1、该课题任务来源于齐齐哈尔市科学技术计划项目《基于群智能算法的复杂曲面类零件五轴加工中心在机测量的研究》（编号：GYGG-201919）。 2、研究目的与意义： 实现基于五轴加工中心的复杂曲面高效高精度在机测量的关键是测量点自适应采样和测量路径优化，下面对其研究目的和意义分别进行论述。 (1) 测量点的数量及分布严重影响复杂曲面的测量精度，直接关系到获取曲面形状信息的准确性，本项目拟基于改进的粒子群模拟退火算法（PSO-SA）生成质心Voronoi结构，并将其用于复杂曲面的自适应采样过程，以曲面片的质心为测量点，使曲面在曲率大的位置测点密度高，在曲率小的位置测点密度低，从而实现用尽可能少的测量点更准确的描述曲面。 (2) 测量路径是影响测量系统测量效率的重要因素。为保证测量精度，基于五轴加工中心的在机测量系统在对复杂曲面进行测量时，测头不仅要平动，还要进行摆动，测头以曲面法线方向进给到测量点，测量路径不仅包括测量点间的平动距离，还包括测量点间不同法线方向的摆动角度。本项目研究考虑位姿影响情况下的测量路径优化问题，对提高测量精度和测量效率、减少机床时间的占用具有重要意义。 3、主要论点与论据： 复杂曲面高精度高效率自适应采样关键技术：本项目以复杂曲面类零件为研究对象，实现曲面的高精度高效率自适应采样，其原则是在一定采样精度下，以最快的速度、用最少的测量点充分表达曲面形状信息。因此，需通过改进算法，以提高曲面自适应采样效率，并寻求全局最优的质心Voronoi结构，以满足在机测量要求。 复杂曲面高精度高效率自适应采样技术路线：基于无网格法布点技术思想，拟利用PSO-SA群智能算法生成质心Voronoi结构的质心作为采样点，实现全区域采样点的合理分布。 4、创见与创新： (1) 提出基于粒子群模拟退火算法（PSO-SA）生成质心Voronoi结构实现曲面自适应采样的方法，以质心点为采样点，使测量点的分布充分反映曲面的形状信息，并使采样精度和采样效率均满足在机测量要求。 (2) 综合考虑测头位姿影响，研究五轴加工中心测量路径优化问题，提出基于粒子群模拟退火算法的群智能优化方法，有效提高算法局部寻优能力和收敛速度，进而提高测量效率。 5、社会经济效益，存在的问题： 利用PSO-SA算法生成二维CVT结构，将复杂曲面离散点云数据的高斯曲率绝对值作为生成CVT结构的密度函数，以方差函数为收敛准则，通过全局算法SA的退火准则设置降温系数，以避免PSO-SA算法陷入局部收敛，得到全局最优的二维CVT结构；再将质心点映射回原曲面，获得测量采样点，这样，既保证了采样精度，又提高了采样效率，因此，能够实现曲面测量点的高效率高精度自适应分布。越来越多的大型复杂曲面需要进行在机测量研究，本项目的研究将产生巨大的经济效益。 当前研究存在的问题 (1) 在机测量传统采样方法存在采样点过于集中和采样区域遗漏而影响曲面轮廓度的问题。自适应采样方法可依据曲率变化充分表达曲面的形状信息，但"曲面-曲线-测量点"的分解思想容易造成曲面采样点局限于所选曲线，从而导致采样点过于集中和采样区域遗漏问题。 (2) 五轴加工中心复杂曲面在机测量的问题之一合理规划加工路径，以减少加工误差。在测量过程中，测头沿待测曲面理论模型的法线方向移动到待测曲面，测头位姿不断改变，测头需做由平动和摆动构成的复合运动。 6、历年获奖情况： 2项科研成果获得市厅级以上科技进步奖。研究内容主要是智能融合算法及其应用，数字化技术及系统，测量数据处理及误差分析，数字图像处理，数字建模及仿真等方向。 7、成果简介： (1)复杂曲面高精度高效率自适应采样 (2)考虑测头位姿影响的五轴加工中心在机测量路径优化 (3)曲面轮廓度误差评定

齐齐哈尔大学

该项目为储备库项目资源，暂无效益分析内容。