新一代产品几何技术规范（GPS）对线性尺寸的标注进行了规范,对于圆柱体零件,除了传统的两点尺寸外,还规定了全局尺寸和计算尺寸,全局尺寸包括最小二乘直径、最小外接直径、最大内切直径和最大最小直径;计算尺寸包括周长直径、面积直径和体积直径,其在机械制造业中的应用将面临测量和极限偏差选取等亟待解决的难题,本文对上述问题开展了较系统的研究工作。基于圆周法圆柱体轮廓要素提取方案和相关文献的借鉴,建立了圆柱度误差、圆度误差、全局尺寸和计算尺寸的评定模型。在对海鸥优化算法基本原理介绍的基础上,对该优化算法进行改进并将改进的海鸥优化算法（ISOA）用于圆柱度误差、圆度误差和全局尺寸的评定,给出了相应的算法流程,采用MATLAB编制上述误差和尺寸的评定程序。基于BP神经网络和支持向量机（SVM）研究了实际尺寸特征值、圆柱度（或圆度）误差与全局（或计算）尺寸之间的关系问题,并建立了7种关系模型,使用ISOA对BP神经网络和SVM进行参数优化,并编制关系模型训练程序,将被测零件的实际尺寸特征值和圆柱度（圆度）误差作为上述模型的输入值,其输出值即为被测试样全局（计算）尺寸的间接测量值。以圆柱度公差、圆度公差和线性尺寸的标准公差、基本偏差为基础,提出了基于上述关系模型的圆柱体零件的全局尺寸和计算尺寸极限偏差预测方法。利用Talyrond 585LT圆柱度测量仪对129个外圆柱（轴）和69个内圆柱（孔）试样进行了圆周轮廓提取,共提取圆周轮廓6789个,采用标准柱、标准孔消除了圆周轮廓提取中的系统误差。对消除系统误差后的圆周轮廓用所编制的评定程序对全局尺寸、计算尺寸、四种评定方法（最小二乘法、最小外接法、最大内切法、最小区域法）的圆柱度误差和圆度误差进行了评定。以上述圆柱体试样获得的实际尺寸特征值、圆柱度（或圆度）误差为输入值,全局尺寸或计算尺寸为目标值,通过使用ISOA参数优化后的BP神经网络（基于不同的训练函数）和SVM,实现了7种关系模型的训练和构建,训练结果表明:（1）基于BP神经网络训练的关系模型的均方误差（MSE）小于基于SVM构建的关系模型的MSE,但前者的训练时间大于后者;（2）基于BP神经网络的关系模型,训练函数trainlm优于训练函数trainbr;（3）基于BP神经网络训练得到的实际尺寸特征值、圆柱度误差与全局尺寸或体积直径之间的关系模型MSE小于9.25×10-7mm;（4）基于BP神经网络训练得到的实际尺寸特征值、圆度误差与计算尺寸之间的关系模型MSE小于3.07×10-7mm。上述关系模型的精度满足圆柱体零件全局尺寸和计算尺寸的测量度要求。以上述训练得到的BP神经网络关系模型为基础,对线性尺寸标准公差IT5～IT8、圆柱度（圆度）的5级～8级公差、h（H）等7种轴（孔）基本偏差代号、公称尺寸＞18～400mm的全局尺寸和计算尺寸的极限偏差进行了预测,并给出了相应的圆柱体零件全局尺寸和计算尺寸极限偏差值。本文提出的基于神经网络关系模型的全局尺寸和计算尺寸的间接测量和极限偏差预测方法,对全局尺寸和计算尺寸在制造业的实施具有一定的理论支持和实用价值。