一种基于改进法医调查算法的大尺寸测量场布站优化方法

1.本发明涉及大尺寸测量场测量布站技术领域，特别涉及一种基于改进法医调查算法的大尺寸测量场布站优化方法。


背景技术：

2.随着“工业4.0”时代的到来，数字化装配技术迅猛发展，大型设备的装配工艺对测量效率、尺寸和精度的要求也在不断的提高。而高精度大尺寸测量场的构建是实现大型设备装配工艺的基础，因此对大尺寸测量场布站技术的研究具有十分重要的意义。在大型设备装配过程中，由于部件和装配工装存在限制和遮挡，单台激光跟踪仪无法完成对所有目标点的测量，因此需要采用多台跟踪仪协同工作的方式来构建覆盖整个装配空间的测量网络。在实际工程环境下,测量场规划目前主要依靠工程师的经验和实验方法,效率和可达性均很难满足应用需求，因此可将布站问题转换为高维多目标优化问题。多目标优化问题广泛存在于科学研究和工程应用中，如作业车间调度、自动控制、投资组合与决策、生物医学、图像处理及数据挖掘等领域。具有多个目标需要最优化的问题即被称为多目标优化问题,但随着目标数量的增加,传统的多目标进化算法往往只能收敛到局部最优,高维多目标优化问题逐渐地成为一类研究热点。经典的粒子群算法、蚁群算法等优化算法仅适用于低维优化问题，过多的输入参数需要人为设置，当参数设置不当时优化所得解的质量特别差。同时算法在迭代的过程中存在收敛速度慢、容易陷入局部最优等问题。


技术实现要素：

3.为解决上述现有技术中所存在的问题，本发明提供一种基于改进法医调查算法的大尺寸测量场布站优化方法，建立大尺寸测量场激光跟踪仪布站优化模型，将多个激光跟踪仪站位以高维参数的形式输入到布站优化模型中，以光线可达性为依据计算和评估激光跟踪仪站位的适应度，并在多个约束共同作用的条件下通过改进的法医调查算法求解多个站位布站的最优结果。布站优化模型能以很快的速度计算出各个站位的位置，大大地缩短了布站的时间，对提高大尺寸测量场环境下的装配效率具有一定的现实意义。
4.为了实现上述技术目的，本发明提供了一种基于改进法医调查算法的大尺寸测量场布站优化方法，包括以下步骤：
5.s1，构建布站优化模型；
6.s2，将参数输入至所述布站优化模型，得到激光跟踪仪的定义域；
7.s3，基于所述定义域，得到所述激光跟踪仪的最优位置。
8.可选地，通过创建虚拟测量场环境，构建所述布站优化模型。
9.可选地，所述参数包括：大尺寸产品的点云数据、工装点云数据和地面点云数据。
10.可选地，所述s2包括：
11.根据所述参数求出包围盒，并将所述包围盒放大b倍，放大后的所述包围盒的侧面即为所述激光跟踪仪的所述定义域，将所述定义域划分为k个。
12.可选地，所述s3包括：
13.s31，基于所述定义域，计算迭代配置参数，初始化激光跟踪仪种群，设置约束条件；
14.s32，按顺序选择一个所述迭代配置参数，计算所有所述激光跟踪仪的可见区域，得到目标函数，遍历种群执行所述目标函数，得到先验分布；
15.s33，根据最大迭代次数计算遍历资源，设置提取优选比例；
16.s34，根据所述最大迭代次数循环，对所述先验分布进行排序，并提取前提取优选比例部分；
17.s35，预测最优解，并将所述最优解添加至所述前提取优选比例部分；
18.s36，基于所述目标函数，更新所述激光跟踪仪的最优位置。
19.可选地，所述约束条件为：
20.两个所述激光跟踪仪之间大尺寸产品或工装上的转站点数量不小于c1，约束设置为c1(x)；
21.两个所述激光跟踪仪之间地面上的转站点数量不小于c2，约束设置为c2(x)；
22.所有所述激光跟踪仪看见的转站点数量为转站点总数量的c3以上，约束设置为c3(x)。
23.可选地，所述目标函数为：
[0024][0025]
其中vi(x)表示激光跟踪仪在该站位看到的可见点的数量，v
total
表可选地，所述初始化激光跟踪仪种群包括：
[0026]
根据所述迭代配置参数中的第一个所述激光跟踪仪的种群数量，即为最大种群数量，根据所述定义域，生成所述激光跟踪仪的三维坐标。
[0027]
本发明具有如下技术效果：
[0028]
建立大尺寸测量场激光跟踪仪布站优化模型，将多个激光跟踪仪站位以高维参数的形式输入到布站优化模型中，以光线可达性为依据计算和评估激光跟踪仪站位的适应度，并在多个约束共同作用的条件下通过改进的法医调查算法求解多个站位布站的最优结果。由于改进的法医调查算法在高维输入的情况下依旧具有很快的收敛速度，因此布站优化模型能以很快的速度计算出各个站位的位置，大大地缩短了布站的时间，对提高大尺寸测量场环境下的装配效率具有一定的现实意义。
附图说明
[0029]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0030]
图1为本发明实施例基于改进法医调查算法的大尺寸测量场布站优化方法的流程图；
[0031]
图2为本发明实施例建立的布站优化模型示意图；
[0032]
图3为本发明实施例定义域划分示意图；
[0033]
图4为本发明实施例约束条件示意图；
[0034]
图5为本发明实施例又一约束条件示意图；
[0035]
图6为本发明实施例又一约束条件示意图；
[0036]
图7为本发明实施例建立的布站优化模型的运行效果图；
[0037]
图8为本发明优化流程图。
具体实施方式
[0038]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0039]
如图1所示，本发明公开一种基于改进法医调查算法的大尺寸测量场布站优化方法，包括：
[0040]
s1，构建布站优化模型，构建的布站优化模型如图2所示。
[0041]
s2，将大尺寸产品的点云数据、工装点云数据和地面点云数据输入至布站优化模型，根据大尺寸产品、工装和地面的点云数据求出包围盒，并将包围盒放大b倍，以防止激光跟踪仪过于贴近大产品，放大后的包围盒的侧面即为激光跟踪仪的定义域。将定义域划分为k个，如图3所示。
[0042]
s3，基于定义域，得到所述激光跟踪仪的最优位置，流程图如图8所示；
[0043]
s31，基于定义域，计算迭代配置参数，初始化激光跟踪仪种群，设置约束条件；
[0044]
初始化激光跟踪仪种群：根据求得的迭代配置参数中的第一个激光跟踪仪种群数量即为最大种群数量np，根据s2求得的定义域随机生成激光跟踪仪的三维坐标。由于定义域被划分为k个，因此激光跟踪仪也有k个，则激光跟踪仪种群维度为d，d＝3k。
[0045]
设置约束条件：两个激光跟踪仪之间大尺寸产品或工装上的转站点数量不小于c1，约束设置为c1(x)，如图4所示；两个激光跟踪仪之间地面上的转站点数量不小于c2，约束设置为c2(x)，如图5所示；所有激光跟踪仪看见的转站点数量为转站点总数量的c3以上，约束设置为c3(x)，如图6所示。
[0046]
s32，开始优化，按顺序选择一个迭代配置参数，计算所有激光跟踪仪的可见区域，得到目标函数：
[0047][0048]
其中vi(x)表示激光跟踪仪在该站位看到的可见点的数量，v
total
表示飞机点集总数量；σ为一个很大的惩罚因子。遍历种群执行目标函数，获得先验分布。
[0049]
s33，根据最大迭代次数计算遍历资源，设置提取优选比例h＝1/3。
[0050]
s34，开始按照最大迭代次数循环，将s32中获取的先验分布进行排序，提取前h部分。
[0051]
s35，通过tpe算法预测最优解《x,fitness(x)》并将其添加到前h部分。
[0052]
s36，法医调查算法有a1、a2、b1和b2四个步骤，基于目标函数，更新激光跟踪仪的
最优位置，在np个种群中，将得到的目标函数最小的个体设置为最优位置。当出现更优适应度时执行下一步，否则增加h并回收剩余步骤遍历资源，返回步骤s34；当法医调查算法的四个步骤都执行一次后，根据适应度损失减小h并回收剩余步骤遍历资源，返回步骤s34，直至所有迭代配置参数全部被选择一次，得到激光跟踪仪的最优位置，得出的最优位置即为在工装遮挡情况下的激光跟踪仪布站方法，运行效果如图7所示。
[0053]
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。