仪器仪表学报

作者：陈文浩，丁垠冶，宋仁成，张进，夏豪杰

单位：陈文浩,合肥工业大学仪器科学与光电工程学院合肥230002,,丁垠冶,合肥工业大学仪器科学与光电工程学院合肥230002,,宋仁成,合肥工业大学仪器科学与光电工程学院合肥230002,,张进,合肥工业大学仪器科学与光电工程学院合肥230002,,夏豪杰,合肥工业大学仪器科学与光电工程学院合肥230002,hjxia@hfut.edu.cn,

关键词：测量不确定度;灰色系统理论;模糊评定;神经网络

基金：国家自然科学基金（52575620）、国家重点研发计划（2023YFF0719700）项目资助

随着现代工业和科学研究对测量精度的要求日益提高，测量不确定度的评定成为确保产品质量和优化生产流程的重要环节。传统的测量不确定度评定方法在静态、线性系统中应用广泛，但在面对高维、非线性或动态系统时逐渐暴露出局限性。近年来，非统计方法为复杂系统的不确定度评定提供了有效的补充，特别是神经网络技术，凭借其强大的数据处理能力和非线性建模特性，已成为不确定度评估的重要工具。首先，系统回顾了统计方法（测量不确定度表述指南及其蒙特卡洛方法）与非统计方法（如贝叶斯推断、灰色评定、模糊评定及最大熵评定）在测量不确定度评定中的基本原理、优势、局限性及典型应用场景。其次，进一步探讨了各类方法与机器学习相结合的最新研究进展与发展趋势。特别关注新兴的基于神经网络的不确定度间接评定方法，包括确定性模型、贝叶斯神经网络及集成学习方法，分析了不同建模与评估策略在复杂非线性系统中的应用潜力与局限性。最后，对现有测量不确定度评定方法的适用场景进行了归纳与比较，并展望了未来的发展方向。在保证评定效率与可靠性的前提下，不同方法的融合有望进一步提升复杂测量系统的建模能力与不确定度评估的可信度，降低对大量测量数据的依赖，以满足现代工业与科学研究中日益复杂的测量需求。

来源：2025年第11期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2025年第11期