本發(fā)明涉及激光振鏡系統(tǒng)技術領域，具體涉及一種振鏡系統(tǒng)連續(xù)自適應的在線校正方法。
背景技術：
激光振鏡系統(tǒng)是激光應用領域一個重要方向，激光器作為光源，發(fā)出激光光束通過x軸、y軸反射鏡以及動態(tài)聚焦鏡，聚焦在平面上，由計算機存儲的平面坐標數(shù)據(jù)通過d/a轉換卡將數(shù)字信號轉換成模擬信號來控制振鏡偏轉。由于振鏡系統(tǒng)偏轉角和平面坐標軸直接存在非線性映射關系，這個非線性映射關系，無法找到解析的表達式來表示。若采用線性映射表達式來控制振鏡，會產(chǎn)生枕形誤差和聚焦誤差，因此必須加以補償校正。針對振鏡這種誤差，通常采用硬件校正和軟件校正。硬件校正需要成本高，校正參數(shù)不能適時地調(diào)整；軟件校正可以靈活地調(diào)整參數(shù)，經(jīng)濟、簡單、準確、實用性高。目前現(xiàn)有的技術采用與平面尺寸匹配的標定板或標定紙，控制光斑打在其表面上規(guī)定的點，測量出掃描軌跡與標準點的誤差，通過線性插值方法，進行補償與校正。這種方法存在以下不足：
一、非線性曲線擬合缺乏穩(wěn)定性，產(chǎn)生新畸變。通過線性插值方法求得原直線上各個點發(fā)生畸變量。在原直線加上反方向的畸變量得到反變化的校正函數(shù)，從而控制x軸、y軸反射鏡多偏或少偏。當掃描場較大，掃描曲線呈強非線性時，通過曲線擬合很難得到近似的線性擬合曲線，造成新的插值誤差，產(chǎn)生新的畸變，極大影響了激光加工產(chǎn)品的質(zhì)量。
二、對誤差不能在線校正，缺乏動態(tài)調(diào)整誤差功能。查尋校正表格和結合線性差值補償方法缺乏在線反饋，不能及時的調(diào)整誤差。一旦確定擬合線性曲線，就無法在線更正誤差。
三、不適用于多激器設備的掃描器標定。當前，國內(nèi)外已經(jīng)采用多激光器的機械激光設備。多個激光器通過掃描器定位在同一個平面場，對同一個目標進行協(xié)同作業(yè)時，相銜接的地方造成誤差太大。
技術實現(xiàn)要素：
為了克服上述現(xiàn)有技術的缺點，本發(fā)明的目的在于提供一種振鏡系統(tǒng)連續(xù)自適應的在線校正方法，能夠保證任意精度逼近任意的非線性函數(shù)，在線調(diào)整誤差；同時可以針對多輸入多輸出、多輸入單輸出控制反饋系統(tǒng)，及時修正，有效的降低了系統(tǒng)誤差，實現(xiàn)精度控制的智能化，提高制作精度。
為了達到上述目的，本發(fā)明采用如下的技術方案：
一種振鏡系統(tǒng)連續(xù)自適應的在線校正方法，包括以下步驟：
1)打開激光器電源1發(fā)出激光，振鏡控制系統(tǒng)2調(diào)節(jié)x軸反射鏡3、y軸反射鏡4，激光經(jīng)過x軸反射鏡3、y軸反射鏡4后進入動態(tài)聚焦鏡5，進而，激光光斑聚焦在平面臺6，平面臺6安裝有光學傳感器7；
2)源數(shù)據(jù)通過振鏡控制系統(tǒng)2的d/a轉換卡將數(shù)字信號轉換成模擬信號控制x軸反射鏡3、y軸反射鏡4，光學傳感器7顯示出新坐標，通過光學傳感器7把新坐標數(shù)據(jù)反饋振鏡控制系統(tǒng)2中；
3)振鏡控制系統(tǒng)2采用的是連續(xù)自適應方法對振鏡誤差進行在線檢測、在線校正,具體包括以下步驟：
3.1)振鏡控制系統(tǒng)2采用五層網(wǎng)絡結構，分別為輸入層、輸入變量的隸屬度層、激勵層、歸一化層、輸出層；輸入層由源數(shù)據(jù)組成，源數(shù)據(jù)將網(wǎng)絡與外部數(shù)據(jù)連接起來，僅起到數(shù)據(jù)信息的傳遞作用，對輸入信息不進行任何變換；輸入變量的隸屬度層為遞歸最小平方誤差函數(shù)，對輸入數(shù)據(jù)進行非線性變換，確定模糊規(guī)則；激勵層根據(jù)模糊規(guī)則計算出激勵強度；歸一化層是對相應的激勵強度進行歸一化處理；輸出層是根據(jù)歸一化的激勵強度，結合相應的權重值提供輸出，同時為輸入層的激活模式提供響應；
3.2)源數(shù)據(jù)橫坐標組成集合o1,o1＝{x1,x2,…,xn}，縱坐標組成集合o2，o2＝{y1,y2,…,yn}，光學傳感器7顯示反饋數(shù)據(jù)橫坐標組成集合b1,
3.3)根據(jù)源數(shù)據(jù)和反饋數(shù)據(jù)的“距離”和“可調(diào)整影響度”兩個標準進行添加模糊規(guī)則的確定，模糊規(guī)則的增加或者刪除由δxi，δyi值決定；
4)通過在線學習訓練，建立連續(xù)的自適應的模糊規(guī)則庫，具體步驟為：
4.1)開始時，模糊規(guī)則庫沒有數(shù)據(jù)，第一個模糊規(guī)則的前件和后件參數(shù)通過光學傳感器7在線反饋數(shù)據(jù)與源數(shù)據(jù)的差值建立；
4.2)根據(jù)δxi，i＝1,…,n數(shù)據(jù)設定動態(tài)閾值，確定模糊分割；
4.3)通過模糊分割計算模糊規(guī)則：
4.4)若cinf大于模糊規(guī)則閾值且||δxi-μi||大于補償量數(shù)據(jù)與模糊規(guī)則中位數(shù)的差的閾值，添加到現(xiàn)有的模糊規(guī)則中，同時更新前件參數(shù)后件參數(shù)；
4.5)若cinf小于模糊規(guī)則閾值且||δxi-μi||小于補償量數(shù)據(jù)與模糊規(guī)則庫中位數(shù)的差的閾值，刪除相應的模糊規(guī)則，同時調(diào)整模糊規(guī)則庫對應參數(shù)個數(shù)；
4.6)循環(huán)步驟4.2)-4.5)，當輸入數(shù)據(jù)結束后，在線學習訓練過程結束，得到連續(xù)的自適應的模糊規(guī)則庫；
5)計算連續(xù)的自適應的模糊規(guī)則庫中每個節(jié)點處模糊規(guī)則前件部分的相應激勵強度，并對激勵強度進行歸一化處理；
6)歸一化后的激勵強度，結合相應的權重值輸出數(shù)據(jù)，連續(xù)的輸出了橫坐標的數(shù)據(jù)；
7)采用同樣方法連續(xù)輸出縱坐標的數(shù)據(jù)。
所述的光學傳感器7為psd傳感器或ccd傳感器。
本發(fā)明的有益效果：采用本發(fā)明方法，不需要傳統(tǒng)的標定板，只需要結構簡單的自動化測量裝置，能夠保證任意精度逼近任意的非線性函數(shù)，在線調(diào)整誤差；同時可以針對多輸入多數(shù)輸出、多輸入單輸出控制反饋系統(tǒng)，及時修正，有效的降低了系統(tǒng)誤差，實現(xiàn)精度控制的智能化，可以很好地適用于多激光源在大尺寸平面的標定，提高制作精度，有效地降低了人的工作量，體現(xiàn)了高度智能化。
附圖說明
圖1是本發(fā)明所用設備的示意圖。
具體實施方式
下面結合附圖對本發(fā)明作詳細描述。
一種振鏡系統(tǒng)連續(xù)自適應的在線校正方法，包括以下步驟：
1)參照圖1，打開激光器電源1發(fā)出激光，振鏡控制系統(tǒng)2調(diào)節(jié)x軸反射鏡3、y軸反射鏡4，激光經(jīng)過x軸反射鏡3、y軸反射鏡4后進入動態(tài)聚焦鏡5，進而，激光光斑聚焦在平面臺6，平面臺6安裝有光學傳感器7，光學傳感器7為psd傳感器或ccd傳感器；
2)源數(shù)據(jù)通過振鏡控制系統(tǒng)2的d/a轉換卡將數(shù)字信號轉換成模擬信號控制x軸反射鏡3、y軸反射鏡4，由于x軸反射鏡3、y軸反射鏡4鏡面偏置誤差、本身的非線性誤差等，光學傳感器7顯示出新坐標，通過光學傳感器7把新坐標數(shù)據(jù)反饋振鏡控制系統(tǒng)2中；
3)振鏡控制系統(tǒng)2采用的是連續(xù)自適應方法對振鏡誤差進行在線檢測、在線校正,具體包括以下步驟：
3.1)振鏡控制系統(tǒng)2采用五層網(wǎng)絡結構，分別為輸入層、輸入變量的隸屬度層、激勵層、歸一化層、輸出層；輸入層由源數(shù)據(jù)組成，源數(shù)據(jù)將網(wǎng)絡與外部數(shù)據(jù)連接起來，僅起到數(shù)據(jù)信息的傳遞作用，對輸入信息不進行任何變換；輸入變量的隸屬度層為遞歸最小平方誤差函數(shù)，對輸入數(shù)據(jù)進行非線性變換，確定模糊規(guī)則；激勵層根據(jù)模糊規(guī)則計算出激勵強度；歸一化層是對相應的激勵強度進行歸一化處理；輸出層是根據(jù)歸一化的激勵強度，結合相應的權重值提供輸出，同時為輸入層的激活模式提供響應；
3.2)源數(shù)據(jù)橫坐標組成集合o1,o1＝{x1,x2,…,xn}，縱坐標組成集合o2，o2＝{y1,y2,…,yn}，光學傳感器7顯示反饋數(shù)據(jù)橫坐標組成集合b1,
3.3)該方法沒有預定模糊規(guī)則，也不需要預先的明確的數(shù)學表達式，根據(jù)源數(shù)據(jù)和反饋數(shù)據(jù)的“距離”和“可調(diào)整影響度”兩個標準進行添加模糊規(guī)則的確定，模糊規(guī)則的增加或者刪除由δxi，δyi值決定；
4)通過在線學習訓練，建立連續(xù)的自適應的模糊規(guī)則庫，具體步驟為：
4.1)開始時，模糊規(guī)則庫沒有數(shù)據(jù)，第一個模糊規(guī)則的前件和后件參數(shù)通過光學傳感器7在線反饋數(shù)據(jù)與源數(shù)據(jù)的差值建立；
4.2)根據(jù)δxi，i＝1,…,n數(shù)據(jù)設定動態(tài)閾值，確定模糊分割；
4.3)通過模糊分割計算模糊規(guī)則：
4.4)若cinf大于模糊規(guī)則閾值且||δxi-μi||大于補償量數(shù)據(jù)與模糊規(guī)則中位數(shù)的差的閾值，添加到現(xiàn)有的模糊規(guī)則中，同時更新前件參數(shù)后件參數(shù)；
4.5)若cinf小于模糊規(guī)則閾值且||δxi-μi||小于補償量數(shù)據(jù)與模糊規(guī)則庫中位數(shù)的差的閾值，刪除相應的模糊規(guī)則，同時調(diào)整模糊規(guī)則庫對應參數(shù)個數(shù)；
4.6)循環(huán)步驟4.2)-4.5)，當輸入數(shù)據(jù)結束后，在線學習訓練過程結束，得到連續(xù)的自適應的模糊規(guī)則庫；
5)計算連續(xù)的自適應的模糊規(guī)則庫中每個節(jié)點處模糊規(guī)則前件部分的相應激勵強度，并對激勵強度進行歸一化處理；
6)歸一化后的激勵強度，結合相應的權重值輸出數(shù)據(jù)，連續(xù)的輸出了橫坐標的數(shù)據(jù)；
7)采用同樣方法連續(xù)輸出縱坐標的數(shù)據(jù)。