现今几何误差测量基本上都是人工选择测量方案,测量质量严重依赖测量人员的水平和经验,对于同一零件,不同的测量人员可能选择不同测量方案,会增加零件测量不确定度,并影响到零件验收。此外,现有公差表示模型还停留在公差设计阶段而未实现与测量评定集成,还是依赖人工理解公差的工程语义;而且对于标准给出的提取方式,现今研究方法提供较多测量点数,最终无法满足测量智能化的需求。针对这一需求,减少测量方案选择的不确定性,本文将引入人工智能领域的最新研究成果本体技术,提出一种基于本体的几何误差测量方案的智能推理及测点优化的方法,主要研究内容如下:构建测量方案的信息表示。在现有表示模型的基础上,建立具有七个层次结构的信息表示模型;分析总结各层内信息,再用邻接矩阵的方式对各层内和层与层之间的关系进行抽象描述,该模型为基本测量方案的智能推理奠定基础。提出基于本体的几何误差基本测量方案的智能推理方法。首先,在信息表示模型的基础上,构建能被计算机提取和解释的基本测量方案的本体模型,其包括:采用描述逻辑断言公式描述零件层的配合关系、几何实体层的构造关系、要素层的接触关系和标注层与要素层之间的关联关系,采用描述逻辑术语公式描述标注信息、测量方案信息和公差带的信息;其次,把公差带的生成关系、测量方案与零件之间的映射关系转化为Jena规则;再次,采用Jena推理机智能推理得到公差带和基本测量方案;最后,通过实例验证了提出方法的有效性。提出几何误差测量的测点优化方法。在推理得到提取方式的基础上,首先,分析实际零件的误差来源,得到实际零件的尺寸误差;其次,根据尺寸误差和直线度公差的工程语义,构建零件表面形状的模拟函数;接着,根据误差理论的原理,在模拟函数的基础上分析测量间距与误差评定值的关系,从而构建测点集精度函数;再次,在此基础上,对于给定的公差和加工方法,基于蒙特卡罗法仿真原理自适应的生成最佳测点数。最后,采用两个实例验证了提出方法的准确性和有效性;与理论方法相比,实例一（实例二）的轴向和径向的测点数分别减少1994（226）个和42（396）个,提出方法在满足精度的条件下提高了测量效率。开发测量方案的智能推理原型系统。在Eclipse环境下使用Java语言开发测量方案的智能推理原型系统,该原型系统主要的功能模块,其包括本体模型的构建、公差带的智能推理、测量方案的智能推理和测点优化。最后通过实例验证该系统的有效性。