原创《基于nuSVM的三坐标测量机空间相关动态误差建模》：本论文可用于三坐标测量机论文范文参考下载，三坐标测量机相关论文写作参考研究。
摘 要：为了建立高精度的三坐标测量机动态误差修正模型, 分析了三坐标测量机空间动态误差相关性的特点, 介绍了所采用的建模方法支持向量机(nu-SVM)的基本原理和算法. 利用双频激光干涉仪建立了MC850移动桥式三坐标测量机的单向动态误差分离装置, 分离了不同空间位置下的单向动态误差. 分别应用BP神经网络、 nu-SVM建模方法和误差数据建立了测量机的空间三维动态误差模型, 进行了验证和比较, nu-SVM的建模精度比BP神经网络高.
关键词：三坐标测量机；动态误差；相关性；建模精度；支持向量机
中图分类号：TH721文献标识码：A
文章编号：1672-1098(2011)04-0037-04
收稿日期：2011-10-25
作者简介：吴天凤（1971-）,女,安徽滁州人,副教授,硕士,主要研究方向为精密测试技术.
Dynamic Correlation Error Modelling of CMM Based on nu-SVM
WU Tian-feng, YANG Hong-tao
（School of Mechanical Engineering, Anhui University of Science and Technology, Huainan Anhui 232001, China）
Abstract:In order to build high precision dynamic error correcting model, the spatial dynamic error correlation of CMM was analyzed. The principle and algorithm of the adopted new support vector method (nu-SVM) was proposed. The experimental facility was designed by using the laser interferometer, which was used to separate the dynamic error in single direction of the moving bridge CMM. The dynamic errors in the different spatial positions were separated, which were used to build the three dimension error models by adopting the BP neural network and nu-SVM. The dynamic error models were verified and compared, whose result indicates that the modelling precision of nu-SVM is higher than that of BP neural network.
Key words:CMM; dynamic error; correlation; modeling precision; support vector method
建立精确的动态误差模型是利用误差修正技术提高三坐标测量机动态测量精度的关键［1-2］.由于三坐标测量机结构复杂,各种误差源之间存在较强的相关性,这样在理论上和实践上对测量动态误差建模技术都提出了更高的要求.国内外许多学者在三坐标测量机动态误差建模领域展开了多方面的研究,提出了不少建模方法,如对测量机的机械结构建立动力学误差模型［3］,主要提出基于机体动变形的测量机动态误差理论公式,但存在着公式复杂,条件简化,考虑不周等缺点；利用有限元建模的方法［4］,是对测量机的结构进行一定的简化,不符合测量机实际结构特征和工作情况；应用神经网络方法建模［5］,存在需要大量样本和计算量、维数灾难等问题.本文充分考虑上述各种建模方法的局限性,综合考虑测量机误差源相关性特征和实时性要求,利用支持向量机(nu-SVM)建立三坐标测量机在不同空间位置下的单向高精度动态误差模型.同时为了验证建模效果,利用双频激光干涉仪作为动态误差分离标准量,建立测量机空间动态误差实时分离实验装置,分离测量机的动态误差,应用支持向量机和BP神经网络两种方法建立误差模型,比较两种方法的建模精度.
1 动态误差分析
MC850三坐标测量机的结构比较复杂精密,由机体、导轨支承系统、驱动及控制系统、测头系统、测量系统、计算机及软件等组成(见图1).其各个主要动态误差源及相互关联如图2所示,各个误差因素之间相互不独立,存在较大相关性,这样就给用于建立精确的动态误差模型所选择的方法提出了更高的要求［6-7］.例如当测量机在进行X向快速测量进行触碰被测件时,测量机立柱、滑架必须同时在Y、Z方向进行移动.而立柱和滑架的移动是由电机带动齿形带传动的,电机启动、平稳运行和停止时存在加速度变化.同时用于支撑上述部件移动的气浮导轨存在弱刚度,这样由于加速度变化引起的桥架、立柱、滑架和测头惯性力在各个测量位置会互不相同,所引起的机体结构变形量大小也互不相同,三坐标测量机单向动态测量误差在不同空间坐标(X、Y、Z)位置时也不同.同时由于测量条件的限制,对于每台测量机分离的动态误差数据量不可能太多,因此为了精确修正测量机的空间动态误差,必须选用合适的建模方法建立精确的动态误差三维修正模型,以便预测在不同空间位置下的测量机动态误差值.
图1 测量机结构图
图2 测量机动态误差源关系图
2 nu-SVM建模原理及算法
支持向量机简称SVM,它是根据有限的样本信息,在模型的复杂性和学习能力之间寻求最佳折衷,以期获得最好的泛化能力.与传统的神经网络相比,支持向量机算法最终将转化成为一个二次型寻优问题,解决了在神经网络方法中无法避免的局部极小值问题；支持向量机的拓扑结构由支持向量决定,避免了传统神经网络拓扑结构需要经验试凑方法确定.支持向量机也能够以任意的精度逼近任意函数,通过寻求结构化风险最小,实现经验风险和置信范围最小化,在样本较少的情况下,也可以获得良好的函数估计能力［8-9］.
一是多项式核函数K(x,xi)等于［(x•xi)+1］q,所得到的是q阶多项式分离器；二是径向基函数(RBF)K(x,xi)等于exp｛-|x-xi|2σ2｝；三是采用Sigmoid函数作为内积,即K(x,xi)等于tan h(v(x•xi)+c).
目前有很多经验表明径向基核函数具有良好的学习能力,同时根据测量机的动态误差数据特点,本文选用高斯径向基核函数,把径向基函数表达式代入式(2),得支持向量机的输出函数为
f(x)等于∑ni等于1(α*i-αi)K(x,xi)+b(6)
3 动态误差分离及建模
3.1 动态误差分离实验方案
为了建立三坐标测量机空间动态误差模型,本文采用双频激光干涉仪作为标准量分离测量机的空间动态误差,其中所设计的Y向动态误差分离实验装置如图3a所示,将激光干涉仪的靶镜固定在测量机立柱上,与测头进行同步移动.将测量机的测头信号引出,接入电脑触发双频激光干涉仪进行同步读数,这样当测量机测头触碰被测工件时,即可同步得到光栅和激光干涉仪对同一位置的读数,二者之差即为测量机的动态测量误差,由微机自动完成.
三坐标测量机论文参考资料：
结论：基于nuSVM的三坐标测量机空间相关动态误差建模为适合三坐标测量机论文写作的大学硕士及相关本科毕业论文，相关三坐标测量机开题报告范文和学术职称论文参考文献下载。
