[發(fā)明專利]復(fù)雜試驗不確定度評價方法

在審

• 申請?zhí)枺?/td>: 201710287169.3
• 申請日: 2017-04-27
• 公開（公告）號: CN106991252A
• 公開（公告）日: 2017-07-28
• 發(fā)明（設(shè)計）人: 王神龍;丁曉紅;王海華;余慧杰;徐峰;朱大業(yè)
• 申請（專利權(quán)）人: 上海理工大學(xué);延鋒安道拓座椅有限公司
• 主分類號: G06F17/50
• 分類號: G06F17/50;G06Q10/04;G06Q10/06
• 代理公司: 上海申匯專利代理有限公司31001
• 代理人: 吳寶根

技術(shù)領(lǐng)域

本發(fā)明涉及一種產(chǎn)品測試技術(shù)，特別涉及一種復(fù)雜試驗不確定度評價方法。

背景技術(shù)

測量不確定度是測量過程中的重要指標(biāo)，它可用于分析產(chǎn)品的屬性、評估產(chǎn)品的質(zhì)量并建立其質(zhì)量評價標(biāo)準(zhǔn)。由于工業(yè)產(chǎn)品對公差的要求越來越嚴(yán)，測量不確定度也隨之越來越多地出現(xiàn)在理論研究和工程實踐當(dāng)中。實際上，測量不僅僅局限于工業(yè)、商業(yè)、科技及環(huán)境工程等領(lǐng)域，也幾乎存在于人類每項活動當(dāng)中，因此，其不確定度的評價具有非常重要的意義。

現(xiàn)階段，關(guān)于測量不確定度的評價，主要依據(jù)試驗測量不確定度指南(GUM)。如果測量模型是線性的，且輸出量概率分布是正態(tài)分布，則GUM方法能提供準(zhǔn)確結(jié)果。但是當(dāng)測量模型復(fù)雜、輸出量概率分布明顯不對稱，或采用GUM方法過程中遇到求偏導(dǎo)復(fù)雜以及得到的包含區(qū)間不符合實際等問題時，利用GUM方法評價測量不確定度得到的結(jié)果誤差較大。

對于復(fù)雜試驗，其測量模型和輸入量的概率密度函數(shù)明顯呈非線性，用GUM法評價其測量結(jié)果的不確定度難以提供準(zhǔn)確結(jié)果。然而，基于復(fù)雜試驗輸入和輸出的數(shù)學(xué)模型發(fā)展起來的隨機模擬方法，即蒙特卡洛方法(MCM)就能有效地解決這一問題。

發(fā)明內(nèi)容

本發(fā)明是針對測量模型和輸入量的概率密度函數(shù)明顯呈非線性的復(fù)雜試驗利用GUM方法評價誤差大的問題，提出了一種復(fù)雜試驗不確定度評價方法，通過將數(shù)學(xué)建模方法與蒙特卡洛方法結(jié)合起來，用于評價復(fù)雜試驗結(jié)果不確定度。在本發(fā)明提供的方法指導(dǎo)下，完成了影響復(fù)雜試驗結(jié)果輸入輸出參數(shù)數(shù)學(xué)模型的建立，并對試驗結(jié)果不確定度進行分析，給出了復(fù)雜試驗結(jié)果估計值、標(biāo)準(zhǔn)不確定度及對應(yīng)于包含概率的包含區(qū)間。

本發(fā)明的技術(shù)方案為：一種復(fù)雜試驗不確定度評價方法，具體包括如下步驟：

1)、根據(jù)影響復(fù)雜試驗結(jié)果輸入?yún)?shù)的概率密度分布，用拉丁超立方抽樣方法生成輸入數(shù)據(jù)，具體為：

通過歷史數(shù)據(jù)統(tǒng)計和標(biāo)定仿真試驗，分別得到了影響復(fù)雜試驗結(jié)果的主要輸入?yún)?shù)及其概率密度分布，再根據(jù)輸入概率密度分布的拉丁超立方抽樣方法，得到若干組輸入數(shù)據(jù)，將生成的輸入數(shù)據(jù)分為建模輸入數(shù)據(jù)和驗證輸入數(shù)據(jù)；

2)、利用數(shù)值試驗或?qū)嵨镌囼灒玫较鄬?yīng)步驟1)輸入數(shù)據(jù)的建模輸出數(shù)據(jù)和驗證輸出數(shù)據(jù)；

3)、由最小二乘法支持向量機通過步驟1)和2)的建模數(shù)據(jù)建立輸入和輸出數(shù)據(jù)之間的數(shù)學(xué)模型；

4)、根據(jù)步驟3)建立好的數(shù)學(xué)模型，將步驟1)驗證輸入數(shù)據(jù)輸入到建立好的數(shù)學(xué)模型中，得到輸出結(jié)果，輸出結(jié)果與步驟2)驗證輸出數(shù)據(jù)進行比較，驗證數(shù)學(xué)模型的精確性，如不精確返回步驟1)重新調(diào)整生成輸入數(shù)據(jù)的樣本量進行重新建模和驗證；

5)、利用蒙特卡洛抽樣隨機產(chǎn)生輸入數(shù)據(jù)，并根據(jù)驗證后的數(shù)學(xué)模型產(chǎn)生輸出數(shù)據(jù)，用蒙特卡洛方法分析復(fù)雜試驗結(jié)果的估計值、標(biāo)準(zhǔn)不確定度及對應(yīng)于包含概率的最短包含區(qū)間。

本發(fā)明的有益效果在于：本發(fā)明復(fù)雜試驗不確定度評價方法，根據(jù)建立的數(shù)學(xué)模型和蒙特卡洛方法的復(fù)雜試驗不確定度評價方法，比現(xiàn)有常規(guī)的GUM法更為精確。

附圖說明

圖1為最小二乘法支持向量機體系結(jié)構(gòu)圖；

圖2為最小二乘法支持向量機整體流程圖；

圖3為本發(fā)明實施例頸部傷害指數(shù)預(yù)測和實測對比圖；

圖4為本發(fā)明實施例上頸部扭矩預(yù)測和實測對比圖；

圖5為本發(fā)明實施例上頸部剪切力預(yù)測和實測對比圖；

圖6為本發(fā)明實施例上頸部拉力預(yù)測和實測對比圖；

圖7為本發(fā)明實施例下頸部剪切力預(yù)測和實測對比圖；

圖8為本發(fā)明實施例下頸部拉力預(yù)測和實測對比圖；

圖9為本發(fā)明實施例下頸部扭矩預(yù)測和實測對比圖；

圖10為蒙特卡洛方法分析復(fù)雜試驗不確定度的基本流程圖；

圖11為本發(fā)明基于最小二乘法支持向量機模型和MCM的復(fù)雜試驗結(jié)果Y的分布函數(shù)G_Y(η)圖。

具體實施方式

建立基于復(fù)雜試驗結(jié)果和支持向量機建模的復(fù)雜試驗不確定度評價方法，包括如下步驟：

S1：根據(jù)影響復(fù)雜試驗結(jié)果輸入?yún)?shù)的概率密度分布，用拉丁超立方抽樣方法生成輸入數(shù)據(jù)，將生成的輸入數(shù)據(jù)分為建模輸入數(shù)據(jù)和驗證輸入數(shù)據(jù)。

S2：利用數(shù)值試驗或?qū)嵨镌囼灒玫较鄬?yīng)S1輸入數(shù)據(jù)的建模輸出數(shù)據(jù)和驗證輸出數(shù)據(jù)。

S3：由最小二乘法支持向量機通過步驟S1和S2的建模數(shù)據(jù)建立輸入和輸出數(shù)據(jù)之間的數(shù)學(xué)模型。