基于粒子群优化BP神经网络的激光扫描投影系统畸变预测方法
摘要
为了精准、高效地预测和校正激光扫描投影系统的畸变误差，研究了基于粒子群优化BP神经网络的畸变预测方法。建立了BP神经网络结构，并融合粒子群优化算法对BP神经网络的权值和阈值进行优化，得出基于粒子群优化BP神经网络的激光扫描投影系统投影畸变预测模型。选取距激光扫描投影仪器两米的待投影面上的理论坐标点及各点相应畸变值Δx作为粒子群优化BP神经网络的训练数据集，将待投影面上实际投影位置坐标代入训练好的粒子群优化BP神经网络进行预测得到预测畸变值输出，并与实际畸变值对比，最后，引入Elman神经网络预测模型的预测结果与所研究预测方法进行对比。结果表明：在±30°的全视场扫描投影范围内粒子群优化BP神经网络预测模型的均方根误差为0.017 6 mm，解算时间仅需22.4 s，相较于Elman神经网络效率提升78.33%，预测精度及时间明显优于Elman神经网络，可以有效预测激光扫描投影系统的畸变误差。
引用本文（GB/T 7714）
张宏韬 ZHANG Hongtao, 唐芳 TANG Fang, 吴坤 WU Kun, 等. 基于粒子群优化BP神经网络的激光扫描投影系统畸变预测方法[J]. ACTA PHOTONICA SINICA, 2024.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。