[发明专利]基于贝叶斯原理的圆度不确定度动态评定方法

说明书

本发明提供了一种基于贝叶斯原理的圆度不确定度动态评定方法，包括：对被测对象进行圆度采样，获得一组测量点数据；根据测量点数据拟合出圆，进而计算出圆度误差；进行多组测量点数据的采集，并对每组测量点数据分别计算出圆度误差，将多个圆度误差作为一组随机变量；建立随机变量概率密度函数，构造概率密度的约束条件；将样本原点矩作为条件，以概率密度约束条件作为目标函数，估算出该组随机变量的概率密度函数并作为先验分布；获取另一组随机变量，进而计算生成另一概率密度函数，将另一组随机变量的概率密度函数融合到先验分布中形成后验分布。本发明可实现几何公差测量信息的融合，进而实现不确定度动态评定。

技术领域

本发明涉及精密计量与计算机应用，具体地，涉及一种基于贝叶斯原理的圆度不确定度动态评定方法。

背景技术

随着工业过程信息化、智能化的高速发展，工业4.0、智能制造等新制造模式被广泛讨论和研究。在新的工业制造体系下必然需要符合信息物理系统特点的产品测量技术要求。根据现代误差理论，在对工件尺寸进行测量时，不仅要获得尺寸测量结果，还必须包含结果的不确定度，在新一代产品几何技术规范(GPS)中，测量不确定度称为执行不确定度纳入体系。

贝叶斯模型的核心是通过概率密度函数(probability density function，PDF)的合成实现测量评定信息的融合，即确定先验分布和后验分布。现有研究主要包含以下内容：对校准和检验中微小样本的测量不确定度评定采用了贝叶斯方法，有效的利用了每一次校准或检验数据，但对于先验及后验分布描述主要依据传统统计学方式或经验假设；提出了一种基于最大熵理论的贝叶斯测量不确定度评估方法，实现了后验分布PDF的最大熵表达形式，但其先验分布主要依据经验假设；利用贝叶斯信息融合与统计推断原理，建立了不确定度动态评定模型并进行了数字化仿真实验验证，但其实例分析未见与不采用贝叶斯融合的方法进行评定结果对比，无法较好的体现贝叶斯信息融合的特点和优势。另外，以上研究均主要针对单一变量的不确定度评定，在多变量几何公差测量不确定度领域未见有相关报道。

针对以上问题，面向圆度误差不确定度的测量信息融合与动态评定方法研究非常有限，尤其是实现信息融合的领域未涉及几何公差范畴。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于贝叶斯原理的圆度不确定度动态评定方法，实现测量信息融合、动态评定的圆度误差不确定度评定过程。

根据本发明提供的基于贝叶斯原理的圆度不确定度动态评定方法，包括如下步骤：

步骤S1：对被测对象进行圆度采样，获得一组测量点数据；

步骤S2：根据所述测量点数据拟合出圆，获得拟合圆心坐标以及距拟合圆心距离最远测量点和最近测量点坐标，进而计算出圆度误差；

步骤S3：重复执行步骤S1进行多组测量点数据的采集，并对每组测量点数据分别执行步骤S2的计算出圆度误差，获得多个圆度误差，将多个圆度误差作为一组随机变量；

步骤S4：建立随机变量概率密度函数，将根据所述随机变量计算生成样本原点矩，构造概率密度的约束条件；

步骤S5：将所述样本原点矩作为条件，以所述概率密度约束条件作为目标函数，进行参数寻优，得到概率密度函数未知参数的全局最优解，进而估算出该组随机变量的概率密度函数并作为先验分布；

步骤S6：重复执行步骤S1至S5，获取另一组随机变量，进而通过步骤S4、步骤S5计算生成另一概率密度函数，将另一组随机变量的概率密度函数融合到先验分布中形成后验分布，实现测量点数据的融合与圆度不确定度动态评定。

优选地，所述步骤S1中采样方法具体为：每隔10度设置一个测量点，则对圆形的被测对象共设置36个测量点，获得一组测量点数据P_i(x_i，y_i)。