误差是衡量测量结果质量的关键指标之一，测量不准确会导致整个系统的故障，造成巨大的经济损失。光栅测量系统是现代精密位移测量技术主要手段之一，随着现今科技与测量技术的飞速发展，光栅测量系统的精度已从微米级别迈向纳米级别，如何保障其高精度需求已是现今精密测量技术研究的重点问题。误差修正是一种有效的缩小误差、保障仪器测量精度的方法，并已遍及到了各个领域。这种修正是精密测量的关键，不仅提高了仪器的精度，也提高了测量的稳定性。动态误差预测和溯源分别是误差修正理论研究的正向性和逆向性建模方法，是保障测量精度的有效措施。本文研究内容如下:　　(1)研究动态测量误差建模预测理论与方法;　　为了解决传统动态测量建模误差预测方法精度不足、效率不高等缺陷，提出了基于布谷鸟搜索算法优化支持向量机的动态测量误差建模预测方法以及基于萤火虫算法优化支持向量机的动态测量误差建模预测方法。采用布谷鸟搜索算法、萤火虫算法找到支持向量机模型最优参数，避免了选择参数的麻烦，并且克服了传统参数优化方法易陷入局部最小值等缺点。所提出方法为后续实际高精度光栅测量系统动态测量误差建模预测的开展提供理论依据。　　(2)研究动态测量误差溯源理论与方法;　　在研究全系统动态误差建模理论的基础上，提出一种基于经验模态分解和线性神经网络拟合溯源的动态测量误差建模方法。该方法首先通过经验模态分解将测量系统输出总误差信号分解后得到多个误差分量成分，然后研究各分量成分所具有的特性规律，最后利用线性神经网络拟合各分量并追溯到系统内部产生该分量误差的模块部分。在MATLAB中构建仿真测量系统验证所提出的分解与溯源方法的可行性，为后续的实际高精度光栅测量系统的动态测量误差分解和溯源提供理论依据。　　(3)高精度光栅测量系统动态误差建模预测与溯源;　　从光路、电路、环境三个方面全面分析高精度光栅测量系统产生的误差来源，并分析各部分误差规律。利用对比法采集测量系统的误差信号，分别采用布谷鸟搜索优化支持向量机的预测方法和萤火虫优化支持向量机的预测方法对采集的误差信号进行建模预测，同时将网格搜索法及粒子群算法分别优化的支持向量机模型预测结果一同进行对比，实验结果表明所提出的预测模型有一定的优越性。通过经验模态分解将误差信号分解为各单项误差，利用希尔伯特变换求得各单项误差的频谱特性，通过线性神经网络拟合各分量信号，根据事先分析研究的系统各误差源规律特性，将求所得的各分量以及其频谱和系统各项误差相互对应，从而实现高精度光栅测量系统的误差溯源。