论文部分内容阅读
几何公差评定实质是搜寻最小公差区域的优化问题。传统优化算法处理非连续函数优化问题求解困难，无法满足形位误差定义的最小条件要求。而大部分现役三坐标测量机的误差测量评定设备通常采用最小二乘法原理进行误差评定。最小二乘法在几何公差评定中不具备仲裁地位，存在理论误差，不适用于比较高要求的误差测量评定。
本论文通过分析国家标准几何公差评定定义，对形位误差中常见的几项公差建立相应的最小条件要求的误差评定数学模型，将误差评定转化为最优化问题。在MATLAB数学软件中运用微粒群算法搜索最优解。试验结果表明，基于微粒群算法的几何公差评定模型简洁，精度高，收敛速度快，更加符合最小条件要求。文中尝试性地运用微粒群算法为人工神经网络提供训练样本，为今后机械零件几何公差评定研究提供了新可行方向。最后借助MATLAB的绘图功能实现了误差评测可视化重现，增强形位误差研究的感性认识。