《表1 SA-T-S模糊神经网络模型误差对比》
图6中的蓝色点表示将样本数据中的输入数据导入动态误差模型后计算出的不同组合下动态误差的预测值;与样本数据作比较得到补偿误差,用红色点表示;再计算出测量样本输出数据补偿前的误差值,用黑色点表示。观察图6发现,预测值与测量值契合度很高,3幅图像的最大预测误差均小于6.3μm,异值出现的概率分别为2%,0%和0%(以±5μm为界),所以基于该预测值是切实可行的。同时用测量值和补偿后误差值之间的差与补偿前的测量值相比,即可得出该模型的误差补偿效果,如表1所示。由表1可知融合了模拟退火算法的模糊神经网络建立的动态误差参数模型具有良好的补偿效果。
图表编号 | XD00193895300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.28 |
作者 | 李少芝、杨凯 |
绘制单位 | 马鞍山市特种设备监督检验中心、马鞍山市特种设备监督检验中心 |
更多格式 | 高清、无水印(增值服务) |