在数字化制造行业快速发展的新时期,数字化制造也正在朝着高效、高速、高精度的方向发展,同时,零件检测技术也得到了快速的发展,尤其是在零件日趋复杂的情况下,高精密零件的检测技术要求也面临着巨大的挑战。曲面的加工质量是决定零件功能特性的一个重要因素,因此,对零件曲面质量的检测就显得至关重要了。正确的检测方法不单单可以轻而易举的确保零件的加工质量,同时也可以在一定程度上大大提高产品的生产效率。三坐标检测机(CMM)的出现大大提高了零件的检测精度,但由于工件存在二次装夹的定位误差和复杂曲面加工误差测量难等问题,限制了CMM的广泛使用。针对诸多检测技术的局限性,提出了一种应用于数控机床的在线检测技术,该技术为产品加工质量的测量提供了一个十分有效的方法。在对工件进行曲面质量检测时,由于曲面上待测点间组成的测量路径不唯一,因此,在众多测量路径中找寻出一条距离最短的理想路径,在一定程度上将会提高该工件的在线检测效率。本文以某复杂曲面为例,分别应用遗传算法、蚁群算法和粒子群算法对该复杂曲面的检测路径进行优化处理,并通过在线检测实验来找寻出一条最短检测路径,以此为曲面检测效率的提高提供一个有效的优化方法。为此,本篇论文针对某复杂曲面所进行的在线检测相关的技术研究如下所示:(1)在对某复杂曲面检测路径进行遗传算法优化时,通过对交叉算子和变异算子进行改进,使交叉概率和变异概率可以在算法运行中进行动态调整。并提出了优化该复杂曲面检测路径的自适应遗传算法,该算法既可以保持种群的多样性,又可以保证算法本身的收敛性,使其更加有效的提高了曲面的检测效率。(2)采用一种带有精英策略的蚂蚁系统解决在线检测路径优化问题。该算法通过对信息素更新机制中加入一种增强手段,对当前的最优解施以额外的信息素加强,使所发现的最优解于下一次循环过程中可以对蚂蚁产生更强的吸引力,从而使改进后的算法达到了加快本身收敛速度和避免陷入局部最优的目的。(3)对传统的粒子群算法进行改良,并将改良后的算法应用于曲面检测路径的优化问题。改良后的算法引入交叉操作和变异操作,通过粒子群中个体粒子与个体极值或者个体粒子与全局极值之间的交叉及粒子本身进行变异操作的方式来搜索最优解,使算法本身具有持续的搜索能力,避免算法本身的早熟收敛现象。