申翠香， 張曉宇

(1.三門峽市衛(wèi)生學(xué)校， 河南 三門峽 472143； 2.河南有線電視網(wǎng)絡(luò)集團 三門峽分公司， 河南 三門峽 472000)

1 前 言

圓度誤差是評定軸、孔等回轉(zhuǎn)體零件的重要指標，隨著工業(yè)市場發(fā)展的需求，對圓度的測量要求越來越嚴格[1]。 采用影像測量法對圓度誤差測量[2]，適合測量刃口形的小型件，效率比較高，但是實際測量由操作人員的熟練程度等因素決定；轉(zhuǎn)軸式和轉(zhuǎn)臺式圓度儀測量圓度，精度較高[3]，但是對測量環(huán)境要求較高；Hough變換檢測圓度[4]，由于變換復(fù)雜需要較多的計算時間，測量效率較低；三點法、兩點法測量圓度方法較簡單[5，6]，但是只適用于圓度低精度測量。最小二乘法簡便易行，但不滿足最小條件的圓度誤差評定準則，給實際測量帶來了不便。

為了提高圓度測量精度，本文把最小二乘法和量子遺傳算法進行結(jié)合。實驗仿真顯示本文算法獲得了精確的測量數(shù)值，測量最大誤差均在0.01%以內(nèi)，同時最大誤差波動比較平穩(wěn)。

2 圓度特征獲取

2.1 圓心與半徑計算

從圓形最左方點L開始順時針獲取相隔距離為m的點M，連接LM，再取與點M相隔距離也為m的點N，連接MN，從而獲得線段LM、MN，同時LM=MN；同理獲得ES、ST。LM、MN、ES、ST的垂直平分線交匯于圓心點O，如圖1所示。

圖1 圓心獲取過程

在圖1中LM中點坐標為(x1,y1)：

(1)

式中:(xL,yL)、(xM,yM)為圓周上點L、點M的坐標。同理可得MN中點坐標(x2,y2)，經(jīng)過線段LM、MN中點的法線方程為

(2)

式中:(xN,yN)為點N的坐標；(x0,y0)為圓心點O的坐標。因此，線段LM、MN垂直平分線的交點在圓心O。在圓周上取2p條相似于LM的線段，并且求出垂直平分線的交點后[7，8]，統(tǒng)計各個累加交點峰值即可獲得圓心O的坐標(x0,y0)，通過計算各點到圓心坐標距離的平均值獲得檢測圓度的半徑r：

(3)

當測得多個采樣點坐標Ω=(xi,yi)，i=1,2,…,N，通過y=f(x)來反映x、y之間函數(shù)關(guān)系，最佳地擬合圓周輪廓點集數(shù)據(jù)為

y=f(x)=c0+c1x+c2x2+…+cmxm

(4)

式中:cl(l=0,1,…,m)為擬合函數(shù)系數(shù)；m為擬合函數(shù)階次。將坐標擬合構(gòu)造出數(shù)學(xué)模型：

minf(x0,y0,r)=

(5)

(6)

當均方誤差ε最小即可獲得最佳圓心，本文要求ε最小為0.015 6。

2.2 圓度計算

圓形復(fù)雜度的特征量圓度e為

(7)

式中:e∈[0,1]，值越大形狀越接近于圓，A是圓度像素區(qū)域面積。

若e與圓度的標準值es滿足：

|e-es|<0.1es

(8)

則認為當前檢測是合格零件；否則將該檢測作為不符合要求的零件進行剔除[10,11]。

3 基于量子遺傳算法的圓度誤差測量

3.1 多進制遺傳編碼

設(shè)量子個體Q(t)為第t代的量子個體[12]，其量子矩陣為

(9)

3.2 量子旋轉(zhuǎn)門更新

量子遺傳進化算法中[13]，通過量子旋轉(zhuǎn)門更新系統(tǒng):

(10)

式中:θ為量子旋轉(zhuǎn)角，其正負號決定算法收斂方向，其值決定算法收斂速度。

旋轉(zhuǎn)角θ采用的策略為

(11)

式中:s(αi,βi)為控制第i個量子旋轉(zhuǎn)角的方向，α是量子比特處于狀態(tài)0的概率幅，β是處于狀態(tài)1的概率幅；λ是正常數(shù)；Δθ是初始旋轉(zhuǎn)角；fmax為當代染色體的最大適應(yīng)度函數(shù)值；f(x)、f(b)分別為當前解和歷史最優(yōu)解的適應(yīng)度函數(shù)值。調(diào)整的結(jié)果使得概率幅(αi,βi)始終向著最優(yōu)解出現(xiàn)的方向旋轉(zhuǎn)；δ為每次調(diào)整的步長，其取值影響收斂速度，公式為

(12)

式中:t為迭代次數(shù)；tmax為迭代最大次數(shù)。

3.3 檢測過程

(1)輸入圓度圖像，初始化量子個體；

(2)Qi(t)量子旋轉(zhuǎn)門操作更新；

(3)改變調(diào)整步長δ；

(4)量子處于狀態(tài)1的概率大于0.998 1，執(zhí)行步驟(5)，否則t=t+1，轉(zhuǎn)向步驟(2)；

(6)計算圓度e，滿足公式(8)標準圓度值，進行步驟(7)，否則再次按次品處理；

(7)輸出圓度檢測結(jié)果。

4 實驗仿真

量子遺傳算法參數(shù)為：最大迭代次數(shù)tmax=200，種群大小n= 20,初始旋轉(zhuǎn)角Δθ=1°，轉(zhuǎn)角變化率調(diào)整系數(shù)λ=6，多進制量子態(tài)遺傳編碼對應(yīng)概率的下限μ=0.000 5、上限κ=0.95，圓度誤差測量成功標準為最優(yōu)解函數(shù)值與全局最優(yōu)值之差小于0.000 1。通過MATLAB R2014b軟件編程實現(xiàn)圓度圖像處理和分析，獲得圓心坐標和半徑參數(shù)的檢測。

4.1 測量數(shù)據(jù)誤差分析

通過三坐標測量機獲得測量原始數(shù)據(jù)，由于三坐標測量機對數(shù)據(jù)處理系統(tǒng)中的圓度誤差評定結(jié)果具有權(quán)威性，因此把三坐標測量機測量數(shù)據(jù)作為測量標準。本文算法與三坐標測量機對6 mm的被測圓度分別進行10次測量，表1所示為兩種方法的測量數(shù)據(jù)。

從表1中的數(shù)據(jù)可以計算得出:經(jīng)過10次測量，用三坐標測量機測量時被測圓度的半徑平均值為3.006 68，方差為0.029 565 841，均差為0.010 013 418；本文算法測量時該被測圓度的半徑平均值為3.000 82，方差為0.002 848 703，均差為0.003 561 25。本文算法與三坐標測量機測量結(jié)果誤差相差小于0.005 8 mm，半徑相對誤差小于0.19%。

表1 兩種方法測量數(shù)據(jù)

以三坐標測量機測量數(shù)據(jù)為標準，本文算法與其他算法測量結(jié)果相差值如圖2所示。

從圖2可以看出,本文算法的測量結(jié)果與三坐標測量機測量標準數(shù)據(jù)的相差值比較小，較接近三坐標測量機測量數(shù)據(jù),其他測試方法較標準數(shù)據(jù)相差比較大。

通過隨機10次測量，其測量數(shù)據(jù)最大誤差波動如圖3所示。

從圖3可知，量子遺傳算法測量可獲得比較精確的數(shù)值，測量最大誤差均在0.01%以內(nèi)，達到了IT5公差等級，同時最大誤差波動比較平穩(wěn)，證明了該算法的穩(wěn)定性較好。

圖2 測量結(jié)果相差值

圖3 測量數(shù)據(jù)最大誤差波動

4.2 測量不確定度

為了評價本文算法的測量精度及有效性，通過灰色評定理論測量不確定度，由一次累加生成序列和理想累加序列得到其最大差值Δmax，那么圓半徑測量的不確定度s為

式中:c為灰色常系數(shù)，取值2.5；w為測試次數(shù)。不確定度越小，測量結(jié)果與實際值較接近；不確定度越大，測量結(jié)果較差。不同方法的測量不確定度如圖4所示。

圖4 不同方法的測量不確定度

從圖4可知，本文量子遺傳算法測量不確定度在0.074至0.075 μm之間，比其它方法值較低，測量精度較高。

5 結(jié) 論

本文采用量子遺傳算法提高了圓度測量精度，測量最大誤差均在0.01%以內(nèi)，同時最大誤差波動比較平穩(wěn)，為圓度誤差測量提供一種新的參考方法。

[參考文獻]

[1] 王東霞,宋愛國,溫秀蘭. 微分進化算法在圓度誤差評定中的應(yīng)用[J].計量學(xué)報,2015, 36(2): 123-127.

[2] 吳新杰,王苗苗,黃國興.基于粒子濾波和機器視覺的圓形零件尺寸測量[J].機械設(shè)計與制造,2012,(11):49-51.

[3] 宋康,廖俊必, 林長青,等.圓度儀的調(diào)平和圓柱度誤差評定[J].光學(xué)精密工程,2014,22(12):3360-3367.

[4] de Souza G B, Marana A N.HTS and HTSn: New shape descriptors based on Hough transform statistics[J].ComputerVisionandImageUnderstanding,2014,127(10):43-56.

[5] 楊俊超,于大國,徐文凱,等.一孔截面測算多圓心法檢測深孔軸線直線度[J].科學(xué)技術(shù)與工程,2015,15(34):172-176.

[6] 李帆,周芬芬，李興林,等.精密軸承鋼球圓度測量誤差分離技術(shù)研究現(xiàn)狀[J].軸承,2015,(6):50-55.

[7] 周勇亮,金燕,何萍,等.隨機Hough變換圓檢測累計加速算法[J].計算機輔助設(shè)計與圖形學(xué)學(xué)報,2014,26(4): 574-580.

[8] 龔立雄,黃敏.基于改進Hough變換的圓形零件尺寸測量研究[J].現(xiàn)代制造工程,2014,(2):98-102.

[9] 王健全,田欣利,張保國,等.微納尺寸零件曲率半徑測量方法[J].解放軍理工大學(xué)學(xué)報(自然科學(xué)版),2014,15(1):56-61.

[10] 劉長青,李軍,席巍.基于機器視覺的零件在線分選系統(tǒng)研究[J].數(shù)字技術(shù)與應(yīng)用,2012,(4):71-73.

[11] 劉慶民，張蕾，吳立群,等.基于機器視覺的非均勻分布點圓度誤差評定[J].計量學(xué)報,2016, 37(6): 567-570.

[12] 沈微微,華明正,史洪瑋.一種基于高校排課問題的新型量子遺傳進化算法[J].現(xiàn)代電子技術(shù),2013,36(20):7-10.

[13] 張磊,方洋旺,毛東輝,等.一種新的相位角編碼量子進化算法[J].控制與決策,2015,30(4):739-744.