[发明专利]基于CNC齿轮测量中心的测量异常值处理方法

权利要求书

1.一种基于CNC齿轮测量中心的测量异常值处理方法，其特征在于：它包括以下步骤：

步骤一：根据CNC齿轮测量中心的测量数据，计算被测工件各点的原始误差值                                                ，； 

步骤二：运用一次累加方法，对原始误差值逐一进行预处理，生成，； 

步骤三：将作为GM(1,1)模型的初始值输入，得到原始累加序列预测函数，其表达式为：

公式一：，，

式中为扰动系数，为发展系数，为灰作用量； 

步骤四：将原始累加序列预测函数进行逐次累减，获得原始序列预测函数，其表达式为： 

；

步骤五：由工件的原始误差值和原始序列预测函数计算残差，其表达式为：

，，

计算残差的标准差S为：

；

步骤六：将残差与做比较，其中为采用BP神经网络的方法确定的识别系数，当残差时，确定此原始误差值为异常值，并采用代替该异常值，实现对齿轮测量中心测量异常值的自动辨别和修正。

2.根据权利要求1所述的基于CNC齿轮测量中心的测量异常值处理方法，其特征在于：所述扰动系数的获得方法为：根据残差的平方值建立目标函数，其表达式为：

公式二：， 

由于存在最小值，故公式三：，

由公式一、公式二和公式三得到

。

3.根据权利要求1所述的基于CNC齿轮测量中心的测量异常值处理方法，其特征在于：所述和的获取方法为：采用最小二乘法的原理进行估测得到：

，

其中矩阵B为：，其中为灰色背景序列，；

矩阵Y为：，经计算获得和。

4.根据权利要求1所述的基于CNC齿轮测量中心的测量异常值处理方法，其特征在于：采用BP神经网络的方法确定的识别系数的获取方法为：

将原始误差值的个数number、测量速度mv、被测工件的等级d、被测工件复杂曲面上某点的曲率curve、测量场所的噪声强度noise、测量车间的风速wv和工件温度t，作为BP神经网络输入层的参数；

BP神经网络的中间层为隐层，并采用8个神经元；

将识别系数作为BP神经网络输出层的输出参数；经训练得到识别系数。

5.根据权利要求4所述的基于CNC齿轮测量中心的测量异常值处理方法，其特征在于：所述BP神经网络的训练过程为：建立样本集合A=（a₁,a₂,…, a_n），其中a_i=( number_i, mv_i, d_i, curve_i, noise_i, wv_i,t_i，)，式中；

采用样本集合A进行训练，获得输入层到隐层权矩阵w1_ij和隐层到输出层权矩阵w2_ij，其中w1_ij中i=8，为隐层神经元数目，j=7，为输入层参数的个数，w2_ij中其中i=1为输出层神经元数目，j=8，为输入层参数的个数，并学习记忆，获得识别系数。

6.根据权利要求1所述的基于CNC齿轮测量中心的测量异常值处理方法，其特征在于：所述步骤二中运用一次累加方法对原始误差值逐一进行预处理的方法为：。