在精密机械的设计与制造中,几何误差的测量及评定是一项十分重要的内容。设备的正常运行和轴类零件的正常配合都与同轴度误差有密不可分的关系,新一代GPS体系及不确定度理论表明几何误差测量结果包含测量不确定度才更为合理。目前国际认证的《测量不确定度表示指南》所给出的普遍使用的评定方法是基于经典统计理论的,其在使用时需要大量的测量数据样本,在实际测量过程中这样会导致成本高、效率低,因此通常因无法满足上述条件而假设其服从先验概率密度。为了解决这一问题,研究小样本量、未知分布下的测量不确定度评定理论具有重要的理论意义及实际价值。本文以非统计方法评定测量不确定度为基础,在研究同轴度误差及测量不确定度的过程中,首先探讨了再生权最小二乘法对被测数据进行预处理,然后对比最小二乘法、遗传算法及BP神经网络算法三种方法拟合得到圆心坐标及空间直线方程,最后得到同轴度误差结果,再以支持向量机算法为基础,估计误差结果的概率密度,采用对概率密度函数进行数值积分的方法求得测量不确定度。另外,依据《测量不确定度表示指南》提出的GUM法对同轴度误差测量不确定度评定的模型及公式进行了详细推导。最后选择了经典零件芯轴,通过实测得到的数据对提出的方法进行了应用,并将所得结果与GUM法、蒙特卡洛法及计量院检测结果分别进行了对比,验证了检测结果的准确性和合理性。