[发明专利]一种机械零件廓形数据预测方法

权利要求书

1.一种机械零件廓形数据预测方法，其特征在于该方法包括：

(1)在待预测零件的零件面建立坐标系，获取若干轮廓测量点的横坐标点和纵坐标；

(2)以横坐标为自变量、纵坐标为因变量，建立幂次模型；

(3)将建立的幂次模型编码为拟合模型，将步骤(1)得到的数据带入，并使用自适应随机简化粒子群优化算法对拟合模型进行求解，得到令拟合数据与实际数据最接近的幂次模型；

(4)根据拟合得到的幂次模型计算得到待预测零件的廓形数据。

2.根据权利要求1所述的机械零件廓形数据预测方法，其特征在于：步骤(1)中所述在待预测零件的零件面建立坐标系，具体为：

以待预测零件的零件面中心点或顶点作为坐标系原点建立二维坐标系。

3.根据权利要求1所述的机械零件廓形数据预测方法，其特征在于：步骤(2)中建立的幂次模型具体为：

式中，i表示第i个点，x_i、y_i表示廓形曲线第i个点在坐标系中的横、纵坐标，a₁、a₂和a₃为待拟合参数。

4.根据权利要求1所述的机械零件廓形数据预测方法，其特征在于：步骤(3)中所述拟合模型为：

式中，j表示第j个点，J表示点个数，x_j、y_j表示廓形曲线第j个点在坐标系中的横、纵坐标，a_i＝{a₁,a₂,a₃}，a₁、a₂和a₃为待拟合参数，f(a_i)表示自适应值。

5.根据权利要求1所述的机械零件廓形数据预测方法，其特征在于：步骤(3)中所述使用自适应随机简化粒子群优化算法对拟合模型进行求解，得到令拟合数据与实际数据最接近的幂次模型，具体包括：

(3.1)将一个点作为一个粒子，将{a₁,a₂,a₃}作为粒子的三维位置，对粒子种群进行随机初始化；

(3.2)将步骤(1)得到的每个点的横坐标和纵坐标输入编码好的拟合模型，得到各粒子的适应度值；

(3.3)通过比较适应度获得到粒子全局最优解；

(3.4)计算锁定因子，并根据适应度值计算自适应随机权重；

(3.5)根据全局最优解和自适应随机权重，利用自适应随机简化粒子群优化方法迭代公式更新粒子的三维位置；

(3.6)如果迭代次数达到最大迭代次数则停止运行并输出最优三维位置否则返回(3.2)直到完成最大迭代次数；

(3.7)将作为幂次模型的参数带入，得到令拟合数据与实际数据最接近的幂次模型

6.根据权利要求5所述的机械零件廓形数据预测方法，其特征在于：步骤(3.4)中所述自适应随机权重计算公式为：

式中，t表示迭代次数，ω表示自适应随机权重，w表示惯性权重，P_best,i表示粒子i的历史最优解，表示P_best,i适应度值，r是[0,1)之间的随机数，f_mid是适应度中值，f_mean是适应度平均值，是粒子i个体最优历史适应度，fa_i是粒子i当前适应度值，当前r是[0,1)之间的随机数，是一个使用1-l^t为自变量的指数函数，l^t是当前锁定因子。

7.根据权利要求5所述的机械零件廓形数据预测方法，其特征在于：步骤(3.4)中所述锁定因子计算公式为：

l^t＝2arctan(t/T)

式中，l是锁定因子，t表示迭代次数，T表示最大迭代次数。

8.根据权利要求5所述的机械零件廓形数据预测方法，其特征在于：步骤(3.5)中所述自适应随机简化粒子群优化方法迭代公式具体为：

式中，i表示第i个粒子，n表示粒子在第n个维度，t表示迭代次数，表示第i个粒子在第t+1次迭代时在第n个维度的位置，ω是自适应随机权重，l是锁定因子，r是随机数，表示在第t次迭代时的全局最优解。