接受-拒绝算法的贝叶斯不确定度评定

针对贝叶斯不确定度评定中获取测量模型后验分布困难的问题,给出一种基于接受-拒绝采样思想实现贝叶斯测量不确定度评定的方法。面向线性/非线性测量模型,先利用贝叶斯假设或蒙特卡洛法获得被测量的先验信息,再基于接受-拒绝采样获得被测量的接受采样点形成后验分布,对被测量进行统计推断得到测量不确定度评定结果。通过规范示例和实际测量评定实例,验证了采用接受-拒绝算法的贝叶斯不确定度评定方法相较于传统GUM和MCM评定方法,能够得到可靠评定结果,且获取贝叶斯后验分布过程简便,在无/有历史信息条件下测量不确定度评定应用中具有可行性和实用性。     

微纳测量机靶镜正交偏差角测量不确定度评定

三维靶镜是微纳米坐标测量机系统中的重要组成部分,其各面间正交性对保障系统测量精度至关重要。 为检验三维靶 镜加工是否符合测量机精度要求,对三维靶镜正交偏差角进行测量及不确定度评定,在量值特性分析建模基础上,研究了测量 不确定度表示指南传统方法(称为 GUM 法)、蒙特卡洛方法(MCM)及自适应蒙特卡洛方法(AMCM)3 种测量评定方法。 测量 评定结果对比表明,三维靶镜加工精度基本符合预期要求,其中 Z-X 面和 Y-Z 面的面间夹角均为 0. 5″左右,X-Y 面间夹角在 3. 3″左右;3 种方法所得评定结果基本一致,MCM 和 AMCM 较 GUM 法评定结果更合理,AMCM 相对 MCM 更高效。 所做工作为 后续研究微纳米坐标测量机面向任务的测量不确定度评定提供了借鉴方法。