[发明专利]基于量子蝙蝠优化点云目标的锁具冲压件圆柱度评估方法

说明书

本发明提出一种基于量子蝙蝠优化点云目标的锁具冲压件圆柱度评估方法，获取锁具冲压件的三维点云数据并采用双边滤波方法去除点云噪声，根据最小区域原则构建圆柱度误差评估模型的点云目标函数,改进量子蝙蝠算法的速度和位置更新策略，并引入量子非转门来实现较差个体的量子位置变异，将改进的量子蝙蝠算法应用于点云目标函数的优化，获取最优的圆柱度误差，并根据设置的误差阈值对圆柱度进行评估。本发明改进量子蝙蝠优化算法并应用于对圆柱度误差评估模型的点云目标函数进行优化，快速进行圆柱度误差评估，实现较为准确并快速的圆柱度评估，进一步提升了实际生产工作的效率和自动化程度。

技术领域

本发明涉及锁具冲压件制作加工技术领域，尤其涉及一种基于量子蝙蝠优化点云目标的锁具冲压件圆柱度评估方法。

背景技术

锁具冲压件是采用金属材料,通过冲压设备加工制作的，冲压件上的圆柱面铸造成型后容易产生偏心和形变等缺陷,使得锁具上圆柱面的圆柱度存在一定的误差，具有这些问题的锁具冲压件影响了后续的加工使用。因此，为了进一步提高锁具冲压件后续生产加工的质量,需先对冲压件上圆柱面的圆柱度进行评估。随着人工智能和三维激光扫描技术的发展，三维重建技术慢慢代替人工，被广泛的应用于工业零部件的缺陷检测和误差判定，大大提高检测精度和效率。传统检测方法是利用人工检测的方法，借助相关仪器，按照严谨的工程顺序实现手动测量，这种方法不仅容易受到测量人员的主观意识影响，且测量速度慢，浪费人力资源，同时还会受到外界因素的干扰，已经逐渐无法满足智能工业生产系统和日益完善的零件质量评价技术发展的需要。随着三维数据测量技术的快速发展，基于三维激光扫描技术的冲压件误差检测已经成为智能生产的研究重点。

随着三维激光扫描技术的不断发展，零件特征从单一化开始转为复杂化，传统的零件圆柱度误差评定方法已经无法满足现代工业测量标准，于是很多学者开始采用三维扫描技术对零件圆柱度误差进行评定。这些方法首先对零件进行三维激光扫描，获取零件的三维点云数据，然后采用特征对齐法完成点云模型与CAD模型的对齐，最后采用最小包容法、旋转包围法、最小区域原则等方法建立零件的圆柱度误差评定模型。这些方法较传统方法的检测效率和精度都大大提升，但是采用特征对齐法完成点云模型与CAD模型的对齐方法的误差受特征选择的影响大，而且对不同零件圆柱度评估都需要与原CAD模型的对齐，降低了现场实时检测的效率，而且采用最小包容法、旋转包围法、最小区域原则等方法建立的误差评定模型的精度有待提高。

发明内容

本发明针对现有技术存在的缺陷和不足，本发明提出一种基于量子蝙蝠优化点云目标的锁具冲压件圆柱度评估方法，首先，对锁具冲压件进行三维激光扫描，获取三维点云数据并采用双边滤波方法去除点云噪声；其次，根据最小区域原则构建圆柱度误差评估模型的点云目标函数；然后，构建非线性自适应旋转角的量子旋转门更新策略，用于改进量子蝙蝠算法的速度和位置更新，并引入量子非转门来实现较差个体的量子位置变异；最后，将改进的量子蝙蝠算法应用于点云目标函数的优化，获取最优的圆柱度误差，并根据设置的误差阈值对圆柱度进行评估。本发明通过改进的量子蝙蝠优化算法对圆柱度误差评估模型的点云目标函数进行优化，快速进行圆柱度误差评估，实现较为准确并快速的圆柱度评估，进一步提升了实际生产工作的效率和自动化程度。

本发明具体采用以下技术方案：

一种基于量子蝙蝠优化点云目标的锁具冲压件圆柱度评估方法，其特征在于：采用改进的量子蝙蝠算法用于优化锁具冲压件圆柱度误差评定点云目标函数的参数a,b,q,p，使得点云目标函数f(a,b,p,q)达到最小，此时目标值即为锁具冲压件圆柱的圆柱度误差，根据设置的误差阈值对锁具冲压件圆柱度进行评估；

所述改进的量子蝙蝠算法具体为：

(1)初始化量子蝙蝠种群

通过结合量子演化理论和传统蝙蝠算法的定位机理，引入量子编码的方式，初始化蝙蝠种群，设定为n只量子蝙蝠，第i只量子蝙蝠在t次迭代的量子速度为：