基于PSO-BP神经网络的关节臂式坐标测量机长度误差补偿

摘要：

针对关节臂式坐标测量机(AACMM)长度误差补偿问题,分析了误差来源,通过实验确定了影响其测量长度的误差参数.引入BP神经网络对长度误差补偿模型进行了建模,并通过粒子群化算法对BP神经网络的权值和阈值进行全局寻优,克服了BP神经网络收敛速度慢和易陷入局部极值的缺陷.在不同输入参数的条件下测量标准尺,获得了误差补偿模型的训练样本.进行了长度误差补偿验证,补偿后误差均值减小了0.014 mm,使AACMM的测量精度提高了31.8％.

关键词：计量学、关节臂式坐标测量机、长度误差补偿、PSO-BP神经网络

所属期刊栏目：38

分类号：TB92(计量学)

资助基金：国家自然科学基金51405463;杭州市汽车零部件智能检测科技创新服务平台20151433S01

在线出版日期：2017-07-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：271-275