[发明专利]一种基于改进的紧凑式教学优化算法的机械参数软测量方法

说明书

一种基于改进的紧凑式教学优化算法的机械参数软测量方法，涉及制造领域的机械安装参数软测量。为了解决系统零件安装完成后用传统的传感器和测量方法常常难于测量其安装机械参数的问题。所述方法包括：建立待测系统模型，确定需测量的机械参数；测量系统模型中可以直接测得的参数，代入系统模型中，建立模型方程；建立优化算法目标函数；测量待测系统的n组输入和对应的n组输出，代入目标函数；采用改进的紧凑式教学优化算法迭代过程；将获得的结果对应到需测量的机械参数。本发明用于机械系统中测量机械参数。

技术领域

本发明涉及制造领域的机械安装参数软测量。

背景技术

信息时代的到来，零部件越来越精细，加工的特征尺寸越来越精密，使得超精密测量技术、超精密定位技术和更加先进的制造技术显得越来越重要。在机械系统的制造过程中，机械系统的动作精度不仅取决于零件的制造精度，同时取决于零件在系统中的安装精度。但在目前，受限于安装过程中复杂多变的环境因素，精密零件的安装精度通常远远小于零件的制造精度，无法满足高精度系统的要求，因此需要对安装完成后的机械系统参数进行测量，但在零件安装完成后用传统的传感器和测量方法常常难于测量其安装机械参数，因而需要有新的测量方法来完成机械系统的安装参数及误差测量。

发明内容

本发明的目的是为了解决系统零件安装完成后用传统的传感器和测量方法常常难于测量其安装机械参数的问题，本发明提供一种基于改进的紧凑式教学优化算法的机械参数软测量方法。

本发明的一种基于改进的紧凑式教学优化算法的机械参数软测量方法，所述方法包括如下步骤：

步骤一：建立待测系统模型，确定需测量的机械参数；

步骤二：测量系统模型中可以直接测得的参数，代入系统模型中，建立模型方程；

步骤三：建立优化算法目标函数；

步骤四：测量待测系统的n组输入和对应的n组输出，代入目标函数；

步骤六：由PV矩阵生成随机向量St_t，St_t中的每一个元素对应PV矩阵中一组均值和方差决定的高斯函数的随机值；

步骤七：计算均值DMean_t＝rand₁×(Tr_t-round(1+rand₂(0，1))×μ_t)，round函数接受一个参数返回与参数最近的整数，rand₁和rand₂均为随机函数；

步骤十：轮流对winner和loser的每一项进行一次相互替换，然后比较替换后的winner和替换前的winner两者在目标函数下的表现，如果替换后的表现较好，则替换winner和loser对应的项；

步骤十一：更新均值和标准差：

步骤十二：由步骤十一获得的PV矩阵随机生成

步骤十五：轮流对winner和loser的每一项进行一次相互替换，然后比较替换后的winner和替换前的winner两者在目标函数下的表现，如果替换后的表现较好，则替换winner和loser对应的项；

步骤十六：更新均值和标准差：

步骤十七：更新Tr_t+1＝winner；