技术特征：
1.一种测量数据融合方法，应用于大尺寸被测件，其特征在于，包括：s101：将多个测量仪器按可测量参数进行分类；s102：对所述测量仪器进行编码，将多个所述测量仪器的编号组合为仪器矩阵；s103：通过多个所述测量仪器对标准件进行测量，测得所述标准件的各特征参数的测量值，其中，所述标准件的各所述特征参数的标准值为已知量，所述特征参数包括空间坐标、长度、角度；s104：根据各个所述测量仪器的可测量参数，将所述特征参数的测量值组合为测量矩阵；s105：对所述测量矩阵的列向量进行归一化处理，得到归一化矩阵；s106：根据所述仪器矩阵和所述归一化矩阵，建立增广矩阵；s107：对任意两个所述增广矩阵的列向量进行相关性分析，计算两个所述增广矩阵的列向量之间的相关系数，并判断所述相关系数是否大于预设数值；s108：在两个所述增广矩阵的列向量之间的相关系数大于所述预设数值的情况下，对两个所述增广矩阵的列向量进行降维处理，得到降维矩阵；s109：构建基于机器学习算法的数据融合模型；s110：将各个所述降维矩阵的列向量输入至所述数据融合模型进行训练；s111：所述数据融合模型输出所述标准件的各特征参数的输出值；s112：在所述标准件的各特征参数的输出值与所述标准件的各特征参数的标准值之间的偏差在预设范围内，结束对所述数据融合模型的训练。2.根据权利要求1所述的测量数据融合方法，其特征在于，所述测量仪器的数量为四个，分别为第一测量仪器、第二测量仪器、第三测量仪器和第四测量仪器，所述s102具体包括：s1021：将每个所述测量仪器表示为行矩阵，所述第一测量仪器表示为[1，0，0，0]，所述第二测量仪器表示为[0，1，0，0]，所述第三测量仪器表示为[0，0，1，0]，所述第四测量仪器表示为[0，0，0，1]；s1022：获取每个所述测量仪器对所述标准件进行的测量次数，所述第一测量仪器对所述标准件的测量次数为i次，所述第二测量仪器对所述标准件的测量次数为j次，所述第三测量仪器对所述标准件的测量次数为k次，所述第四测量仪器对所述标准件的测量次数为g次；s1023：根据每个所述测量仪器的行矩阵以及相应的测量次数，构建所述仪器矩阵a：
3.根据权利要求2所述的测量数据融合方法，其特征在于，所述s104具体包括：s1041：将所述测量参数组合为行向量[α,l,x,y,z]；s1042：根据各个所述测量仪器的可测量参数，将各个所述测量仪器测得的所述特征参数的测量值填入至所述行向量的相应位置，其余位置补0，得到所述测量矩阵b：其中，α表示所述标准件角度，l表示所述标准件长度，x，y，z表示所述标准件空间坐标，α、l、x、y和z的第一个下角标1、2、3和4分别代表所述第一测量仪器、所述第二测量仪器、所述第三测量仪器和所述第四测量仪器，α、l、x、y和z的第二个下角标表示测量次数。4.根据权利要求3所述的测量数据融合方法，其特征在于，所述s105具体包括：s1051：分别对所述测量矩阵的各列矩阵进行max-min归一化处理，得到所述归一化矩阵b：其中，所述归一化矩阵中每一列的取值范围为[0，1]，且无量纲，所述归一化矩阵的列向量的模等于1，即|b
f
|＝1，其中，f＝1，2，3，4或5。5.根据权利要求4所述的测量数据融合方法，其特征在于，所述s106具体包括：s1061：根据所述初始矩阵和所述归一化矩阵，建立增广矩阵c：6.根据权利要求5所述的测量数据融合方法，其特征在于，所述s107具体包括：s1071：对任意两个所述增广矩阵的列向量进行协方差运算，计算两个所述增广矩阵的列向量之间的所述相关系数，所述相关系数的计算方式为：其中，cov(x，y)表示协方差运算，代表相关系数，s和q表示所述增广矩阵的列数，即s，q∈[1,2,...,6]且s≠q，r代表所述增广矩阵的行数；s1072：判断所述相关系数是否大于所述预设数值。7.根据权利要求6所述的测量数据融合方法，其特征在于，所述s108具体包括：s1081：根据所述增广矩阵，构建协方差矩阵cov：cov＝cc
t
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
公式6；s1082：计算所述协方差矩阵的特征值与相应的特征向量；s1083：根据所述特征值对所述特征向量进行降序排序，根据所述特征向量构建映射矩阵；s1084：通过所述映射矩阵将所述增广矩阵的原始数据映射到低纬度特征子空间；
s1085：计算所述特征值的方差解释率，选择所述方差解释率大于预设比例的特征值入模，得到所述降维矩阵。8.根据权利要求7所述的测量数据融合方法，其特征在于，所述预设比例为90％。9.根据权利要求1所述的测量数据融合方法，其特征在于，所述测量仪器为跟踪仪、经纬仪、激光扫描仪和全站仪。10.根据权利要求1所述的测量数据融合方法，其特征在于，所述机器学习算法为bp神经网络算法。
技术总结
本发明公开了一种测量数据融合方法，应用于大尺寸被测件，属于数据融合技术领域，方法包括：将多个测量仪器按可测量参数进行分类；将多个测量仪器的编号组合为仪器矩阵；测得标准件的各特征参数的测量值；将特征参数的测量值组合为测量矩阵；对测量矩阵的列向量进行归一化处理，得到归一化矩阵；根据仪器矩阵和归一化矩阵，建立增广矩阵；计算两个增广矩阵的列向量之间的相关系数，并判断相关系数是否大于预设数值；相关系数大于预设数值时，对两个增广矩阵的列向量进行降维处理；将各个降维矩阵的列向量输入至数据融合模型进行训练；在输出值与标准件的各特征参数的标准值之间的偏差在预设范围内，结束对数据融合模型的训练。结束对数据融合模型的训练。结束对数据融合模型的训练。
技术研发人员：王梅宝 赵爽 刘万村
受保护的技术使用者：哈尔滨职业技术学院
技术研发日：2022.12.01
技术公布日：2023/3/7