论文部分内容阅读
本文以建立在机测量误差贝叶斯网络模型为主要研究内容。在分析了在机测量误差国内外研究现状及贝叶斯网络建模理论在不确定性知识领域应用效果的基础上，提出了应用贝叶斯网络建模理论来构建在机测量误差模型的方法。贝叶斯网络拥有因果和概率性双重定义，具有坚实的数学基础、简明可视化的图模型表达方式、完善的学习与推理机制，是研究不确定性问题的重要理论之一，广泛应用于多个研究领域。所以，本文以贝叶斯网络为理论基础，对在机测量误差建模问题进行了研究。主要完成工作如下：1．系统地研究了贝叶斯网络建模的相关理论，包括贝叶斯网络模型的构造、贝叶斯网络模型的参数学习及贝叶斯网络模型的推理，为构建在机测量误差贝叶斯网络模型提供了清晰的思路。2．对在机测量过程进行了实验研究，分析得到了在机测量系统的主要误差源，并以此为基础从理论上研究了测头系统、光栅测量系统、机体结构变形及导轨支承振动特性对在机测量误差的影响，锁定了本文建模所需的节点变量。3．利用分析得到的测量速度及测头位置变量构建了在机测量误差贝叶斯网络模型，并采用均匀分布的方式对模型中各节点的先验概率进行了赋值。基于MATLAB语言编制了在机测量误差贝叶斯网络模型的网络构建、参数学习、网络推理及预测输出功能模块。4．设计了高精度的在机测量误差检测系统，并通过实验得到了在机测量误差样本数据。在完成了基于样本数据的参数学习后，对在机测量误差贝叶斯网络模型的推理精度进行了分析，通过与BP神经网络建模方法的比较，验证了在机测量误差贝叶斯网络模型的优越性。