基于遗传神经网络模型实时误差修正任意角测量系统

【摘要】： 通过对动态误差特性、角度和圆分度测量特点、测量系统动态误差随机过程特性和误差传递特性的分析，对光栅动态测量系统的误差修正技术进行了较系统和深入的研究。 叙述了动态测量误差的构成要素和表征，给出了动态测量系统的“相对运动”概念和相对变化率描述方法，设计了与所建模型相对应的动态误差神经网络拓扑结构，提出了误差源认知度矩阵和动态误差源传递、分类模型。在圆分度测量的相对性和数据自封闭特征的基础上，建立了基于圆分度和二面角测量的任意角测量系统，和基于自封闭自然基准的动态误差数据零均值处理和平差处理方法。 建立了测量样本粗大误差判别和剔除的模糊聚类判别方法，通过对实际测量数据的粗大误差判别，证明了所建立的粗大误差判别模型对测量系统的实用性。提出了测量系统在有限距离上的平稳和各态历经性的概念和数据处理方法，证明了本实验系统在短距离样本空间具有有限平稳和各态历经性质。 提出以样本距离空间范数来描述预报数据间相似程度并定义了相似度δ函数，推导出动态误差数据相似度与数据相关函数之间的关系，建立了以相关函数相对误差来评定模型预报误差的评定方法，建立了有效预报空间的概念，推导出了预报误差的评定公式和在有效预报空间中的两种表示形式。分析了不同空间位置子系统间的误差传递特性，证明了在测量系统中离散标准量值空间向被测量工件量值空间的直接传递性；分析了离散标准量系统向连续量值空间映射的误差重构条件和方法；基于测量样本的有限距离的平稳性，证明了预报模型对动态测量误差的有限收敛性和预报误差的可测度性，进而证明了以离散标准量值系统对被测工件预报修正的可行性和合理性。 首次研制成功了高精度任意二面角与圆分度测量系统，并编制了基于MS Windows的测量和系统控制软件。设计了双标准量值(工件和离散标准量)互比测量的模型验证方法，完善了从数据测量、误差分离、模型建立到实际修正的整个修正过程； 研究了离散标准量系统动态误差分离技术，建立了基于遗传进化算法与神经网络混合建模技术的两种误差修正方法——离散标准量动态误差直接(同步)修正方法和预报模型修正方法，并确定了模型结构参数和模型训练方法；分析了预报模型的多次预报性质，并得出了多次预报与多步预报的等效关系，确定了测量系统的有效预报范围以及模型参数对泛化误差的影响； 进行了模型的对比实验验证和被测工件动态误差修正试验，成功地实现了任意二面角和圆分度的实时误差修正。工件动态测量误差修正结果为：直接修正模型和预报模型分别达到了原误差的1/10～1/3。