Datenfusion multisensoriell ausgeführter Koordinatenmessungen

全方位的微技术部件具有高精度的测量和信号处理能力，在复杂的多点测量对象和自由飞行器上建立的Fokus并不意味着在多传感器协同工作（KMG）中建立了统一的整体结构。Sie integrieren mehrere verdedene Messprinzipien in Form von taktilen，optischen or der bildverarbeitenden Sensoren in einem Messgerät. Die Vorteile der einzelnen Sensoren können kombiniert und messaufgabenspezifisch optimale Messabläufe und genaue Messergebnisse erreicht韦尔登. Zur Nutzung der vielfältigen Vorteile der Zusammenführung multisensoriell erfaster Formelementinformationen，fehlt gegenwärtig ein universeller Answer für eine emergente Datenfusion. Die für einzelne Sensoren nachgewiesene ausgezeichnete Messgenauigkeit von Multisensor-KMG ist bisher nicht für fusionierte Messergebnisse bestätigt. Ziel des Forschungsvorhabens ist die Bereitstellung eines allgemeingültigen（d.h. sensorunabhängigen）Verfahrens zur beständigen sich iterativ selbst optimierenden Datenfusion mittels verteilungsfreier Bayes'scher Staubik für die multisensorielle Koordinatenmesstechnik angewandt auf Bauteile der Mikrosystemtechnik.大足韦尔登在一个研究过程中，用一个具有普遍意义的随机系统模型，通过时代性的、非线性的、非高斯的差分方法，建立了一个综合的几何模型。在一个模型参数变换的Schätzproblem中，该消息将被优先处理，而在Wiederholmessungen的基础上，该消息将被韦尔登处理。GUM-konformen Messunsicherheitsermittlung zurundeliegenden Bayes'schschätztheorie lässt erwarten，dass这个问题在迭代，自适应Vorgehensweise最优gelöst韦尔登. Nach Abschluss des Forschungsvorhabens wird ein allgemeingültiges，consistentes，rechnergestütztes Verfahren zur Datenfusion multisensoriell ausgeführter Koordinatenmessungen verfügbar sein，welches für Sensoren unterscheedlicher Wirkprinzipien und Auflösungen das Messergebnis（bestehend aus bestem Schätzwert und Unsicherhabens）unter den gebenen Randbedingungen optimal estimmt.这一方法是由一个先验的信息处理模型来完成的。这是一个最佳的、基于融合战略的时刻，在这种情况下，韦尔登和沃登韦尔登的信息处理动态可以整合。

Die ganzheitliche Prüfung mikrotechnischer Bauteile mit hohen Anforderungen an Messgenauigkeit und -geschwindigkeit, der zunehmende Fokus auf Vielpunktmessungen komplexer Objektmerkmale und Freiformflächen sowie oberflächenstrukturbedingt nicht unisensoriell erfassbare Gestalteigenschaften erfordern den Einsatz von multisensoriellen Koordinatenmessgeräten (KMGs). Sie integrieren mehrere verschiedene Messprinzipien in Form von taktilen, optischen oder bildverarbeitenden Sensoren in einem Messgerät. Die Vorteile der einzelnen Sensoren können kombiniert und messaufgabenspezifisch optimale Messabläufe und genaue Messergebnisse erreicht werden. Zur Nutzung der vielfältigen Vorteile der Zusammenführung multisensoriell erfasster Formelementinformationen, fehlt gegenwärtig ein universeller Ansatz für eine emergente Datenfusion. Die für einzelne Sensoren nachgewiesene ausgezeichnete Messgenauigkeit von Multisensor-KMGs ist bisher nicht für fusionierte Messergebnisse bestätigt. Ziel des Forschungsvorhabens ist die Bereitstellung eines allgemeingültigen (d.h. sensorunabhängigen) Verfahrens zur beständigen sich iterativ selbst optimierenden Datenfusion mittels verteilungsfreier Bayes’scher Statistik für die multisensorielle Koordinatenmesstechnik angewandt auf Bauteile der Mikrosystemtechnik. Dazu werden die in einem Messprozess generierten Beobachtungen eines gemessenen Geometriemerkmals durch zeitdiskrete, nichtlineare, nicht-gauß’sche Differentialgleichungen eines stochastischen Systemmodells mit beliebigen Rauschprozessen beschrieben1. Die Messaufgabe wird hierdurch in ein Schätzproblem für die Modellparameter transformiert, welche auf Basis von Wiederholmessungen ermittelt werden können. Der Einsatz der auch der GUM-konformen Messunsicherheitsermittlung zugrundeliegenden Bayes’schen Schätztheorie lässt erwarten, dass dieses Problem in iterativer, adaptiver Vorgehensweise optimal gelöst werden kann. Nach Abschluss des Forschungsvorhabens wird ein allgemeingültiges, konsistentes, rechnergestütztes Verfahren zur Datenfusion multisensoriell ausgeführter Koordinatenmessungen verfügbar sein, welches für Sensoren unterschiedlicher Wirkprinzipien und Auflösungen das Messergebnis (bestehend aus bestem Schätzwert und Unsicherheit) unter den gegebenen Randbedingungen optimal bestimmt. Das Verfahren erfordert vom Anwender weder das Aufstellen einer Modellgleichung des Messprozesses noch a priori Verteilungsannahmen. Es ermöglicht optimale, momentenbasierte Fusionsstrategien, bei denen Abweichungen sowie die Dynamik des Messprozesses erfasst werden und Vorwissen integriert werden kann.