为解决位置敏感器件(PSD)提取光斑位置信息的不准确性, 克服元器件、信号处理电路等带来的随机噪声干扰, 本文提出了一种基于极限学习机(ELM)的反馈堆叠模型(FsELM)。该模型使用ELM作为基本训练块, 以单层预测结果与目标真值的偏差作为依据对输入数据进行更新, 并进行循环训练, 形成反馈堆叠的结构, 从而实现PSD信号有效信息的深度提取。同时设计进行了基于一维PSD的激光三角位移检测实验验证算法的性能, 比较了传统滤波算法、经典学习算法、ELM及其变体和本文提出的FsELM方法对数据的处理效果。实验结果表明: FsELM预测精度明显优于其他处理方法, 预测结果均方误差可达1.4×10-5, 预测精度为0.78%; 除ELM等单次训练结构外, FsELM模型的运算速度比其他处理方法更快。该结果证明了FsELM在应对随机噪声干扰的优异性能, 以及不确定环境下突出的预测能力。

为解决基于位置敏感器件(PSD)的激光三角位移传感器在复杂光电噪声干扰下的精密标定问题,提出一种多元自适应卡尔曼滤波(MAKF)与非均匀B样条曲线拟合的联合标定方法。通过分析测量原理和计算方法,对位移传感器的非线性特性进行了详细说明,进而提出应用曲线拟合的方法进行非线性标定。针对曲线拟合的特点,设计了一种多元自适应卡尔曼预处理算法用于滤除光电噪声干扰;通过非均匀的节点矢量划分,构建了B样条曲线拟合模型,进一步提高了标定系统的精度。在实际工况下进行了标定实验,实验结果表明,该曲线拟合标定方法能够完成激光位移传感器的高精度标定,其定位精度为0.7%,平均测量误差可达0.012 mm,标定均方误差约为2.12×10 -5 mm 2。

二面角是几何量测量的重要对象。测角方法众多，但可用于在机、自动化测量的方法仍相对匮乏。提出了一种基于非接触激光回转射线的二面角在机测量方法。激光位移传感器的测量射线在空间内绕固定轴旋转，构成回转射线，是测头的核心部分。回转射线扫掠待测工件表面，通过测量两被测平面与测头的距离信息并结合相应的数据处理，即可完成二面角的测量。测量装置作为机床的选配件，由数控机床主轴搭载，可实现在机测量。提出了基于非接触回转射线的二面角测量方法的数学模型，分析了相应的误差来源并实验验证了该方法的有效性。该方法可以较好地完成0°~120°范围内的角度测量，测量结果与三坐标测量机给出的相对真值进行了对比，实验结果表明，最大误差为14″，相对误差不超过0.048%。