精密位移测量技术是一个国家制造业走向高、精、尖的基础保障。随着科学技术的快速发展,自动化设备对精度要求的提高,精密动态测量技术在现代科学技术领域已占有重要的地位。时栅是中国人自主发明的全新原理的位移传感器,其中光场式直线时栅是时栅的另一个分支研究方向。目前,光场式直线时栅在静态的测量实验中,精度为±2μm,速度在0~5mm/s的动态测量实验条件下,精度为±8μm,但在速度大于5mm/s的实验中,测量精度有明显的下降,具体表现在测量的位移量滞后于真实的位移量,即“时-空”不同步,并且在不同的测量速度下,分辨力发生变化,这两个问题是动态误差产生的主要原因。本文在国家自然科学基金项目“一种交变光场时空耦合的高速高精度位移传感器研究”的资助下,针对传感器的测量速度大于5mm/s动态测量中存在的两个问题,开展了高精度的动态测量方法的研究。研究目标:研究两种提高光场式直线时栅动态特性的方法,以期在5mm/s以上动态测量实验中,传感器的测量精度做到±4μm以内。首先,提出了提高光场式直线时栅动态性能的两种方法—BP神经网络预测算法、连续动态比相法,对这两种方法建立了相应的数学模型,结合时栅传感器的工作原理,阐述了两种方法的原理与可行性分析。其次,设计出了两种方法的硬件电路原理图和相应的PCB电路板,其中BP神经网络预测算法的硬件电路是以FPGA为核心,主要包括激励信号模块、双通道A/D采集模块、行波信号合成电路、UART通信模块等。连续动态比相法的硬件电路设计主要包括A/D采集模块、D/A转换模块、双向比相电路等,以FPGA作为微处理器对各模块作逻辑运算。最后,搭建了实验平台,对以上两种方法进行动态标定和实验验证,在加速度接近于0mm?,速度在9mm/s的近似匀速运动状态下,BP神经网络预测算法位移的预测误差峰-峰值为±4μm,连续动态比相法的误差峰-峰值为±3μm。在加速度大小为4mm?至5mm?时,BP神经网络预测算法的误差峰-峰值为±9μm,连续动态比相法的误差峰-峰值为±6μm。实验结果表明:两种方法都实现了预期的研究目标,但在加速度较大的测量条件下,BP神经网络预测算法与连续动态比相法的测量精度都有所下降。