基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了提高圆度误差的评定精度和计算收敛速度,提出了一种改进教与学算法的圆度误差评定方法.首先,通过圆度误差最小区域原则的数学模型,建立算法的目标函数.其次,在标准教与学算法的基础上,设计了两阶段爬山搜索策略增强局部开发能力,进一步提高算法精度和收敛速度.最后通过三坐标测量的圆度测量数据进行求解验证,并将计算结果与常用的最小二乘法,遗传算法,粒子群算法等进行对比.实例表明,改进教与学算法在圆度误差评定上的计算精度和收敛速度都优于传统算法,体现了其优越性.
推荐文章
混合教与学算法在空间直线度评定中的应用
计量学
混合教与学算法
空间直线度
误差评定
最小区域原则
混合蛙跳算法
基于IRLS的圆度误差最优化评定
误差评定
圆度误差
迭代重加权最小二乘法
误差限
LSM算法评定空间直线度误差的分析与改进
形位误差
误差评定
空间直线度误差
LSM算法分析
改进LSM算法
遗传算法在圆度误差评定中的应用
圆度误差
最小二乘圆
遗传算法
局部收敛
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 改进教与学算法在圆度误差评定中的应用
来源期刊 机械设计与制造 学科 工学
关键词 圆度误差 最小区域法 教与学算法 爬山算法 改进教与学算法
年,卷(期) 2019,(5) 所属期刊栏目 先进制造技术
研究方向 页码范围 117-120
页数 4页 分类号 TH16|TB92
字数 3157字 语种 中文
DOI 10.3969/j.issn.1001-3997.2019.05.031
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李明 上海大学机电工程与自动化学院智能制造及机器人重点实验室 102 378 10.0 16.0
2 杨洋 上海大学机电工程与自动化学院智能制造及机器人重点实验室 14 16 2.0 3.0
3 顾京君 上海大学机电工程与自动化学院智能制造及机器人重点实验室 16 34 3.0 5.0
4 韦庆玥 上海大学机电工程与自动化学院智能制造及机器人重点实验室 25 32 4.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (65)
共引文献  (67)
参考文献  (12)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(0)
  • 二级参考文献(2)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(0)
  • 二级参考文献(3)
2006(4)
  • 参考文献(1)
  • 二级参考文献(3)
2007(6)
  • 参考文献(1)
  • 二级参考文献(5)
2008(9)
  • 参考文献(3)
  • 二级参考文献(6)
2009(4)
  • 参考文献(0)
  • 二级参考文献(4)
2010(4)
  • 参考文献(0)
  • 二级参考文献(4)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(8)
  • 参考文献(1)
  • 二级参考文献(7)
2013(6)
  • 参考文献(1)
  • 二级参考文献(5)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2016(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
圆度误差
最小区域法
教与学算法
爬山算法
改进教与学算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
机械设计与制造
月刊
1001-3997
21-1140/TH
大16开
沈阳市北陵大街56号
8-131
1963
chi
出版文献量(篇)
18688
总下载数(次)
40
总被引数(次)
104640
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导