[发明专利]一种光电编码器的误差补偿方法

说明书

技术领域

本发明属于角度测量领域，涉及一种基于傅立叶神经网络和改进粒子群算法的光电编码器的误差补偿方法。

背景技术

光电编码器是一种将角度信号按一定规律转换为易于采集、传输和处理的信号(一般为电信号)，以确定角位移或方位角的器件或装置，它是一种重要的传感器，广泛应用于仪表测量、工业自动化、信号检测、机器人和航空航海等领域。目前，光电编码器按输出信号的性质分为模拟式与数字式两大类，模拟式又分为同步机、分解器、电位器、感应式传感器等；数字式分为脉冲盘式、接触编码式、光电编码式、电磁编码式和感应同步器等。随着科技发展和应用需要，对光电编码器在保证成本的条件下精度有了更高的要求。因此，如何降低干扰提高传感器的输出精度是工程应用中一个重要的问题。

目前对光电编码器进行补偿的主要方法有对硬件电路的改进、采用软件RBF(Radical Basis Function，径向基函数)神经网络以及借助其他高精度仪器校正的方法等，对硬件电路的改进需要对光电编码器进行拆解或改装，比较复杂；采用软件RBF神经网络补偿方法所达到的补偿精度不够；而借助高精度仪器校正的方法对校正仪器的要求较高，增加了补偿的经济要求。

发明内容

为了简化补偿步骤、提高补偿精度以及降低对所需仪器的要求，本发明提出了一种光电编码器的误差补偿方法，该补偿方法基于傅立叶神经网络和改进粒子群算法，通过傅立叶神经网络对光电编码器误差建模，该神经网络采用正交傅立叶级数作为网络激发函数，并采用改进粒子群算法训练网络的权值，得到较为精确的误差模型来补偿光电编码器的测量值，从而达到改善光电编码器精度的目的。

基于傅立叶神经网络和改进粒子群算法的光电编码器的误差补偿方法，主要包括获取训练样本、采用傅立叶神经网络建立误差补偿模型以及采用改进粒子群算法训练神经网络权值三大部分，实现的具体步骤如下：

步骤一、获取训练样本；

一款普通的二维固态磁阻光电编码器在不对外界磁场做任何处理的室内环境下，随手动转台水平非匀速旋转一圈，获取光电编码器的测量值x及其对应的转台转角Y作为训练样本；

步骤二、确定神经网络结构；

建立单输入单输出三层前向傅立叶神经网络作为光电编码器的误差补偿模型，隐含层各神经元的激发函数为：

S₁＝1，...，S_2i＝cos(2iπx/T)，S_2i+1＝sin(2iπx/T)，i＝1，2，…，n

其中，T为角度传感器的测量周期；

选择傅立叶系数a₀，...，a_i，b_i，i＝1，2，3，…，n作为隐含层各神经元至输出层的连接权值，即：

ai=(2/T)∫0Tf(x)cos(2iπx/T)dx,i=0,1,2,···,n]]>