合,与多态蚁群形成了全局、局部并行搜索模式,以提高算法寻找全局最优值的能力;提出自适应并行策略和自适应信息更新策略,以提升其全局搜寻能力。仿真结果表明,自适应多态融合蚁群算法较传统蚁群算法和多态蚁群算法具备更好的性能,能有效地提高搜索路径的长度和收敛速度,从而避免在求解过程中陷入局部最优,因此在求解最优航迹规划问题上有很好的应用前景。