基于遗传算法和Elman神经网络的接触式探头动态特性补偿

• 全文链接
• 请求原文

作   者：

程真英;  江文姝;  方旭;  李瑞君;  黄强先; 

作者机构：

合肥工业大学仪器科学与光电工程学院; 

关键词：

遗传算法;  测量不确定度;  接触式探头;  Elman神经网络;  动态补偿; 

期刊名称：

机械工程学报

i s s n：

0577-6686

年卷期：

2022 年 58 卷 010 期

页   码：

24-30

摘   要：

动态特性不理想是接触式探头系统动态测量误差的重要来源,严重制约探头测量速度和精度的提升.提出一种基于遗传算法优化Elman神经网络的探头动态特性补偿方法.针对微纳米接触式探头,采用遗传算法优化Elman神经网络的方法对其动态响应输出信号进行了补偿,使用自适应递推最小二乘方法辨识出补偿前后的探头系统动态模型.探头系统的动态测量不确定度由补偿前的77.8 nm减小至12.1 nm.遗传算法具有较好的全局搜索能力,克服了 Elman神经网络容易陷入局部极值的缺陷,该动态补偿方法具有较快的网络训练速度和较高的动态补偿精度.仿真分析及不确定度评定结果都验证了该方法的有效性.