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。
针对测量机接触式测头在动态测量过程中精度低这一问题，分析了测头的动态误差来源，并通过标准球的测量实验验证了影响测头动态测量精度的主要因素，其中逼近速率、测杆长度、测端直径是关键的3个影响因素。为了减小测头引起的动态测量误差，引入了RBF神经网络误差补偿模型，从而避免了传统误差模型中复杂的数学关系的推导。在Global Class 9158测量机上对标准球的测量数据建立了训练样本，并对标准环规的测量数据作为测试样本进行误差补偿。测试结果表明经过误差模型补偿修正后测量误差均值从3．5μm减小到1．3μm，并且模型稳定可靠。
