基于高斯過程的表面形貌測量研究.pdf

1、表面結(jié)構(gòu)的磨損、支承、潤滑、潤濕、抗反射和腐蝕等性能與表面形貌緊密相關(guān)。當(dāng)前，在科學(xué)研究和工程應(yīng)用的很多領(lǐng)域中，對表面形貌的定量測量顯得尤為重要，人們對高效率、高精度的測量需求也日益強烈。然而，每種表面測量儀器都有各自的優(yōu)缺點，沒有一種儀器能滿足所有的測量需求。像掃描探針顯微鏡(SPM)、三坐標測量儀(CMM)這類儀器具有較高的測量精度，然而這種逐點式掃描的測量效率較低，且SPM測量范圍較小。光學(xué)顯微鏡(OM)具有高測量效率、測得數(shù)據(jù)密

2、度大、非破壞性等優(yōu)點，但光與表面結(jié)構(gòu)間復(fù)雜的相互作用也會帶來較大的測量誤差。
　　因此，為了滿足高效率、高精度的測量需求，本文基于高斯過程的機器學(xué)習(xí)算法，分別從算法提出、仿真和實驗上進行了以下幾個方面的研究工作:
　　1、基于高斯過程算法，研究了在擴大范圍、棋盤式、Hilbert曲線及阿基米德螺旋線這四種特定路徑下的表面重構(gòu)。針對隨機粗糙、自由曲面和結(jié)構(gòu)化表面，分別從仿真和實驗上得出:在不損失測量精度的前提下，這種特定軌跡掃

3、描具有減少測量點、提升測量效率的優(yōu)點。
　　2、為了減少采樣密度且不損失表面測量精度，本文提出了基于高斯過程的自適應(yīng)采樣算法，且驗證了算法的有效性和魯棒性。在每次迭代中，將當(dāng)前的采樣點作為訓(xùn)練數(shù)據(jù)來預(yù)測表面形貌，然后在預(yù)測出的最大不確定度處添加一個新的采樣數(shù)據(jù)點，進而將更新后的采樣點作為下一次迭代的訓(xùn)練數(shù)據(jù)。通過這種訓(xùn)練、預(yù)測、采樣的迭代算法，重構(gòu)出的表面形貌可以有效地收斂到真實表面形貌。在隨機粗糙、自由曲面及結(jié)構(gòu)化表面上的仿真實

4、驗上驗證了該采樣算法的有效性。該算法不僅可以精確地重構(gòu)出表面形貌，也能大幅度地減少測量數(shù)據(jù)點。此外，本文驗證了算法在表面的隨機特征、測量噪聲和表面結(jié)構(gòu)突變情況下的魯棒性。該算法尤其適用于逐點式測量。
　　3、研究了基于高斯過程的數(shù)據(jù)融合算法在表面測量上的有效性。在復(fù)合式儀器測量中，主要存在兩種不同特點的數(shù)據(jù)集:高精度低密度(HALD)與低精度高密度(LAHD)。在測量結(jié)構(gòu)化表面時，為了提高表面測量精度和效率，本文將基于高斯過程的數(shù)