1、 基金项目： 国家自然科学基金项目（ 51075198），江苏省自然科学基金项目 (BK2010479)，江苏省 “333 人才工程 ” 和 “ 六大人才高峰 ” 项目。 作者简介： 潘俊（ 1989 ）男，硕士，研究方向测试计量技术。 E-mail： 。 圆度误差评定与 测量 不确定度计算 潘俊 ，温秀兰 (南京工程学院自动化学院 ,江苏 南京， 211167) 摘要 ： 为了更准确地评定圆度误差 及 测量 不确定度，根据圆度 特点 ，提出 实数编码 改进遗传算法求 圆度误差 最小区域 解 ，基于蒙特卡洛法评定 测量 不确定度 。 通过对零件 实测 计算 结果表明 采用实数编码 的改进遗传算
2、法 ， 不仅省去了 重复的编码解码 ， 而且 算法简单 优化效率高，蒙特卡洛法计算不确定度与传统 GUM 方法相比 不受直接测量量相关性的限制 ,而且 受问题条件限制的影响小 ,使不确定度评定简单化。 采用改进遗传算法和蒙特卡洛法 能够更加准确高效的评 定 圆度误差和 测量不确定度 。 关键词 ： 圆度 ； 改进 遗传算法； 不确定度 ； 蒙特卡洛法 The Evaluation of Circularity Error and the Computation of Measurements Uncertainty PAN Jun, WEN Xiu-lan School of Automati
3、on and Nanjing Institute of Technology, Nanjing 211167 China Abstract： In order to more accurately compute the result of circularity error and measurement uncertainty, using the minimum zone method of improved genetic algorithm in real-code to evaluate the circularity error and the Monte Carlo metho
4、d to calculate the uncertainty by the characteristics of circularity. Through the results of the calculation of actual parts it shows that the improved genetic algorithm in real-code, not only saves the duplication of code decoding, and simple algorithm for optimization of high efficiency. The uncer
5、tainty by Monte Carlo method compared with the traditional method of GUM department is not only restricted by direct measurement quantity correlation but also under the influence of small problem constraint, and simplify the evaluation of uncertainty. With the improved genetic algorithm and Monte Ca
6、rlo method can be more accurate and efficient evaluation of circularity error and uncertainty. Key words: Circularity error; Improved genetic algorithm; Uncertainty; Monte Carlo 0 引言 圆度误差是机械零件常见的形状误差之一，其反映的是实际圆轮廓对其理想圆的变动量，其值的大小是从一特定圆心算起，以包容实际轮廓的两个同心圆的半径差来衡量的。国标规定的评定圆度误差有 4 种方法：最小二乘 法、最小区域圆法、最大内切圆法和最
7、小外接圆法 1。其中， 最小二乘法 有具体的公式算法 最为简单 评定结果稳定 ，但是在要求精度 较高 的零件加工时评定结果 可能存在 争议 。 最小区域法是按圆度误差的国标定义和 ISO 定义来评定圆度误差值的，评定出的结果可作为仲裁的依据。因此，用最小区域法评定圆度误差才是严格的正确的评定方法 ，也是唯一的仲裁方法，应尽可能采用这种方法，以使评定的结果更准确和更具客观性 2。 圆度误差按最小区域法进行计算的本质是一个复杂的非线性最优化问题， 本文就是用改进遗传算法 来进 行计算。 遗传算法 (GA,Genetic algorithm)由美国 J.-Holand 教授2 于 1975 年首次提
8、出，是一类通过模拟生物界自然选择和自然遗传机制的随机化搜索算法。遗传算法特别适用于处理传统搜索算法难以理解的复杂和非线性问题，可广泛用于组合优化，机器学习，自适应控制，规划设计和人工生命等领域，它已逐渐成为 21 世纪计算智能的关键技术 之一 3。 在实际的测量过程中 ，测量仪器，测量方法，以及测量结果都是存在着一定的误差，所以我们在使用这些数据进行误差计算时是不准确的。 因此， 国际上早在 20 世纪 60 年代就提出了用“不确定度”来定量表示测量结果可信程度的建议。 根据现代测量误差理论，在测量零件的实际尺寸时，不仅要得到尺寸的测量结果，而且也要包含结果的不确定度。所以，在进行圆度误差评定
9、时，也应当给出评定结果的不确定度。 在新一代 GPS（ Geometrical Product Specification）里的测量不确定度的核心就是不确定度的评定 。 测 量不确定度表述指南（ GUM） 和 ISO 标准给出了测量不确定度的评定方法 4。 本文用最小区域法建立的圆度误差评定的数学模型，由于其目标函数是非线性、不可微等原因，使得根据不确定度传递模型用解析法求解变得复杂而又困难，甚至不能用解析法得到不确定度的传递函数，因此采用蒙特卡洛法来计算。蒙特卡罗方法（ Monte Carlo），也称为计算机随机模拟 (random simulation)方法，有时也称为随机抽样（ rand
10、om sampling）技术或者统计试验 (Statistical testing)方法。它一种基于 随机数的计算方法，它以概率统计理论为主要理论基础，以随机抽样为主要手段 5。 目前人们对圆度误差评定数学模型与算法的研究仍然在不断深入和加强，各种新模型与算法不断出现，然而准确、高效、可靠的算法仍然是寻求的目标之一 6,7。因而对回转体零件形状误差的评定方法、评定理论、解算方法等问题的研究，依然是精密计量测试领域研究的热点。 1 改进遗传算法 圆度误差评定 遗传算法搜索最优解的方法是模仿生物的进化过程，即通过选择与染色体之间的交叉和变异来完成的。遗传算法主要使用选择算子、交叉算子与变异算子来模
11、拟生物进化， 从而产生一代又一代的种群。 1.1 标准遗传算法 在标准遗传算法中，一个染色体由一串二进制字符串表示 ，字符串的一位叫做基因，每个基因有着不同的值。 一群单独的染色体叫做种群，基本遗传算子包括选择、交叉和变异。 标准 遗传算法 步骤 如下 ：（ 1）定义一个表明解决方法适应度的目标 函数 。（ 2） 选择合适的编码和相应的遗传算子 。 （ 3）随机产生 N 个个体的初始种群 。 （ 4）计算每个个体的适应度 。 （ 5） 分配给每个染色体的繁殖概率 。 （ 6）根据分配的繁殖概率生成一个新的 种群 中 选择的个体。 通过设定的交叉和变异概率使选择的个体产生后代 。（ 7）如果达到
12、终止条件，则停止，否则跳到步骤（ 4）。 1.2 改进遗传算法 改进遗传算法实现实数编码和优化变量的浮点数表示。和标准遗传算法相比，改进遗传算法的时间更短，因为 它 不需要编码和解码的过程。 考虑到圆度误差优化，改进遗传算法采用混合交叉 9，它通过结合父代信息产生子代并且具有良好的搜索能力。而且，它不需要计算 种群中的 每个个体的 适应度，也不需要设置交叉和变异概率。 混合交叉产生子代的方法 为 ： （ 1） 从种群中随机选择两个父代 v1， v2。 （ 2） 子代向量 的每个 元素 的值在均匀分布的区间 内随机产生 3 （ 1） 本算法采用最小代沟 Minimal Generation Ga
13、p（ MGG）模型，在实数编码的遗传算法中它是保证种群多样性的有效方法。在最小代沟模型里， 将一代种群随机选择一对父代使用交叉算子产生子代，在父代和子代中选择最优和 次 优的个体代替原来的父代。当迭代次数达到设置的次数时则停止。 1.3 圆度误差目标函数建 立 按最小区域法评定圆度误差实际上是寻找包容被测实际圆 的 两个 同心 圆 且 相距最短。设实际圆上的测量点为 pi （ xi,yi ） (i=1,2,3, ,n), 其中 n 为测量点个数，设根据最小区域确定的圆方程为，其中（ xz,yz）为圆心坐标 。由圆度误差定义知 ，其计算公式为 ： （ 2） 所以求解圆度误差就变为寻找 ， 的值，
14、使目标函 ，其中 数 f 为最小。 2 蒙特卡洛法不确定度计算 蒙特卡洛法 的基本思想是 :为了计算数学、工程技 术等方面的问题，首先建立一个与所求解相关的概率模型，使所求问题的解正好是所建模型的数学期望或其他有关特征量；然后通过对模型的观察或抽样试验来计算所求参数的统计特征；利用建立的概率模型，求出要估计的参数；再次对模拟结果进行分析总结，验证该系统的某些特性 9。 本文采用三坐标测量仪进行圆度测量， 对三坐标测量机进行不确定度来源分析， 从而得到 圆 度误差测量过程中所产生的测量不确定度 10。 圆度误差 评 定过程中测量不确定度 的计算步骤 ： （ 1）分析 圆度 误差测量不确定度的来源
15、，判断其分布类型及分布区间，通常不确定度来源 主要有坐标点测量不确定度，示值误差引起的不确定度，环境因素等引起的不确定度。 （ 2）确定圆度误差 不确定度 计算模型及其公式 设 圆上的 任一 测量点为 pi （ xi,yi ） (i=1,2,3, ,n) , 其中 n 为 测 量 点 个 数 , 圆 方 程 为,圆度的数学模型包括变量和目标函数。 设计变量为： ， ； 目标函数为： (3) 其中： (4) 假设取样点中对于最小区域拟合 圆心 距离的两个峰值点分别为距离最大点：（ x1,y1），距离最小点：（ x2,y2）。 （ 3）计算或估计模型中各输入量的期望值与方差 确定变量 xz,yz,
16、 x1,y1,x2,y2 的期望值和方差值。 （ 4）根据模型中各输入量的分布用蒙特卡罗方法产生各输入量的随机数序列 以 xz,yz, x1,y1,x2,y2 的期望和方差值生成 6 维的随机数组来模拟 圆 度误差测量值，样本的容量为 M，4 通常采用大样本来进行圆度误差测量不确定度评定。 （ 5）根据各输入量的随机数计算测量结果 把以上随机序列代入 圆 度误差模型，求得 M 个 圆 度误差 f 的值。 根据这组 f 的值，构造一个概率分布，判断其分布类型，求出其期望和方差，期望值即为圆度误差的值，方差 的 值即为所要求的圆度误差测量的标准不确定度。 3 实例 验证 本文的测量数据来源于 型号
17、为 NC454 的 三坐标测量仪（ CMM）测量 圆柱体 的零件，如图 1 所示。取任一横截面 测 得圆上点的坐标，见表 1。 3.1 圆度误差评定实例 改进遗传算法优 化结果主要 受 种群大小和子代大小影响， 因为实际生产零件的圆度误差非常小 ,生成初始种群是接近 (甚至包括 )中心 ,当种群模数和子代模数设置为 20 和 20,遗传算法可以找到最小区域法的最优解 ， 因此 分别将种群模数和子代模数设为 20 和 20， 得到改进遗传算法的误差进化过程如图 2。 并得到该算法圆度误差和三坐标测量仪给出的圆度误差 作 对比，三坐标测量仪给出的结果是根据最小二乘法计算得出，见表 2。 表 1 三
18、坐标测量仪测量数据 单位 mm 测量点 X Y 测量点 X Y 1 261.2164 -142.3454 19 244.4561 -119.8841 2 259.1387 -143.6332 20 246.5364 -118.6013 3 256.8648 -144.5404 21 248.7891 -117.7045 4 254.4811 -145.0379 22 251.1776 -117.2094 5 252.0435 -145.1152 23 253.6191 -117.1329 6 249.6312 -144.7696 24 256.0264 -117.4793 7 247.3200
19、 -144.0044 25 258.3396 -118.2402 8 245.1640 -142.8519 26 260.4924 -119.3903 9 243.2516 -141.3481 27 262.4135 -120.8992 10 241.6060 -139.5114 28 264.0482 -122.7329 11 240.2934 -137.3871 29 265.3297 -124.7986 12 239.4034 -135.1407 30 266.2407 -127.0890 13 238.9108 -132.7739 31 266.7325 -129.4562 14 23
20、8.8374 -130.3222 32 266.8101 -131.9109 15 239.1801 -127.9235 33 266.4606 -134.3239 16 239.9528 -125.5885 34 265.7164 -136.5972 17 241.1103 -123.4365 35 264.5634 -138.7637 18 242.6341 -121.4999 36 263.0353 -140.7191 5 图 1 零件实测图 图 2 圆度误差进化曲线 表 2 误差评定结果 3.2 测量不确定度实例验证 对 三坐标测量仪 不确定度来源的分析 10： （ 1） 重复性误差
21、引入的不确定度分量 u1。在圆度测量范围内取 1 个点进行重复性误差实验，这个点测量 10 组半径变化量，利用贝塞尔公式 。 。 （ 2） 示值误差 引入的 不确定度分量 u2。根据圆度仪的相关资料知，示值误差小于 3.0 ，分布状态服从正态分布，不确定度分量为： 。 （ 3） 测力变形引入的不确定度分量。由于在实际测量中，各部件都具有较高的刚性，所以测力变形引入的误差近似为零，不确定度分量可以忽略不计，即 u3=0； （ 4） 温度变化所引起的不确定度分量 。 本次实验在恒温、恒湿的条件下完成的，所以温度对其影响很小，可以忽略。 u4=0； 方法 圆度误差（ mm） 最小二乘 法 （ CMM
22、） 改进遗传算法 0.0098 0.0091 6 圆度误差在测量过程中所产生的不确定度计算公式为： （ 5） 根据式 （ 3） 和 （ 4） ，以及 GUM 规定可以得到圆度测量不确定公式： （ 6） 根据式 （ 6） ，得到 GUM 法得到的测量不确定度。 根据前述的蒙特卡洛法的步骤，运用 Matlab 软件进行模 拟 计 算 ， 采 用 样 本 容 量 M 为 10000 ， 将 产 生 的 样 本 带 入， 即可得到测量误差和误差分布图。最后给出对 GUM 方法和蒙特卡洛法的 圆度误差的不确定度评定 结果 见 表 3 所示 。 得到圆度误差 概率 分布 见 图 3 所示 。 图 3 圆度
23、误差概率分布图 表 3 圆度误差不确定度 计算 结果 综合上面计算的结果，改进遗传算法 收敛速度快且 精度明显高于 CMM 给定的最小二乘法，对于测量不确定度的评定都采用了 GUM 方法和蒙特卡洛方法。这两种方法的结果相近，蒙特卡洛方法用于不确定度评定完全可以满足精度要求，这两种方法都是可行的。 4 结束语 本文 采用改进遗传算法，通 过实例 和最小二乘法对比证明，该 算法不仅算法简单，鲁棒性强，收敛速度快，得到的结果优于三坐标测量仪通过最小二乘法给出的结果，非常适用于三坐标测量仪的圆度误差方法 测量不确定度 （ mm） GUM 蒙特卡洛 0.0030 0.0029 7 的测量数据处理。运用蒙
24、特卡洛法 和测量不确定度评定指南（ GUM）给定的评定方法 来计算圆度误差的不确定度， 所计算出来的结果接近。但是蒙特卡洛法计算方便且 不用考虑测量分量之间的相关性，迭代过程简单易行， 所以 ，基于蒙特卡洛方法的圆度误差不确定度评定可以更好地在不确定度评定发挥更好的作用。参考文献 : 1刘巽尔 . 形状和位置公差 M. GB/T7234-2004. 北京：中国标准出版社， 2004. 2范淑果 ,郝宏伟 ,杜皓 .选择圆度误差评定方法的体会 J. 计量与测试技术 ,2009,36(10):28-30. 3冯萍 ,谷文祥 ,曲爽 . 浅析遗传算法与进化策略 J. 长春大学学报 2005,15(2
25、):26-27. 4尚俊峰 ,赵凤霞 ,张琳娜 . 蒙特卡洛方法在 GPS 不确定度评定中的应用 J. 机械设计与制造 ,2011,9(9):68-70. 5张静 . 基于新一代 GPS 的定向误差评定方法的研究 D.桂林 .桂林电子科技大学 ,2011. 6于铁 民，李振华 . 测量圆度误差数学建模与实践 J. 吉林建筑工程学院学报， 2006， 23(3)： 63-65 7刘平，杜丽杰圆度误差目标函数特性的研究 J宇航计测技术， 2007,27(2)： 1-3 8X.L. Wen, Q.G. Xia, Y.B.Zhao, An effective genetic algorithm for circularity error unified evaluation, International Journal MachineTools and Manufacture 46 (2006) 1770 1777. 9 陈晓怀 ,薄晓静 ,王宏涛 .基于蒙特卡罗方法的测量不确定度合成 J. 仪器仪表学报 ,2005,759-761. 10连慧芳 . 形位误差测量的不确定度评定 D. 合肥：合肥工业大学 ,2010.
