姜 强 杨仁付1
安徽财贸职业学院,安徽 合肥 230601
基于RBF神经网络的光栅莫尔条纹细分误差研究*1
姜强**杨仁付**1
安徽财贸职业学院,安徽合肥230601
摘要:针对莫尔条纹信号误差不能满足高精度的测量缺点,提出一种基于RBF神经网络方法,采用样本点的正切值作为网络的输入,将训练样本点分段学习的方法对网络进行训练,仿真实验表明:该方法计算出的理论误差与实际值吻合较好。
关键词:光栅莫尔条纹;细分误差;RBF神经网络
光栅是测量系统中的重要基准元件,在三维测量、数控机床、立体印刷等诸多领域有重要应用。其原理是通过光栅的相对转动,利用莫尔条纹信号,对角度和直线的位移量进行转化,通过分析莫尔条纹信号,获得需要测量的位移量,从而获知系统的动态变化[1]。光栅输出的莫尔条纹信号质量的优劣,将直接影响光栅传感器以及整个测量系统的精度。通常要求莫尔条纹具有较好的正弦性、正交性和等幅性。但由于光栅制造出现的各种误差和光电设备的噪声干扰,莫尔条纹信号的正弦性、等幅性和正交性都会变差,含有很多细微的谐波和噪声,甚至还会出现奇异点。另外,为了得到更准的精度,还要对莫尔条纹细分,而莫尔条纹质量是影响细分误差的主要因素[2]。在精度、分辨力要求很高的光电编码器中,细分误差是影响其精度的主要因素。这就需要对莫尔条纹误差进行补偿,以修正莫尔条纹的正弦性、正交性和等幅性[3-4]。……