1.一种快稳简的圆柱度误差评定方法，其特征在于，由以下步骤组成：
步骤1：获取测点集{pi}，并根据{pi}建立特征行向量集{A𝛼}、边界元素集{b𝛼}和状态元素集{t𝛼}，其中：
i=1, 2, 3, …, N；𝛼=1, 2, 3, …, N, N+1, …,2N；i为测点序号，N为测点总数；
pi={xi, yi, zi}是测点i的平面直角坐标，并且被测圆柱的轴线接近坐标系的z轴，被测圆柱的两个底面的中心平面接近坐标系的XOY平面；
ti= ti+N=，所有的状态元素t𝛼的集合为状态元素集{t𝛼}；
Ai=- Ai+N =([xi/ti, yi/ti, -yizi/ti, xizi/ti, 1])，是特征行向量，所有的特征行向量A𝛼的集合为特征行向量集{A𝛼}；
bi= bi+N=b，是一个大于0的实数，所有的边界元素b𝛼的集合为边界元素集{b𝛼}；
步骤1结束后进行步骤2；
步骤2：取ti最小值tmin,in对应的序号l1为关键序号，并将l1加入到关键序号集{l}中；取ti+N最大值tmax,out对应的序号l2为关键序号，并将l2加入到关键序号集{l}中；
步骤2结束后进行步骤3；
步骤3：根据关键序号集{l}建立分析矩阵A和分析列向量b，其中：
A=[…, AjT, …, AkT, …]T，是个L行5列的矩阵，L为关键序号集{l}中的元素个数，j,k为关键序号集{l}中的元素；
b=[…, b, …]T，是个L行的列向量；
步骤3结束后进行步骤4；
步骤4：对分析矩阵A及增广分析矩阵[A, b]进行秩分析；
计算rA=rank(A)，rAb=rank（[A, b]），并比较rA和rAb，只有以下两种情况：
情况一：如果rA=rAb，那么，应当继续寻优，跳到步骤5；
情况二：如果rA rAb，那么，尝试从分析矩阵A和分析列向量b中删掉关键序号集{l}中的某一个元素l对应的行，得到缩小矩阵Al-和缩小列向量bl-，求线性方程Al-vl-= bl-的解vl-=vl-0，然后计算bl-=Alvl-0；如果关键序号集{l}中的元素都尝试过了，并且没有得到任何一个bl-b，那么，应当结束寻优，跳到步骤7；如果在尝试关键序号集{l}中的元素l时，得到bl-b，那么，将缩小矩阵Al-和缩小列向量bl-分别作为A矩阵及分析列向量b，将元素l移出关键序号集{l}，并跳到步骤5；其中，vl-=[vl-,1, vl-,2, vl-,3, vl-,4, vl-,5]T，vl-0=[vl-0,1, vl-0,2,vl-0,3, vl-0,4, vl-0,5]T；
步骤5：求线性方程Av= b的解v=v0，其中，v=[v1, v2, v3, v4, v5]T，v0=[v0,1, v0,2,v0,3, v0,4, v0,5]T；
步骤5结束后进行步骤6；
步骤6：计算v𝛼=A𝛼v0，然后计算τi=(ti– tmin,in)÷(b - vi)，τi+N =( tmax,out– ti+N)÷(b -vi+N)；取τ𝛼中大于零的那部分中的最小值τmin对应的序号l3为新的关键序号，并将l3加入到关键序号集{l}中；
将所有ti更新为ti+ τmin∙(vi - v0,5)，将所有ti+N更新为ti+N-τmin∙( vi+N+ v0,5)，tmin,in更新为ti的最小值，tmax,out更新为ti+N的最大值；
步骤6结束后完成一次寻优，进行步骤3；
步骤7：计算t=tmax,out- tmin,in就是所求的圆柱度误差。
