技术摘要：
本发明一种在机测量不确定度评定方法属于测量不确定度评定技术领域，涉及一种在机测量不确定度评定方法。该方法将不确定度分量分解为重复性测量、复现性测量、温度影响和数据修约影响等四项分量；规划网格点阵式和正交连续式两种样本集，以反映可测空间或指定空间全域  全部
背景技术：
在数字化制造领域，往往需要利用在机测量系统对待加工零部件进行在位测量， 以获取待加工零部件的三维形貌特征及位姿特征。因多因素影响，在机测量结果往往存在 不确定性，即结果具有分散性。为此，需要用不确定度对在机测量进行定量评定。 在机测量是将测量单元集成在数控机床运动单元上的测量，形成在机测量系统。 在机测量系统结构复杂，测量过程伴随着机械振动、环境噪声、环境温度变化等影响因素， 并揉合了运动单元的定位误差、反向间隙等因素。在进行测量不确定度评定时，在机测量仅 主要不确定度来源就多达数十个，且其传递关系及其间耦合关系难以准确量化。因此，难以 对在机测量的不确定度进行合理有效评定。对在机测量不确定度评定需要将不确定度评定 引入在机测量系统，进行在机测量状态下的不确定度评定。但是，在机测量的不确定度评定 不仅难度大，计算繁琐，且缺乏现有的相应的系统性理论和指导方法。 2016年，陈晓怀等在专利《一种三坐标测量机机构误差引入的测量不确定度评定 方法》，申请号CN201610156538.0中，通过标定实验或校准证书获得三坐标测量机机械结构 引起的误差，确定分布，结合空间点的机构误差模型，利用蒙特卡洛法评定出由三坐标测量 机机构误差引入的测量不确定度。2019年，张珂等在专利《基于概率密度函数估计的圆度不 确定度评定方法》，申请号为CN201910845682.9中，提供了一种基于概率密度函数估计的圆 度不确定度评定方法，实现小样本的圆度误差测量不确定度评定。上述方法均未提及面向 在机测量的一种在机测量不确定度评定方法。国内外文献中对面向在机测量的测量不确定 度评定缺少系统性深入研究，而且往往局限于三坐标测量机这种离线式测量的测量不确定 度评定且步骤繁杂运算繁琐。
技术实现要素：
本发明要解决的技术问题是克服现有技术的欠缺或不足，针对在机测量的不确定 度评定难题，发明了一种在机测量不确定度评定方法。该方法将不确定度分量分解为重复 性测量、复现性测量、温度影响和数据修约影响等四项分量；规划网格点阵式和正交连续式 两种样本集，以反映可测空间或指定空间全域；按照极大似然估计原则对采样数据进行分 布拟合，得到各分量的最佳拟合分布参数及概率密度函数；按照算术求和原则建立在机测 量不确定度评定数学模型，基于自适应蒙特卡洛法进行不确定度的传递合成，提升了不确 定度传递合成的精确性，降低了运算难度。 本发明采用的技术方案是一种在机测量不确定度评定方法，其特征在于，该方法 将不确定度分量分解为重复性测量、复现性测量、温度影响和数据修约影响等四个分量；根 据可测空间或指定空间，规划网格点阵式样本集和正交连续式样本集，并完成同步采样；对 不确定度分量样本数据进行分布拟合，得到各分量的最佳拟合分布参数及概率密度函数； 6 CN 111553077 A 说　明　书 2/7 页 建立在机测量不确定度评定模型，并基于自适应蒙特卡洛法进行不确定度的传递合成，完 成在机测量不确定度评定。方法的具体步骤如下： 第一步  样本集规划与同步采样 首先，规划网格点阵式样本集QL并进行同步采样。在机床坐标系下将在机测量范 围的全域或指定区域以任意间距进行三维网格等分，把网格交叉节点作为测量样本点位 Pλ,λ＝1,2,…,n，形成网格点阵式样本集QL。测量单元与待测单元在机床运动单元的带动下 移动至各点位后进行采样，通过对同一点位的重复测量得到重复性测量不确定度分量样本 集QLRt；对不同点位的依次测量得到复现性测量不确定度分量样本集QLRd，其中，对每个测量 点位选取m个测量数据求取均值作为该点位复现性测量样本数据，即 在不同环境温度下，进行同一点位的连续测量，得到环境温度数据及其对应的位 移测量数据样本集QLT。 接着，规划正交连续式样本集QC并进行同步采样。在机床坐标系下选定在机测量 范围的全域或指定区域，在该区域内选择与机床坐标系坐标轴平行的三条正交连续线段， 即为正交连续式样本集QC。待测单元和测量单元在各自运动单元的带动下沿上述三条正交 连续线段进行同步往复式运动状态下的连续采样，往复运动次数大于3次，得到复现性测量 不确定度分量样本集QCRd；对上述三条正交连续线段的交叉点进行重复测量，得到重复性测 量不确定度分量样本集QCRt；在不同环境温度下对三维正交点进行连续测量，得到环境温度 数据及其对应的位移测量数据样本集QCT。 第二步 不确定度分量样本数据的分布拟合 分别对第一步采样获得的网格点阵式样本集QL和正交连续式样本集QC的重复性测 量数据、复现性测量数据进行分布拟合。按照极大似然估计原则，对数似然估计值最大的分 布类型即为最佳拟合分布类型，得到网格点阵式样本集QL的重复性测量不确定度分量YLRt 的概率密度函数gLRt、复现性测量不确定度分量YLRd的概率密度函数gLRd，以及正交连续式式 样本集QC的重复性测量不确定度分量YCRt的概率密度函数gCRt、复现性测量不确定度分量 YCRd的概率密度函数gCRd。 对网格点阵式样本集QL和正交连续式样本集QC中的环境温度数据及其对应的测量 数据进行多项式拟合，可以得到QL环境温度变化带来的测量不确定度分量YLT的概率密度函 数gLT和QC环境温度变化带来的测量不确定度分量YCT的概率密度函数gCT。 采样时样本数据经圆整修约处理后得到，故须考虑数据修约引入的不确定度分 量，如测量数据保留至小数点后l位，则数据修约引入的测量不确定度分量YLDR、YCDR为满足 [-0.5×10-l,0.5×10-l]的均匀分布。 第三步 不确定度评定建模 首先，对网格点阵式样本集QL不确定度YL进行评定建模， YL＝YLRt YLRd YLT YLDR-CLRt-CLRd-CLT    (2) 其中，CLRt、CLRd、CLT分别为QL重复性测量不确定度分量YLRt、QL复现性测量不确定度 分量YLRd、QL环境温度变化带来的测量不确定度分量YLT的修正量。YLDR为QL数据修约引入的 测量不确定度分量。 7 CN 111553077 A 说　明　书 3/7 页 然后，对正交连续式样本集QC测量不确定度YC进行评定建模， YC＝YCRt YCRd YCT YCDR-CCRt-CCRd-CCT    (3) 其中，CCRt、CCRd、CCT分别为QC重复性测量不确定度分量YCRt、QC复现性测量不确定度 分量YCRd、QC环境温度变化带来的测量不确定度分量YCT的修正量。YCDR为QC数据修约引入的 测量不确定度分量。 第四步  基于自适应蒙特卡洛法的不确定度传递合成 对于网格点阵式样本集QL的不确定度评定模型的传递合成，步骤如下： 步骤①，从YLRt、YLRd、YLT、YLDR的概率密度函数gLRt、gLRd、gLT、gLDR中抽取M组随机数向 量 其中随机数向量序数r＝1,2,… ,M，h为迭代次数，首次迭代时 其值为1，设包含概率为p，通过公式(4)可求得每次迭代的随机数向量组数M。 步骤②，通过公式(2)对随机数向量 进行计算，得到第h次 迭代的M组模型值 步骤③，通过公式(6)求得 的均值y(h)， 通过公式(7)求得 的不确定度u(y(h))， 对 进行非递减排序得到 设包含概率为p，则 q＝INT(p×M 1/2)    (8) 通过公式(8)、(9)求得包含概率为p下的最小包含区间左端点 包含概率为p下的最小包含区间右端点 步骤④，计算y(1) ,y(2) ,…,y(h)的平均值的标准偏差sy， 式中： 8 CN 111553077 A 说　明　书 4/7 页 计算u(y(1)) ,u(y(2)) ,…,u(y(h))的平均值的标准偏差su(y)， 式中： 计算 的平均值的标准偏差syleft， 式中： 以及 的平均值的标准偏差syright， 式中： 利用h×M个模型值 由公式(20)计算u(y)， 式中： 步骤⑤，通过公式(22)求得数值容差δ， δ＝10l/2(通过u(y)＝c×10l，c为整数，可求得l)    (22) 进行自适应迭代循环判断，即，如果2sy，2su(y)，2syleft，2syright均小于容差δ，则自 适应迭代运算达到统计意义上的稳定，进入步骤⑥；否则，h＝h 1，返回步骤①进行第h次迭 代运算。 步骤⑥，通过公式(21)计算出估计值 通过公式(20)计算出不确定度u(y)，对 h×M个模型值 进行非递减排序得到yL,1,yL,2,…,yL,r,r＝1,2,…,h ×M，设包含概率为p，则 9 CN 111553077 A 说　明　书 5/7 页 ε＝INT(p×h×M 1/2)    (23) yL,left ε-yL,left≤yL,r ε-yL,r,r＝1,2,…,h×M-q    (24) 通过公式(23)、(24)可求得包含概率为p下的最小包含区间左端点yleft， yleft＝yL,left    (25) 包含概率为p下的最小包含区间右端点yright， yright＝yL,left ε    (26) 即得到包含概率p下的最小包含区间[yleft ,yright]，完成对在机测量不确定度评 定。正交连续式样本集QC的评定模型的不确定度传递合成同理。 本发明有益效果是发明了一种在机测量不确定度评定方法，该方法将不确定度分 量分解为重复性测量、复现性测量、温度影响和数据修约影响等四项分量；规划网格点阵式 和正交连续式两种样本集，并完成同步采样。对不确定度分量样本数据进行分布拟合，得到 各分量的最佳拟合分布参数及概率密度函数；建立在机测量不确定度评定模型，并基于自 适应蒙特卡洛法进行不确定度的传递合成，完成在机测量不确定度评定。是一种面向在机 测量不确定度的完整评定方法，解决了在机测量不确定度评定问题。本发明方法稳定可靠、 计算简洁高效，具有工程应用价值。 附图说明 下面结合技术方案和附图详细说明本发明的