1.一种大型铝合金环形锻件圆度在线检测装置，其特征在于：包括激光检测装置、检测驱动装置、控制处理装置和显示装置；激光检测装置包括L型底座(1)、依靠L型底座(1)的侧壁设置的支架(2)以及设置在支架(2)上的横架一(3)，横架一(3)上水平设置有电控伸缩杆一(5)，激光测距仪(4)设置在电控伸缩杆一(5)上，支架(2)的底部设置有步进电机一(10)，步进电机一(10)控制电控伸缩杆二(8)运动，电控伸缩杆二(8)通过支架(2)固定，电控伸缩杆一(5)通过设置在电控伸缩杆二(8)上的步进电机二(6)控制；检测驱动装置包括设置在L型底座(1)底面上伺服电机(13)，伺服电机(13)上设置有转轴(12)，转轴(12)上设置托架(16)，托架(16)上设置电控伸缩杆三(9)，电控伸缩杆三(9)上设置载物台(7)，电控伸缩杆三(9)通过步进电机三(15)控制；所述控制处理装置采用工控机作为处理核心部件，工控机控制步进电机一(10)、步进电机二(6)、步进电机三(15)、伺服电机(13)以及激光测距仪(4)动作；所述显示装置为工控机上的显示屏，通过软件编程设计的人机交互界面在显示屏上进行显示，显示屏设有虚拟按钮控制区域；

大型铝合金环形锻件圆度在线检测装置的检测方法，包括如下步骤：步骤1：通过虚拟按钮控制步进电机一(10)、步进电机二(6)、步进电机三(15)的转动，使激光测距仪(4)到达测量位置；

步骤2：通过激光测距仪(4)测得激光检测系统与待测物体表面间的距离；

步骤3：控制处理装置对距离信息进行滤波、多参数分析与坐标变换；

步骤3.1：改进卡尔曼滤波方法对距离数据进行处理，以减弱均方根误差，提高同心测量精度；第k个点的过滤距离值可以通过第k‑1个点的过滤距离值来估计，被测距离的状态方程为：dk＝xk+vk

其中wk和vk是零均值高斯噪声，分别对应于系统噪声和测量噪声，协方差分别为q和u，xk‑1是第k‑1个点的滤波距离值， 是第k个点的估计值，xk是第k个点的滤波距离值，dk是测量距离值；

步骤3.2：在固定窗口内利用卡尔曼滤波器进行后迭代，实现卡尔曼平滑；

步骤3.3：将距离值经过坐标变换转化为所测截面圆周点的二维坐标，由极坐标到直角坐标的转换原理，激光测距仪每次转过的角度记为 则激光测距仪在某一位置转过的角度 为 k表示激光测距仪扫过的第k个点，第k点的位置坐标(xk,yk)为：xk＝(L‑d)·coskθ

yk＝(L‑d)·sinkθ

其中：L表示激光测距仪至旋转中心的距离，与测量系统中旋转臂的长度有关，在实验中为已知量，d表示激光测距仪至锻件表面的距离，在实验中为被测量；

步骤4：通过计算机编程优化算法计算出圆度误差与几何圆心位置并在显示装置上进行实时显示，为调整锻件加工提供可视化的图形信息；

假设最大内接圆的圆心为(a,b)，从数据点P(xi,yi)到圆心的距离ri是：最大内接圆目标函数为：

f(a,b)＝min(max(ri))

步骤5：模拟轧制过程中锻件圆心位置相对于激光测距仪发生改变，通过虚拟按钮控制第三步进电机转动，使激光测距仪偏移旋转轴心，重复步骤2至步骤4，对偏移后的圆度进行评价和修正；具体为：其中：e表示激光测距仪在水平方向上的偏移量，d'表示移动后的激光测距仪至锻件表面的距离。

2.根据权利要求1所述一种大型铝合金环形锻件圆度在线检测装置，其特征在于：L型底座(1)的底面设置水平的底座(17)，转轴(12)垂直安装在底座(17)的中央位置，转轴(12)可带动托架(16)360°连续旋转。

3.根据权利要求2所述一种大型铝合金环形锻件圆度在线检测装置，其特征在于：电控伸缩杆三(9)上设置有横架二(11)，横架二(11)上设置载物台(7)。

4.根据权利要求3所述一种大型铝合金环形锻件圆度在线检测装置，其特征在于：步进电机一(10)驱动电控伸缩杆一(5)上的横架一(3)沿竖直方向调整位置，步进电机二(6)驱动电控伸缩杆一(5)带动激光测距仪(4)在水平方向上移动，步进电机三(15)驱动电控伸缩杆三(9)及横架二(11)上的载物台(7)沿激光测距仪(4)光线的水平方向移动。

5.根据权利要求1所述的一种大型铝合金环形锻件圆度在线检测装置，其特征在于：所述步骤3的滤波算法过程为：对于第k个点的距离值状态进行预测，预测方法为：

其中 和 分别对应第k‑1个点的状态协方差和第k个点的状态预测协方差，q为系统噪声协方差；

通过计算卡尔曼增益得到滤波值 后，更新第k个点的滤波值xk及其状态协方差gk+，方法为：对卡尔曼滤波器估计值进行最优固定区间平滑处理，计算第k个点的逆滤波器增益gk‑方法为：计算逆滤波状态值的估计值及其第k个点的协方差，方法为：

其中： 和 是第k点后验估计状态值及其协方差； 和 是第k个点的先验估计状态及其协方差；gk‑是第k个点的反向滤波器增益；

卡尔曼平滑得到加权平均的卡尔曼平滑增益，对前向滤波解和反向滤波解进行加权平均，使滤波误差最小，卡尔曼平滑方法为：‑1

g＝p+(p‑+p+)

xs＝x++g(x‑‑x+)

ps＝(1‑g)p+

g是用于加权平均的卡尔曼平滑增益；x+和p+是后验估计的状态值及其在第k次的协方差；xs和ps表示平滑后待估计参数的估计值及其协方差。

6.根据权利要求1所述的一种大型铝合金环形锻件圆度在线检测装置，其特征在于：所述步骤4利用AWPSO算法评定圆度误差，其过程为：假设搜索空间为D维，种群中有m个粒子，第i个粒子表示一个D维空间向量Xi，表示为：Xi＝(xi1,xi2,...,xiD)，其中i＝1,2,...,m；

其中，第i个粒子在D维搜索空间中的位置为Xi，每个粒子的位置都是一个潜在的可行解；第i个粒子的迭代速度也是一个D维向量，表示为：Vi＝(vi1,vi2,...,viD)，i＝1,2,...,m；

的第i个粒子搜索到的最优位置记为：

Pi＝(pi1,pi2,...,piD)，i＝1,2,...,m；

整个粒子群找到的最优位置记为：

Pg＝(pg1,pg2,...,pgD)

那么当第i个粒子在d维上的位置和速度更新时，其中1≤d≤D，可以表示为：式中rand是[0,1]上的随机数，c1,c2为正常数,称为加速因子,令c1＝c2＝2；

基于PSO算法，采用非线性动态权重策略，提出一种自适应惯性权重粒子群优化算法，权重表达式为：其中f(xi)为第i个粒子适应度值；faverage为当前所有粒子的平均适应度值；fmin是当前所有粒子的最小适应度值。

7.根据权利要求6所述的一种大型铝合金环形锻件圆度在线检测装置，其特征在于：所述的自适应惯性权重粒子群优化算法AWPSO求解步骤4中目标函数的解，并将计算出的几何圆心位置(a,b)与圆度误差f(a,b)并在显示装置上进行实时显示。