XGBoost机器学习在光电编码器误差补偿中的应用

摘要：

光电编码器检测系统的误差主要受基准光电编码器测角误差、数据采集误差、检测系统同轴误差影响.其中,基准光电编码器的测角误差可进行补偿.因此设计了一种基于极度梯度提升树(extreme gradient boosting,XGBoost)机器学习的算法用来补偿基准光电编码器的误差.经该算法补偿后,静态精度提高了35倍,标准差由3.62″减小至0.13″,最大误差值由5.53″降低至0.39″.与传统的误差反传(back progagation,BP)神经网络算法以及径向基函数(radial basis function,RBF)神经网络算法补偿效果相比,XGBoost的补偿效果更优.XGBoost机器学习算法有效降低了基准光电编码器的测量误差,提高了光电编码器检测系统的检测精度.

关键词：光电编码器、误差补偿、XGBoost、检测精度

所属期刊栏目：45

分类号：TP274(自动化技术及设备)

资助基金：上海市电站自动化技术重点实验室项目13DZ2273800

在线出版日期：2023-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：32-37