坐标测量机动态误差补偿的分析与建模

中国机械工程 ›› 2011, Vol. 22 ›› Issue (2): 144-148.

坐标测量机动态误差补偿的分析与建模

陆艺;曲颖;罗哉;孔明

中国计量学院，杭州，310018

出版日期:2011-01-25 发布日期:2011-01-27
基金资助:
国家自然科学基金资助项目(60908039/F0513)
National Natural Science Foundation of China（No. 60908039/F0513）

Analysis and Modeling of Dynamic Error Compensation of CMM

Lu Yi;Qu Ying;Luo Zai;Kong Ming 

China Jiliang University，Hangzhou，310018

Online:2011-01-25 Published:2011-01-27
Supported by:
National Natural Science Foundation of China（No. 60908039/F0513）

摘要/Abstract

摘要：

针对坐标测量机动态测量误差补偿问题,分析了测量机动态误差的来源，利用BP神经网络对坐标测量机动态误差模型进行建模，突破了以往只是针对其各组成系统进行建模的局限，避免了复杂数学关系的推导。引入粒子群优化算法对坐标测量机BP神经网络误差模型的初始权值进行了优化，提高了网络的全局优化计算能力和运算速度。应用Global Class 9158型测量机在不同输入参数条件下测量了标准球，获得了网络训练数据，建立了误差补偿模型，进行了测量补偿验证，结果证明该模型可使坐标测量机的误差均值减小2.3μm。

关键词:

粒子群优化算法, 坐标测量机, 动态误差, BP神经网络



Abstract:

In order to resolve the problem of reducing the dynamic errors for CMM,the dynamic error sources were firstly analyzed. A model of CMM’s dynamic errors was built up with BP neural network, which broke through the limit which was modeling only for each component of the system. Also the derivation of complicated mathematical relationships can be avoided. As the BP network has the problem of

local minimum value and its approximation rate is slow,the particle swarm optimizer algorithm for BP network was introduced. Initial weight of BP neural network model for CMM was optimized by PSO, and it can improve the ability of global optimization for BP network and processing speed. In order to get training data a standard ball was measured on CMM of type Global Class 9158, and error compensation model was established.Experiments were made to verify the model. Results show that the mean error of CMM can be reduced 2.3μm by using the model.

Key words: particle swarm optimizer algorithm(PSO), coordinate measuring machine(CMM), dynamic error, BP neural network

中图分类号:

TH711

陆艺, 曲颖, 罗哉, 孔明.

坐标测量机动态误差补偿的分析与建模

[J]. 中国机械工程, 2011, 22(2): 144-148.

LIU Yi, QU Ying, LUO Zai, KONG Meng.

Analysis and Modeling of Dynamic Error Compensation of CMM

[J]. China Mechanical Engineering, 2011, 22(2): 144-148.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: http://www.cmemo.org.cn/CN/

http://www.cmemo.org.cn/CN/Y2011/V22/I2/144

[1]	郑刚, 闫立方, 张开伟, 张旭. 整体叶盘叶片型面高精度六轴检测与误差补偿方法研究[J]. 中国机械工程, 2023, 34(08): 908-915，922.
[2]	夏军勇, 刘科进, 钟飞, 孙颖. 运用改进的教学模拟退火算法辨识关节臂式三坐标测量机的结构参数[J]. 中国机械工程, 2023, 34(03): 314-323.
[3]	陈洪芳, 孙梦阳, 高毅, 石照耀, 王帼媛, 路伟光, 宋辉旭. 利用弹性网络算法求解大型三坐标测量机几何误差的方法[J]. 中国机械工程, 2022, 33(09): 1077-1083.
[4]	刘红军;叶文静;纪俐. 基于实时重构的自由曲面自适应布点方法[J]. 中国机械工程, 2017, 28(17): 2090-2014.
[5]	韩振华;刘书桂;高礼圳;余飞. 智能三坐标测量机的零件位姿识别[J]. 中国机械工程, 2017, 28(14): 1730-1734,1741.
[6]	何雪明, 李咏平, 武美萍, 张荣. 基于三坐标测量机双参数向自适应测量自由曲面[J]. 中国机械工程, 2017, 28(05): 525-531.
[7]	周开俊, 肖轶, 周小青. 基于遗传算法的三坐标测量机测量路径规划方法[J]. 中国机械工程, 2016, 27(12): 1626-1631.
[8]	赵艺兵, 温秀兰, 许有熊. 基于坐标测量机和拟粒子群进化算法的圆柱度误差检测与评定[J]. 中国机械工程, 2015, 26(18): 2432-2436.
[9]	王伟, 郑从志, 张信. 基于多误差源耦合的五轴数控铣床加工误差综合预测及评判[J]. 中国机械工程, 2015, 26(1): 85-91.
[10]	费致根, 徐小洁, 郭俊杰. 非接触式五坐标测量机系统几何参数的辨识方法[J]. 中国机械工程, 2014, 25(23): 3147-3150.
[11]	孙永厚, 肖威, 黄美发, 胡汝凯. 基于移动最小二乘法的渐开线齿轮齿廓曲线拟合方法[J]. 中国机械工程, 2014, 25(22): 3017-3021.
[12]	杨洪涛, 方传智, 费业泰, . 基于ICA的动态测量误差分解重构方法[J]. 中国机械工程, 2014, 25(19): 2592-2596,2602.
[13]	黄强先, 余惠娟, 黄帅, 钱剑钊. 微纳米三坐标测量机测头的研究进展[J]. 中国机械工程, 2013, 24(09): 1264-1272.
[14]	李红莉, 陈晓怀, 王宏涛. 坐标测量机测量端面距离的不确定度评定[J]. 中国机械工程, 2012, 23(20): 2401-2404.
[15]	谢东1, 2, 丁杰雄1, 霍彦波1, 杜丽1, 王伟1. 数控机床转动轴进给系统轮廓误差分析[J]. 中国机械工程, 2012, 23(12): 1387-1392.