改进遗传算法与拟随机序列结合评定自由曲线轮廓度误差

为了高效率、高精度检测自由曲线和曲面零件并计算轮廓度误差,提出将改进遗传算法与拟随机序列结合来评定自由曲线轮廓度误差。首先,针对自由曲线因没有已知的解析表达式而常用离散点表示其轮廓的特点,采用非均匀有理B样条(NURBS)来表示自由曲线,并用改进遗传算法优化重建自由曲线;然后,应用拟随机Halton序列均匀产生参数值精确计算点到曲线最短距离。阐述了自由曲线重建时控制顶点及目标函数值的计算方法,确立了改进遗传算法重建自由曲线及采用拟随机序列生成参数值求解点到曲线最短距离的具体步骤。最后,针对仿真实例计算并实测零件曲线轮廓度误差。结果显示,自由曲线轮廓度误差评定精度高于99%,表明提出的方法算法简单、计算速度快、精度高,适于在工程计量中推广应用。

基于拟随机序列的三维模型表面采样方法

三维模型检索中的形状分布算法使用伪随机序列进行采样,导致检索精度较低、检索结果不稳定。该文采用拟随机序列中的Halton序列在[0,1]区间内产生分布较均匀的随机数,利用数学变换将其转换为采样空间的随机数进行采样。三维模型检索对比实验结果表明,该方法可以提高检索精度,使检索结果更稳定。

基于拟随机序列求解点到自由曲线最短距离

自由曲线因没有已知的解析表达式,轮廓常用离散点表示。在进行计算机辅助几何设计或求解轮廓的形状误差时,无法得到计算点到自由曲线的最短距离。提出用非均匀有理B样条表示自由曲线,应用改进遗传算法重建自由曲线,基于拟随机Halton序列均匀产生数据参数值计算点到重建自由曲线最短距离。实例证实了所提出方法不仅算法简单、计算速度快,而且求得距离能够逼近理论值,精确度非常高,适于在逆向工程及自由曲线轮廓度误差精密评定中推广应用。

一种拟随机初始化模拟退火粒子群算法

针对粒子群优化算法在求解高维问题时易出现的早熟收敛、停滞现象,提出一种拟随机初始化模拟退火粒子群算法.采用Hammersley方法对算法进行初始化,可以提高算法在高维搜索空间的搜索能力,进一步将模拟退火思想引入到粒子群优化算法中,结合粒子群优化算法的快速寻优能力和模拟退火算法的概率突跳特性,使算法具有跳出局部最优从而实现全局最优的能力.分别在5个经典测试函数上测试算法的性能,仿真实验结果表明,提出的算法有效克服了传统粒子群优化算法在求解高维空间优化问题时易出现的停滞现象,在进化后期仍保持较强的搜索能力,提高了传统粒子群优化算法在高维空间的全局寻优能力.

基于全位姿测量优化的机器人精度研究

随着机器人在高端制造业、航空航天、医疗等领域广泛应用,对其全位姿精度要求越来越高。采用激光跟踪仪对机器人末端执行器进行全位姿实测,研究基于几何参数标定的机器人精度提升方法。首先,建立了串联机器人(MDH)模型;其次,提出了基于拟随机序列产生初始位置的改进乌鸦搜索算法(ICSA)用于标定机器人几何参数,建立了用ICSA标定机器人几何参数目标函数的数学模型,给出了标定的详细步骤。最后,对Staubli Tx60工业机器人进行了实测标定,结果证实:采用提出方法能够快速标定机器人几何参数,标定后的机器人在工作空间内随机选择的测试点其平均绝对位置和姿态误差由标定前的0. 309 6 mm和0. 232 2°减小为标定后的0. 092 6 mm和0. 082 9°,精度大幅提升。该方法简单易实现,效率高,鲁棒性强,稳定性好,适宜于在位置和姿态均有高精度要求的机器人中推广应用。

基于CAD模型引导测量的自由曲面定位及轮廓度误差评定

提出将粒子群优化算法与拟随机序列法相结合对基于CAD模型引导测量的自由曲面进行高精度检测和轮廓度误差评定的方法。为解决用三坐标测量仪检测自由曲面时存在的设计坐标系与测量坐标系不重合问题,提出用拟粒子群优化算法来实现被测曲面与设计曲面精确定位;针对自由曲面特点,采用轮廓峰谷误差和轮廓均方根误差综合评定自由曲面的形状误差。最后,阐述了用拟粒子群优化算法实现曲面匹配时目标函数值的计算方法,确立了用拟粒子群优化算法优化求解参数向量的具体步骤。对仿真实例和大量实测零件自由曲面轮廓度误差的计算表明:采用本文方法能够实现自由曲面精确定位,其轮廓度误差评定精度比由三坐标测量仪内置软件计算的结果高8%～15%,适用于对高精度自由曲面零件形状误差的评定。

基于改进遗传算法的餐厅服务机器人路径规划

针对遗传算法(GA)易产生早熟现象和收敛速度慢的问题,提出了一种基于传统遗传算法(TGA)的改进遗传算法——HLGA,用于实际餐厅服务机器人的路径规划。首先,通过基于编辑距离的相似度方法对拟随机序列产生的初始种群进行优化;其次,采用自适应算法的改进交叉概率和变异概率调整公式,对选择操作后的个体进行交叉、变异操作;最后,计算具有安全性评价因子函数的个体适应度值,进一步对比、迭代得到全局最优解。理论分析和Matlab仿真表明,与TGA和基于个体相似度改进的自适应遗传算法(ISAGA)相比,HLGA的运行时间分别缩短了6.92 s和1.79 s,且规划的实际路径更具有安全性和平滑性。实验结果表明HLGA在实际应用中能有效提高路径规划质量,同时缩小搜索空间、减少规划时间。

遗传算法的3种改进方法和分析

遗传算法是一种借鉴生物界自然选择和进化机制的随机优化算法。它在求解一般全局优化问题时具有较好的鲁棒性,而且搜索不依赖梯度信息。但是,在用传统遗传算法解决较复杂的优化问题时,存在早熟及稳定性差的缺点。因而,针对这些缺点,出现了很多对传统遗传算法的改进。本文对遗传算法的3种改进方法进行了描述,并将它们应用到一个函数优化实例中。最后,通过比较3种改进方法与传统遗传算法优化所得结果,得出3种改进方法效果更好。

Adding Pseudo-Random Test Sequence Generator in the Test Simulator for DFT Approach

This paper presents modified version of a realistic test tool suitable to Design For Testability （DFT） and Built-ln Self Test （BIST） environments. A comprehensive tool is developed in the form of a test simulator. The simulator is capable of providing a required goal of test for the Circuit Under Test （CUT）. The simulator uses the approach of fault diagnostics with fault grading procedures to provide the optimum tests. The current version of the simulator embeds features of exhaustive and pseudo-random test generation schemes along with the search solutions of cost effective test goals. The simulator provides facilities of realizing all possible pseudo-random sequence generators with all possible combinations of seeds. The tool is developed on a common Personal Computer （PC） platform and hence no special software is required. Thereby, it is a low cost tool hence economical. The tool is very much suitable for determining realistic test sequences for a targeted goal of testing for any CUT. The developed tool incorporates flexible Graphical User Interface （GUI） procedures and can be operated without any special programming skill. The tool is debugged and tested with the results of many bench mark circuits. Further, this developed tool can be utilized for educational purposes for many courses such as fault-tolerant computing, fault diagnosis, digital electronics, and safe-reliable-testable digital logic designs.