排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
关节臂式坐标测量机误差源多且复杂,其测量空间的误差存在不确定性,为了准确快速的得到关节臂式坐标测量机测量空间中的误差,利用标准锥窝对关节臂式坐标测量机进行了空间单点测量精度实验,获得了训练样本和测试样本。利用BP神经网络对空间误差进行了建模,为了提高其收敛速度和运算速度,引入粒子群优化算法(PSO)对BP神经网络模型进行了优化,并对模型进行了预测和验证。结果表明,BP神经网络和PSO-BP神经网络都可以对关节臂式坐标测量机进行空间点误差预测,PSO-BP神经网络模型的预测结果更加精确,相对误差更小。 相似文献
3.
4.
5.
由于传统的测量不确定度表示指南方法(GUM)对风扇能效测试进行评定,无法判断各测量点的平均风速是否相关.通过对各不确定度来源进行分析,基于计算机模拟抽样的技术优势,给出了风扇能效测试的蒙特卡洛不确定度评定结果,验证了GUM方法评定风扇能效测试系统不确定度的风速相关性.试验结果表明:各测量点的平均风速不具有相关性,蒙特卡洛方法(MCM)得到的总风量的不确定度为0.1053 m3/(W·min),与假设风速不相关时GUM方法评定的总风量的不确定度0.13 m3/(W·min)接近,表明应用GUM方法评定具有局限性. 相似文献
6.
1