蒙特卡罗在圆度测量精度分析中的应用研究

根据三点法圆度测量的基本原理,重点分析了三测头的测量误差对圆度测量精度的影响.由于三测头测量误差的传递关系非常复杂,因此作者提出了一种采用Monte Carlo随机抽样和随机模拟对此进行分析的方法,直观地确定了由测头测量误差引起的工件轮廓上各点的圆度测量标准差,并通过仿真证明了该方法是有效的.     

动态测量系统均匀设计理论研究

在建立全系统“白化”误差模型的基础上,依据动态误差分解与溯源的结果,提出了动态系统均匀设计的理论和基本方法。首先根据动态系统总精度损失规律,采用神经网络误差分解方法,得到各组成单元的精度损失函数。通过对各单元精度损失的不均匀性和不合理性分析,按照等寿命设计原则,对系统薄弱环节的精度损失函数进行了均匀设计建模,指出了提高系统寿命的途径和方法。仿真实例证明,该理论与方法是正确的、有效的。     

动态测量误差的贝叶斯建模预报

针对动态测量过程的复杂性提出了动态测量误差序列的贝叶斯建模预报方法.该方法要求的数据量较少,且对序列无平稳性限制,并能充分利用预报过程中的主客观信息来修正模型,以提高预测精度.最后,通过仿真实例探讨了贝叶斯方法在动态测量误差建模预报中的适用性.     

微纳米三坐标测量机三轴垂直度误差测量及建模补偿

垂直度误差是微纳米三坐标测量机的重要误差源之一,必须对其进行高精度测量并建立垂直度误差的补偿模型.采用基于光电位置敏感器件(PSD)的测量装置,先将三轴垂直度误差转化成相应方向的直线度误差再对其进行测量,并对微纳米三坐标测量机的垂直度误差进行建模和补偿.通过对0级标准量块厚度进行测量和垂直度误差补偿,量块X、Y方向厚度...     

基于多方法的圆度测量虚拟实验系统研究

从误差理论与数据处理课程的教学和科研的需要出发,提出了以圆度误差测量为研究对象,结合虚拟仪器技术,开发了一套用多种方法来对圆度误差测量的实验系统。本实验系统采用多种方法对回转类工件进行圆度误差测量,将得到的数据与泰勒圆度仪测得的圆度误差进行比对,验证了此实验系统的可行性。本实验系统可以明显提高教学成果和科研效率,有利于增强学生的实践能力。     

多功能动态实验系统的“白化”建模研究

以全系统动态精度理论为基础,对多功能动态实验系统进行"白化"研究,分析系统各单元动态传递特性和误差源,相邻单元之间传递关系,建立了系统动态传递链函数及误差传递的"白化"模型。     

基于贝叶斯模型的动态误差实时修正方法研究

应用贝叶斯动态模型理论,探讨了非平稳动态测量误差贝叶斯建模原理及实时修正的方法.由多项式模型、季节模型、回归模型和噪声模型等模型分量组合的贝叶斯动态模型,较好地描述了各种系统误差和随机误差的综合特征,客观反映了动态测量误差的变化规律.利用贝叶斯递推算法和标准信号插入,适时对动态误差模型参数进行调整,以适应非平稳动态误差的时变性,有效控制了动态模型预报精度损失,提高了动态误差实时修正的精度.通过长光栅动态测量系统实时误差修正实例,验证了该方法正确可行,误差修正效果显著,具有较高的应用价值.     

基于新一代GPS的产品检验符合性不确定度评定*

新一代产品几何技术规范将测量不确定度的概念拓展至符合性不确定度,但并未给出相对应的评定方法。为全面估计产品检验中测量结果与产品规范所有可能的差异,基于新一代产品几何技术规范,研究产品检验符合性不确定度评定。基于产品几何技术规范定义,提出规范不确定度、方法不确定度、符合性不确定度的评定方法;借助不确定度的黑箱模型,通过测量结果统计学量值特性指标,评定执行不确定度。以产品圆度检验为例,研究符合性不确定度评定操作过程,基于符合性不确定度划分产品检验的合格区间。实例分析结果表明,规范不确定度和方法不确定度的量值与执行不确定度相当,不可忽略;由于符合性不确定度包含测量结果与图纸规范所有可能的不一致性,基于符合性不确定度进行产品合格判定更为可靠。     

一种基于DVD读取头的非接触触发探头

提出了一种基于DVD读取头原理的非接触光学聚焦探头,该探头由商用DVD读取头改装而成,已经完成其设计与制作。实验结果表明探头分辨率优于2 nm,测量重复性可达20 nm,目前已应用于纳米三坐标测量机上。     

基于遗传算法和Elman神经网络的接触式探头动态特性补偿

动态特性不理想是接触式探头系统动态测量误差的重要来源,严重制约探头测量速度和精度的提升。提出一种基于遗传算法优化Elman神经网络的探头动态特性补偿方法。针对微纳米接触式探头,采用遗传算法优化Elman神经网络的方法对其动态响应输出信号进行了补偿,使用自适应递推最小二乘方法辨识出补偿前后的探头系统动态模型。探头系统的动态测量不确定度由补偿前的77.8 nm减小至12.1 nm。遗传算法具有较好的全局搜索能力,克服了Elman神经网络容易陷入局部极值的缺陷,该动态补偿方法具有较快的网络训练速度和较高的动态补偿精度。仿真分析及不确定度评定结果都验证了该方法的有效性。