空间测量定位系统测站智能优化部署方法研究

发布时间：2017-04-19 08:57

  本文关键词：空间测量定位系统测站智能优化部署方法研究，，由笔耕文化传播整理发布。

【摘要】：随着数字化制造技术的迅猛发展,大型装备的制造技术对测量效率、尺寸和精度的要求也在不断的提高,因此对分布式大尺寸测量系统的研究具有十分重要的意义。空间测量定位系统(wMPS:workspace Measuring and Positioning System)是一种基于角度交汇原理实现三维坐标定位测量的系统,具有测量空间大,测量精度高,多站并行测量,可靠性高等特点,其测站网络布局对系统的测量精度,测量范围及使用成本具有重大影响。因此优化测量网络结构,提高测量性能,是wMPS测量系统使用过程中所面临的研究问题。本文以wMPS测量系统为研究对象,对其网络布局的优化问题进行深入分析,提出基于智能优化算法的测站优化布局方案,并进行了实验验证,主要研究内容和工作如下:1.综述了大尺寸测量的发展状况和特点及所面对的挑战,引出了对wMPS测量系统测站布局的研究需求,由此展开了本文的主要研究内容。2.对wMPS测量系统的组成结构,测量原理及多目标优化问题进行了系统的描述。然后分析了影响wMPS测量系统测站布局的三个指标,即定位精度,覆盖度,使用成本。由于这三个目标函数属于不同量纲,对其做归一化处理并运用层次分析法进行权重分析,最后得出处理后的目标函数。3.针对wMPS测量系统的布局优化目标函数,提出了基于改进自适应遗传算法及模拟退火-粒子群算法两种智能优化算法的测站布局优化方法,同时建立相应的布局优化流程。4.建立测量空间布局区域模型,运用文中提出的两种智能优化算法对两到四站的经验网络布局进行仿真分析,仿真结果表明,模拟退火-粒子群算法的优化效果更加明显。此外提出一种多站优化策略,将本文所提出的算法应用于wMPS测量系统多测站布局中,并设计了实验,对优化前后的测量数据进行比对分析,验证优化方法的有效性。
【关键词】：空间测量定位系统 布局优化 改进自适应遗传算法 模拟退火-粒子群算法
【学位授予单位】：湖北工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TH721
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-16
• 1.1 引言8-9
• 1.2 课题研究背景及意义9-10
• 1.3 国内外研究现状10-14
• 1.3.1 角度交汇测量系统布局优化研究现状10-13
• 1.3.2 智能优化算法在测量系统布局优化中的应用13-14
• 1.4 课题来源与主要研究内容14-16
• 第2章 wMPS布局优化模型的建立16-24
• 2.1 WMPS系统测量原理16-17
• 2.2 多目标优化问题描述17
• 2.3 WMPS布局优化模型17-23
• 2.3.1 定位精度分析17-19
• 2.3.2 覆盖度分析19
• 2.3.3 使用成本分析19-20
• 2.3.4 目标函数定义20-21
• 2.3.5 层次分析法权重分析21-23
• 2.4 本章小结23-24
• 第3章 布局优化算法设计24-38
• 3.1 布局优化方法简述24
• 3.2 自适应遗传算法及其改进24-28
• 3.2.1 传统自适应遗传算法原理24-25
• 3.2.2 自适应遗传算法的操作25-27
• 3.2.3 基于进化代数衰减因子的自适应遗传算法27-28
• 3.3 模拟退火-粒子群优化算法28-34
• 3.3.1 粒子群算法28-31
• 3.3.2 模拟退火算法31-33
• 3.3.3 基于模拟退火-粒子群算法混合算法33-34
• 3.4 布局优化流程设计34-37
• 3.4.1 基于进化代数衰减因子的自适应遗传算法优化流程34-35
• 3.4.2 基于模拟退火-粒子群算法优化流程35-37
• 3.5 本章小结37-38
• 第4章 布局优化仿真38-53
• 4.1 仿真实现工具38
• 4.2 空间约束的建立38-39
• 4.3 两到四站测量系统典型布局优化39-51
• 4.3.1 典型布站方式39-41
• 4.3.2 优化算法布站结果41-50
• 4.3.3 仿真结果分析50-51
• 4.4 多站测量系统布局优化51-52
• 4.4.1 优化策略51-52
• 4.5 本章小结52-53
• 第5章 实验53-59
• 5.1 实验设计53-54
• 5.2 实验结果及分析54-58
• 5.3 本章小结58-59
• 第6章 全文总结与展望59-61
• 6.1 全文总结59-60
• 6.2 工作展望60-61
• 参考文献61-65
• 致谢65-66
• 附录66

【相似文献】

中国期刊全文数据库 前10条

1 柏磊;顾陈;严璐;朱晓华;;基于适应度评价扩展自适应遗传算法的门级电路进化设计[J];南京理工大学学报;2011年02期

2 杨云,徐永红,刘凤玉;一种连续探索型自适应遗传算法及其应用[J];南京理工大学学报(自然科学版);2002年06期

3 江瑞,罗予频,胡东成,司徒国业;一种基于种群熵估计的自适应遗传算法[J];清华大学学报(自然科学版);2002年03期

4 袁晓辉,曹玲,夏良正;具有成熟前收敛判断的自适应遗传算法(英文)[J];Journal of Southeast University(English Edition);2003年01期

5 朱力立,张焕春,经亚枝;基于六模糊控制器的自适应遗传算法(英文)[J];Transactions of Nanjing University of Aeronautics & Astronau;2003年02期

6 张群,赵刚;基于模糊逻辑控制器的自适应遗传算法[J];工业工程与管理;2004年06期

7 李井明;刘志斌;;基于自适应遗传算法的水污染控制系统规划[J];科学技术与工程;2006年22期

8 刘宗发;王彦生;徐红玉;杨俊森;;基于自适应遗传算法的单层球面网壳优化分析[J];河南科技大学学报(自然科学版);2006年06期

9 陈超武;董绍华;;求解炼钢—连铸批量问题的自适应遗传算法[J];制造业自动化;2007年02期

10 朱志宇;王建华;;基于混沌优化自适应遗传算法的数据关联求解[J];航天控制;2007年04期

中国重要会议论文全文数据库 前10条

1 楚永宾;唐振;刘小平;卫星;张利;;基于自适应遗传算法的单点交通信号控制方法[A];全国第21届计算机技术与应用学术会议（CACIS·2010）暨全国第2届安全关键技术与应用学术会议论文集[C];2010年

2 郭毓;林喜波;胡维礼;;基于代沟信息的自适应遗传算法[A];江苏省自动化学会七届四次理事会暨2004学术年会青年学者论坛论文集[C];2004年

3 张文广;周绍磊;李新;;一种新的改进型自适应遗传算法研究[A];2005年中国智能自动化会议论文集[C];2005年

4 刘洪杰;王秀峰;王治宝;;多峰搜索的自适应遗传算法[A];第二十一届中国控制会议论文集[C];2002年

5 潘伟;杨劲松;;基于实数自适应遗传算法的μ综合问题[A];2007中国控制与决策学术年会论文集[C];2007年

6 钟守楠;;自适应遗传算法的探讨[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

7 杨泽青;刘丽冰;谭志洪;刘伟玲;;自适应遗传算法在柔性检测路径规划中的应用[A];第二十七届中国控制会议论文集[C];2008年

8 王晓鹏;;基于混合自适应遗传算法的飞机气动优化设计[A];面向21世纪的科技进步与社会经济发展（上册）[C];1999年

9 杨林德;刘学增;王悦照;朱合华;仇圣华;;改进的自适应遗传算法及其工程应用[A];第八次全国岩石力学与工程学术大会论文集[C];2004年

10 危涛;宋万杰;张林让;;自适应遗传算法在M-序列码搜索中的应用[A];第八届全国信号与信息处理联合学术会议论文集[C];2009年

中国博士学位论文全文数据库 前1条

1 黄利;一类自适应遗传算法的渐近行为研究[D];武汉大学;2012年

中国硕士学位论文全文数据库 前10条

1 李欣;自适应遗传算法的改进与研究[D];南京信息工程大学;2008年

2 龙锋;基于自适应遗传算法的W公司仓库货位分配与优化研究[D];华南理工大学;2015年

3 苗振华;基于交叉库与并行变异的自适应遗传算法[D];大连理工大学;2015年

4 江进;基于超宽带和支持向量机的人体姿势识别[D];北京邮电大学;2015年

5 吴泽;面向智能电网基于云计算的有功优化问题研究[D];华北电力大学;2015年

6 周凌霄;基于自适应遗传算法的水轮发电机励磁控制研究[D];南昌工程学院;2015年

7 许盼盼;基于自适应遗传的有限截断算法及其在自主导航中的应用[D];青岛科技大学;2016年

8 王玉波;带有返工工件的单机重调度问题[D];东北大学;2014年

9 岳

本文编号：315877