Bayes-Filter zur Genauigkeitsverbesserung und Unsicherheitsermittlung von dynamischen Koordinatenmessungen

Bayesian filter for improved accuracy and uncertainty estimation of dynamic coordinate measurements

Please always quote using this URN: urn:nbn:de:bvb:29-opus4-49833
  • In der vorliegenden Arbeit werden neue Methoden und Verfahren der bayesschen Schätzung für die Koordinatenmesstechnik entwickelt, umgesetzt und validiert. Messungen sind aufgrund allgegenwärtig wirkender bekannter und unbekannter Einflüsse (Störungen oder Rauschprozesse) stets abweichungsbehaftet und die tatsächlichen Koordinaten nicht exakt bestimmbar. Der Messvorgang liefert Informationen über die Position in Form von Beobachtungen, die allerdings eine abweichungsbehaftte Abbildung der tatsächlichen Position repräsentieren. Da bei dieser Transformation Informationen verloren gehen, ist eine exakte, eindeutige Berechnung der tatsächlichen Position aus den vom Messprozess generiertenIn der vorliegenden Arbeit werden neue Methoden und Verfahren der bayesschen Schätzung für die Koordinatenmesstechnik entwickelt, umgesetzt und validiert. Messungen sind aufgrund allgegenwärtig wirkender bekannter und unbekannter Einflüsse (Störungen oder Rauschprozesse) stets abweichungsbehaftet und die tatsächlichen Koordinaten nicht exakt bestimmbar. Der Messvorgang liefert Informationen über die Position in Form von Beobachtungen, die allerdings eine abweichungsbehaftte Abbildung der tatsächlichen Position repräsentieren. Da bei dieser Transformation Informationen verloren gehen, ist eine exakte, eindeutige Berechnung der tatsächlichen Position aus den vom Messprozess generierten Beobachtungen nicht möglich. Sie kann jedoch mathematisch geschätzt werden, da der funktionale Zusammenhang zwischen den tatsächlichen Objektkoordinaten und den Beobachtungen erhalten bleibt. Das Ziel dieser Arbeit ist die Implementierung und Bereitstellung von Algorithmen zur dynamischen, messdatenbasierten und sensorübergreifenden Genauigkeitsverbesserung und Messunsicherheitsermittlung von Koordinatenmessungen. Die Lösung erfordert vom Anwender weder das Aufstellen einer Modellgleichung des Messprozesses, noch a priori Verteilungsannahmen, erlaubt aber deren Spezifikation bei Bedarf. Durch diese probabilistische Messdatenverarbeitung und -auswertung können Abweichungen in den Messdaten reduziert und gleichzeitig Unsicherheitsaussagen abgeleitet werden.show moreshow less
  • In this work, new methods and algorithms of Bayesian estimation are developed, implemented and validated for coordinate metrology. Measurements are due to ubiquitous known and unknown influences (disturbances or noise sources) always inaccurate and thus the actual coordinates can not be determined exactly. The measurement process provides information about the position in form of observations, however this is an imperfect mapping of the true position. Since information is lost in this transformation, the true object coordinates can not be computed completely from the obtained observations. But it is possible to estimate the measurand, because the functional relationship between the trueIn this work, new methods and algorithms of Bayesian estimation are developed, implemented and validated for coordinate metrology. Measurements are due to ubiquitous known and unknown influences (disturbances or noise sources) always inaccurate and thus the actual coordinates can not be determined exactly. The measurement process provides information about the position in form of observations, however this is an imperfect mapping of the true position. Since information is lost in this transformation, the true object coordinates can not be computed completely from the obtained observations. But it is possible to estimate the measurand, because the functional relationship between the true object coordinates and the observations remains. The objective of this work is the implementation and provision of algorithms for dynamic, measurement data–based and sensor–independent accuracy improvement and measurement uncertainty evaluation of coordinate measurements. The solution requires neither an explicit modelling of the measurement process nor a priori distribution assumption, but allows the specification if necessary. This probabilistic measurement data processing and evaluation allows to reduce the deviations in measured data and to deduce measurement uncertainty evaluations.show moreshow less

Download full text files

Export metadata

Additional Services

Share in Twitter Search Google Scholar Statistics
Metadaten
Author:Elmar Garcia
Persistent identifiers - URN:urn:nbn:de:bvb:29-opus4-49833
Referee:Tino Hausotte
Document Type:Doctoral Thesis
Language:German
Year of publication:2014
Publishing Institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)
Granting institution:Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU), Technische Fakultät
Acceptance date of the thesis:2014/05/22
Release Date:2014/08/05
Tag:Messtechnik, Koordinatenmesstechnik, Systemtheorie, Bayes-Filter, dynamische Koordinatenmessungen, Messunsicherheit
SWD-Keyword:Messtechnik, Koordinatenmesstechnik, Systemtheorie
Institutes:Technische Fakultät / Technische Fakultät -ohne weitere Spezifikation-
CCS-Classification:I. Computing Methodologies
Dewey Decimal Classification:6 Technik, Medizin, angewandte Wissenschaften / 62 Ingenieurwissenschaften / 620 Ingenieurwissenschaften und zugeordnete Tätigkeiten
MSC-Classification:93-XX SYSTEMS THEORY; CONTROL (For optimal control, see 49-XX)
PACS-Classification:00.00.00 GENERAL / 06.00.00 Metrology, measurements, and laboratory procedures (for laser applications in metrology, see 42.62.Eh) / 06.20.-f Metrology
open_access (DINI-Set):open_access
Licence (German):Creative Commons - CC BY-NC-ND - Namensnennung - Nicht kommerziell - Keine Bearbeitungen 3.0
Einverstanden ✔
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.