[发明专利]一种光栅尺测量误差动态补偿方法

说明书

本发明提供一种光栅尺测量误差动态补偿方法，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。本发明提供一种光栅尺测量误差动态补偿方法，解决了现有的针对多误差因素综合补偿的方法难以在实际工作环境中取得精准的补偿效果的问题。

技术领域

本发明涉及光栅尺的技术领域，更具体的，涉及一种光栅尺测量误差动态补偿方法。

背景技术

光栅尺作为一种高精度位置传感器，是微纳超精密加工装备的核心测量器件。对于光栅尺测量补偿，国内外已有较多研究涉及单误差因素抑制及补偿方法。但是仅仅对单一误差因素进行补偿并不能确保光栅尺的测量精度可靠性。因为光栅尺的误差精度是受光电系统误差、振动误差、工装误差和温度误差等多种误差因素耦合作用的影响。

目前，虽然也有针对多误差因素综合补偿的方法，但仍然存在不足之处，例如：(1)将光栅尺多误差补偿问题转化为非线性信号处理问题，基于EMD方法将高频分量当作综合误差提取测量误差趋势，以抑制多干扰因素耦合误差。但该方法未深入考虑光栅尺多干扰因素误差耦合机制，未融入干扰因素，不具有普适性。(2)然而如果完全从信号处理角度进行光栅尺多误差补偿，由于未结合误差耦合机理研究而融入干扰因素，这又会导致另一个问题，在不同的工作环境下要人为的对模型参数进行调整，这极大地增加了工作复杂度。(3)即使融入干扰因素，比如构建基于多源异构数据(码道图像和干扰因素)的光栅尺测量误差补偿智能体以适应复杂多变的工作环境，解决多干扰因素耦合作用机理下的光栅尺误差补偿问题。虽然光栅尺多干扰耦合因素测量补偿矩阵在构建过程中考虑了尽量多的工作环境，但是不可能覆盖所有实际工作环境。当光栅尺在测量时，其工作环境未在矩阵中有对应节点，则只能以最近邻工作环境对应的误差补偿智能体进行误差补偿，这会导致误差补偿效果较差。

因此，现有的针对多误差因素综合补偿的方法难以在实际工作环境中取得精准的补偿效果。

发明内容

本发明为克服现有的针对多误差因素综合补偿的方法难以在实际工作环境中取得精准的补偿效果的技术缺陷，提供一种光栅尺测量误差动态补偿方法。

为解决上述技术问题，本发明的技术方案如下：

一种光栅尺测量误差动态补偿方法，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。

上述方案中，融入多干扰因素，基于贝叶斯层次模型进行智能体的多源任务-目标任务的批量迁移学习，及时更新当前工作环境下进行光栅尺测量误差补偿的智能体，精确补偿当前环境下的光栅尺测量误差，实现精准的补偿效果；同时对贝叶斯层次模型进行参数降维，极大的降低了模型复杂度，缓解大量计算资源消耗问题，能够快速的搜索最优测量误差补偿网络，使得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。

优选的，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；