[发明专利]基于深度学习的光栅尺测量误差动态补偿方法有效
| 申请号： | 201610428128.7 | 申请日： | 2016-06-16 |
| 公开（公告）号： | CN106095729B | 公开（公告）日： | 2018-05-25 |
| 发明（设计）人： | 蔡念;林智能;谢伟;张福;王晗;陈新度;陈新 | 申请（专利权）人： | 广东工业大学 |
| 主分类号： | G06F17/14 | 分类号： | G06F17/14;G01B11/00;G01D3/028;G06K9/62;G06K9/66 |
| 代理公司： | 广州嘉权专利商标事务所有限公司 44205 | 代理人： | 胡辉;郑泽萍 |
| 地址： | 510006 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了基于深度学习的光栅尺测量误差动态补偿方法，包括步骤：采集获得误差数据，同时采用多个传感器测量获得该误差数据所对应的多种干扰因素的作用强度值；基于经验模式分解算法将该误差数据分解为多个IMF分量，并求解获得每个IMF分量的希尔伯特边缘谱；将该误差数据对应的多种干扰因素的作用强度值以及多个IMF分量的希尔伯特边缘谱作为输入数据，采用训练好的CNN神经网络进行识别计算后获得对应输出的标签函数；获得该误差数据对应的趋势项并累加后作为光栅尺的误差补偿量；采用获得的误差补偿量对光栅尺进行测量补偿。本方法操作简单、成本较低，而且补偿效果好，可实现对光栅尺系统的有效补偿，可广泛应用于光栅尺测量行业中。 | ||
| 搜索关键词： | 误差数据 光栅尺测量 误差动态补偿 误差补偿量 干扰因素 光栅尺 经验模式分解 传感器测量 光栅尺系统 标签函数 补偿效果 测量补偿 神经网络 有效补偿 累加 求解 算法 采集 分解 输出 学习 应用 | ||
【主权项】：
1.基于深度学习的光栅尺测量误差动态补偿方法，其特征在于，包括步骤：S1、采集光栅尺和激光干涉仪的测量数据后获得误差数据，同时采用多个传感器测量获得该误差数据所对应的多种干扰因素的作用强度值；S2、基于经验模式分解算法，将该误差数据分解为多个IMF分量，并求解获得每个IMF分量的希尔伯特边缘谱；S3、将该误差数据对应的多种干扰因素的作用强度值以及多个IMF分量的希尔伯特边缘谱作为输入数据，采用训练好的CNN神经网络进行识别计算后，获得对应输出的标签函数；S4、根据CNN神经网络输出的标签函数，获得该误差数据对应的趋势项并将获得的趋势项累加后作为光栅尺的误差补偿量；S5、采用获得的误差补偿量对光栅尺进行测量补偿。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于广东工业大学，未经广东工业大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201610428128.7/，转载请声明来源钻瓜专利网。
