[发明专利]一种基于贝叶斯网络在机测量动态误差分离装置及其方法

权利要求书

1.一种基于贝叶斯网络在机测量动态误差分离装置，包括误差测头、数据接收器、笔记本电脑、ARM主控板模块、液晶显示器、以及相关了连接线，其特征在于：误差测头与数据接收器通过无线电传输系统连接，笔记本电脑通过RS232接口与数据接收器连接，通过USB接口与主控板连接，ARM主CPU内的液晶接口与液晶显示器连接。

2.根据权利要求1所述的基于贝叶斯网络在机测量动态误差分离装置，其特征在于：所述的误差测头为接触式触发测头，并配备调频技术无线电传输系统。

3.一种基于贝叶斯网络在机测量动态误差分离方法，其特征在于：建立贝叶斯网络专家经验数据库、贝叶斯网络测量结果数据库、贝叶斯网络关联节点数据库。

4.一种基于贝叶斯网络在机测量动态误差分离方法，其特征在于：将测量采集数据进行数字滤波以便更准确定义贝叶斯网络节点，进而为误差分离模型的建立提供依据。

5.种基于贝叶斯网络在机测量动态误差分离方法，具特征在于：

1)对动态误差分离预报模型的小样本贝叶斯网络的构造，需分三个步骤实现：

a、确定变量集和变量域：对在机测量动态误差分离建模的问题，确定所有的特征变量，这些变量构成误差分离的变量集，对变量集中的每个变量确定其状态和取值范围。

b、确定网络结构：对具备大量专家知识的动态误差影响，贝叶斯网络结构的构建方法可以由先验知识获得，即根据专家对引起在机测量动态误差各变量之间存在的因果关系的认识，直接勾画出从因变量到果变量之间的连接，大多数情况下由专家知识获得的贝叶斯网络就是最优的小样本贝叶斯网络结构。

c、确定局部概率分布：对确定的网络结构计算每个节点的概率分布，包括根节点的先验概率分布和中间节点的条件概率分布，即所谓的参数估计。确定误差分离的贝叶斯网络的结构以后，贝叶斯网络的参数学习就变为在给出网络结构和样本数据的条件下计算节点的概率分布问题。在得到更多的新数据时，贝叶斯网络可以利用这些新数据对网络结构和参数进行更新。

2)将复杂的在机测量动态误差分离模型建立转为小样本贝叶斯网络推理，主要从两个方面进行：一是建立贝叶斯网络节点与各误差影响因素之间的映射关系，即对贝叶斯网络的节点进行定义；二是对各个网络节点之间的因果关联强度进行表达，即计算贝叶斯诊断网络的概率分布表。

3)结合在机测量及动态误差的贝叶斯网络结构特点，建立基于小样本贝叶斯网络误差分离模型。