基于改进置换算法的圆参数评定

提出了按最小包容区域法评定圆度误差的改进置换算法,利用拟合精度较高的相对代数距离法设置置换算法的起点,符合最小条件,减少迭代次数,加快计算速度,提高拟合精度.建立了圆参数评定的数学模型,设计了相应的误差评定软件,成功地应用到了微机型万能工具显微镜的测量软件上,并给出一个影像法测量光滑环规直径和圆度误差的实例,将改进置换算法的评定结果与其它评定方法进行了比较.结果表明,改进置换算法具有较高的拟合精度和计算速度.     

粒子群优化算法及其在圆度误差评定中的应用

提出一种基于粒子群优化算法(PSO)的圆度误差评定方法。介绍了PSO算法的提出及其特点;具体阐述了PSO算法的基本原理和实现步骤;提出圆度误差评定这一非线性优化问题,给出其优化目标函数及PSO算法的适应度函数和编码方式;结合实例对算法参数进行了设置,通过实例运算对PSO进行了正确性和精确性验算。实例证明该方法能够很好地解决圆度误差评定问题,与遗传算法具有相当的计算精度,能够获得精度较高的结果。而PSO的突出优点是简单易于实现,计算速度快。     

形位误差评定的序贯优化算法

首次应用数论序贯优化算法 (SNTO ,方开泰 ,王元 ,1990 )进行形位误差评定 ,该方法可以不十分依赖于参数初值 ,可用于任何线性和非线性评定参数 ,对于有较多局部极值的问题也同样容易找到全局最优 ,该算法比传统的算法有很多优越性     

基于Matlab评定圆柱度误差

针对圆柱度误差评定的特点,建立了用Matlab实现圆柱度误差最小区域法、最小外接圆柱法和最大内接圆柱法评定时目标函数数学模型的计算方法。通过不同评价方法对圆柱度误差在不同初始值下进行多次评定,证明该方法都能收敛到全局最优解,而且计算结果稳定。该算法可以推广应用到其他形状误差评定中。     

最小条件下零件圆柱度误差数学模型及其计量实现

依据ISO及国家标准规定的形位误差最小条件评定原则,针对圆柱度误差评定的特点,建立了基于柱坐标系下圆柱度误差的最小区域法评定数学模型.结合数学规划模型的特点,并根据线性规划的原理和求解方法,提出了适合模型求解的改进单纯形算法.通过实例给出符合新一代GPS标准规范的圆柱度误差计量方法,从而为零件圆柱度的精确测量及评定提供了理论和应用基础,对提高零件几何误差的数字化计量技术具有一定的促进作用.     

最大内接圆法评定圆度误差值的快速、精确算法

介绍了利用最大内接圆判别准则求解圆度误差的基本思想,论述了用最大内接圆法评定圆度误差值的快速、精确算法。利用本文所述的计算方法,能够设计出圆度误差评定软件,实现三坐标测量数据的圆度误差评定。     

加注符号φ的直线倾斜度误差的一种评定方法

本文研究加注符号φ的直线倾斜度误差的测量与评定问题,给出了一个适用于坐标测量机中直线倾斜度误差评定的简便实用算法,并用数字仿真技术验证了本文方法的有效性。该方法同样适用于加注符号φ的直线平行度和垂直度误差的评定。     

圆柱度误差评定的最小面积准则及其应用

本文提出圆柱面形状误差评定的一个新准则──“最小面积准则”，以此建立空间一般位置圆柱度误差评定的数学模型，用有较集法方便地求得理想圆柱面的描述参数和圆柱度误差。文章从理论上证明了在小误差条件下，最小面积准则等价于ＩＳＯ关于形状误差评定的最小区域准则，因而本文方法为圆柱度误差评定实现最小条件提供了一个有效方法。     

杯突试验机示值误差的不确定度评定

示值误差是检定杯突试验机的一个重要参数,本文运用测量不确定评定与表示方法,对杯突试验机示值误差的不确定度进行评定。     

基于残差一次累加生成的不确定度灰评定方法

介绍了一种改进的基于残余误差一次累加生成的A类不确定度灰评定方法。首先对测量数据序列进行排序;然后求排序后各测量数据的残余误差,对残余误差作一次累加生成计算,得到残余误差一次累加序列;最后,在残余误差一次累加序列中查找绝对值最大者,将其作为A类不确定度灰评定的参数。分析结果表明,改进的基于残余误差一次累加生成灰评定方法的算法复杂性明显低于基于原始数据一次累加生成算法的复杂性,且采用该灰评定方法得到的A类不确定度结果与采用经无偏修正的贝塞尔公式计算得到的A类不确定度结果有相当高的一致性。     

基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识

提出一种基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识方法。该算法采用动态自适应调整策略,提高了粒子群算法收敛速度;同时引入新型遗传算法混合交叉变异机制,避免了粒子群陷入局部最优。将自适应粒子群遗传算法与标准粒子群算法、遗传算法、人工蜂群算法进行了比较,仿真实验结果表明该算法在迭代60次左右完成参数辨识,各参数的辨识相对误差均降低到了1%以内。最后利用旋转柔性关节实验平台进行了实验验证,实验结果证明了该算法具有更好的收敛速度和寻优精度。     

基于多种群实数编码遗传算法的圆度误差评定

针对实数编码的遗传算法(RGA)在圆度误差评定中存在的早熟收敛、精度较差及运算速度慢等缺点,分析了多种群遗传算法的模型结构,利用多种群遗传算法的并行性,将其应用于圆度误差评定。实验证明该方法有效地提高了算法的精度和收敛速度,能够快速评定圆度误差。     

基于GSA-GA神经网络的铸造企业订单准入评价研究

为指导铸造企业在市场中科学地选择订单进行生产加工,以砂型铸造企业为研究对象。在综合考虑企业各个关键部门对订单的评价指标的基础上,设计了砂型铸造企业订单准入评价指标体系,并构建一种基于GSA-GA神经网络的订单准入评价模型。算法中使用Tent映射初始化种群保证随机特征,并引入遗传算法的交叉、变异算子保持对全局最优粒子的获取且提升算法探索能力。为验证模型的有效性,以某砂型铸造企业订单准入评价问题实例进行实验分析,进行参数实验并与其他算法进行对比。结果表明,所建模型的平均相对误差为1.945%,能帮助砂型铸造企业进行科学的订单准入评价决策,提高砂型铸造企业生产效率。     

基于遗传算法和人工神经网络的冷水机组模型参数辨识及误差补偿方法

摘要DOE-2模型被广泛应用于冷水机组仿真建模,如何根据有限传感器实测数据对某特定冷水机组DOE-2模型的参数进行可靠地辨识,并补偿模型误差,对于节能运行等场景具有重要意义。在实践中由于传感器不足且数据质量不高等问题, DOE-2模型参数的可靠辨识较为困难。因此,本文提出一种基于外部知识库的遗传算法和一种基于人工神经网络的方法分别对DOE-2模型进行参数辨识和误差补偿。结果表明:基于外部知识库的遗传算法可以有效降低DOE-2模型参数辨识时间,并显著提升DOE-2模型预测精度。误差补偿后的DOE-2模型的预测精度显著高于未作补偿的DOE-2模型,前者在预测冷冻水出口温度时的MAE、RMSE、MAPE和CV-RMSE分别降低36.49% ,46.00%,33.16%和45.73% ,R2提高25.75%。     

正弦波形参数拟合方法述评

回顾了四参数正弦波曲线拟合方法及相关问题的研究进展,包括拟合算法的研究,拟合算法的比较研究,拟合算法的评价研究,以及不同条件下拟合算法的研究进展.针对拟合算法的误差界研究进展以及如何降低拟合误差的滤波技术进展情况也进行了专门介绍.另外介绍了相应的单参数、双参数、三参数正弦波拟合研究进展状况以及多频正弦参数估计技术进展状况.     

基于实数编码的改进遗传算法及在平面度误差评定中的应用

针对平面度误差计算的特点 ,提出了一种基于实数编码的改进遗传算法。该算法的遗传算子采用确定式良种选择、非一致算术交叉及基本位变异策略 ;交叉和变异概率根据个体适应度大小来自适应地确定 ;同时给出遗传算法评定平面度误差时适应度的计算方法。最后 ,通过不同评价方法对同一平面的平面度误差进行评定 ,结果证明该方法不仅能收敛到全局最优解 ,而且具有较快的收敛速度     

基于遗传算法和自适应的平面线轮廓度误差评定方法

 为了解决在测量平面线轮廓度中由于存在被测轮廓与其测量基准间存在位置误差而影响评定精度的问题，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。实例计算验证了这一结果。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。     

新型3PUPaR并联机构运动学分析与多目标优化

目的 针对传统PID在对包装运输液压顶升系统控制中参数难以整定的问题,使用多种群遗传算法(MPGA)对参数寻优。方法 采用多种群遗传算法,将算法与常规PID控制相结合。对液压系统进行分析,建立起液压系统的数学模型,将其运用到算法优化后PID控制策略的被控对象中。同时,与一般遗传算法优化后的参数进行仿真对比,考察多种群遗传算法对PID控制策略优化的有效性。结果 仿真结果表明,多种群遗传算法优化后的参数能使被控对象很快地收敛于稳态。整个系统响应速度快、稳态误差小、超调量小,而一般的遗传算法得到的参数陷入局部最优,无法在较短时间内得到全局最优解。结论 所提出的优化算法对PID参数整定有良好的效果,能满足系统的控制要求。     

基于加速遗传算法的组合证券投资决策

应用加速遗传算法解决组合证券投资决策问题，可以克服传统遗传算法的缺点：对搜索空间（优化变量空间）的大小变化适应能力差，计算量大，易出现早熟收敛，控制参数的设置技术无明确准则指导等，与已有结果相比，对协方差矩阵无正定性要求，目标函数可以推广到规模庞大，提高预测精度等优点。     

微分进化算法在圆度误差评定中的应用

为了精确快速计算圆度误差,提出了基于微分进化智能优化算法的最小区域圆度误差评定方法。介绍了微分进化算法的基本原理及种群初始化、变异、交叉、选择实现步骤,建立了该算法求解最小区域圆度误差的数学模型。为验证算法的有效性,进行了大量实验并与多种算法进行对比,证实了方法的评定结果不仅小于最小二乘法及标准遗传算法评定结果,精度高,而且计算结果稳定,运算速度快。实验表明:微分进化算法用于最小区域圆度误差评定有较强的自适应能力、快速全局收敛性和高稳定性,适于对高精度圆度误差的快速评定。