深度学习点衍射干涉三维坐标定位技术

为了提高现有的三维坐标定位技术的测量精度、稳定性和测量效率,提出了基于深度学习的点衍射干涉三维坐标定位方法。该方法设计了一个深度神经网络用于点衍射干涉场的坐标重构,将相位差矩阵作为输入,构建训练数据集,将点衍射源坐标作为输出,训练神经网络模型。利用训练有素的神经网络对测量到的相位分布进行初步处理,将相位信息转换为点衍射源坐标,根据得到的点衍射源坐标进一步修改粒子群算法的初始粒子,进而重构出高精度的三维坐标值。该神经网络为建立干涉场相位分布与点衍射源坐标之间的非线性关系提供了一种可行的方法,显著提高了三维坐标定位的精度、稳定性和测量效率。为验证所提方法的可行性,进行了数值仿真和实验验证,采用不同的方法进行反复对比与分析。结果表明:所提方法的单次测量时间均在0.05 s左右,其实验精度能够达到亚微米量级,重复性实验的均值和RMS值分别为0.05μm和0.05μm,充分证明了该方法的可行性,并证明了其良好的测量精度和可重复性,为三维坐标定位提供了一种有效可行的方法。

双光纤点衍射干涉投影系统误差校正及优化

条纹投影测量技术为复杂曲面提供了一种大动态范围的非接触式三维形貌检测方式。在基于双光纤点衍射干涉的条纹投影检测系统中,系统结构参数对最终面形检测精度影响较大。通过建立系统结构几何分析模型,对系统结构参数进行了优化。针对双光纤点衍射探头投射角标定误差的影响,传统基于零级亮条纹定位的投射端投射角标定方法由于临近级次条纹光强较为接近难以区分而导致存在较大误差,为此提出了一种基于基准平面的投射角迭代校正方法,在原标定方法的基础上进一步提高了其标定精度,进而有效提高了面形检测精度。为验证所提出方法的可行性,搭建实验系统对不同斜率动态范围的待测物测量比对,结果表明校正前后的测量系统与三坐标测量机的测量结果偏差从0.418 2 mm减小至0.021 1 mm,实现了微米级的检测精度,为各类复杂曲面的高精度检测提供了一种可行的方法。