摘 要: 根據(jù)新一代GPS標(biāo)準(zhǔn),建立了符合最小區(qū)域條件的圓柱度評(píng)定的數(shù)學(xué)模型。提出了一種帶交叉算子的改進(jìn)粒子群優(yōu)化算法,并以此對(duì)圓柱度測(cè)量數(shù)據(jù)進(jìn)行最小區(qū)域評(píng)定,給出了該算法的實(shí)現(xiàn)方法。經(jīng)實(shí)例驗(yàn)證,該方法可以在新一代GPS標(biāo)準(zhǔn)下更快速、準(zhǔn)確地評(píng)價(jià)圓柱度誤差。
關(guān)鍵詞: 新一代GPS;圓柱度;評(píng)定;粒子群優(yōu)化算法;交叉算子
隨著現(xiàn)代精密和超精密加工技術(shù)以及納米技術(shù)的迅速發(fā)展與應(yīng)用,對(duì)機(jī)械產(chǎn)品制造精度的要求不斷提高。傳統(tǒng)的以幾何學(xué)為基礎(chǔ)的第一代產(chǎn)品幾何技術(shù)規(guī)范由于在誤差評(píng)定模型、數(shù)據(jù)采集方法等方面存在經(jīng)驗(yàn)性、隨意性等缺點(diǎn),已經(jīng)不能完全適應(yīng)現(xiàn)代制造業(yè)對(duì)誤差評(píng)定既準(zhǔn)且快的要求[1]。近年來(lái),隨著以計(jì)量學(xué)為基礎(chǔ)的新一代產(chǎn)品幾何技術(shù)規(guī)范GPS(Geometrical Product Specification and Verification)系列標(biāo)準(zhǔn)的出現(xiàn),對(duì)形狀誤差的規(guī)范評(píng)定提出了新的要求。
在形狀誤差的幾種要素中,圓柱度誤差作為衡量軸類零件形狀誤差的主要指標(biāo),其精度的高低對(duì)產(chǎn)品的質(zhì)量及其使用壽命有著至關(guān)重要的影響,能否實(shí)現(xiàn)圓柱度誤差快速、準(zhǔn)確的評(píng)定具有重要的實(shí)際意義。因此,本文以圓柱度精度檢測(cè)為例,依據(jù)新一代GPS形狀誤差規(guī)范認(rèn)證標(biāo)準(zhǔn),提出一種帶交叉算子的改進(jìn)粒子群優(yōu)化算法應(yīng)用于圓柱度測(cè)量數(shù)據(jù)的最小區(qū)域評(píng)定。該算法借鑒了遺傳算法中的選擇交叉操作,通過(guò)交叉增加粒子多樣性,充分利用群體粒子的優(yōu)良特性,跳出局部最優(yōu)的同時(shí)也加快了收斂速度。
1 基于新一代GPS標(biāo)準(zhǔn)體系的圓柱度誤差評(píng)定的數(shù)學(xué)模型
在新一代GPS標(biāo)準(zhǔn)體系中,操作是為了規(guī)范幾何產(chǎn)品的誤差評(píng)定而提出的概念,是獲得幾何要素的特征值及特征的幾何變動(dòng)范圍(極限值)的基本數(shù)學(xué)工具。操作分為要素操作和評(píng)估操作。其中,要素操作中的擬合操作定義了基于計(jì)量數(shù)學(xué)的各種擬合目標(biāo)函數(shù),且用Lp范數(shù)定義了最小二乘、最小區(qū)域、單邊切比雪夫目標(biāo)函數(shù)的統(tǒng)一數(shù)學(xué)模型[1]。Lp范數(shù)的定義為:
式中,i為非理想要素(即實(shí)際被測(cè)幾何要素)上特定點(diǎn)的序號(hào);p為函數(shù)的級(jí)數(shù);n為所采用的非理想要素點(diǎn)的個(gè)數(shù);ri為對(duì)應(yīng)于從非理想要素到所擬合的理想要素距離的余量。
最小區(qū)域法目標(biāo)函數(shù)的定義是使余量絕對(duì)值中的最大值為最小,令式(1)中的p=∞,即:
在圓柱度擬合操作中,由于圓柱度誤差是單一實(shí)際圓柱所允許的變動(dòng)全量。因此,按最小區(qū)域法評(píng)定的平面度誤差的關(guān)鍵是尋求某一圓柱面,計(jì)算被測(cè)輪廓上各測(cè)量點(diǎn)Pi(xi,yi,zi)(i=1,2,…,n)到此圓柱面軸線的距離,令各距離中的最大最小值之差為最小,則此距離差即為圓柱度誤差值,如圖1所示。
設(shè)理想圓柱面的軸線方程為:
在以往的圓柱度評(píng)定過(guò)程中,一般令c=0,n=1,從而將式(5)中的六個(gè)變量簡(jiǎn)化為四個(gè)變量,以減小計(jì)算難度及復(fù)雜度。但這種做法的前提是假設(shè)軸為垂直放置,軸線平行于Z軸,且軸線起點(diǎn)的Z坐標(biāo)位置為零。而在實(shí)際情況中,被測(cè)圓柱面往往會(huì)因加工或定位誤差導(dǎo)致軸線偏差,此時(shí)使用簡(jiǎn)化后的公式是無(wú)法得到精確的評(píng)定結(jié)果的。因此,本文針對(duì)六個(gè)變量的復(fù)雜目標(biāo)函數(shù),提出基于遺傳交叉算子的改進(jìn)粒子群算法進(jìn)行圓柱度誤差評(píng)定,以獲得準(zhǔn)確及高精度的評(píng)定結(jié)果。
2 基于遺傳交叉算子的改進(jìn)粒子群算法
2.1 基本粒子群算法
粒子群優(yōu)化算法PSO(Particle Swarm Optimization)是由Kennedy和Eberhart于1995年提出的一種基于群體智能理論的全局優(yōu)化方法,通過(guò)群體中粒子間的合作與競(jìng)爭(zhēng)產(chǎn)生的群體智能指導(dǎo)優(yōu)化搜索[2]。研究實(shí)踐表明,PSO在多維空間函數(shù)尋優(yōu)、動(dòng)態(tài)目標(biāo)尋優(yōu)等方面有著收斂速度快、非劣解質(zhì)量高、魯棒性好等優(yōu)點(diǎn),特別適合于工程應(yīng)用。但同時(shí)PSO也存在早熟收斂、搜索精度不高、后期迭代效率不高[3]的缺點(diǎn)。
在基本粒子群算法中,每個(gè)優(yōu)化問(wèn)題被看作是搜索空間中的一個(gè)沒(méi)有體積沒(méi)有質(zhì)量的飛行粒子,粒子在每一次迭代中通過(guò)跟蹤兩個(gè)“極值”來(lái)更新自己:一個(gè)是粒子自身目前找到的最優(yōu)解,即個(gè)體極值pbest;另一個(gè)是全局極值gbest,即整個(gè)種群目前找到的最優(yōu)解[4]。找到這兩個(gè)最優(yōu)解后,粒子根據(jù)如下的公式來(lái)更新自己的速度和新的位置:
經(jīng)過(guò)上述計(jì)算,在由父代粒子形成的超立方體中隨機(jī)產(chǎn)生了兩個(gè)新的位置,其中在速率的交叉處將兩個(gè)父代個(gè)體的速率之和的長(zhǎng)度進(jìn)行了規(guī)格化。因此,只有粒子的方向受到影響,數(shù)量卻不會(huì)改變。該算法流程圖如圖2所示。
3 實(shí)例驗(yàn)證與結(jié)果討論
本文使用參考文獻(xiàn)[6]給出的兩組圓柱度誤差的測(cè)量數(shù)據(jù)按照之前提出的數(shù)學(xué)模型和優(yōu)化算法進(jìn)行計(jì)算分析。根據(jù)圓柱度誤差的特性并參考經(jīng)典PSO參數(shù)集[7],本文設(shè)置算法的基本參數(shù)如下:
(1)粒子規(guī)模數(shù)n:一般取20~40,本文取n=40;
(2)粒子維數(shù)D:由目標(biāo)優(yōu)化函數(shù)的自變量個(gè)數(shù)決定,本文取D=6;
(3)粒子范圍:根據(jù)測(cè)點(diǎn)的分布范圍確定;
(4)最大速度vmax:由于圓柱度的誤差較小,設(shè)vmax=0.02;
(5)最大迭代次數(shù):設(shè)為500次;
(6)終止條件:循環(huán)達(dá)到終止迭代次數(shù)或最優(yōu)適度值連續(xù)迭代50次,計(jì)算結(jié)果差值小于0.000 000 1。
參考文獻(xiàn)[6]分別應(yīng)用最小區(qū)域法(MZM)和最小二乘法(LSM)對(duì)這兩組數(shù)據(jù)進(jìn)行了計(jì)算;參考文獻(xiàn)[8]和參考文獻(xiàn)[9]則分別應(yīng)用了遺傳算法(GAM)和基本粒子群算法(PSO)對(duì)這些數(shù)據(jù)進(jìn)行計(jì)算分析。表1和表2為以上幾種算法和本文使用GHPSO算法得到的結(jié)果。圖3和圖4分別為GHPSO算法計(jì)算這兩組數(shù)據(jù)時(shí)的粒子適應(yīng)度收斂曲線。由這些表和圖中可以看出,本文針對(duì)同一組數(shù)據(jù)計(jì)算得出的結(jié)果明顯優(yōu)于遺傳算法和基本粒子群算法,收斂過(guò)程迅速、穩(wěn)定。
本文根據(jù)新一代GPS標(biāo)準(zhǔn)體系給出了圓柱度誤差的定義及誤差評(píng)定的數(shù)學(xué)模型,并將一種帶交叉算子的改進(jìn)粒子群優(yōu)化算法應(yīng)用于圓柱度誤差評(píng)定,得到了較好的效果。該改進(jìn)粒子群算法原理較簡(jiǎn)單,且計(jì)算效率高,相比其他幾種算法可以更有效、準(zhǔn)確地評(píng)定圓柱度誤差。同時(shí),將圓柱度誤差的目標(biāo)函數(shù)稍加改變,即可方便地應(yīng)用于其他形位誤差的評(píng)定。因此,該方法作為一種誤差評(píng)定方法,對(duì)于規(guī)范形狀誤差的評(píng)定過(guò)程具有一定的現(xiàn)實(shí)意義與參考價(jià)值。
參考文獻(xiàn)
[1] 蔣向前.新一代GPS標(biāo)準(zhǔn)理論與應(yīng)用[M].北京:高等教育出版社, 2007.
[2] EBERHART R C, KENNEDY J. A new optimizer using particle swarm theory[C]. Proc. of the 6th Int’1 Symp. on Micro Machine and Human Science. Nagoya, Japan:[s. n.], 1995.
[3] ANGELINE P J. Evolutionary optimization versus particle swarm optimization: Philosophy and performance differences[C]. Proc. of the 7th Annual Conf. on Evolutionary Programming. Germany: [s. n.], 1998.
[4] CLERC M. The swarm and the queen: Towards a deterministic and adaptive particle swarm optimization [C]. Proc. 1999 Congress on Evolutionary Computation. Washington, DC: [S], 1999.
[5] EBERHART R C, HU X. Human tremor analysis using particle swarm optimization [C]. Proc. 1999 Congeress on Evolutionary Computation. Washington, DC: [S], 1999.
[6] FERREIRA C K. Verification of form tolerances, Part II: Cylindricity and straightness of a median line [J].Precision Engineering, 1995, 17(2): 144-156.
[7] CARLISLE A, DOZIER G. An off-the-shelf PSO [J]. Purdue School of Engineering and Technology, 2001(10):20-21.
[8] CHANGCAI C, RENSHENG C, DONG Y, et al. Research on the minimum zone cylindricity evaluation based on genetic algorithms[J]. Chinese Journal of Mechanical Engineering, 2003,16(2):167-170.
[9] 崔長(zhǎng)彩,黃富貴,張認(rèn)成,等.粒子群優(yōu)化算法及其在圓柱度誤差評(píng)定中的應(yīng)用[J].光學(xué)精密工程,2006,14(2):256-260.