一种高精度转台区域检定系统及方法技术方案

本发明专利技术属于圆分度误差标定领域，尤其涉及一种高精度转台区域检定系统及方法。本发明专利技术包括如下步骤：搭建高精度转台区域检定系统，构建出测试光路；利用构建出的测试光路对转台上待测区域的离散视值误差进行测试；建立神经网络模型，使用转台的区域离散视值误差对神经网络模型进行训练；用训练好的神经网络模型对转台上待测区域的连续视值误差进行预测。本发明专利技术使用直接比较法在小区域内多次重复进行离散点视值误差检定，可避免排列互比法在检定过程中需要对大型转台在全量程内进行反复旋转操作，提高了检定效率。

【技术实现步骤摘要】
一种高精度转台区域检定系统及方法
本专利技术属于圆分度误差标定领域，尤其涉及一种高精度转台区域检定系统及方法。
技术介绍
高精度转台作为一种精密圆分度器具，其视值误差检定精度直接关系到应用该转台加工、检测的产品的精度。对于高精度转台的误差检定，有明确的国家标准，通常采用直接比较法或排列互比法来进行检定。该标准可以满足大多数高精度转台的误差检定需求。但对于某些大型高精度转台，其直径大于3米，用排列互比法进行误差检定会非常困难，并且检定的采样点间隔很大，360°范围内采用间隔一般不会小于30°，不能做到连续检定。在实际使用过程中，许多工作仅仅使用高精度转台在360°范围内的一小部分量程，且需求的视值精度和采样点密度比较高。
技术实现思路
本专利技术解决的技术问题是：克服现有技术的不足，提供了一种高精度转台区域检定系统及方法，解决了现有技术中不能对指定区域内连续角度视值误差进行检定的问题。本专利技术的技术解决方案是：一种高精度转台区域检定系统，包括转台、多齿分度台、平面反射镜和自准直仪；所述多齿分度台安装在转台的台面，多齿分度台的转轴中心与被检定的转台中心重合；所述自准直仪架设在转台旋转空间以外，多齿分度台的台面上安装平面反射镜，自准直仪指向平面反射镜，并且形成自准直光路。进一步地，根据所述的一种高精度转台区域检定系统实现的一种高精度转台区域检定方法，包括如下步骤：搭建高精度转台区域检定系统，构建出测试光路；利用构建出的测试光路对转台的待测区域的离散视值误差进行测试；建立神经网络模型，使用转台的区域离散视值误差对神经网络模型进行训练；用训练好的神经网络模型对转台的待测区域的连续视值误差进行预测。优选地，所述对转台的待测区域的离散视值误差进行测试的方法包括如下步骤：S31，将转台调整至区域检定的起始角度，调整多齿分度台使多齿分度台上安装的平面反射镜的法线与自准直仪的光轴平行；S32，调整自准直仪的空间位置关系，使自准直仪对平面反射镜自准直，将自准直仪读数清零；S33，在检定区间内，每隔0.5°旋转一次转台，同时多齿分度台反向旋转0.5°，分别记录转台的角度αi，i＝1,2,3…，以及自准直仪的角度βi；S34，计算转台在检定区域内每个离散角度αi对应的视值误差Δi＝βi；S35，重复S31～S34N次，N为正整数，利用肖维纳准则剔除每个检定点的粗大误差，获得每个离散角度的视值误差优选地，所述N不小于10。优选地，所述使用转台的区域离散视值误差对神经网络模型进行训练的方法包括如下步骤：S41，将每个离散角度作为输入，其对应的视值误差作为输出，代入到神经网络模型中；S42，随机选取60％～80％数量比的离散角度和对应的视值误差数据作为训练样本对神经网络模型进行训练；S43，将剩下的的离散角度作为评估与测试数据的输入，将其对应的视值误差作为评估与测试数据的理想输出，与训练后的神经网络模型的预测输出进行比较；若满足预设精度条件，则结束；反之，返回S42；直到找到一组预测误差满足需要的神经网络的参数。优选地，所述神经网络模型为BP神经网络模型。优选地，所述BP神经网络模型含有两个隐含层，使用双曲正切函数和线性函数作为两个隐含层的传递函数。优选地，所述BP神经网络模型使用Levenberg-Marquardt算法作为训练函数对创建的BP神经网络模型进行训练。本专利技术与现有技术相比的优点在于：1、本专利技术使用直接比较法在小区域内多次重复进行离散点视值误差检定，可避免排列互比法在检定过程中需要对大型转台在全量程内进行反复旋转操作，提高了检定效率；2、本专利技术利用多齿分度台，可实现最小0.5°的采样间隔，大大增加了检定采样密度；3、本专利技术利用离散检定数据和BP神经网络模型，可对小区域内视值误差进行高精度预测；附图说明图1是本专利技术实施例提供的高精度转台区域检定方法的流程图；图2是本专利技术实施例提供的检定系统示意图。具体实施方式下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。实施例图1是本专利技术实施例提供的高精度转台区域检定方法的流程图。图2是本专利技术实施例提供的检定系统示意图。如图1、图2所示，该高精度转台区域检定方法包括如下步骤：步骤S100：搭建测试光路，将多齿分度台2安装到转台1的台面，多齿分度台2的转轴中心与被检定的转台1中心重合。自准直仪4架设在转台1旋转空间以外，多齿分度台2的台面上安装平面反射镜3，自准直仪4指向平面反射镜3，并且形成自准直光路。步骤S200:利用本测试系统对转台1的区域离散视值误差进行测试；将转台1调整至区域检定的起始角度，调整多齿分度台2使多齿分度台2上安装的平面反射镜3的法线与自准直仪4的光轴基本平行。调整自准直仪4的空间位置关系，使自准直仪4对平面反射镜3自准直，将自准直仪4读数清零。然后在检定区间内，每隔0.5°旋转一次转台1，同时多齿分度台1反向旋转0.5°，分别记录转台1的角度αi(i＝1,2,3…)以及自准直仪4的角度βi(i＝1,2,3…)。利用直接比较法，计算得到转台1在检定区域内每个离散角度αi(i＝1,2,3…)对应的视值误差Δi＝βi(i＝1,2,3…)。重复以上步骤，获取10组以上有效数据，利用肖维纳准则剔除每个检定点的粗大误差，获得每个离散角度最终的视值误差步骤S300:建立含有两个隐含层的BP神经网络模型，分别选取双曲正切函数和线性函数作为两个隐含层的传递函数。步骤S400:通过设置合理的迭代次数、目标、学习率、动量因子和显示间隔次数，完成网络参数的设置。步骤S500:选取步骤S100中60％～80％数量比的离散角度和对应的视值误差数据作为训练样本，使用Levenberg-Marquardt算法作为训练函数对创建的BP神经网络模型进行训练，利用步骤S100中余下的20％-40％的数据进行预测，反复训练优化，直到找到一组预测误差满足需要的神经网络的参数。步骤S600:利用步骤S500中训练好的神经网络参数，将检定区域内的任意一个角度δ代入到该神经网络模型中，得到转台在该角度δ处的视值误差deta_error。以上所述的实施例只是本专利技术较优选的具体实施方式，本领域的技术人员在本专利技术技术方案范围内进行的通常变化和替换都应包含在本专利技术的保护范围内。本专利技术说明书中未作详细描述的内容属本领域技术人员的公知技术。本文档来自技高网...

【技术保护点】
1.一种高精度转台区域检定系统，其特征在于，包括转台(1)、多齿分度台(2)、平面反射镜(3)和自准直仪(4)；/n所述多齿分度台(2)安装在转台(1)的台面，多齿分度台(2)的转轴中心与被检定的转台(1)中心重合；/n所述自准直仪(4)架设在转台(1)旋转空间以外，多齿分度台(2)的台面上安装平面反射镜(3)，自准直仪(4)指向平面反射镜(3)，并且形成自准直光路。/n

【技术特征摘要】
1.一种高精度转台区域检定系统，其特征在于，包括转台(1)、多齿分度台(2)、平面反射镜(3)和自准直仪(4)；
所述多齿分度台(2)安装在转台(1)的台面，多齿分度台(2)的转轴中心与被检定的转台(1)中心重合；
所述自准直仪(4)架设在转台(1)旋转空间以外，多齿分度台(2)的台面上安装平面反射镜(3)，自准直仪(4)指向平面反射镜(3)，并且形成自准直光路。


2.根据权利要求1所述的一种高精度转台区域检定系统实现的一种高精度转台区域检定方法，其特征在于，包括如下步骤：
搭建高精度转台区域检定系统，构建出测试光路；
利用构建出的测试光路对转台(1)的待测区域的离散视值误差进行测试；
建立神经网络模型，使用转台(1)的区域离散视值误差对神经网络模型进行训练；
用训练好的神经网络模型对转台(1)的待测区域的连续视值误差进行预测。


3.根据权利要求2所述的一种高精度转台区域检定方法，其特征在于，所述对转台(1)的待测区域的离散视值误差进行测试的方法包括如下步骤：
S31，将转台(1)调整至区域检定的起始角度，调整多齿分度台(2)使多齿分度台(2)上安装的平面反射镜(3)的法线与自准直仪(4)的光轴平行；
S32，调整自准直仪(4)的空间位置关系，使自准直仪(4)对平面反射镜(3)自准直，将自准直仪(4)读数清零；
S33，在检定区间内，每隔0.5°旋转一次转台(1)，同时多齿分度台(1)反向旋转0.5°，分别记录转台(1)的角度αi，i＝1,2,3…，以及自准直仪(4)的角度βi；
...

【专利技术属性】
技术研发人员：李重阳，伏瑞敏，杨居奎，王长杰，朱永红，张继友，郝言惠，张超，岳丽清，王春雨，赵希婷，
申请(专利权)人：北京空间机电研究所，
类型：发明
国别省市：北京;11