[发明专利]基于RF-NSGA-II的结构件三维激光扫描方法及设备

权利要求书

1.一种基于RF-NSGA-II的结构件三维激光扫描方法，其特征在于，包括：对收集的样本数据进行范化，采用范化样本数据训练并得到RF预测模型；根据RF预测模型构建适应度函数，对扫描参数设置约束条件，采用NSGA-II算法对所述扫描参数进行优化，得到扫描参数的全局最优解；将所述全局最优解输入RF预测模型，根据输出结果确定全局最优解为三维激光扫描仪的实用扫描参数；采用所述全局最优解调整三维激光扫描仪，对结构件进行扫描；其中，RF预测模型为随机森林预测模型；NSGA-II算法为非支配排序遗传算法。

2.根据权利要求1所述的基于RF-NSGA-II的结构件三维激光扫描方法，其特征在于，所述对收集的样本数据进行范化，包括：

其中，y为范化后的标准值；y_min为范化区间下限值；x为样本数据值；x_max为样本数据值的最大值；x_min为样本数据值的最小值。

3.根据权利要求2所述的基于RF-NSGA-II的结构件三维激光扫描方法，其特征在于，所述采用范化样本数据训练并得到RF预测模型，包括：随机抽取预设比例的范化样本数据作为训练集，剩余范化样本数据作为测试集，采用训练集对初级RF预测模型进行学习模拟，得到训练好的RF预测模型，采用测试集对训练好的RF预测模型进行测试，得到所述RF预测模型，采用均方根误差和拟合优度验证RF预测模型。

4.根据权利要求3所述的基于RF-NSGA-II的结构件三维激光扫描方法，其特征在于，所述根据RF预测模型构建适应度函数，包括：

ming₁(RF(x₁,x₂,...,x_n))

ming₂(RF(x₁,x₂,...,x_n))

其中，RF为随机森林算法；x_n为第n个扫描参数；ming₁为三维激光扫描误差回归函数；ming₂为三维激光扫描时长回归函数。

5.根据权利要求4所述的基于RF-NSGA-II的结构件三维激光扫描方法，其特征在于，所述对扫描参数设置约束条件，包括：

a_il＜x_i＜a_iu

其中，x_i为第i个扫描参数；a_il为扫描参数的下限值；a_iu为扫描参数的上限值。

6.根据权利要求5所述的基于RF-NSGA-II的结构件三维激光扫描方法，其特征在于，所述采用NSGA-II算法对所述扫描参数进行优化，得到扫描参数的全局最优解，包括：设置初始种群，NSGA-II算法将通过快速非支配排序后，采用遗传机制获得首批子代种群；从第二代开始，结合父代种群和子代种群进行快速非支配排序，根据非支配排序计算每个个体的拥挤度，将拥挤度小的个体组成新种群；引入精英策略，通过遗传算法的基本操作产生新的后代群体；直到当子代种群数达到最大子代数时结束计算，输出Pareto最优解集；其中，种群为若干扫描参数组构成的扫描参数组集合。

7.根据权利要求6所述的基于RF-NSGA-II的结构件三维激光扫描方法，其特征在于，所述采用遗传机制获得首批子代种群，包括：对初始种群进行选择、交叉和变异，得到首批子代种群。