直线度误差测量—翻译简析.doc

直线度误差测量 —— 一种为了估计直线度最小误差区域快速而简单算法来自坐标抽 摘要：过去已经有各种各样的方法来判定最小区域直线度误差，但是这些方法都有它们各自的缺点。一种来自平面坐标抽的新的，快速，简单的算法被提出来计算直线度误差。它确保了最小区域的解决方法。一个例子和实验数据可以证明。模拟实验的结果使计算这个算法的时间复杂度得以确定也可以显示它的优点。 关键词：坐标测量机（CMM） 算法 直线度误差 一·介绍 在工业能力观中通过坐标测量机来估计各种产品的性能已经是非常的广泛和受欢迎了。在许多情况被探索之后，直线度是一个典型的特征。例如：机床的分层，游标卡尺的梁。当用坐标测量机来判定直线度误差时，坐标测量机主要是获得了工作空间的坐标。在那之后，这些坐标用软件设备分析出来得到测量结果。本文介绍了一种新的从二维坐标数据判定直线度误差的方法。 根据IOS（一种绘图操作系统），“当来自一个理想的几何形式的附加面一个单独的坐标的距离等于或小于这个特定的公差的值的时候，一个单独的公差特征的直线度被认为是正确的。这个理想直线的方向将会被选择是因为它是最大距离与这个被考虑的特征点的真实表面之间最小的可能值。”因此直线度误差是把真实表面围起来的两条平行线之间的最短距离，也可以称为最小区域的直线度误差。然而判定参考线的正确性的不仅仅是算数计算那么简单，许多测量坐标机的开发者运用各种近似值，但是在政府工业数据变换计划警报后他们就变的谨慎了。 在过去为了判定最小区域直线度误差各种各样的办法都已经被提出过了。Murthy and Abdin讨论运用各种方法从最小平方和普通最小平方开始单纯性搜索法和螺旋性搜索法技术。Dhanish and Shunmugam运用线性，非连续的切比雪夫逼近的理论从格式数据方面来判定直线度误差，在这里参考线是用来和测量线排列成一线的，而不是为了坐标数据运用的。Carr and Ferreira用了国际商业机器公司（IBM）的软件包库来获得最小区域的解决方法。Cheraghi等人开发了一般线性程序以一种特殊的搜索方法来判定最小区域直线度。首先凸形构造被确定，然后双点的对应点也就被确认了。所有的距离被估算出来后，最小值就作为直线度误差。Orady等人用单纯搜索法来计算最小区域直线度误差。Chen and Fan用了微软Excle中广义约化梯度法来判定直线度误差。Huang提出了一个基于凸出点的测定上的方法。他有着准确的判定那就是三个点足够确定最小区域度误差，但是提出的这个方案中没有一个方法可以删除已经加入的点。他已经表明在一个定义的点集中有六到七个点剩余，那就意味着最佳的解决方法还没有被找到。举一个可以得出计算结果的例子，凸出的点是11, 64, 47,67, 33, 86和89，得出最佳解的点应该是被单独定义的点47,67,89。 大多数上述所提到的方法中都是有针对性的解决问题，这些算法都尽可能的快确不能利用到数据本身的特性。例如启发式法中的模拟退火法，遗传算法和神经网络法都很快，但是都不能保证得到最佳解。Liu等人采用了一种将遗传算法和几何特性相混合的方法。然而，更好和更快的算法是永远的利益。在这篇文章当中，一种新的算法被提出，这种算法的每一步以一种非常简单的形式呈现，是的任何一个用户觉得这种算法易于编程。 实验与模拟数据相较于该算法的执行时间和冒泡排序，堆排序这两种排序算法都展现出来了。 二·问题的数学定义 用(x1, y1),(x2, y2),...,(xi, yi),...,(xn,yn)来代表该测量线上的n个点在xy平面内的x,y坐标。我们的目标是找出理想直线的斜率l0和截距y0，这条直线上的点是给出的最适合的点。至于这条理想直线的误差点(xi, yi)已经被给ei=[yi-(yo+loxo)]√1+lo2。我们用emax来指代误差值中的最大值，用emin来指代误差值中的最小值。然后，直线度误差h就可以用h = emax?emin来计算。根据最小区域准则，当h最小化时我们的目标值由l0 和y0来判定。 图一 ·直线度误差的定义 三·算法 该算法的大致过程如下：在第一步和第二步中，我们根据数据确定一条近似线然后旋转坐标轴是x轴沿着数据点。至于这条线，我们先忽略直线度偏离的非直线性，在第三步到第十四步中判定最小区域直线。在这之后的第十五步中，我们检查是否是非直线性，如果是，我们就相应地旋转数据点。我们不断重复直到旋转的x轴与确定的最小区域线之间的角变得很微小。一旦这些都完成了，我们就在原坐标系中确定了这条线的参数（第十六步）和直线度误差（第十七步）。 第一步：确定数据集合中两个最远的点（见图二2a）。如果两个点是从一个点的终点到另一个点的终点测量的