来源：期刊VIP网 时间：
作者：周凯红;叶高威;蒋青谷;
单位：桂林理工大学广西高校先进制造与自动化技术重点实验室;桂林广陆数字测控有限公司;
摘要：利用数显千分表进行精密测量时，零部件的生产、装配及使用磨损、挤压、碰撞等带来的固有误差与弹性误差严重降低了测量精度。针对此问题，利用遗传算法(genetic algorithm, GA)寻优速度快、精度高、并行搜索能力的优势及麻雀搜索算法(sparrow search algorithm, SSA)的全局寻优性能，优化反向传播(back propagation, BP)神经网络的初始权值、阈值及网络结构等，提出了基于数显千分表测量数据非线性误差补偿的SSA-GA-BP神经网络模型。将其与传统BP神经网络、遗传算法优化的GA-BP神经网络进行比较分析。结果表明：所提出SSA-GA-BP神经网络可使数显千分表的非线性误差由没有补偿前的最大误差5.504μm降低至0.883μm,残差平方和、相对误差和R相关系数具有一定的优越性。
关键词：非线性误差;;数显千分表;;BP神经网络;;麻雀搜索算法;;遗传算法
基金资助：国家自然科学基金项目(52075110);; 广西自然科学基金重点项目(2023GXNSFDA026045)
