基于遺傳神經(jīng)網(wǎng)絡(luò)模型實時誤差修正任意角測量系統(tǒng).pdf

1、通過對動態(tài)誤差特性、角度和圓分度測量特點、測量系統(tǒng)動態(tài)誤差隨機過程特性和誤差傳遞特性的分析,對光柵動態(tài)測量系統(tǒng)的誤差修正技術(shù)進行了較系統(tǒng)和深入的研究.敘述了動態(tài)測量誤差的構(gòu)成要素和表征,給出了動態(tài)測量系統(tǒng)的"相對運動"概念和相對變化率描述方法,設(shè)計了與所建模型相對應(yīng)的動態(tài)誤差神經(jīng)網(wǎng)絡(luò)拓撲結(jié)構(gòu),提出了誤差源認知度矩陣和動態(tài)誤差源傳遞、分類模型.在圓分度測量的相對性和數(shù)據(jù)自封閉特征的基礎(chǔ)上,建立了基于圓分度和二面角測量的任意角測量系統(tǒng),和基

2、于自封閉自然基準的動態(tài)誤差數(shù)據(jù)零均值處理和平差處理方法.建立了測量樣本粗大誤差判別和剔除的模糊聚類判別方法,通過對實際測量數(shù)據(jù)的粗大誤差判別,證明了所建立的粗大誤差判別模型對測量系統(tǒng)的實用性.提出了測量系統(tǒng)在有限距離上的平穩(wěn)和各態(tài)歷經(jīng)性的概念和數(shù)據(jù)處理方法,證明了該實驗系統(tǒng)在短距離樣本空間具有有限平穩(wěn)和各態(tài)歷經(jīng)性質(zhì).提出以樣本距離空間范數(shù)來描述預(yù)報數(shù)據(jù)間相似程度并定義了相似度δ函數(shù),推導(dǎo)出動態(tài)誤差數(shù)據(jù)相似度與數(shù)據(jù)相關(guān)函數(shù)之間的關(guān)系,建立

3、了以相關(guān)函數(shù)相對誤差來評定模型預(yù)報誤差的評定方法,建立了有效預(yù)報空間的概念,推導(dǎo)出了預(yù)報誤差的評定公式和在有效預(yù)報空間中的兩種表示形式.分析了不同空間位置子系統(tǒng)間的誤差傳遞特性,證明了在測量系統(tǒng)中離散標準量值空間向被測量工件量值空間的直接傳遞性;分析了離散標準量系統(tǒng)向連續(xù)量值空間映射的誤差重構(gòu)條件和方法;基于測量樣本的有限距離的平穩(wěn)性,證明了預(yù)報模型對動態(tài)測量誤差的有限收斂性和預(yù)報誤差的可測度性,進而證明了以離散標準量值系統(tǒng)對被測工件預(yù)

4、報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與圓分度測量系統(tǒng),并編制了基于MS Windows的測量和系統(tǒng)控制軟件.設(shè)計了雙標準量值(工件和離散標準量)互比測量的模型驗證方法,完善了從數(shù)據(jù)測量、誤差分離、模型建立到實際修正的整個修正過程;研究了離散標準量系統(tǒng)動態(tài)誤差分離技術(shù),建立了基于遺傳進化算法與神經(jīng)網(wǎng)絡(luò)混合建模技術(shù)的兩種誤差修正方法——離散標準量動態(tài)誤差直接(同步)修正方法和預(yù)報模型修正方法,并確定了模型結(jié)構(gòu)參數(shù)和模型訓(xùn)練