基于改进遗传算法的自由曲面测量路径优化*
2022-06-13徐传法王士军李建宏齐娜
制造技术与机床 2022年6期
关键词:优化
徐传法 王士军 王 冉 李建宏 齐娜
(山东理工大学机械工程学院,山东 淄博 255000)
随着科学技术的不断进步,机械产品的结构越来越合理,复杂曲面类零件被广泛的应用在动力能源、航空航天和工业等领域,其形状误差对其所构成产品的质量和性能起着直接的决定性作用,研究高效率、高精度的测量技术具有重要的理论意义和实际应用价值[1]。在对大型复杂曲面测点检测时,曲面需要被检测的点是非常多的,为了提高检测效率,需要找到一条最优的检测路径,既能不重复的走过所有的点,还要使其走过的路径最短。
国内外学者对于路径优化问题方面做了许多的研究。高延峰等将遗传算法运用到求解自由曲面测量路径优化问题上,把该问题简化成旅行商问题,试验证明遗传算法结构简单而且具有很强的优化能力[2];高国军等提出了贪婪选择杂交算子,有效地提高了大规模路径优化的收敛速度和稳定性,并且对遗传算法过程中的控制参数进行了优化,给出了适合不同规模路径优化问题的控制参数取值[3];Tuncer D 等提出了改进的变异算子,避免早熟的同时提高了算法的效率[4];Srinivas M 等提出了自适应算法,个体的交叉概率能够随个体的适应度发生改变,防止陷入局部最优的同时提高了算法的效率[5];石红国等提出一种 Hopfield 神经网络与归约方法相结合求解TSP 路径优化的方法,使Hopfield 神经网络不再只适用于求解小规模城市路径优化问题[6]。
文献……
登录APP查看全文
