摘要： 数显千分表零/部件制造和安装误差及使用磨损是影响其测量精度的主要因素。为了提高其精度，基于数显千分表的单片机嵌入式控制系统，提出采用北方苍鹰优化(Northern Goshawk Optimization, NGO)算法和贝叶斯正则化(Bayesian Regularization, BR)算法改进BP神经网络(NGO-BR-BP神经网络)的非线性测量误差软件补偿方法，并将其与基于BP神经网络、贝叶斯正则化BP神经网络的补偿模型进行了比较，论证了基于NGO-BR-BP神经网络的数显千分表非线性误差补偿模型具有较高的预测精度，且模型可靠性高、稳定性好。实验结果表明，在0～50 mm的测量范围内，所提出的方法可使最大误差降低到0.888 527μm,而没有补偿前的最大误差为5.626μm。在数显千分表的嵌入式系统中植入NGO-BR-BP神经网络以提高千分表的测量精度，是可行和有效的。

关键词: BP神经网络; 贝叶斯正则化; 北方苍鹰优化; 数显千分表; 非线性误差

中图分类号: 

• TH711.3

• TP183