基于PROA-BP的激光3D投影振镜偏转电压预测模型_WORD.docxVIP

引用格式：LINXuezhu，WANGHai，GUOLili，etal.PredictionModelofLaser3DProjectionGalvanometerDeflectionVoltageBasedonPROA-BP［J］.ActaPhotonicaSinica，2024，53（3）：0314002

引用格式:林雪竹，王海，郭丽丽，等.基于PROA-BP的激光3D投影振镜偏转电压预测模型［J］.光子学报，2024，53（3）：0314002

基金项目：吉林省科技发展计划重点研发项目(No.20200401019GX)，中山市社会公益科技研究项目(No.2022B2013)

第一作者（通讯作者）：林雪竹，custsnow@163.com

收稿日期：2023?08?11；录用日期：2023?10?09

基于PROA-BP的激光3D投影振镜偏转电压预测模型

林雪竹1，2，王海1，郭丽丽1，2，闫东明1，李丽娟1，2，刘悦1，孙静1

（1长春理工大学光电工程学院光电测控与光信息传输技术教育部重点实验室，长春130022）

（2长春理工大学中山研究院，中山528437）

摘要：为减小激光3D投影系统振镜偏转角偏差与根据振镜偏转角标定的转轴公垂线长度e误差引起的投影系统综合非线性误差，实现激光3D投影系统高精度辅助装配，提出一种基于改进的鱼优化算法-BP神经网络的激光3D投影振镜偏转电压预测模型，以激光出射方向单位矢量作为输入预测振镜偏转电压数值。将改进的鱼算法与BP神经网络相结合，解决BP神经网络容易陷入局部最优解问题，并通过BP神经网络实现激光3D投影系统综合非线性误差的耦合与补偿。结果表明，改进的鱼算法-BP神经网络训练10000次后均方差误差和平均绝对误差均值分别是粒子群算法-BP神经网络的41.2%、62.4%，是BP神经网络的22.2%、50.7%。基于改进的鱼算法-BP激光3D投影振镜偏转电压模型的投影定位精度为0.35mm，与激光3D投影传统模型相比，投影定位精度提升了30%，可实现更高精度投影定位。

关键词：激光3D投影系统；非线性误差；鱼优化算法；BP神经网络；投影定位精度

中图分类号：TN249文献标识码：Adoi：10.3788/gzx0314002

0引言

激光3D投影技术是一种高精度的投影技术，其原理是利用激光光束照射到工件上，并通过激光光束的三维扫描来实现对工件表面图案的投影，该技术的核心功能为双轴扫描振镜系统。这种技术具有高精度、高效率和高稳定性等优点，在复合材料铺贴、零部件辅助装配、汽车装配和航空航天等领域得到广泛应用［1-2］。

激光3D投影系统的振镜偏转电压预测精度对投影精度直接影响，激光3D投影系统的振镜偏转电压预测精度主要取决于外部参数（投影系统与被投影工件相对位置）以及双轴扫描振镜系统内部参数的标定精度［3］，该系统内部参数与外部参数高精度标定才能实现高精度投影。激光3D投影系统外部参数标定通常采用牛顿迭代法［4］、最小二乘法［5］、粒子群优化算法［6］等解算投影机与工件相对位置关系，但算法解算精度易受双轴扫描振镜系统内部参数振镜偏转角与两转轴公垂线e误差影响，容易陷入局部最优解。激光3D投影系统的双轴扫描振镜系统的内部参数标定主要是对振镜偏转电压(u,v)与转轴实际偏转角(H,V)之间的比例系数(k1,k2)和两转轴公垂线长度e标定［7］。近年来，激光投影系统的振镜偏转电压预测不仅仅局限于原理性误差和外部误差的补偿，还对激光3D投影模型进行优化与研究来提高预测精度。MANAKOVA等［8］在理想模型的基础上考虑入射光方向以及激光器位置两个因素，建立了一个更符合实际情况的复杂模型，引入更多振镜系统内部参数，采用全局优化的方法求解内外共12个参数，大大提高了振镜偏转电压的预测精度，但此模型标定过程繁琐且求解时间长，优化结果容易陷入局部最优解。刘邈等［9］

针对激光3D投影系统的综合非线性误差带来的投影定位精度损失问题，本文提出一种基于改进的鱼优化算法-BP神经网络（PoissonRemoraOptimizationAlgorithm-BackPropagation，PROA-BP）的激光3D投影振镜偏转电压预测模型，实现对所需投影位置振镜偏转电压精准预测。PROA用于解决神经网络易陷入过拟合问题，BP神经网络通过神经网络多层结构和非线性激活函数，在大量实验数据的基础上，建立激光出射方向单位矢量与振镜偏转电压(u,v)非线性映射关系的预测模型，耦合与补偿激光3D

1激光3D投影系统传统数学模型

现有的激光3D投影系统数学模型，主要是针对二维振