Бесплатный автореферат и диссертация по наукам о земле на тему

Разработка и применение нейросетевых алгоритмов учета погрешностей эталонных средств при калибровке угломерных геодезических приборов

ВАК РФ 25.00.32, Геодезия

Автореферат диссертации по теме "Разработка и применение нейросетевых алгоритмов учета погрешностей эталонных средств при калибровке угломерных геодезических приборов"

На правах рукописи

Хиноева Ольга Борисовна

РАЗРАБОТКА И ПРИМЕНЕНИЕ НЕЙРОСЕТЕВЫХ АЛГОРИТМОВ УЧЕТА ПОГРЕШНОСТЕЙ ЭТАЛОННЫХ СРЕДСТВ ПРИ КАЛИБРОВКЕ УГЛОМЕРНЫХ ГЕОДЕЗИЧЕСКИХ ПРИБОРОВ

Специальность 25 00 32 - Геодезия

Автореферат диссертации на соискание ученой степени кандидата технических наук

Москва - 2007

003070968

Работа выполнена на кафедре геодезии в Московском Государственном Университете Геодезии и Картографии «МИИГАиК»

Научный руководитель кандидат технических наук, доцент

Н X Голыгин

Научный консультант

доктор технических наук, профессор ХК Ямбаев

Официальные оппоненты, доктор технических наук А С Масленников

кандидат технических наук В П Серебряков

Ведущее предприятие- Сибирская Государственная Геодезическая Академия

Защита диссертации состоится «31 » мая 2007 г в 12 часов на заседании диссертационного совета Д212 143 03 при Московском Государственном Университете Геодезии и Картографии «МИИГАиК» по адресу 105064, Москва, Гороховский пер , 4 (ауд 321)

С диссертацией можно ознакомиться в библиотеке Московского Государственного Университета Геодезии и Картографии «МИИГАиК»

Автореферат разослан «_

2007 г

Ученый секретарь диссертационного совета

Ю М Климков

Общая характеристика работы

Актуальность темы диссертации. В настоящее время в области геодезических измерений наблюдается переход от оптических методов измерений к оптико-электронным При этом развитие и совершенствование угломерных приборов, возрастающие требования к их точности и надежности, а также автоматизация процесса измерений с их помощью приводят к необходимости создания новых методов и средств контроля метрологических характеристик таких приборов Все это требует дальнейшего повышения точности их поверки и калибровки, что является на данный момент актуальной задачей

Погрешности измерительных систем оптико-электронных угломерных геодезических приборов имеют сложную зависимость, которая до конца не изучена и может быть выявлена только в результате экспериментальных исследований Кроме того, современные угломерные приборы основываются на разных физических принципах, структура погрешности их во многом не изучена

Известные эталонные средства измерений для калибровки и исследований угломерных геодезических приборов не дают полной информации о суммарной погрешности поверяемого средства измерения, т к как в них нет возможности исследования короткопериодических (внутришаговых) погрешностей измеряемых углов Кроме того, не удается избежать основной проблемы, возникающей при согласовании осей поверяемого и эталонного средств измерений - рассогласования осей Величина рассогласования осей не является постоянной из-за нестабильности взаимного положения основных механических узлов устройства и из-за изменения внешних условий Отсюда возникает необходимость постоянной трудоемкой юстировки стендов и определения случайной погрешности измерений

Таким образом, необходима разработка таких методов и средств калибровки и поверки оптико-электронных приборов, которые позволяют оперативно выявить и учесть погрешности эталонных средств измерений, при этом следует обратить внимание на стабильность взаимного положения основных

узлов и несущей конструкции, а также упрощение конструкции всего стендового оборудования

Следовательно, задачи создания универсального стендового оборудования для метрологических исследований современных угломерных приборов, уменьшения времени и упрощения процедуры выявления систематической погрешности системы «стенд-прибор» и ее учета являются на данный момент актуальными Это в свою очередь диктует необходимость поиска принципиально нового метода обработки данных и их анализа

На этом пути в настоящее время наиболее перспективным является использование информационных технологий с элементами искусственного интеллекта на базе нейроинформатики

Нейросетевые модели рассматриваются как самостоятельные средства обработки информации, вне связи с существующими информационными системами и технологиями

Целью работы является разработка и применение нейросетевых алгоритмов учета погрешностей эталонных средств при калибровке угломерных геодезических приборов

Для достижения поставленной цели сформулированы и решены следующие научные задачи:

1 Анализ погрешностей оптико-электронных геодезических приборов для угловых измерений

2 Анализ известных на данный момент поверочных методик и стендов

3 Разработка соответствующей методики испытаний на эталонном угломерном стенде

4 Разработка методики выявления и коррекции систематических погрешностей системы «угломерный преобразователь - призма» и системы «тахеометр- призма» эталонного стенда с использованием нейронной сети и нейросетевого алгоритма

Объект исследования - эталонные средства калибровки угломерных геодезических приборов на примере ситаловой призмы-многогранника и прецизионного угломерного преобразователя

Методика исследования

Выполненные в диссертационной работе исследования основаны на анализе литературных данных, выполнении теоретических и практических исследований и экспериментальной проверке достоверности этих результатов Обработка результатов измерений и их анализ выполнены на основе методов математической статистики и теории искусственных нейронных сетей

Научная новизна работы заключается в следующем

1 Предложена новая методика испытаний на разработанном в МИИГАиК эталонном угломерном стенде, обеспечивающая возможность поверки и калибровки многофункциональных геодезических средств измерений с одной установки прибора

2 На основе нейросетевых технологий разработана методика, позволяющий выявлять и корректировать систематические погрешности системы «угломерный преобразователь-призма» и системы «тахеометр-призма»

3 Разработана методика с использованием нейросетевого алгоритма, позволяющая выявить и учесть не только погрешности стенда, но и погрешности исследуемого прибора

Практическая значимость работы:

1 По результатам исследований диссертанта на методику измерений университетом подана заявка на изобретение

2 Разработанные угломерный стенд и аглоритмы учета погрешностей использованы в поверочной установке МИИГАиК УМК-М, на которую от Федерального Агентства по техническому регулированию и метрологии получен Сертификат об утверждении типа средства измерений

Апробация работы

Результаты работы докладывались и обсуждались на четырех научно-технических конференциях студентов, аспирантов и молодых ученых

(МИИГАиК, 2004-2007 гг ), на научно- технической конференции « НТТМ-2006»(г Москва- ВВЦ) в 2006 г , на 3-ем Международном промышленном форуме ОЕОР(ЖМ+ 2006 (г Москва "Сокольники", 2006г ), на международном научном конгрессе "ГеоСибирь-2006"( г Новосибирск), на международной выставке - конгрессе ШТЕ1ШЕО 2006 (Германия, г Мюнхен, 2006г)

Публикации

По теме диссертационной работы опубликовано 5 печатных работ

Объем и структура работы.

Диссертационная работа состоит из введения, трех глав, заключения и списка использованных источников информации, содержащего 63 наименования Работа изложена на 136 страницах машинописного текста, содержит 50 рисунков,5 таблиц и 12 приложений

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснованы актуальность темы и основные направления исследований, сформулирована цель работы и ее научная новизна

Первая глава. В ней рассмотрены общие характеристики угломерных геодезических приборов Рассмотрена структура погрешностей оптических и оптико-электронных геодезических приборов при проведении угловых измерений Проведен анализ общей структуры погрешностей оптических и оптико-электронных геодезических приборов, в результате которого составлена структура суммарной погрешности прибора Приведена классификация погрешностей На схемах представлены составляющие погрешности ориентирования, погрешности отсчитывания и погрешности за счет внешних условий и временных факторов

По результатам анализа имеющихся публикаций был сделан вывод в необходимости оперативного выявления и учета суммарной погрешности уг-лоизмерительных стендов при поверке и калибровке приборов Выявлено,

что в связи с функциональной зависимостью отдельных составляющих погрешностей необходимо уменьшить шаг дискретизации поверяемых углов

Представлен анализ существующих методов и средств поверки и калибровки горизонтального круга геодезических приборов Рассмотрены основные требования к контрольно-измерительным средствам, используемым-при поверке геодезических угломерных приборов Описаны устройства и основные характеристики различных стендов, используемых для исследования горизонтальных измерительных систем.

Недостатки рассмотренных коллиматорных и аналогичных им стендов -относительно большой интервал дискретизации углов, сложность автоматизации процесса измерений, а также сложность и громоздкость конструкции При согласовании осей поверяемого и эталонного средств измерений сложно обеспечить стабильность взаимного положения основных механических узлов устройства из-за изменения внешних условий Отсюда возникает необходимость постоянной трудоемкой юстировки стендов при выявлении погрешности измерений поверяемого средства измерения

Анализ известных стендов, применяемых при калибровке и поверках геодезических угломерных приборов, показывает, что наиболее соответствующим для этих целей, является разработанная при участии автора в МИИГАиК поверочная установка УМК-М, включающая стенд для поверки и калибровки горизонтальных кругов геодезических угломерных приборов

Вторая глава. Рассмотрены технические основы двух методов аппроксимации систематической погрешности Один из методов - классический - аппроксимация функции преобразования угла осуществляется тригонометрическим рядом, второй - новационный в области обработки геодезических измерений, заключающийся в привлечении нейросетевых алгоритмов Проанализирована теория искусственных нейронных сетей Подробно рассмотрены структура и свойства формального нейрона - основного элемента нейросе-ти, осуществляющего операцию нелинейного преобразования суммы произведений входных сигналов на весовые коэффициенты В качестве оператора не-

линейного преобразования могут использоваться различные функции активации, которые определяются в соответствии с решаемой задачей и типом нейронной сети

Проведены исследования различных архитектур искусственных нейронных сетей (ИНС), их области применения Для применения в области измерений наибольшее распространение получили сети с прямой связью, одним или более скрытыми слоями и обучающими алгоритмами обратного распространения погрешности Процесс обучения ИНС рассматривается как настройка архитектуры сети и весов связей, чтобы для некоторого множества входов давать желаемое множество выходов Эффективность обучения ИНС зависит от решения вопроса о конфигурации сети о количестве слоев и элементов в каждом из них Количество входных и выходных элементов определяется условиями задачи, а число слоев и число элементов в каждом слое определяется сложностью реализуемой функции На основании проведенного анализа приведены рекомендации по выбору конфигурации нейросети и начальной инициализации весовых коэффициентов нейронов

Показано, что за последние 10-12 лет возник новый раздел вычислительной математики - нейроматематика, связанный с разработкой методов и алгоритмов решения задач в нейросетевом логическом базисе (НЛБ) Эффективность применения ИНС в области геодезических измерений объясняется тем, что они представляют собой мощный инструмент нелинейной аппроксимации Из анализа следует, что ИНС имеет ряд преимуществ по сравнению с другими методами обработки информации Адаптивность структуры ИНС, получающей информацию, позволяет

- обобщать и обрабатывать неполные и сильно искаженные данные, -обучать и фиксировать полезные связи в сложном взаимодействии входных и выходных сигналов,

-одновременно и быстро выполнять многочисленные похожие и не зависимые операции

Третья глина. Ц этой глав« описан стенд для поверки и калибровку горшом I алъиых кругов геодезических угломерных приборов, »ходящий » разработанную в МИИГАиК поверочную установку УМК-М.

Стенд (рис. I > позволяет производить измерения для ¡выявления погрешностей электронной системы считывания горизонтального круга: интерполяции, старения^ временной нестабильности узлов и элементов.

Рис| I. I lo верительная установка для контроля угломерных приборов

Влияние динамических воздействий (сотрясений, микровибраций) сведено к минимуму за счет установки стенда па изолированном железобетонном фундаменте. Стенд позволяет с одной установки прибора обеспечить единую метрологическую базу при поверках всех исследуемых метрологических характеристик приборов. Структура и использование в стенде эталонных средств измерений позволяет выводить результаты измерений непосредственно со стенда на ПК и автома тически учитывать выявленную инструментальную погрешность стенда при последующих циклах измерений.

Схема поверочной установки для исследования угловых измерительных систем с одним автоколлиматором представлена на рис.2.

Устройство основано на использовании механизма известного в машиностроении высокоточного кругломера мод 299 На станине расположен вращающийся столик 1, на котором установлена и закреплена стальная обойма - барабан 9 с 24 окнами, размеры которых 18 х 12 мм В нижней части обоймы, на ее основании расположена эталонная стеклянная 24-ех гранная призма 2, укрепленная во втулке с центрирующейся осью Ось призмы перпендикулярна оптической оси автоколлиматора 7 и коллиматора 6 На верхней плоскости обоймы крепится плита 17, на которой устанавливается исследуемый прибор 3, для его центрирования относительно оси призмы пластина имеет возможность перемещения в двух взаимно перпендикулярных плоскостях

Во внутренней полости кругломера размещена специальная муфта 5 для соединения стола с прецизионным угловым преобразователем, выполняющим функции информационной связи между ними и устройствами ЧПУ и цифровой индикации Корпус преобразователя изготовлен из нержавеющей стали и крепится к объекту с помощью винтов Соединение с валом объекта осуществляется посредством компенсационной муфты

Плавность подхода поворотного стола в настоящее время обеспечивается с помощью устройства, состоящего из типовой фрикционной передачи (два катка - ведущий и ведомый) Усилие поджатая катков друг к другу осуществляется пружиной

Поворотный стол установлен на вращающейся на насыпном подшипнике 10 (диаметры шариков подобраны с отклонением диаметра не более 1 мкм) планшайбе, диаметр образующей дорожки которой 270 мм Биение диаметра подшипников может приводить к наклону поворотного стола в вертикальной плоскости на 0,7" Половина отклонения (0,4") может быть компенсирована наклоном поворотного стола рукоятками 14 при окончательном го-ризонтировании стенда

Рис 2 Принципиальная схема комплекса для исследований круговых измерительных систем геодезических приборов 1 - поворотный стол,2- призма-многогранник, 3 - исследуемый прибор, 4 - прецизионный угловой преобразователь, 5 - соединительная муфта К01, 6 -коллиматоры, 7-автоколлиматор, 8 - устройство цифровой индикации, 9 - барабан, 10 -насыпной подшипник, 11 - станина, 12 - сетки нитей автоколлиматоров, 13 - две рукоятки для центрирования исследуемого прибора, 14 - две рукоятки для горизонтирования исследуемого прибора, 15 и 16 - \¥ЕВ-камеры, 17 - плита, 18 - становой винт, 19 - ось призмы-многогранника, 20 - котировочные винты, 21 - кронштейны, 22- прецизионного углового преобразователя

Центрирование поворотного стола относительно оси вращения планшайбы осуществляется центрировочными винтами 13, центрирование исследуемого прибора 3 относительно оси вращения поворотного столика выполняется измерительными головками типа МИГ с ценой деления 1 мкм оптика-тором с ценой деления 0,1 мкм или индуктивным преобразователем

Ось вращения углового преобразователя и ось вращения призмы многогранника относительно оси вращения стола была выставлена индуктивным датчиком мод 276, дискретность которого составляет 1 мкм

Для исследования внутришаговой погрешности измерений использован прецизионный угловой преобразователь перемещений С помощью призмы определяется погрешность в 24 точках

Метод поверки и калибровки заключается в использовании углового преобразователя для исследования короткопериодической погрешности измерений систем горизонтальных кругов геодезических приборов При этом угловой преобразователь должен иметь дискретность отсчитывания меньше дискретности поверяемого прибора

Методика поверки и калибровки горизонтальных углов предполагает два варианта

1. Поверка и калибровка приборов, имеющих погрешность измерения 1-2 угл сек,

2 Поверка и калибровка приборов, имеющих погрешность измерения 5 угл сек и более

В первом случае в качестве эталонного средства измерения используется как призма-многогранник, так и прецизионный угловой преобразователь Поверка и калибровка выполняется сравнением измеренных углов призмы поверяемым прибором с соответствующими углами между гранями призмы, которые получены при ее поверке При этом возможность выявления коротко-периодической погрешности прибора между известными значениями углов 24-х гранной призмы осуществляется использованием углового преобразователя

Во втором случае в качестве эталонного средства измерения используется прецизионный угловой преобразователь При необходимости иметь количество исследуемых точек более 24-х сначала по призме калибруется прецизионный угловой преобразователь, затем по его калибровочной характеристике интерполируются значения углов в поверяемых точках

Алгоритм проведения измерений приведен на рисунке 3

Были проведены исследования погрешности, вызванной несоосностыо системы «угловой преобразователь- призма-многогранник»,«тахеометр - призма-многогранник» и « тахеометр- угловой преобразователь» При исследованиях использовались прецизионный угловой преобразователь ROD-8OO (фирма "HEIDENHEIN"<DPr) и тахеометр TPS System 1000 Для ROD-800 было сделана выборка, включающая в себя 11 серий измерений, а для TPS System - 9

I *

|Выпод результатов ыычислешш в внде графике® птаблнц

Рис 3

СКП определения угла угловым преобразователем ЯСЮ-ВОО из 11 приемов на всех гранях призмы составляет 0,15", а СКП определения угла тахеометром из 9 приемов на всех гранях призмы - 0,28"

Результаты исследований из многократных измерений показаны в виде графиков, представленных на рис 4 и 5, систематических погрешностей

ROD-800 и TPS System 1000, получаемым путем сравнения значений, снятых по ROD-8OO и TPS System 1000 с призмой На рис 6 представлен график систематических погрешностей, полученных по разностям показаний TPS System 1000 на всех гранях призмы с показаниями углового преобразователя ROD- 800 на тех же гранях

Методика измерений заключается в наведении на опорное направление, задаваемое автоколлиматором, отсчитыванию по коллиматорам, при наведении на диаметрально противоположенные грани, отсчитыванию по электронному тахеометру TPS System 1000 и по угловому прецизионному преобразователю ROD-800 Измерения выполняются с замыканием на первую грань призмы

Погрешность преобразования ситемы "ROD 800-призма"

Рис 4

Графики на рис 4, 5 и 6 показывают наличие устойчивой систематической погрешности, при этом погрешность на обоих графиках имеет постоянный характер, определенный знак и величины, однообразно повторяющиеся

Погрешность преобразования системы "TPS System 1000 - призма"

Рис 5

Погрешность преобразования системы "TPS System 1000 - ROD 800"

30 п-------------

-15

грани призмы

Рис 6

Из характеристик кривых, полученных на графиках, следует, что погрешность, вызванная несоосностыо системы «ROD-800 - призма» больше той же самой величины в системе «TPS System 1 ООО-призма»

Влияние этой погрешности можно ослабить тщательной проверкой прибора, на котором проводились измерения, разработкой соответствующей методики исследования и обработки, или же введением поправок в результаты измерений При измерениях, проводимых на угломерном стенде, был задейст-

вован механизм микронной подачи, дающий возможность фиксировать повороты углового преобразователя с отклонением до 1-2"

Одна из составляющих систематической погрешности может быть вызвана неточными формами и размерами тел качения и опорных поверхностей, а также от наличия и размеров зазора между деталями Неточность опорных поверхностей проявляется в подшипнике в виде систематической погрешности, повторяющейся с каждым оборотом Для исключения этой составляющей необходимо добиться исключения зазоров и принудить тела качения перемещаться по строго заданным траекториям

Представлены разработка и исследование методов аппроксимации погрешностей эталонных средств калибровки систем измерения углов

Одним из возможных вариантов обработки результатов измерений при создании испытательного оборудования является аппроксимация систематической погрешности тригонометрическим рядом, являющимся частным случаем ряда Фурье Этот вариант широко распространен, но при этом требует большого числа измерений и времени, соответствующего дорогостоящего оборудования и определенных условий

Однако, данный метод обработки хорошо использовать, имея достаточное большое количество данных, при меньшем количестве данных он занимает большое количество времени и вычислений, следовательно необходимо найти новый подход к обработке данных, позволяющий сократить время вычислений Одним из таких методов является нейросетевая алгоритмизация процесса, что далее и будет показано

В качестве примера исследования выбран эксцентриситет, который трудно учесть механически, но вполне удачно можно учесть за счет применения нейросетевых алгоритмов

Очень часто показания величин, полученных при измерениях, принято представлять в виде сигналов Для решения задачи нормализации выходных сигналов эксцентриситета необходимо проведение нейросетевый процедуры аппроксимации, заключающейся в выборе структуры и обучения ИНС, способной сгладить искажения входного сигнала (реально полученные результаты

измерений) и получить очищенный (идеальный, в нашем случае- результаты калибровки призмы) сигнал на выходе

В качестве исходных данных выбираем все те же результаты экспериментов для системы « ROD-800- призма», «TPS System 1 ООО-призма», «TPS System 1000 -ROD-800»

Для решения задачи построена многослойная ИНС следующей архитектуры (рис 7)

-1 слой распределительный- 2 нейрона, на которые подаются данные из обучающей выборки в виде [sin], и [cos],

-2 скрытый слой- 10 нейронов с функцией активации - гиперболический тангенс Выходные значения нейронов скрытого слоя определяются следующим образом

10

У, ~ X tanh(sv, + vu cos(<z>,) + v„ sin(^ )), (1)

где i-номер нейрона в скрытом слое

- 3 выходной слой - 1 нейрон с линейной функцией активации

Рис 7 Структура многослойной нейронной сети

Выходные значения сети определяются так

ю

где у/,- весовые коэффициенты нейронов выходного слоя Роль развертки выполняет изменение фазы, задаваемое призмой ИНС обучается для обеспечения минимальной погрешности выходного сигнала по отношению ко всем измеренным данным

Для обучения ИНС выбран алгоритм обучения с учителем, так как правильные выходные состояния нейронов заведомо известны и подстройка си-наптических связей идет в направлении, минимизирующем погрешность на выходе сети При этом обучение сети состоит в подстройке весовых коэффициентов каждого нейрона

Смещение ву изначально задается равным нулю, весовые коэффициенты - V/, ус, -единице Средняя квадратическая погрешность формируется по всем реализациям эксперимента при обучении нейронной сети

Весовые коэффициенты и пороги сети модифицируются, используя значения отклонений, характеризующие степень близости функций, реализуемых нейронной сетью с идеальными (полученными при калибровке призмы), обеспечивая постепенное уменьшение погрешности

Погрешность характеризуется разностью выхода нейронной сети и идеальной функцией Весовые коэффициенты и пороги сети модифицировались в соответствии с методом наименьших квадратов Суммируя квадраты отклонений по всей обучающей выборке, получаем целевую функцию, подлежащую минимизации

о=££2=£(г,-5.пй)2 (3)

Ы 1=1

Процедура оптимизации выполнялась с применением настройки Ехсе1-Поиск решения Описанный алгоритм можно представить в виде блок-схемы, представленной на рис 8

Рис;

Случайная составляющая погрешности преобразования системы "1300-800 - призма" с коррекцией систематической погрешности, описываемой нейросетью из 10 нейронов

4-25

грани призмы

Случайная составляющая погрешности преобразования системы «ROD-800 - призма» из 11 приемов нейросетью показана на рис 9

Для системы «TPS System 1000-призма» при обучении этой же сетью получим следующие результаты

Выявленная нейросетью случайная составляющая погрешности системы «TPS System 1000 - призма», показана на рис 10

Случайная составляющая погрешности преобразования системы «TPS System 1000-призма» с коррекцией систематической погрешности нейросетью из 10 нейронов скрытого слоя

Рис 10

Для системы «TPS System 1000 - ROD-8OO» при использовании такой нейронной сети будем иметь следующие результаты

Выявленная случайная составляющая погрешности преобразования системы ««TPS System 1000 - ROD-8OO» после коррекции систематической ее составляющей показана на рис.11.

Случайная составляющая погрешности преобразования системы «TPSSystem IOOO-ROD-8oo» с коррекцией систематической погрешности нейросетью из 10 нейроновскрытогослоя

А.

-Л—-А\ /

¿Л

грани призмы

Систематическая погрешность стенда, полученная после обработки нейросетыо, учитывается при поверке и калибровке, а случайная погрешность стенда характеризует методическую погрешность при проведении измерений

Погрешность калибруемого прибора может быть найдена косвенным образом. При сложении аппроксимирующих функций систем преобразования «ROD-800- призма» и «TPS System 1000- ROD-8OO» получим погрешность преобразования системы «TPS System 1000 - призма», свободную от погрешностей, вносимых в эту систему угловым прецизионным преобразователем ROD-SOO и кинематическими связями между угловым прецизионным преобразователем и призмой Результат сложения представлен на рис 12 Случайная погрешность поверяемого прибора представлена на рис 13 Допустимые границы для случайной погрешности определяются значением ±0,42"

График усреднения случайной составляющей погрешности представлен на рис 14 Близость графика к нулю показывает достаточно высокое качество устранения систематической компоненты

График систематической составляющей погрешности преобразования «TPS System 1000 - призма» , полученный сложением аппроксимирующих функций систем преобразования «ROD-800- призма» и «TPS System 1000- ROD-BOO»

грани призмы

Рис 12

Случайная составляющая погрешности преобразования системы "TPS System 1000- призма

0,5 3 03 ё о.1 ■ 1 S. -0,3 с -0,5 -0,7 A A Al А Л 5

/тА/\ л Л АдА /Л л/__ч/\ а

/ J%\VvV А^-Д/хЭТ \ л^А

VV у \/v\/ у ^

V V V

грани призмы

Рис 13

график усреднения случайной составляющей

Рис 14

Разработанный алгоритм позволяет существенно уменьшить время вычислений, быстро определить значение весовых коэффициентов и порогов сети, минимизирующих целевую функцию Графики, построенные по результатам экспериментов, иллюстрируют высокую точность аппроксимации

ВЫВОДЫ

1 Разработаны методы поверки и калибровки, которые включают дополнительное использование прецизионного углового преобразователя при необходимости исследования короткопериодической погрешности поверяемого средства измерения

а) с использованием одного или двух автоколлиматоров, в качестве эталонного средства измерения выступает 24-х гранная призма-многогранник Метод

используется для поверки и калибровки угломерных приборов, имеющих погрешность измерения горизонтальных углов 1-2 угл сек При необходимости исследования внутришаговой погрешности поверяемого средства измерения дополнительно вводится угловой преобразователь, дискретность которого меньше погрешности поверяемого прибора , Ь) эталонным средством измерений является растровый угловой измерительный преобразователь Метод используется для поверки и калибровки угломерных приборов, имеющих погрешность измерения горизонтальных углов 3-5 угл сек и более

2 В каждом из методов измерений разработана соответствующая методика измерений

-1 коллиматор + призма-многогранник,

- 2 коллиматора + призма многогранник,

- 2 коллиматора + призма-многограшшк + прецизионный растровый угломерный преобразователь,

- прецизионный угломерный преобразователь

3 На основе нейросетевых технологий разработан алгоритм, позволяющий выявлять и корректировать систематические погрешности системы «угломерный преобразователь-призма» и системы «тахеометр-призма»

4 Разработан нейросетевой алгоритм, позволяющий выявить и учесть не только погрешности стенда, но и погрешность исследуемого прибора

5 По результатам исследований на методику измерений университетом подана заявка на изобретение Разработанные угломерный стенд и аглоритмы учета погрешностей использованы в поверочной установке МИИГАиК УМК-М, на которую от Федерального Агентства по техническому регулированию и метрологии получен Сертификат об утверждении типа средства измерений

СПИСОК ОПУБЛИКОВАННЫХ РАБОТ ПО ТЕМЕ ДИССЕРТАЦИИ 1 Хиноева ОБО повышении точности измерений в геодезии//Техника и

технология, 2004, -№6(6) -С 66-69

2 Голыгин Н X, Хиноева О Б , Ямбаев X К Возможности повышения точности геодезических измерений на основе искусственных нейросетей// Изв ВУЗов Геодезия и аэрофотосъемка, 2005, - №5 -С 17-27

3 Хиноева О Б Новые возможности повышения точности аттестации геодезических приборов// Изв. ВУЗов Геодезия и аэрофотосъемка, 2005, - №5 -С. 136-141.

4 Бахарев Е С , Голыгин Н X , Травкин С В , Хиноева О Б , Ямбаев X К Измерительный комплекс для аттестации угловых и линейных измерительных систем УЖ-М//Приборы, 2006,-№5(71) -С 50-54

5 Хиноева О Б , Жданова Е С , Целикова А А , Травкин С В -Сб научных докладов научно- практической конференции «Научно-техническое творчество молодежи- путь к обществу, основанному на знаниях» Москва, 2006,

- С 264-268

Подписано в печать 23.04 2007. Гарнитура Тайме Формат 60x90/16 Бумага офсетная Печать офсетная. Печ л 1,5 Тираж 80 экз. Заказ № 110 Цена договррная

Отпечатано в УПП «Репрография» МИИГАиК 105064, Москва, Гороховский пер., 4

Содержание диссертации, кандидата технических наук, Хиноева, Ольга Борисовна

Введение.

Глава 1. Анализ структуры погрешностей угломерных геодезических приборов.

1.1. Общая характеристика угломерных геодезических приборов.

1.2. Структура погрешностей оптических и оптико-электронных угло- 11 мерных геодезических приборов.

1.3. Анализ существующих методов и средств поверки и калибровки угломерных геодезических приборов.

Выводы по первой главе.

Глава 2. Исследование методов аппроксимации функций значений погрешностей при калибровочных работах.

2.1. Исследование методов аппроксимации значений функций погрешностей измерений.

2.1.1. Аппроксимация значений погрешностей тригонометрическим 47 рядом.

2.1.2. Нейросетевые алгоритмы аппроксимации значений погрешностей 48 измерений.

2.2.Искусственные нейронные сети (ИНС), модель формального нейро- 51 на.

2.3. Основные архитектуры нейронных сетей.

2.4. Механизмы обучения искусственных нейронных сетей, построение нейросетевого алгоритма решения задач.

Выводы по второй главе.

Глава 3. Разработка и исследование методов аппроксимации погрешностей эталонных средств при калибровке систем измерения углов

3.1. Результаты исследований горизонтального круга электронного 82 тахеометра TPS System 1000.

3.2. Аппроксимация результатов натуральных измерений тригономет- 91 рическим рядом.

3.3. Разработка математической модели учета влияния эксцентриситета осей с использованием нейросети.

Выводы по третьей главе.

Введение Диссертация по наукам о земле, на тему "Разработка и применение нейросетевых алгоритмов учета погрешностей эталонных средств при калибровке угломерных геодезических приборов"

В настоящее время в области геодезических измерений наблюдается переход от оптических методов измерений к оптико-электронным. При этом развитие и совершенствование угломерных приборов, возрастающие требования к их точности и надежности, а также автоматизация процесса измерений с их помощью, приводят к необходимости создания новых методов и средств контроля метрологических характеристик таких приборов. Все это требует дальнейшего повышения точности их поверки и калибровки, что является на данный момент актуальной задачей.

Погрешности измерительных систем оптико-электронных угломерных геодезических приборов имеют сложную зависимость, которая до конца не изучена и может быть выявлена только в результате экспериментальных исследований. Кроме того, современные угломерные приборы основываются на разных физических принципах, структура погрешности их во многом не изучена.

Известные эталонные средства измерений для калибровки и исследований угломерных геодезических приборов не дают полной информации о } суммарной погрешности поверяемого средства измерения. Следовательно, задача создания универсального стендового оборудования для метрологических исследований современных угломерных приборов является на данный момент актуальной.

Помимо этого, необходим новый подход к обработке результатов измерений. Обработка результатов измерений, при создании испытательного оборудования обычно возможна тремя путями:

1) выполняют гармонический анализ суммарной погрешности прибора с помощью преобразования Фурье, при этом учитывают некоторые из систематических погрешностей;

2) создают математическую модель;

3) создают искусственные нейронные сети.

Первый подход оправдывает себя, но требует большого количества измерений и времени, соответствующего дорогостоящего оборудования и определённых условий. Кроме того, отдельные составляющие результирующей погрешности измерения могут быть статистически связаны между собой и с преобразуемыми сигналами, выявить эту связь очень сложно. Однако, до недавнего времени этот вариант был наиболее распространённым.

Второй подход сложен тем, что не всегда удаётся найти оптимальную математическую модель, при этом модель задаётся посредством формул, которые зачастую слишком громоздки и их трудно проанализировать. Кроме того, математические модели, как правило, исследуются при определённых начальных условиях и допущениях, часто отличных от реальных.

Третий подход является новым в области геодезии и геодезического инструментоведения. По сравнению с двумя предыдущими он имеет ряд преимуществ, например, искусственные нейронные сети обучаются на основе опыта, обобщают предыдущие результаты на новые случаи и извлекают существенные свойства объекта испытаний из поступающей информации, содержащей избыточные данные. Искусственные нейронные сети (ИНС) могут менять свое поведение в зависимости от изменения внешних условий, * онастраиваются, обеспечивая требуемую реакцию на изменения.

Применение подходящих структур искусственных нейронных сетей и надлежащая организация обучения множества позволяют разработать нейронную модель, обеспечивающую изменение выходного сигнала нейросети, который соответствует изменению выходного сигнала реального прибора. Точность модели будет зависеть зависит от выбора структуры искусственной нейронной сети и обучающего множества. Таким образом разработки и исследования могут предоставить условия для более оптимального решения задач поверки и калибровки, чем при использовании традиционных методов. На такие разработки и исследования и направлена настоящая диссертационная работа.

Эффективность применения искусственных нейронных сетей в области измерений объясняется тем, что они представляют собой мощный инструмент нелинейной аппроксимации и могут быть использованы тогда, когда другие методы применить затруднительно.

Целью работы разработка и применение нейросетевых алгоритмов учета погрешностей эталонных средств при калибровке угломерных геодезических приборов.

Задачи исследований:

1. Провести анализ погрешностей оптико-электронных геодезических приборов для угловых измерений. Выявить природу их возникновения и поведения. Проанализировать известные на данный момент поверочные методики и стенды.

2. Разработать соответствующую методику испытаний на эталонном угломерном стенде.

3. Провести натуральные исследования и испытания.

4. Рассмотреть возможные методы обработки результатов измерений.

5. Разработать структуру нейронной сети и методику ее обучения для выявления и коррекции систематических погрешностей системы «угломерный преобразователь - призма» и системы «тахеометр- призма» эталонного стенда.

Научная новизна работы заключается в разработке и исследовании новых методов аппроксимации погрешностей эталонных средств для повышения точности и надежности калибровочных работ. Для этого разработана нейросетевая математическая модель учета погрешностей эталонных средств, позволяющие выявлять и учитывать погрешности самого стенда и погрешности исследуемого прибора в процессе самих измерений так и по их окончании. Такая методика уменьшает время и упрощает процедуры выявления и учета систематических погрешностей системы стенд-прибор, а так же позволяет реализовать самообучение системы « прибор - стенд». Из проведенных исследований видно, что ИНС представляет собой мощный инструмент нелинейной аппроксимации и может использоваться тогда, когда остальные методы не годятся.

Практическая значимость работы заключается в разработке методики проведения исследований, разработке соответствующей структуры нейронной сети и методики обработки результатов измерений и их применение для разработанной в МИИГАиК поверочной установки УМК-М (Универсальный Метрологический Комплекс МИИГАиК).

Публикации

По теме диссертационной работы опубликовано 5 печатных статей.

Структура и объем диссертации

Диссертация состоит из введения, трех глав, выводов по каждой главе и заключения, списка использованных источников информации, содержащего 64 наименования. Работа изложена на 136 страницах машинописного текста, содержит 50 рисунков, 5 таблиц и 12 приложений.

Заключение Диссертация по теме "Геодезия", Хиноева, Ольга Борисовна

Основные результаты работы заключаются в следующем:

1. В результате анализа общей структуры погрешностей оптических и оптико-электронных геодезических приборов, составлена структура суммарной погрешности прибора. Погрешности, ее составляющие, носят как случайный, так и систематический характер, взаимосвязаны с собой и нестабильны во времени, что необходимо оперативно выявить и учитывать при поверке и калибровке геодезических приборов.

Анализ существующих на данный момент методов и средств поверки и калибровки горизонтального круга геодезических приборов показывает, что большинство стендов имеют относительно большой интервал дискретизации углов, в них сложно автоматизировать процесс измерений, помимо этого, они сложны и имеют громоздкие конструкции. Кроме того, рассмотренные в главе 1 стенды не имеют возможности в процессе измерений контролировать рассогласование осей поверяемого и эталонного средства измерения, что в свою очередь приводит к постоянным трудоемким юстировкам стендов и определению случайной погрешности измерений. Стенд, свободный от этих недостатков был разработан в МИИГАиК при участии автора.

2. Разработаны методы поверок и калибровок, которые включают дополнительное использование растрового углового преобразователя при необходимости исследования короткопериодической погрешности поверяемого средства измерения с использованием одного или двух автоколлиматоров, при этом: а) в качестве эталонного средства измерения выступает 24-х гранная призма-многогранник. Метод используется для поверки и калибровки угломерных приборов, имеющих погрешность измерения горизонтальных углов 1-2 угл.сек. При необходимости исследования внутри шаговой погрешности поверяемого средства измерения дополнительно вводится угловой преобразователь, дискретность которого составляет 0,8"; b) в качестве эталонного средства измерения растровый угловой измерительный преобразователь. Метод используется для поверки и калибровки угломерных приборов, имеющих погрешность измерения горизонтальных углов 3+5 угл.сек и более.

3. Подробно рассмотрена и проанализирована структура и свойство формального нейрона - основной составляющей ИНС, различные функции его активации, основные архитектуры ИНС, методы их обучения и применения. Из анализа следует, что ИНС имеет ряд преимуществ по сравнению с другими методами обработки информации. Адаптивность структуры ИНС, получающей информацию, позволяет:

- обобщать и обрабатывать неполные и сильно искаженные данные; -обучать и фиксировать полезные связи в сложном взаимодействии входных и выходных сигналов;

-одновременно и быстро выполнять многочисленные похожие и независимые операции.

4. Разработан нейросетевой алгоритм для выявления и коррекции систематической погрешности. Разработана соответствующая архитектура многослойной нейронной сети, состоящая из одного распределительного слоя, состоящего из 2 нейронов, на которые подаются данные из обучающей выборки в виде sin и cos; второго скрытого слоя, включающего в себя 10 нейронов с функцией активации; третьего выходного слоя, состоящего из 1 нейрона с линейной функцией активации. Была рассмотрена функция активации - гиперболический тангенс.

5. По результатам всех вычислительных экспериментов с применением нейросетевых алгоритмов были получены следующие случайные погрешности при передаче величины угла:

- от эталонной призмы к угловом}- прецизионному преобразователю ROD-800 -[-2.0"; 1.9"];

- от эталонной призмы к калибруемому прибору TPS System 1000 [-1.2"; 1.2"];

- от углового прецизионного преобразователя ROD-8OO к калибруемому прибору TPS System 1000- [-3.1"; 3.1м].

6. Выявлена случайная погрешность калибруемого прибора, полученная сложением аппроксимирующих функций систем преобразования «ROD-800- призма» и «TPS System 1000- ROD-800». Полученная погрешность прибора получается свободной от погрешностей, вносимых в эту систему угловым прецизионным преобразователем ROD-800 и всеми кинематическими связями, заключенными между угловым прецизионным преобразователем ROD-8QO и эталонной призмой и колеблется в пределах [-0.64";0.56м].

Заключение.

Библиография Диссертация по наукам о земле, кандидата технических наук, Хиноева, Ольга Борисовна, Москва

1. Агеев А.Д., Балухто А.Н., Бычков А.В. и др.; Нейроматематика. Кн. 6: Учеб. пособие для вузов //Общая ред. А.И.Галушкина-М.:ИПРЖР,2002-448 е.: ил.

2. Агибалов А.Д. Курс геодезии. Раздел II. Угловые измерения в геодезических сетях. М.: Издание ВИА, 1972, 307с.

3. Аникст Д.А. и др. Высокоточные угловые измерения. М.: Машиностроение, 1987,479.

4. Анил К. Джей. Введение в искусственные нейронные сети.// Открытые системы № 04/97.

5. Афанасьев В.А. и др. Автоколлимационные прибор. М.: Недра, 1982 - 145с.

6. Бондаренко И.Д. Колик Е.П. Устройство для измерения угловых перемещений. А.с №1024707 (СССР). Опубл. в Б.И. - 1983. -№ 23.

7. Витоженц И.Ю. Методы исследований оптических теодолитов. М.: Военное издательство министерства вооруженных сил союза СССР, 1947.

8. Войцекян В. И. Лабораторное метрологическое оборудование для обеспечения разработки и испытаний высокоточных теодолитов. -Сборник научных трудов ЦНИИГАиК, М. ЦНИИГАиК ГУКГ СССР, 1989.- 136 с.

9. Галушкин А.И. Теория нейронных сетей. Кн.1-М.:ИПРЖР, 2000. -416 с.

10. Ю.Головко В.А. Нейронные сети: обучение, организация и применение. Кн. 4: Учеб. пособие для вузов //Общая ред. А.И.Галушкина. -М.:ИПРЖР, 2001. 256 е.: ил.

11. П.Голыгин Н.Х., Шилин В.А. О повышении точности угловых измерений в геодезии. Известия ВУЗов. Геодезия и аэрофотосъемка, 2006, № 3.

12. Голыгин Н.Х., Салунин Н.В., Шилин В.А. Оценка точности образцовой установки для измерительных систем геодезических приборов. Известия ВУЗов. Геодезия и аэрофотосъемка, 2005, № 6.

13. Голыгин Н.Х., Хиноева О.Б. и др. Измерительный комплекс для аттестации угловых и линейных измерительных систем УЛК -М.//Приборы. 2006, № 5.

14. М.Голыгин Н.Х., Ямбаев Х.К. Измерительный комплекс для аттестации оптико-электронных геодезических приборов. Известия ВУЗов Геодезия и аэрофотосъемка, 2005, № 6.

15. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука (Сиб. отделение), 1996,276 с.

16. Горбань А.Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей. Сибирский журнал вычислительной математики, Т.1, 1993 - № 1. - С. 12-24.

17. ГОСТ 20063-74. Теодолиты. Методы испытаний и поверки.

18. ГОСТ 23543-79. Приборы геодезические. Основные технические требования.

19. ГОСТ 2875-88 Меры плоского угла призматические. Общие технические условия.

20. ГОСТ 8.395-80. Нормальные условия при поверке. Общие требования.

21. Деймлих Ф. Геодезическое инструментоведение М.: Недра, 1970. -584 с.

22. Дубровин В.И., Субботин С.А. Алгоритм ускоренного обучения персеп-тронов. Сборник трудов IV всероссийской научно-технической конференции «Нейроинформатика-2002», М., МИФИ, 2002.

23. Елисеев С.А. Геодезические инструменты и приборы. М.: Недра, 1973.-391с.

24. Закон РФ от 27.04.93г. №487!-. «Об обеспечении единства измерений», в редакции Закона РФ 10.01.2003 N 15-ФЗ

25. Захаров А.И. Новые теодолиты и оптические дальномеры. М.: Недра, 1978.

26. Зимин В.Н. Стенд для исследования угломерных инструментов. М., Геодезия и картография, 1983, № 4.

27. Инструкция по проведению технологической поверки геодезических приборов. М.: ЦНИИГАиК, 1999.

28. Калан Р. Основные концепции нейронных сетей. Серия: Основы вычислительных систем, 2003,288с.

29. Карсунская М.М., Ямбаев Х.К. Возможные пути уменьшения влияния инструментальных ошибок электронных геодезических приборов на точность угловых измерений. Известия ВУЗов Геодезия и аэрофотосъемка, 2000, № 4.

30. Кочетков Е.С., Кочеткова Е.С. Алгебра и элементарные функции. Часть 2. М.: Просвещение, 1969, 286 с.

31. Круглов В. В., Борисов В. В. Искусственные нейронные сети. Теория и практика. Издательство: Горячая Линия - Телеком, 2001, 382 с.

32. Кузнецов П.Н., Васютинский И.Ю., Ямбаев Х.К. Геодезическое инст-рументоведение: Учебник для ВУЗов. М.: Недра. 1984. - 364 с.

33. Кузьмин Б.С. и др. Справочник. Топографо-геодезические термины. -М.: Недра, 1989.

34. Литвинов Б.А. Геодезическое инструментоведение. М.: Издания ВИА,1956.

35. Парвулюсов Ю. Б., Гончар Б. В. Методика оценки и учета нестабильности конструкции метрологического угломерного стенда. Изв. ВУЗов. Геодезия и аэрофотосъемка, 2001, №10, с. 123-131.

36. Парвулюсов Ю.Б. и др. Проектирование оптико-электронных приборов. М.: Логос, 2000.

37. Пиотровский Я. Теория измерений для инженеров. М.: Мир, 1989, 335с.

38. С.Короткий, Нейронные сети: алгоритм обратного распространения. http://hghltd.yandex.com/yandbtm7urHhttp%3A%2F%2Fwww.neuroset.ru

39. Соломатин В.А., Шилин В.А. Фазовые оптико-электрические преобразователи. М.: Машиностроение, 1986. - 145с.

40. Спиридонов А.И. и др. Справочник-каталог геодезических приборов. -М.: Недра, 1984,237с.

41. Спиридонов А.И. Основы геодезической метрологии. М.: Картогео-центр-Геодезиздат, 2003. - 248 с.

42. Спиридонов А.И. Результаты испытаний высокоточного оптического теодолита Т1. //Труды ЦНИИГАиК, выпуск 214, 1975.

43. Спиридонов А.И.Теодолиты. М.: Недра, 1985.-199с.

44. Справочник геодезиста.: в 2-х книгах/Под ред. В.Д. Большакова и Г.П. Левчука.-З-е изд., перераб. и доп.-М.: Недра, 1985.

45. Терехов С.А. Нейросетевые аппроксимации плотности и их роль в информационном моделировании. Лекция для школы-семинара «Современные проблемы нейроинформатики», Москва, МИФИ, 23-25 января 2002 года.

46. Терехов С.А. Теория и приложения искусственных нейронных сетей. Тезисы докладов III ежегодного семинара-совещания, под редакцией Снежинск, 1 -3 апреля 1998 года.

47. Терехов С.А. Технологические аспекты обучения нейросетевых машин. Лекция для школы-семинара «Современные проблемы нейроинформатики», Москва, МИФИ, 24-27 января 2006 года

48. Терехов С.А. Типовые задачи для информационного моделирования с использованием нейронных сетей. Снежинск, декабрь 2000 года.

49. Терехов С.А., Федорова Н.Н. Задачи глобальной нейросетевой аппроксимации в методологии поверхности отклика. VIII Семинар «Нейроин-форматика и ее приложения», Красноярск, 2001.

50. Хиноева О.Б. Исследование угловых измерительных систем геодезических приборов. Сборник научных докладов. Московский государственный строительный университет. - М.: МГСУ,2006. - 324 с.

51. Хиноева О.Б. Новые возможности повышения точности при аттестации геодезических приборов. Известия ВУЗов Геодезия и аэрофотосъемка, 2005, № 5.

52. Царегородцев В.Г. Об исследовании эффективности одного метода построения отказоустойчивых нейросетей// Материалы X Всеросс. семинара «Нейроинформатика и ее приложения», Красноярск: КГТУ, 2002, 185с.

53. Шостак Р.Я. Курс высшей математики.-М.Издательство «Высшая школа», 1966.- 663 с.

54. Ямбаев Х.К., Голыгин Н.Х. Геодезическое инструментоведение. Практикум: Учеб. пособие для вузов. М.: «ЮКИС», 2005. - 312 с. ил.

55. S.A.Terekhoff, E.V.Volenko, A.V.Kvichansky, N.V.Shchukin. Evolving Neural Networks with Genetic Algorithms. Accepted to 3rd International

56. Результаты исследование стабильности фиксации углов между гранями призмы измерительным преобразователем ROD-8oo ( отсчеты по RQD-800 переведены в секунды, цена деления RQD-800 составляет 0,89")номера приемов

57. Замыкание 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00 0, 00

58. Грани призмы номера приемов Среднее отклонение от среднего в приеме в квадрате (Д2)14 15 16 17 18 1 2 3 4 5 6

59. Замыкание 0, 00 0, 00 0, 00 0, 00 0, 00 0, 01 0, 02 0, 03 0, 04 0, 05 0, 06 0, 07

60. Грани отклонение от среднего в приеме в квадрате (Д2)призмы 7 8 9 10 11 12 13 14 15 16 17 18 СКП

61. Замыкание 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

62. Разность между значениями углов эталонной призмы, измеренными угловым преобразователем ROD-8QO иполученными при поверке призмы.

63. СКП 0,14 0,17 0,14 0,14 0,12 0,14 0,15 0,16 0,19 0,17 0,19