标准量插入神经网络实时误差修正技术研究

　　1　引言

　　误差分离与修正技术是提高测量精度的重要方法和措施之一,这种方法不仅可以有效地提高测量精度,而且可以大幅度地降低测量装置的制造成本,因此 受到广泛重视与普及应用,并成为提高精度的优先采用方案,目前不仅广泛应用于精密测量技术,在精密机械中应用也较普遍。对于在标准使用条件下使用的稳定动 态测量系统(如条件良好的实验室和计量室使用的大部分测量装置都可近似认为是这种情况),测量装置的系统误差和随机误差的变化规律在相当长的时间内基本保 持不变,这种测量装置的实时误差综合修正比较容易,尤其是系统误差修正相当简单。因为这些测量系统的误差修正可以利用事先标定建模法进行修正,将编制好的 误差修正程序存入计算机中,在测量时对测量结果进行实时修正。但当动态测量系统在测量时(例如测量系统在生产现场进行测量时),如果各种干扰使测量系统的 工作条件严重地偏离了标准工作条件,这时测量系统的内部状态、结构性能和动态测量特性可能随时间变化而变化,动态测量结果会产生较大的系统与随机附加误 差,在这种情况下这些误差在测量之前一般是不可预测的,即测量系统的系统误差和随机误差的变化规律在测量前是不可知的。对于这类误差特性未知的非稳定动态 系统,若要提高测量精度,一种较好的途径就是采用标准量插入实时误差预测修正技术。为此,本文介绍一种采用离散标准量插入法实时分离动态测量系统误差与随 机误差,神经网络建模实时误差预测修正方法。

　　实时误差预测修正与其它误差修正一样,在采用计算机作为误差修正工具时,误差修正过程可分为四个阶段:误差的分离、误差建模、误差修正和给出误差修正后的正确测量结果,其中前两个阶段是关键。

　　2　标准量插入法实时分离动态测量误差

　　一个实际的动态测量系统测量过程如图1所示,含有被测量Y0(t)的被测对象与测量装置相互作用,产生输入信号x(t),经测量装置处理变换产生输出信号y(t):

其中y0(t)为理想输出信号,再经信号处理得到测量结果:

　　我们暂且不考虑信号处理部分产生的变换误差,若修正了测量装置输出信号中的误差,则测量结果中的误差ΔY(t)也就被修正了,因此动态测量误差的修正关键在于测量输出信号中动态测量误差Δy(t)的修正。

　　但是,要修正误差Δy(t),首先要知道误差Δy(t)的大小,也就是如何把误差Δy(t)从式(1)中的测量输出信号y(t)中分离出来。现在把式(1)写成离散化的形式,可得:

　　其中下标k表示t=k·Tk时的采样值,Tk为采样间隔或采样步长。因此,针对要修正的动态测量误差,按采样定理,选择合适的采样步长T,对输 出信号进行采样,并设法在测量过程中插入相应已知的y0,k值与输出信号的采样值yk进行比对,则可由式(3)分离出离散化的动态测量误差Δyk,然后用 信号重构技术,恢复测量误差信号Δy(t),并对测量误差进行修正。因为上述y0,k是已知插入的标准量,我们称这种误差分离方法为标准量插入法。采取这 种实时误差分离方法的动态测量装置测量原理可用图2表示。