Khosravi M, khalili K, Amirabadi H. Optimization of point clouds sets registration process using a hybrid algorithm of gravitational search and nelder-mead. Modares Mechanical Engineering 2015; 15 (5) :319-328
URL:
http://mme.modares.ac.ir/article-15-9807-fa.html
1- دانشجوی دکترا
2- دانشیار هیات علمی- دانشگاه بیرجند
3- استادیار هیات علمی - دانشگاه بیرجند
چکیده: (5911 مشاهده)
بهینهسازی، در بسیاری از شاخههای علوم کاربرد زیادی یافته است. در سالهای اخیر، تئوریها و روشهای متعددی برای پیدا کردن پاسخ بهینه و توسعه روشهای بهینهسازی ارائه شده است. الگوریتمهای بهینهسازی الهام گرفته از طبیعت به عنوان روشهای ابتکاری، راهحلهای مناسبی را برای مسائل پیچیده ارائه مینماید که یکی از کاربردهای این روشها، مهندسی معکوس میباشد. در مهندسی معکوس، هر مجموعه از نقاط اسکن شده نسبت به یک دستگاه خاص تعریف میشوند. در فرآیند انطباق دادهها، مجموعههای این نقاط به صورت مجزا، با هم ترکیب شده و نسبت به یک سیستم مختصات واحد قرار میگیرند که این فرآیند،تطابق ابر نقاط نامیده میشود. در این پژوهش، قطعه کاربردی در آزمایش تجربی توسط ماشین اندازهگیری مختصات در دو وضعیت بدون انتقال و انتقال یافته، اندازهبرداری شده و فرآیند تطابق ابر نقاط بر روی آن پیادهسازی شده است. به کمک الگوریتمهای جستجوی گرانشی، جمعیت ذرات و ژنتیک، فرآیند تطابق بهینهسازی شده و پارامترهای تطابق (چرخش و جابهجایی) بهدست آمده است. از بین الگوریتمهای ذکر شده، الگوریتم جستجوی گرانشی از دقت جابهجایی، دقت چرخشی و مقدار همگرایی بهتر و همچنین زمان اجرای کمتری برخوردار بوده است. در نهایت الگوریتم ترکیبی ارائه شده است که ترکیبی از الگوریتمهای جستجوی گرانشی و نلدر- مید میباشد. در الگوریتم پیشنهادی، مقادیر حدس اولیه توسط الگوریتم گرانشی بهدست آمده و در اختیار الگوریتم نلدر- مید قرار میگیرد تا پاسخ دقیق بهدست آید. الگوریتم پیشنهادی در این پژوهش، ازنظر تعداد تکرار و مقدار همگرایی بر الگوریتمهای جستجوی گرانشی و نلدر- مید برتری دارد.
دریافت: 1393/10/11 | پذیرش: 1393/12/12 | انتشار: 1394/1/19