[发明专利]一种基于差分进化算法的平面度评定方法

权利要求书

1.一种基于差分进化算法的平面度评定方法，其特征在于，步骤如下：

S1、通过大量测量工件待测平面的点坐标，获取工件待测平面的测量点云；

S2、建立自适应度函数：f＝1/Δd_planeness，

其中，A和B为步骤S1获取的测量点云的拟合平面对应的拟合平面方程：z＝Ax+By+C中的两个参数，d_max和d_min分别为测量点云与拟合平面的垂直距离最大和最小的两个测量点至该拟合平面的垂直距离；规定在三维坐标系中，位于拟合平面上方测点到拟合平面的距离为正，位于拟合平面下方测点到拟合平面的距离为负；

S3、基于步骤S1获得的测量点云的坐标和步骤S2中构建的自适应度函数，利用差分进化算法获得拟合平面方程的最优解A和B，进而根据此时对应的自适应度函数求取倒数，得到平面度评定值；

步骤S3的具体步骤包括：

S301、设定种群个体数量为M，进化代数为G，个体的染色体采用实数编码，具体为平面拟合方程参数集合{A,B}，那么进化的第t代的种群个体的染色体表示为：

x_ij(t)＝{x₁₁(t),x₁₂(t),x₂₁(t),x₂₂(t),…,x_i2(t),x_i2(t),...,x_M2(t),x_M2(t)}。

初始种群第i个个体的j个染色体参数按照如下公式产生：

其中，U表示取值上限；L表示取值下限；为该染色体能够取到的上限值；为该染色体能够取到的下限值；rand为[0～1]之间均布的随机小数，i＝1,2…M，j＝1,2，t＝0,1,2,…G；每个个体的两个染色体数值分别对应步骤S2中拟合平面方程中的参数A和参数B的赋值；

然后，基于步骤S1得到的测量点云，获取初始群体的全局最优值：

Best(t)＝max{f(x₁₁(t),x₁₂(t)),f(x₂₁(t),x₂₂(t))...,f(x_M1(t),x_M2(t))}(t＝0)；

其中，f(x₁₁(t),x₁₂(t))为第t代种群中编号为1的个体在两条染色体取值确定后所对应的自适应函数值；的取值为0.001，的取值为-0.001，M＝20～50，G＝50～60；

S302、对初始群体进行变异操作：

h_ij(t+1)＝x_p1j(t)+F*(x_p2j(t)-x_p3j(t))，

其中，x_p1j，x_p2j，x_p3j为从初始群体中随机选择3个发生变异的个体，p1，p2，p3为[1～M]之间的随机整数，代表个体在种群中的序号；F为变异因子，i代表变异后生成的个体序号，且i≠p₁≠p₂≠p₃，则变异操作后生成的个体表示为：h_ij(t+1)，且变异生成的个体必须满足初始化过程中染色体的上下界范围，即

其中，F为0.3～0.6；

S303、对初始群体进行交叉操作：

其中，rand为[0,1]之间的随机小数，CR为交叉因子；CR为0.6～0.9

S304、对初始群体进行选择操作；

S305、对初始群体进行更新操作；

重复步骤S301～S305，直至适应度函数随进化代数趋于稳定或达到既定目标迭代代数，得到群体的全局最优值。

2.根据权利要求1所述的基于差分进化算法的平面度评定方法，其特征在于，在步骤S1中，构成测量点云的测量点的数量与所采用的三维坐标测量设备的测量能力相适应，以达到其最大测量点采样密度，且全部测量点均匀分布在工件的待测平面上。