[发明专利]一种基于大规模点云数据的大型高速回转装备误差混合评定方法

权利要求书

1.一种基于大规模点云数据的大型高速回转装备误差混合评定方法，其特征是：包括以下步骤：

步骤1：根据最小区域准则的平面度误差评定方法，确定所有被测量点集的上下平面即为包容平面；

所述步骤1具体为：

根据最小区域准则的平面度误差评定方法，确定所有被测量点集的上下平面即为包容平面，通过下式表示包容平面的参考法向量方程：

Ax+By+Cz+D＝0     (1)

其中，A，B，C为参考平面的法向量，D为沿着包容平面法向方向的偏移距离；

步骤2：对平面度误差求解粒子群算法速度和位置进行更新；

所述步骤2具体为：

根据约束准则确定目标函数，根据目标函数确定平面度误差值：

其中，f为平面度误差值，d_i为第i个测量点距离平面的距离，z_i为纵坐标值，x_i为横坐标值；

通过下式表示平面度误差求解粒子群算法速度和位置的更新的公式：

其中，v_lp为粒子的速度，x_lp为粒子的位置，t为当前代数，w为惯性权重因子，c₁为学习因子，r₁为影响因子系数，pbest_lp(t)为个体最优，gbest_lp(t)为全局最优；

步骤3：模拟退火算法机制，根据Gibbs准则正则分布，确定转移概率函数；

步骤4：设定概率阈值P0.8进行寻优计算，避免陷入局部最优解，提高求解精度；

所述步骤3具体为：

为了使得算法的求解效率和精度更高，引入模拟退火算法机制，模拟退火算法首先使得初始温度设置较高，然后逐渐减低温度值，目标函数为粒子群目标函数优化值，根据Gibbs准则正则分布转移概率函数，通过下式表示所述概率函数：

其中，α为温度衰减系数，T₀表示初始设置的温度值，E(n)和E(m)为正则系数，K_B表示物理玻尔兹曼常数；

步骤5：对寻优计算结果采用凸壳算法剔除无效数据，获得有效的测量数据点，并利用粒子群智能优化算法求解平面度。