一种基于神经网络的增量绝对光栅尺的位移检测方法

摘要

本发明公开了一种基于神经网络的增量式圆光栅尺的位移检测方法，包括：通过对圆光栅尺上栅纹的微观特征进行区分或做标记，使之转变为一种增量绝对光栅尺，保证每根栅纹的唯一性；建立深度学习的神经网络模型，对提取的每一道栅纹进行训练，保存训练较好的光栅分类模型，用于获取当前绝对位置；基于图像像素点，对最终位置的光栅绝对位置进行计数，以提升位移检测精度。上述检测方法，解决增量式圆光栅尺，高速时易掉脉冲和掉电后需进行回零操作的缺点，解决了绝对式光栅式与增量式光栅尺需同时配合使用的问题，克服光栅尺在高精测量过程中成本高的弊端。