[发明专利]一种光栅尺测量误差动态补偿方法

权利要求书

1.一种光栅尺测量误差动态补偿方法，其特征在于，包括以下步骤：

S1：构建误差补偿网络；

S2：结合不同工作环境的干扰因素，分别根据所述误差补偿网络建立用于补偿不同工作环境下光栅尺测量误差的智能体；

S3：根据预设的邻近阈值选取邻近智能体；

S4：基于降维的贝叶斯层次模型对邻近智能体中的误差补偿网络进行迁移学习，快速得到用于补偿当前工作环境下光栅尺测量误差的目标智能体，从而实现光栅尺测量误差动态补偿。

2.根据权利要求1所述的一种光栅尺测量误差动态补偿方法，其特征在于，所述误差补偿网络包括码道亚像素级定位网络和译码层；其中，码道亚像素级定位网络包括级联特征提取深度网络、码道粗定位深度网络和码道亚像素级定位深度网络；

在所述误差补偿网络中，

首先将码道图像输入到级联特征提取深度网络中，得到多尺度特征子图；

接着将多尺度特征子图输入到码道粗定位深度网络中，得到粗码道定位图；

然后将粗码道定位图输入到码道亚像素级定位深度网络中，得到亚像素码道定位图；

最后将亚像素码道定位图经过译码层得到译码结果。

3.根据权利要求2所述的一种光栅尺测量误差动态补偿方法，其特征在于，所述码道粗定位深度网络采用MSEloss损失函数：

其中，W和H分别是图像的宽和高，是像素预测值，是像素的真实标签值。

4.根据权利要求2所述的一种光栅尺测量误差动态补偿方法，其特征在于，所述码道亚像素级定位深度网络利用超分辨率模块实现码道图像的超分辨率放大，所述超分辨率模块包括特征提取模块和上采样模块；

将低分辨率图像输入特征提取模块的第一个卷积层，该卷积层卷积核大小为5*5，卷积核个数为64，后接一个tanh激活函数，此时权重参数W₁＝C*64*5*5，C为输入图像通道数，得到64张特征图；接着将64张特征图输入特征提取模块的第二个卷积层，该卷积层卷积核大小为3*3，卷积核个数为32，后接一个tanh激活函数，此时权重参数W₂＝64*32*3*3，得到32张特征图；

将特征提取模块得到的32张特征图输入上采样模块进行亚像素卷积，亚像素卷积过程如下：

I^SR＝f³(I^LR)＝ps(W₃*f²(I^LR)+b₃)

W₃＝32*r²*3*3

其中，I^SR为生成的高分辨率图像，W₃和b₃分别为亚像素卷积的权重参数和偏差，r是上采样比率，I^LR为原低分辨率图像，f³为亚像素卷积层，f²为超分辨率模块第二个卷积层，

ps(·)定义的运算如下：

ps(T)_x,y,c＝T_{[x/r],[y/r],C·r·mod(y,r)+C·r·mod(x,r)+c}

其中，x,y,c是在高分辨率图像中的坐标；[·]表示取商；[x/r],[y/r]表示低分辨率图像中的平面坐标；C·r·mod(y,r)+C·r·mod(x,r)+c表示在纵向深度上的深度坐标。

5.根据权利要求4所述的一种光栅尺测量误差动态补偿方法，其特征在于，所述超分辨率模块的损失函数为：

其中，为真实标签值，I^LR为原低分辨率图像，为生成的超分辨率图像素，W和H分别是图像的宽和高。

6.根据权利要求1所述的一种光栅尺测量误差动态补偿方法，其特征在于，所述干扰因素包括温度、振动幅度和振动频率。

7.根据权利要求6所述的一种光栅尺测量误差动态补偿方法，其特征在于，所述邻近阈值根据所结合的工作环境中的干扰因素进行预设。