用神经网络技术实现的高精度光栅测量装置

　　1　引言

　　光栅测量装置广泛用于数控加工设备的测控系统和精密测长、测角等。然而,传统的光栅接口通常用硬件电子细分的方法提高分辨率和测量精度,存在细分数不高、电路复杂、频响低、易引入干扰、温漂大及可靠性低等缺点,难以实现高精度测量。为此,用微机技术和神经网络技术相结合,研究了一种利用神经网络的泛化能力实现细分的高精度光栅测量装置。该装置只要用几个训练样本让神经网络进行学习,即可实现很高的细分精度。另外还研究了用硬件抑制漂移和解决全程等幅方法,取得了很好的效果。经联网检索,这种神经网络细分方法尚未见报导。为了说明问题简便且不失一般性,本文以位移测量装置为例进行说明,其原理可推广到角度测控等其它光栅测控系统。

　　2　光栅测量的基本原理

　　光栅位移传感器主要由主光栅(标尺光栅)、指示光栅和光路系统组成,如图1(a)所示。两光栅均匀地刻有相同密度的线纹,形成规则排列的明暗线条如图1(b)所示,图中,w称为栅距。当两块栅距相等(w1=w2)的光栅叠合在一起、并使它们的刻线之间的夹角为θ时,光栅上就会出现若干条明暗相间的条纹(即莫尔条纹),见图2。在刻线重合处,光从缝隙透过,形成亮带,如图2中A处所示;在两块光栅线纹彼此错开处,由于挡光作用而形成黑带,如图2中B处所示。当两块光栅沿刻线垂直方向作相对运动时,莫尔条纹沿夹角θ平分线的方向移动。当光栅作相反方向移动时,莫尔条纹的移动方向也随之改变。光栅每移过一个栅距w时,莫尔条纹就变化一个周期。通过光电转换元件,可将莫尔条纹的变化变成近似于正弦波的电信号,可表示为:

式中,u—光栅传感器的输出信号;U0—输出信号中的直流分量;Um—输出信号的幅度;x—光栅的瞬时位移;w—光栅的栅距。可见,u反映了瞬时位移x的大小。当x变化了一个栅距时,则相当于电角度变化了2π。如采用50线/mm的光栅,当主光栅移动了xmm时,也就是移动了50x个栅距。通过计数输出信号的周期数,即可测得x值(位移量)。

　　为了判别光栅移动的方向及便于细分,通常等距地安装4个光电接收元件,得到四路输出信号,一路近似为正弦信号,其余三路依次相位相差90°,图3示出了其中两路相位相反的信号。

　　3　用神经网络细分及测量的基本原理

　　如果仅通过记录莫尔条纹数(计数输出信号的周期数)来测量光栅的位移,其分辨率仅为光栅的栅距,即使采用100线/mm的光栅,其分辨率也仅为10μm,这一分辨率是不能满足大多数应用要求的。因此,为了得到比栅距更小的位移量,必须测量莫尔条纹移过的距离,也就是必须对输出信号进行细分,通常采用内插法进行细分,即在莫尔条纹变化的一个周期内,给出N个计数脉冲,以减小脉冲当量(即每个脉冲所相当的位移量减小到原来的1/N,则分辨率提高N倍)。传统的细分方法是用硬件实现,存在一定的缺点。因此,作者研究了一种神经网络细分方法,可实现连续细分,使分辨率得到很大提高,简化了硬件电路,从而提高了可靠性。