当前位置: 杏耀娱乐 > 企业文化 > 径向基网络在编码器误差补偿中的应用

径向基网络在编码器误差补偿中的应用

 
 


介绍

光电轴角度编码器是角度测量和控制系统的重要传感元件。它是一种以圆形光栅为核心,采用莫尔条纹技术将角位移转换为电脉冲信号的传感器[1]。使用人工神经网络建立非线性模型可以很好地补偿由网格线均匀性和质量缺陷,光栅间隙变化和其他因素等因素引起的系统误差。然而,神经网络是测量数据的近似值,并且测量数据包含系统误差和随机误差。对于具有大比例随机误差的网络模型,当网络参数调整或学习算法不合理时,经常出现。拟合现象。也就是说,网络可以在用于建模的采样点处实现小的近似误差,并且学习是好的,但是在其他数据位置,网络不能给出合理的预测并且泛化很差。因此,试图减少或消除随机误差是光学编码器误差补偿的神经网络中需要解决的主要问题之一。

1 RBF网络模型的建立

RBF网络是一种局部逼近神经网络。对于输入空间的某个局部区域,只有少数连接权重影响网络的输出,具有学习速度快,全局优化和高逼近精度的优点[2-5]。该设计使用单个隐藏层前馈RBF网络[6],其结构如图1所示。

使用RBF网络进行编码器误差补偿的基本工作原理如下:采样点的光栅角度值作为网络的输入样本,以高精度检测仪器的检测值作为输出。利用网络的价值,实际的产出价值和期望值。因子之间的误差调整权重因子,并根据样本特征连续调整径向基函数的中心和宽度,使得建立的网络模型能够很好地拟合整个误差曲线。

2过度拟合RBF网络

当用于建模的编码器检测数据包含随机噪声时,网络的结构参数或学习方法不合理,使得网络的学习能力过强,检测到的数据中的随机噪声也被用作常规误差学习记录。坠落。结果,在非采样点,网络无法给出正确的输出,并且泛化能力不能满足补偿要求。因此,在建立网络模型之前,应首先对建模数据(即检测数据)进行预处理,以减少随机误差对建模精度的影响。在实际测量中,多次测量的方法通常用于消除随机噪声的影响,使其平均值尽可能接近真实值,但很难确保工作和测量系统的相关参数。不要长时间改变。本文采用滑动平均法和异常点剔除法对建模数据进行预处理,以减少随机噪声,提高建模质量,提高补偿精度。

2.1移动平均法

移动平均法的本质是滤波,滤除叠加在实际测量数据上的高频噪声[7]。它的数据处理表达式是:

此处不处理端点0°和360°处的数据,以确保误差曲线的紧密性。

2.2异常点剔除

本文讨论的异常点特别指的是测量范围内的相同定律,大多数数据点都反映了这一定律。很少有不符合这个定律的点是异常点[8]。首先,对测量数据进行点群分析。在设计中选择Q点点群分析以给出欧几里德距离:

作为分类的主要依据,根据谱系图,首先去除样本中明显的异常点,并根据光栅长周期误差的分布规律,进一步组合样本模式,找出可能的异常点。然后使用样条插值方法来拒绝异常点。

3实验验证

该实验使用自制的34 200线/周增量编码器验证了上述两种方法的有效性。训练样本的采样值为0,10,20 ... 360°,采样值为5,15,25 ... 355°,使用样品的残余标准偏差作为评价。模型质量标准。如果没有数据处理,网络的学习能力曲线如图2(a)所示,泛化能力曲线如图2(b)所示。

3.1移动平均法

在对检测数据进行移动平均处理之后,分别获得模型学习能力曲线和泛化能力曲线,如图3(a)和图3(b)所示。

3.2异常点剔除

在对检测数据进行异常点剔除处理之后,获得模型的学习能力曲线和泛化能力曲线,如图4和图5所示。 4(a)和(b)。

表1给出了RBF网络补偿前后系统的精度和建模数据修改前后的系统精度,其中σ是系统精度,δ是预测样本的残差标准差,当RBF未得到补偿时,OD就是这种情况。系统指标; ORBF是由原始数据建模的网络补偿结果; MARBF是数据处理五点移动平均线后RBF网络的补偿结果; DRBF是去除异常点后RBF网络的补偿结果。可以看出,经过神经网络补偿后系统精度得到显着提高,但由于随机噪声的存在,网络具有过拟合现象,需要提高模型的预测精度。在通过移动平均法和异常点剔除方法对数据进行预处理之后,改善了网络的泛化,并且进一步提高了补偿精度。

4。结论

利用神经网络建立非线性模型可以有效地提高编码器的系统精度,而无需对误差源和分布进行复杂的分析,但是测量数据中的随机噪声会导致RBF网络模型过度拟合和影响补偿准确性。本文提出的移动平均法和异常点剔除法都能有效地改善过拟合现象。但是,没有完整的理论依据来确定测试数据中的异常点。如何找到更合理的聚类分析方法以避免异常点丢失或过度数据消除仍需要进一步的研究工作。

摘录自:中国计量与测量网络

[关键词]径向基,编码器,光电轴角,莫尔条纹,AOC官方网站,北京世纪奥克

>

下一页:空间镜面结构的轻量化设计

 
 
 
 
关于
关于我们
联系我们
网站地图
使用协议
授权声明
帮助
付款指导
续费流程
注册流程
会员服务
厂商合作
广告合作
合作
地方电力
华电招标与采购网
国电招投标网
中国电力招投标网
华能招标网

        版权所有copyleft © 2018 - 2019 杏耀娱乐 (www.samsarpg.com)