一种基于神经网络的增量绝对光栅尺的位移检测方法技术

本发明专利技术公开了一种基于神经网络的增量式圆光栅尺的位移检测方法，包括：通过对圆光栅尺上栅纹的微观特征进行区分或做标记，使之转变为一种增量绝对光栅尺，保证每根栅纹的唯一性；建立深度学习的神经网络模型，对提取的每一道栅纹进行训练，保存训练较好的光栅分类模型，用于获取当前绝对位置；基于图像像素点，对最终位置的光栅绝对位置进行计数，以提升位移检测精度。上述检测方法，解决增量式圆光栅尺，高速时易掉脉冲和掉电后需进行回零操作的缺点，解决了绝对式光栅式与增量式光栅尺需同时配合使用的问题，克服光栅尺在高精测量过程中成本高的弊端。

An incremental absolute grating scale displacement detection method based on Neural Network

【技术实现步骤摘要】
一种基于神经网络的增量绝对光栅尺的位移检测方法
本申请涉及测量仪器
，尤其涉及一种增量式圆光栅尺系统。
技术介绍
光栅尺常用于机床与现代加工中心以及测量仪器等方面，可用作线位移或角位移的检测，其测量输出信号为数字脉冲，具有测量范围大，检测精度高，响应速度快的特点。光栅尺常与读数头相结合，读数头每扫描一个栅距，产生一个正弦波信号周期，此信号通过电子电路进行细分处理，可以达到好高的分辨率。目前使用的光栅尺主要分为增量式和绝对式两种。增量式光栅尺是周期性的光栅刻线，只有间隔不变的“零点标记”刻度和增量计数刻度，位置信息是通过计算自某点开始的增量数获得的，而计数的起始点必须要通过机床回参考点来确定。而绝对式光栅尺上输出信息与位置信息一一对应，每一位置对应一特定的位置编码，在主光栅尺上将此位置编码刻成一系列码道，通过读数头获取位置编码确定绝对位置。因此，在掉电或因故障重新开机时，利用绝对式光栅尺的位置编码可知其实际位置值，从而避免回零操作。但绝对式光栅尺存在编码复杂，制造成本高，读取速度慢的问题，对标尺光栅刻线要求较高，增加加工成本。...

【技术保护点】
1.一种基于神经网络的增量式圆光栅尺的位移检测方法，其特征在于，包括以下步骤：/n步骤1，通过在对增量式圆光栅尺上的微观特征进行学习，或做标记，使其转变为一种增量绝对光栅尺，保证每条栅纹的唯一性；/n步骤2，采集光栅图像，提取光栅尺的栅纹，构建深度学习的神经网络，训练每一道栅纹，保存训练后的神经网络分类模型；/n步骤3，建立位移检测的数学模型，该数学模型由宏位移计算与微位移计算两部分组成，对计算所得的宏观位移与微观位移进行相加，得到最终的位移检测值；/n宏位移计算，包括使用训练好的光栅分类模型，识别出圆光栅尺的初始实际位置和最终停止位置，得到宏观位移；/n微位移计算，对采集到的光栅停止前后相关...

【技术特征摘要】
1.一种基于神经网络的增量式圆光栅尺的位移检测方法，其特征在于，包括以下步骤：
步骤1，通过在对增量式圆光栅尺上的微观特征进行学习，或做标记，使其转变为一种增量绝对光栅尺，保证每条栅纹的唯一性；
步骤2，采集光栅图像，提取光栅尺的栅纹，构建深度学习的神经网络，训练每一道栅纹，保存训练后的神经网络分类模型；
步骤3，建立位移检测的数学模型，该数学模型由宏位移计算与微位移计算两部分组成，对计算所得的宏观位移与微观位移进行相加，得到最终的位移检测值；
宏位移计算，包括使用训练好的光栅分类模型，识别出圆光栅尺的初始实际位置和最终停止位置，得到宏观位移；
微位移计算，对采集到的光栅停止前后相关联的二到三帧中，同一根光栅的像素点位移。


2.如权利要求1所述的基于神经网络的增量式圆光栅尺的位移检测方法，其特征在于，步骤1中，若是增量式圆光栅尺上的微观特征不足以提供所需的信息，则通过在增量式圆光栅尺上做标记的形式，使其转变成带标记的增量式光栅尺；
其中，做标记包括以下步骤：
对圆光栅尺盘上的光栅尺进行展开，从左上至右下刻画以对角线，通过可划线作为光栅尺上的微观特征，使得每条栅纹具有唯一性。


3.如权利要求1所述的基于神经网络的增量式圆光栅尺的位移检测方法，其特征在于，步骤2所述的采集光栅图像，包括：
对于圆光栅尺，先将摄像头对准指针执行圆光栅尺的第一根光栅，再缓慢移动圆光栅盘，通过摄像头不断采集多批光栅图像，分别将采集到的光栅尺图像按一定顺序编号依次命名，并保存。


4.如...

【专利技术属性】
技术研发人员：林博生，孙晗，陈新，朱苗，杨志军，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44