| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及研究意义 | 第10-12页 |
| 1.2 国内外研究现状及发展动态分析 | 第12-14页 |
| 1.2.1 动态测量误差理论研究现状 | 第12-13页 |
| 1.2.2 光栅测量系统的发展现状 | 第13-14页 |
| 1.3 论文主要研究内容以及组织结构 | 第14-16页 |
| 2 动态测量误差建模预测方法研究 | 第16-27页 |
| 2.1 基于支持向量机的动态测量误差预测 | 第16-20页 |
| 2.1.1 机器学习和统计学习基本理论 | 第16-18页 |
| 2.1.2 支持向量机回归原理 | 第18-19页 |
| 2.1.3 支持向量机核函数及参数选取 | 第19-20页 |
| 2.2 基于布谷鸟优化SVM的动态测量误差预测方法 | 第20-23页 |
| 2.2.1 布谷鸟生物学原理 | 第20-21页 |
| 2.2.2 布谷鸟搜索算法 | 第21-22页 |
| 2.2.3 布谷鸟优化SVM的动态测量误差预测 | 第22-23页 |
| 2.3 基于萤火虫优化SVM的动态测量误差预测方法 | 第23-26页 |
| 2.3.1 萤火虫生物学原理 | 第23-24页 |
| 2.3.2 萤火虫算法 | 第24页 |
| 2.3.3 萤火虫优化SVM的动态测量误差预测 | 第24-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 动态测量误差溯源方法研究 | 第27-41页 |
| 3.1 全系统动态误差建模理论分析 | 第27-30页 |
| 3.1.1 全系统动态误差建模理论 | 第27页 |
| 3.1.2 测量系统组成单元联系分类 | 第27-30页 |
| 3.2 传统动态测量误差分解与溯源方法 | 第30-31页 |
| 3.2.1 傅里叶谱分析法 | 第30页 |
| 3.2.2 小波变换 | 第30-31页 |
| 3.3 经验模态分解的动态测量误差分解与溯源方法 | 第31-34页 |
| 3.3.1 瞬时频率和固有模态函数 | 第31页 |
| 3.3.2 经验模态分解基本原理 | 第31-33页 |
| 3.3.3 Hilbert变换 | 第33-34页 |
| 3.3.4 线性神经网络拟合溯源 | 第34页 |
| 3.4 动态测量误差分解与溯源仿真系统实现 | 第34-40页 |
| 3.4.1 基于经验模态分解的动态测量误差分解 | 第34-37页 |
| 3.4.2 基于线性神经网络的动态测量误差溯源 | 第37-40页 |
| 3.5 本章小结 | 第40-41页 |
| 4 高精度光栅测量系统误差源分析 | 第41-48页 |
| 4.1 高精度光栅测量系统的测量原理 | 第41-42页 |
| 4.1.1 高精度光栅测量系统整体结构 | 第41页 |
| 4.1.2 高精度光栅测量系统测量原理简介 | 第41-42页 |
| 4.2 高精度光栅测量系统误差来源分析 | 第42-43页 |
| 4.3 光路误差 | 第43-46页 |
| 4.3.1 光栅引入的误差 | 第43-44页 |
| 4.3.2 激光器引入的误差 | 第44页 |
| 4.3.3 光路结构引起的误差 | 第44-46页 |
| 4.4 电路引入的误差 | 第46页 |
| 4.4.1 光电转换引入的误差 | 第46页 |
| 4.4.2 计数细分误差 | 第46页 |
| 4.5 测量环境引入的误差 | 第46-47页 |
| 4.5.1 温度影响 | 第46-47页 |
| 4.5.2 振动及空气扰动的影响 | 第47页 |
| 4.6 本章小结 | 第47-48页 |
| 5 高精度光栅测量系统动态测量误差建模预测与溯源 | 第48-64页 |
| 5.1 高精度光栅测量系统的动态误差预测 | 第48-53页 |
| 5.1.1 数据采集与样本构建 | 第48-49页 |
| 5.1.2 预测步骤 | 第49页 |
| 5.1.3 评价指标和参数设置 | 第49-50页 |
| 5.1.4 结果分析 | 第50-53页 |
| 5.2 高精度光栅测量系统的动态误差分解与溯源 | 第53-63页 |
| 5.3 本章小结 | 第63-64页 |
| 6 总结与展望 | 第64-66页 |
| 6.1 总结 | 第64-65页 |
| 6.2 展望 | 第65-66页 |
| 参考文献 | 第66-69页 |
| 攻读学位期间取得的研究成果 | 第69-71页 |