【技术实现步骤摘要】
一种局部正弦辅助的光栅尺测量误差自适应补偿方法
[0001]本申请涉及光栅尺
,尤其涉及一种局部正弦辅助的光栅尺测量误差自适应补偿方法。
技术介绍
[0002]名词解释:
[0003]经验模式分解:Empirical Mode Decomposition,简称EMD,其是一种信号分析处理的算法,算法思想为:将复杂信号分解为有限个本征模函数(Intrinsic Mode Function,简称IMF)分量,所分解出来的各IMF分量包含了原信号的不同时间尺度的局部特征信号;
[0004]IMF:Intrinsic Mode Function,本征模态函数;
[0005]光栅尺是一种高精度的位置传感器,其测量精度直接影响数控机床的加工精度。但光栅尺存在光电系统误差、振动误差、安装误差和温度误差等多种误差因素,影响光栅尺的测量精度。
[0006]具体地,在光电系统误差中,采用对两路正交的正弦信号进行细分来达到精密测量的目的,但其条纹信号会存在直流电平、高频噪声、幅值不等、波形畸变、相位偏移等引起的误差成分;在振动误差中,光栅尺的误差值是在真实值的一定范围内波动的,在图像采集绝对光栅尺的读码中,一旦出现误码,会直接导致该点读数错误解码现象,则数值偏差无参考价值。由于一系列误差因素的影响,使得出现数据异常的区域拥有不确定性,并且,各种误差因素的耦合作用,也可能会出现各种不确定性,同时,一系列的环境因素导致光栅尺测量误差是非线性非平稳的。
[0007]通过对时间序列的趋势分析表明,测量 ...
【技术保护点】
【技术特征摘要】
1.一种局部正弦辅助的光栅尺测量误差自适应补偿方法,其特征在于,包括以下步骤:S101:基于考虑光栅尺产生的仪器误差和背景环境干扰因素,通过将预设的正弦信号叠加到所述光栅尺的原测量误差信号中,从而重构所述光栅尺的测量误差信号;S102:采用经验模态分解算法将重构的测量误差信号分解成多个IMF分量;S103:对每个IMF分量进行奇异值分解,获得每个IMF分量对应的非零奇异值;S104:基于预设的自适应IMF筛选条件进行阈值变换,从而筛选出符合所述预设的自适应IMF筛选条件的IMF分量作为趋势误差分量;S105:将所述趋势误差分量对应的IMF分量累加后作为所述光栅尺的所述原测量误差信号的总趋势误差分量;S106:将所述总趋势误差分量作为误差补偿信号对所述光栅尺进行补偿。2.根据权利要求1所述的局部正弦辅助的光栅尺测量误差自适应补偿方法,其特征在于,所述步骤S101之前包括:S1001:采用线性插值对所述光栅尺的原测量误差信号进行线性插值处理。3.根据权利要求2所述的局部正弦辅助的光栅尺测量误差自适应补偿方法,其特征在于,所述步骤S1001之后,所述步骤S101之前包括:S1101:通过判断所述光栅尺的两个相邻的原测量误差信号的幅值变化量是否小于所述两个相邻的原测量误差信号所对应的极值区域的极值差的预设倍数,若上述判断为是,则判定所述极值区域相应的所述原测量误差信号存在数据异常段。4.根据权利要求3所述的局部正弦辅助的光栅尺测量误差自适应补偿方法,其特征在于,所述步骤S101具体包括:对所述数据异常段加入预设幅度值的单个周期正弦信号,从而局部调整所述原数据的极值分布情况,进而构造所述光栅尺的重构测量误差。5.根据权利要求4所述的局部正弦辅助的光栅尺测量误差自适应补偿方法,其特征在于,所述预设幅度值为0.3。6.根据权利要求1所述的局部正弦辅助的光栅尺测量误差自适应补偿方法,其特征在于,所述步骤S102具体为:根据下式1,采用经验模态分解算法将重构的所述光栅尺的测量误差信号分解成多个IMF分量:式1中,X(t)为重构测量误差,i为自然数,n为分解的IMF分量的总个数,c
i
(t)为经验模态分解后的第i个IMF分量,当i=n时,其c
i
(t)为残差分量。7.根据权利要求1所述的局部正弦辅助的光栅尺测量误差自适应补偿方法,其特征在于,所述步骤S103具体包括:S1031:根据下式2,对每个IMF分量构造相应的重构矩阵:
式2中,D
i
为第i个IMF分量构造的重构矩阵,L为该IMF分量的数据总长度,imf
i
(k)为第i个IMF分量中第k个数据点的幅值,k=1,2,3...,L;S1032:根据下式3,对所述重构矩阵进行奇异值分解,得到一组非零奇异值:式3中,U、V均为正交矩阵,Σ为对角矩阵,其对角线元素为D
i
的非零奇异值且为非负的降序排序,H为矩阵的共轭转置;S1033:由非零奇异值重构得到重构误差信号分量。8.根据权利要求1或7所述的局部正弦辅助的光栅尺测量误差自适应补偿方法,其特征在于,所述步骤S104具体包括:S1041:根据每个IMF分量进行奇异值分解前后的分量,基于下式4~8的筛选条件,通过变换所述筛选条件的相关性系数阈值获得一系列相对应的最优有效秩,所述最优有效秩定义为r
opt
:r
opt
=r
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
式4s.t.C
r
(c
...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。