基于納米級(jí)精度的三坐標(biāo)測(cè)量機(jī)誤差補(bǔ)償技術(shù)研究

三坐標(biāo)測(cè)量機(jī)是精密計(jì)量核心設(shè)備，納米級(jí)精度制造領(lǐng)域里重要性漸增，機(jī)械結(jié)構(gòu)變形、溫度波動(dòng)、傳感器噪聲及外部環(huán)境干擾等誤差源，嚴(yán)重制約測(cè)量精度提升。突破這一瓶頸，要剖析誤差根源，構(gòu)建補(bǔ)償模型，優(yōu)化補(bǔ)償算法，系統(tǒng)化研究實(shí)現(xiàn)誤差控制，推動(dòng)三坐標(biāo)測(cè)量機(jī)在高端制造中廣泛應(yīng)用。

一、三坐標(biāo)測(cè)量機(jī)納米級(jí)誤差源的精準(zhǔn)識(shí)別與量化分析

（一）機(jī)械結(jié)構(gòu)變形相關(guān)誤差源剖析

三坐標(biāo)測(cè)量機(jī)機(jī)械結(jié)構(gòu)是精確測(cè)量根基，納米級(jí)精度測(cè)量時(shí)，結(jié)構(gòu)變形致誤差影響重大，移動(dòng)橋式結(jié)構(gòu)，X向驅(qū)動(dòng)在橋框單邊，橋框移動(dòng)易繞Z軸偏擺，高速測(cè)量時(shí)，偏擺超10微弧度，X向標(biāo)尺同處單邊，Y向阿貝臂大，依阿貝誤差原理，偏擺生大阿貝誤差。Y向行程500mm，10微弧度偏擺引發(fā)5μm阿貝誤差，嚴(yán)重影響納米測(cè)量精度，懸臂式結(jié)構(gòu)，滑架Y向運(yùn)動(dòng)懸臂變形大，滑架至懸臂遠(yuǎn)端，撓度達(dá)數(shù)微米，造成測(cè)頭位置偏差產(chǎn)生測(cè)量誤差，給微小尺寸測(cè)量準(zhǔn)確性帶來(lái)挑戰(zhàn) 。

（二）溫度波動(dòng)導(dǎo)致的誤差源解析

溫度波動(dòng)是影響三坐標(biāo)測(cè)量機(jī)納米級(jí)精度的關(guān)鍵因素。測(cè)量機(jī)由多種材料構(gòu)成，不同材料的熱膨脹系數(shù)差異明顯。例如，鋼材的熱膨脹系數(shù)約為11.5×10??/℃，鋁材約為23×10??/℃。在測(cè)量環(huán)境溫度變化1℃時(shí)，若測(cè)量機(jī)的關(guān)鍵部件如導(dǎo)軌，長(zhǎng)度為1m，鋼材制成的導(dǎo)軌長(zhǎng)度變化量約為11.5μm，鋁材制成的則達(dá)23μm。這種長(zhǎng)度變化會(huì)改變測(cè)量機(jī)各坐標(biāo)軸的相對(duì)位置，引入測(cè)量誤差。此外，溫度梯度的存在也會(huì)導(dǎo)致結(jié)構(gòu)變形不均。在測(cè)量空間內(nèi)，若垂直方向上存在0.5℃/m的溫度梯度，對(duì)于高度為1m的測(cè)量機(jī)結(jié)構(gòu)，頂部與底部因溫度不同產(chǎn)生的變形差可達(dá)數(shù)微米，造成測(cè)量坐標(biāo)系的扭曲，嚴(yán)重干擾納米級(jí)測(cè)量精度。

（三）傳感器噪聲相關(guān)誤差源探討

傳感器身為三坐標(biāo)測(cè)量機(jī)采集測(cè)量數(shù)據(jù)的關(guān)鍵部件，其產(chǎn)生的噪聲對(duì)納米精度的影響十分突出，以普通的激光干涉儀傳感器做例子，其內(nèi)部光學(xué)元件所引發(fā)的熱噪聲、探測(cè)器的散粒噪聲這類，引致測(cè)量信號(hào)出現(xiàn)波動(dòng)情形，處于納米級(jí)測(cè)量的實(shí)際情境中，由這些噪聲引發(fā)的測(cè)量信號(hào)的不確定性，可至亞納米水平[1]。處在測(cè)量分辨率為0.1nm的激光干涉儀的情境下，由于噪聲從中作梗，實(shí)際測(cè)量的不確定度也許會(huì)擴(kuò)展到0.2到0.3nm范圍，就接觸式探頭式傳感器而言，其彈性組件所出現(xiàn)的熱彈性噪聲，還有跟被測(cè)物體接觸時(shí)的摩擦噪聲，也會(huì)造成測(cè)量信號(hào)的干擾現(xiàn)象，若測(cè)球跟被測(cè)表面接觸力為10mN的時(shí)候，由摩擦噪聲引起的測(cè)量誤差可到數(shù)納米的程度，極大地拖了測(cè)量精度進(jìn)一步提升的后腿。

（四）外部環(huán)境干擾引發(fā)的誤差源研究

外部環(huán)境干擾在納米級(jí)精度測(cè)量這個(gè)事情上，也是不可小看的誤差源頭，周遭儀器產(chǎn)生的電磁方面的干擾，會(huì)給測(cè)量機(jī)電子控制系統(tǒng)的信號(hào)傳輸與處理添上阻礙，若測(cè)量機(jī)周遭存在功率為10kW的電機(jī)設(shè)備在運(yùn)作，其所生成的電磁輻射，或許會(huì)讓測(cè)量機(jī)控制信號(hào)有±5mV的波動(dòng)現(xiàn)象，反映于測(cè)量所得結(jié)果里，能產(chǎn)生數(shù)納米大小的測(cè)量差錯(cuò)。測(cè)量環(huán)境里的氣流波動(dòng)同樣會(huì)影響測(cè)量的精準(zhǔn)度，在實(shí)施測(cè)量的空間環(huán)境內(nèi)，若發(fā)生0.5m/s的氣流速度的改變現(xiàn)象，氣流引起測(cè)頭的作用力的變化可有數(shù)微牛，就高精度測(cè)量而言，該力的變動(dòng)會(huì)造成測(cè)頭位置出現(xiàn)偏移現(xiàn)象，引入納米范疇的測(cè)量偏差值，對(duì)測(cè)量的精準(zhǔn)與穩(wěn)定造成破壞。

二、基于多參數(shù)耦合的納米級(jí)誤差補(bǔ)償模型構(gòu)建

（一）多誤差源融合的模型框架搭建

三坐標(biāo)測(cè)量機(jī)的誤差表現(xiàn)出多種源頭及復(fù)雜情形，針對(duì)幾何誤差這一相關(guān)方面，導(dǎo)軌直線度誤差在每米范圍內(nèi)可達(dá)數(shù)微米，就如在長(zhǎng)度為1米的導(dǎo)軌處，直線度誤差也許在3 - 5微米這個(gè)范圍，能造成測(cè)量軸運(yùn)動(dòng)軌跡和理想直線出現(xiàn)偏離，對(duì)測(cè)量精準(zhǔn)度造成干擾。話說(shuō)熱造成的變形誤差，就測(cè)量機(jī)關(guān)鍵部件絲杠舉個(gè)例子，若溫度變動(dòng)1℃，長(zhǎng)度為1m的絲杠，熱膨脹引發(fā)的長(zhǎng)度改變可達(dá)到10 - 15μm，進(jìn)而引發(fā)坐標(biāo)軸彼此的相對(duì)位置出現(xiàn)不一樣的狀況，于高速測(cè)量情形下，動(dòng)態(tài)誤差格外突顯，仿若測(cè)量機(jī)運(yùn)動(dòng)部件加速或者減速的時(shí)段，因慣性力而起，會(huì)造就高至數(shù)十微牛的動(dòng)態(tài)之力，造成測(cè)頭實(shí)際位置跟理論位置的偏差能有幾納米。在搭建綜合補(bǔ)償模型之際，需把這些性質(zhì)并非一致的誤差納入統(tǒng)一格局[2]，依托多體系統(tǒng)理論展開(kāi)后續(xù)操作，借助齊次坐標(biāo)實(shí)施變換，創(chuàng)立囊括各誤差源的坐標(biāo)變換矩陣，解說(shuō)測(cè)量機(jī)各部件相互的運(yùn)動(dòng)關(guān)系情形，達(dá)成幾何、熱與動(dòng)態(tài)誤差的整合，完整彰顯測(cè)量機(jī)實(shí)際的運(yùn)行面貌，斟酌誤差彼此的耦合現(xiàn)象，采用張量分析辦法，衡量不同誤差源相互牽扯對(duì)測(cè)量精度產(chǎn)生的作用，進(jìn)一步把模型理論架構(gòu)補(bǔ)全。

（二）機(jī)器學(xué)習(xí)輔助的非線性誤差擬合

常規(guī)誤差補(bǔ)償模型大多以線性假設(shè)為基礎(chǔ)，難以精確敘說(shuō)納米級(jí)測(cè)量期間復(fù)雜的非線性誤差，引入機(jī)器學(xué)習(xí)的方式能有效處理此難題，以神經(jīng)網(wǎng)絡(luò)當(dāng)作實(shí)例，其較強(qiáng)的非線性映射能力，可對(duì)復(fù)雜誤差實(shí)現(xiàn)高精度擬合，處于構(gòu)建多層感知器神經(jīng)網(wǎng)絡(luò)的階段，輸入層節(jié)點(diǎn)關(guān)聯(lián)到各誤差源的相關(guān)參數(shù)，像幾何誤差存在的直線度、垂直度方面的偏差，熱誤差里的溫度變動(dòng)值、關(guān)鍵部件的熱膨脹系數(shù)，諸如動(dòng)態(tài)誤差中的加速度、速度的波動(dòng)量等。采用大量測(cè)量數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)開(kāi)展訓(xùn)教，對(duì)網(wǎng)絡(luò)權(quán)重與閾值做一番調(diào)整，令輸出結(jié)果與實(shí)際測(cè)量的誤差達(dá)成高度一致，在訓(xùn)練時(shí)段里，以反向傳播算法為手段，不斷對(duì)網(wǎng)絡(luò)參數(shù)做優(yōu)化，用均方誤差作為損失函數(shù)對(duì)模型預(yù)測(cè)誤差進(jìn)行衡量，保證模型可精準(zhǔn)抓取非線性誤差特性，提高對(duì)復(fù)雜誤差的擬合水平，為防止模型陷入過(guò)擬合境地，引入Dropout正則化招法，隨機(jī)去掉部分神經(jīng)元節(jié)點(diǎn)，擴(kuò)充模型應(yīng)對(duì)不同情形的能力范疇，保證其在相異測(cè)量工況下擬合精度的穩(wěn)定性。

（三）數(shù)值計(jì)算驅(qū)動(dòng)的模型參數(shù)確定

準(zhǔn)確把控模型參數(shù)，是高精度誤差補(bǔ)償?shù)靡詫?shí)現(xiàn)的關(guān)鍵，采用數(shù)值運(yùn)算辦法，若如最小二乘法、遺傳算法之類的，來(lái)對(duì)模型參數(shù)實(shí)施優(yōu)化求解，以最小二乘法為例證，在多參數(shù)以耦合形式存在的誤差補(bǔ)償模型內(nèi)，經(jīng)由測(cè)量大量標(biāo)準(zhǔn)件獲取相應(yīng)測(cè)量數(shù)據(jù)，把模型預(yù)測(cè)的結(jié)果和實(shí)際測(cè)量的結(jié)果之間誤差平方的總和當(dāng)成目標(biāo)函數(shù)。以最小二乘法對(duì)目標(biāo)函數(shù)求解極值，找出讓誤差平方和達(dá)最小的模型參數(shù)值[3]。遺傳算法借鑒生物進(jìn)化歷程，把模型參數(shù)做成染色體那樣的編碼，通過(guò)篩選個(gè)體、交叉重組、變異等遺傳操作途徑，在參數(shù)空間范疇內(nèi)搜索最恰當(dāng)?shù)慕?，在納米級(jí)誤差補(bǔ)償模型參數(shù)的優(yōu)化操作里，遺傳算法能在復(fù)雜的參數(shù)空間當(dāng)中，迅速找出相對(duì)更優(yōu)的參數(shù)組合，避開(kāi)陷入局部最優(yōu)的圈子，給模型賦予更切確的參數(shù)，優(yōu)化誤差補(bǔ)償?shù)木C合效果，結(jié)合上模擬退火算法，針對(duì)遺傳算法后期搜索階段，引入概率上的突跳機(jī)制，再去擴(kuò)大搜索的邊界，加大獲取全局最優(yōu)結(jié)果的概率。

（四）模型驗(yàn)證與優(yōu)化的迭代過(guò)程

誤差補(bǔ)償模型需嚴(yán)格驗(yàn)證與持續(xù)優(yōu)化。用標(biāo)準(zhǔn)試件驗(yàn)證模型，選高精度形狀和尺寸的量塊、標(biāo)準(zhǔn)球，測(cè)量機(jī)多次測(cè)量標(biāo)準(zhǔn)試件，對(duì)比結(jié)果與標(biāo)準(zhǔn)值，算模型補(bǔ)償前后測(cè)量誤差。補(bǔ)償后誤差超納米級(jí)精度要求，就得優(yōu)化模型。優(yōu)化可從多方面做，調(diào)整機(jī)器學(xué)習(xí)模型結(jié)構(gòu)與參數(shù)，增減神經(jīng)網(wǎng)絡(luò)層數(shù)、節(jié)點(diǎn)數(shù)；改數(shù)值計(jì)算方法參數(shù)設(shè)置，調(diào)遺傳算法交叉概率、變異概率；重新分析誤差源，補(bǔ)遺漏誤差因素，完善模型，不斷迭代模型驗(yàn)證與優(yōu)化，讓誤差補(bǔ)償模型逼近納米級(jí)精度測(cè)量需求，保測(cè)量機(jī)精度穩(wěn)定可靠，引入貝葉斯優(yōu)化框架，借歷史實(shí)驗(yàn)數(shù)據(jù)建概率模型，自適應(yīng)選下一個(gè)待評(píng)估參數(shù)組合，加速模型優(yōu)化，減驗(yàn)證與優(yōu)化需的計(jì)算資源。

三、納米級(jí)誤差補(bǔ)償算法的優(yōu)化與效率提升

（一）模型降階技術(shù)的深入探索

納米級(jí)誤差補(bǔ)償模型里，高階模型能描述誤差特性，計(jì)算復(fù)雜度卻極高。多體動(dòng)力學(xué)誤差模型含大量狀態(tài)變量，狀態(tài)空間維度達(dá)數(shù)十甚至上百維，計(jì)算量呈指數(shù)級(jí)增長(zhǎng)，模型降階技術(shù)要保證關(guān)鍵誤差特性，同時(shí)降低模型維度，平衡截?cái)喾ㄍㄟ^(guò)奇異值分解分析系統(tǒng)能控性與能觀性矩陣，確定各狀態(tài)變量對(duì)系統(tǒng)輸入輸出的貢獻(xiàn)程度。占總奇異值能量95%以上的主要狀態(tài)變量保留，其余次要變量截?cái)啵?00維的復(fù)雜模型經(jīng)此處理，可有效降階至20-30維，計(jì)算量大減，誤差描述精度仍維持在納米級(jí)應(yīng)用可接受范圍，為后續(xù)快速求解打基礎(chǔ)，頻域分析技術(shù)結(jié)合進(jìn)來(lái)，能進(jìn)一步篩選對(duì)高頻動(dòng)態(tài)誤差影響較小的狀態(tài)變量，不影響模型精度，實(shí)現(xiàn)更深度降階處理，滿足實(shí)時(shí)性補(bǔ)償需求，模型降階過(guò)程中，殘差分析驗(yàn)證降階模型有效性，確保關(guān)鍵誤差特征無(wú)顯著丟失。

（二）快速求解算法的創(chuàng)新研究

解決補(bǔ)償模型求解耗時(shí)，引入快速求解算法關(guān)鍵。線性誤差補(bǔ)償模型，用共軛梯度法替代高斯消去法，處理大型稀疏矩陣，高斯消去法計(jì)算復(fù)雜度O(n3)，共軛梯度法利用矩陣稀疏性與對(duì)稱性，降至O(n2)，n為矩陣維度，實(shí)際測(cè)量機(jī)誤差補(bǔ)償，矩陣維度n=1000，共軛梯度法求解時(shí)間從數(shù)小時(shí)縮至數(shù)十分鐘，非線性誤差補(bǔ)償模型，牛頓-拉夫森法與擬牛頓法常用。牛頓-拉夫森法迭代計(jì)算目標(biāo)函數(shù)梯度與海森矩陣逼近最優(yōu)解，每次迭代需計(jì)算海森矩陣及其逆矩陣，計(jì)算量大[4]。擬牛頓法近似海森矩陣，避免復(fù)雜矩陣求逆運(yùn)算，提升求解速度，滿足納米級(jí)誤差補(bǔ)償實(shí)時(shí)性要求，針對(duì)測(cè)量機(jī)誤差模型特殊結(jié)構(gòu)，用預(yù)條件共軛梯度法，構(gòu)造合適預(yù)條件矩陣，加速算法收斂，減少迭代次數(shù)。不完全LU分解構(gòu)造預(yù)條件矩陣，迭代次數(shù)減少30%以上。

（三）算法參數(shù)的精細(xì)優(yōu)化策略

算法參數(shù)影響誤差補(bǔ)償效率與精度，遺傳算法用于誤差補(bǔ)償模型參數(shù)尋優(yōu)，種群規(guī)模、交叉概率、變異概率等需精細(xì)調(diào)整，種群規(guī)模過(guò)小，設(shè)為20，算法易陷局部最優(yōu)解，找不到全局最優(yōu)參數(shù)組合；規(guī)模過(guò)大，設(shè)為1000，搜索全面性提高，計(jì)算量劇增，運(yùn)行時(shí)間延長(zhǎng)，大量實(shí)驗(yàn)驗(yàn)證，納米級(jí)誤差補(bǔ)償場(chǎng)景，種群規(guī)模100-200適宜。交叉概率0.6-0.9取值，過(guò)低如0.5，收斂速度慢；過(guò)高如0.95，可能破壞優(yōu)良基因組合，影響尋優(yōu)效果。變異概率取0.001-0.01，合理值維持種群多樣性，避免算法早熟，確保復(fù)雜參數(shù)空間有效搜索最優(yōu)誤差補(bǔ)償參數(shù)，自適應(yīng)參數(shù)調(diào)整策略可引入，依算法迭代收斂情況動(dòng)態(tài)調(diào)整參數(shù)值，保證尋優(yōu)精度，提升效率，收斂速度放緩，自動(dòng)增大變異概率擴(kuò)大搜索范圍。

（四）計(jì)算流程的高效重構(gòu)舉措

對(duì)誤差補(bǔ)償算法的計(jì)算流程做重新架構(gòu)，可再度提升功效，傳統(tǒng)的過(guò)去計(jì)算流程而言，數(shù)據(jù)讀取、模型做運(yùn)算、結(jié)果往外輸出等環(huán)節(jié)以串行方式來(lái)執(zhí)行，出現(xiàn)大量的等待時(shí)段，采用并行計(jì)算途徑優(yōu)化流程，能夠把數(shù)據(jù)讀取和預(yù)處理、相異子模型計(jì)算等各自獨(dú)立的任務(wù)，安排到多核處理器或分布式計(jì)算集群不同節(jié)點(diǎn)一同執(zhí)行[5]。在多參數(shù)深度耦合的誤差補(bǔ)償模型里面，把像幾何誤差、熱變形誤差、動(dòng)態(tài)誤差的子模型，分別安排進(jìn)不同計(jì)算核心進(jìn)行計(jì)算，與串行計(jì)算這種方式相較而言，計(jì)算所需時(shí)間大概能縮減60%至70%之間，改良數(shù)據(jù)的存儲(chǔ)及訪問(wèn)辦法，采用數(shù)據(jù)暫存技術(shù)，將頻繁被取用的測(cè)量數(shù)據(jù)以及中間計(jì)算產(chǎn)出存于高速緩存里面，降低數(shù)據(jù)讀取所需時(shí)間，進(jìn)一步加快計(jì)算進(jìn)程步伐，順應(yīng)三坐標(biāo)測(cè)量機(jī)高速高精度測(cè)量任務(wù)對(duì)誤差補(bǔ)償效率的苛刻規(guī)定。采用流水計(jì)算的架構(gòu)模式，令數(shù)據(jù)于不同處理區(qū)間間實(shí)現(xiàn)無(wú)滯銜接，減少數(shù)據(jù)在傳輸、處理環(huán)節(jié)的等待時(shí)長(zhǎng)，進(jìn)一步增進(jìn)計(jì)算資源的利用程度和總體計(jì)算功效，采用GPU加速策略開(kāi)展矩陣運(yùn)算操作，能讓核心計(jì)算流程中速度實(shí)現(xiàn)5到10倍的提升。

四、結(jié)語(yǔ)

經(jīng)對(duì)三坐標(biāo)測(cè)量機(jī)納米級(jí)誤差源頭精確辨認(rèn)與量化，打造多參數(shù)協(xié)同的誤差補(bǔ)償模型，又把補(bǔ)償算法做了一番優(yōu)化，成功化解測(cè)量精度及效率方面的困擾，對(duì)機(jī)械結(jié)構(gòu)到外部環(huán)境干擾展開(kāi)全維度誤差研究，為模型的創(chuàng)建提供了理論層面的根基；開(kāi)展機(jī)器學(xué)習(xí)跟數(shù)值計(jì)算運(yùn)用，達(dá)成復(fù)雜誤差的高精度契合；諸如降階優(yōu)化的策略顯著增進(jìn)了算法效能，為三坐標(biāo)測(cè)量機(jī)達(dá)成納米級(jí)精度測(cè)量應(yīng)用夯實(shí)技術(shù)底子。

文章來(lái)源：《產(chǎn)品可靠性報(bào)告》http://m.00559.cn/w/kj/32519.html