مهندسی مکانیک مدرس

مهندسی مکانیک مدرس

بهینه‌سازی فرآیند تطابق چندین ابر نقاط با استفاده از الگوریتم جدید ترکیبی جستجوی گرانشی و نلدر-‌‌ مید

نویسندگان
1 دانشجوی دکترا
2 دانشیار هیات علمی- دانشگاه بیرجند
3 استادیار هیات علمی - دانشگاه بیرجند
چکیده
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.
کلیدواژه‌ها

عنوان مقاله English

Optimization of point clouds sets registration process using a hybrid algorithm of gravitational search and nelder-mead

نویسندگان English

Mohammad Khosravi 1
khalili khalili 2
Hosseien Amirabadi 3
1 Phd Student
3 Assistant Professor of Birjand University
چکیده English

Optimization has found a widespread application in many branches of science. In recent years, different methods and theories have been developed to find optimal solutions. Optimization algorithms inspired by nature as heuristics solutions to complex problems. Reverse engineering is one of the applications of optimization methods. In reverse engineering a set of scan points are defined relative to a particular coordination. In data registration process the scanned data sets separated and combined to a single coordinate system are called the process of registration. In this research, applications part has been digitized by coordinate measuring machine(CMM) and the process of point clouds registration in experimental on two pieces in position (without translation and with translation case) has been implemented. Using gravitational search algorithm (GSA), particle swarm optimization (PSO) and genetic algorithm (GA) optimization process is optimized and the registration parameters (rotation and displacement) are obtained. The algorithms mentioned, GSA the accuracy displacement, rotational accuracy and better convergence rate and the run time is less. Finally, a hybrid algorithm is proposed which is a combination of GSA, and Nelder-Mead algorithms (GSA-NM). In the proposed algorithm, the initial guess values obtained by GSA and Nelder-Mead algorithm is provided to ensure an accurate response. The proposed hybrid algorithm is superior to GSA and Nelder-Mead, in terms of the number of iterations and the amount of convergence.

کلیدواژه‌ها English

Registration
Optimization
Hybrid algorithm
Gravitational search algorithm