一种基于神经网络的点激光测头测量值的标定方法技术

本发明专利技术涉及一种基于神经网络的点激光测头测量值的标定方法，包括：S1：获取训练数据；S2：建立BP神经网络；S3：训练BP神经网络：S4：BP神经网络的模型验证：S41：输入新的所采集的温度值T'、温度值T'下测量值m'，经过BP神经网络的模型后，获取对应的偏差值ΔE'；S42：获取修正后的测量值；S43：当修正后的测量值与对应测量值m'的标定值C'之间的误差在允许范围内时，标定成功，否则转至S1。本发明专利技术能够通过对点激光测头的测量值进行标定，修正测量值，提高测量准确度。量准确度。量准确度。

【技术实现步骤摘要】
一种基于神经网络的点激光测头测量值的标定方法


[0001]本专利技术涉及三坐标测量机的
，具体涉及一种基于神经网络的点激光测头测量值的标定方法。

技术介绍

[0002]三坐标测量机（简称CMM）搭配非接触式光学测头正在成为一种趋势，非接触式测头具有与接触式扫描测头相当的测量精度和可靠性，更高的扫描速度，更大的测量范围和非接触式测量的普遍光学优势。当测量速度很重要且零件难以通过接触式测头进入或者触发测量可能变形时，它是高精度接触式测量的完美替代方案，尤其适合检测航空发动机的叶盘和叶片，以及回转体类的齿轮、花键和凸轮轴等。
[0003]基于三角法原理的点激光测量是非接触式检测的一个重要方向，利用具有规则几何形状的激光束沿工件表面连续扫描被测工件，被测表面形成的漫反射光点在光路中放置的图像传感器中成像，按照三角形原理就可以获取被测点的空间坐标。三角法点激光具有高精度、高重复性和高速度的特点。不过三角法激光传感器光学系统的固有特点，决定了物体表面距离H与成像传感器上像点位置S的对应关系不是线性的（即，具有非线性误差），具体如公式所示：其中l0和l0'分别是接收光学系统的物距和像距，S是目标光点在成像传感器上的像点位置，H是物体上的目标光点与基准面的距离，其他参数在光学系统的设计阶段已经明确。这种非线性的外在表现就是激光传感器在不同测量位置移动相同距离时，传感器输出的距离值并不是相同会影响到整体的测量准确度。在传感器测量范围较大的时候，这种非线性带来的测量误差尤其明显。
[0004]另外，在点激光传感器的使用中，温度也是一个不容忽视的测量精度的影响因素。一般的三角法点激光传感器的温度特性都在0.02%F.S./℃，其中F.S.表示传感器的测量范围，传感器的测量范围越大，温度变化越剧烈，带来的测量误差也会越大。一般航空叶片和齿轮等回转体的精度要求很高，需要超高精度的CMM搭配非接触式测头进行测量，超高精度的CMM使用温度范围一般在18℃
‑
22℃。
[0005]因此，在实际测量使用中，整体系统精度的影响因素主要有两个：测头本身非线性特性带来的精度损失；和测量环境温度变化带来的精度影响。亟需一种点激光测头测量值的标定方法，完成对实际使用环境下的测头测量值的修正处理。

技术实现思路

[0006]为了解决如上技术问题，本专利技术的实施例在于提供一种基于神经网络的点激光测头测量值的标定方法，通过对点激光测头的测量值进行标定，修正测量值，提高测量准确度。
[0007]为实现上述专利技术，本专利技术提出如下技术方案予以解决：本申请涉及一种基于神经网络的点激光测头测量值的标定方法，其特征在于，包括：S1：获取训练数据：在点激光测头的使用温度范围内、且M个不同温度中每个温度下，分别获取点激光测头在其测量范围内的N个不同测量值、N个对应标定值、和各标定值及对应测量值之间的N个偏差值，形成训练数据，其中M和N均大于1且为正整数；S2：建立BP神经网络：建立三层BP神经网络，输入层具有两个结点，输出层具有一个结点，隐藏层具有若干个结点；S3：训练BP神经网络：S31：对训练数据进行归一化处理，其中温度和测量值作为BP神经网络的输入信号，偏差值作为BP神经网络的输出信号；S32：对BP神经网络进行训练，使网络收敛；S4：BP神经网络的模型验证：S41：输入新的所采集的温度值T'、温度值T'下测量值m'，经过BP神经网络的模型后，获取对应的偏差值ΔE'；S42：获取修正后的测量值；S43：当修正后的测量值与对应测量值m'的标定值C'之间的误差在允许范围内时，标定成功，否则转至S1。
[0008]在本申请的一些实施例中，S1具体为：M个不同温度中相邻两个温度之间的差是定值；N个不同测量值中相邻两个测量值之间的差是定值。
[0009]在本申请的一些实施例中，所述标定方法利用了一种标定平台，所述标定平台包括：激光干涉仪；电机，所述激光干涉仪、所述点激光测头和所述电机安装在同一平面上，所述激光干涉仪的线性镜组安装在所述电机上且能够随所述电机移动，所述线性镜组同时接收到来自所述激光干涉仪的光信号和所述点激光测头的光信号；在使用所述标定平台之前，还需要对所述点激光测头进行校准。
[0010]在本申请的一些实施例中，在使用所述标定平台之前，还需要对所述点激光测头进行校准，具体为：控制所述电机运动，使所述点激光测头的当前测量值和所述激光干涉仪的测量值相等。
[0011]在本申请的一些实施例中，所述当前测量值为0。
[0012]在本申请的一些实施例中，获取温度下多个测量值和多个标定值，具体为：控制所述电机分别移动至所述点激光测头的测量范围内均匀变化的N个测量值时，分别记录此时所述激光干涉仪的标定值。
[0013]在本申请的一些实施例中，所述隐藏层的结点选择为8个结点。
[0014]本申请提出的基于神经网络的点激光测头测量值标定方法，具有如下优点和有益效果：
能够考虑环境温度变化对点激光测头测量精度的影响，以及点激光测头本身非线性对测量精度的影响，对点激光测量头的测量值进行标定，从而实现对当前测量值的补偿，提高测量精度。
[0015]结合附图阅读本专利技术的具体实施方式后，本专利技术的其他特点和优点将变得更加清楚。
附图说明
[0016]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对本专利技术实施例或现有技术描述中所需要使用的附图作一简要介绍，显而易见地，下面描述的附图是本专利技术的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他附图。
[0017]图1为本专利技术提出的基于神经网络的点激光测头测量值的标定方法的流程图；图2为本专利技术提出的基于神经网络的点激光测头测量值的标定方法中所采用的标定平台的原理图；图3为采用本专利技术提出的基于神经网络的点激光测头测量值的标定方法获取的测量值的偏差值的曲线图、和采用该标定方法之前获取的测量值的偏差值的曲线图。
具体实施方式
[0018]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。
[0019]基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。在本专利技术的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。
[0020]在本专利技术的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接。对于本领域的普通技术人员而言，可以具体情况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的点激光测头测量值的标定方法，其特征在于，包括：S1：获取训练数据：在点激光测头的使用温度范围内、且M个不同温度中每个温度下, 分别获取点激光测头在其测量范围内的N个不同测量值、N个对应标定值、和各标定值及对应测量值之间的N个偏差值，形成训练数据，其中M和N均大于1且为正整数；S2：建立BP神经网络：建立三层BP神经网络，输入层具有两个结点，输出层具有一个结点，隐藏层具有若干个结点；S3：训练BP神经网络：S31：对训练数据进行归一化处理，其中温度和测量值作为BP神经网络的输入信号，偏差值作为BP神经网络的输出信号；S32：对BP神经网络进行训练，使网络收敛；S4：BP神经网络的模型验证：S41：输入新的所采集的温度值T'、温度值T'下测量值m'，经过BP神经网络的模型后，获取对应的偏差值ΔE'；S42：获取修正后的测量值；S43：当修正后的测量值与对应测量值m'的标定值C'之间的误差在允许范围内时，标定成功，否则转至S1。2.根据权利要求1所述的标定方法，其特征在于，S1具体为：M个不同温度中相邻两个温度之间的差是定...

【专利技术属性】
技术研发人员：郝健，姜美华，郝鹏飞，陶程，宣海，
申请(专利权)人：海克斯康制造智能技术青岛有限公司，
类型：发明
国别省市：