[發明專利]復雜試驗不確定度評價方法

在審

• 申請號: 201710287169.3
• 申請日: 2017-04-27
• 公開（公告）號: CN106991252A
• 公開（公告）日: 2017-07-28
• 發明（設計）人: 王神龍;丁曉紅;王海華;余慧杰;徐峰;朱大業
• 申請（專利權）人: 上海理工大學;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

技術領域

本發明涉及一種產品測試技術，特別涉及一種復雜試驗不確定度評價方法。

背景技術

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

現階段，關于測量不確定度的評價，主要依據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分布，則GUM方法能提供準確結果。但是當測量模型復雜、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復雜以及得到的包含區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果誤差較大。

對于復雜試驗，其測量模型和輸入量的概率密度函數明顯呈非線性，用GUM法評價其測量結果的不確定度難以提供準確結果。然而，基于復雜試驗輸入和輸出的數學模型發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。

發明內容

本發明是針對測量模型和輸入量的概率密度函數明顯呈非線性的復雜試驗利用GUM方法評價誤差大的問題，提出了一種復雜試驗不確定度評價方法，通過將數學建模方法與蒙特卡洛方法結合起來，用于評價復雜試驗結果不確定度。在本發明提供的方法指導下，完成了影響復雜試驗結果輸入輸出參數數學模型的建立，并對試驗結果不確定度進行分析，給出了復雜試驗結果估計值、標準不確定度及對應于包含概率的包含區間。

本發明的技術方案為：一種復雜試驗不確定度評價方法，具體包括如下步驟：

1)、根據影響復雜試驗結果輸入參數的概率密度分布，用拉丁超立方抽樣方法生成輸入數據，具體為：

通過歷史數據統計和標定仿真試驗，分別得到了影響復雜試驗結果的主要輸入參數及其概率密度分布，再根據輸入概率密度分布的拉丁超立方抽樣方法，得到若干組輸入數據，將生成的輸入數據分為建模輸入數據和驗證輸入數據；

2)、利用數值試驗或實物試驗，得到相對應步驟1)輸入數據的建模輸出數據和驗證輸出數據；

3)、由最小二乘法支持向量機通過步驟1)和2)的建模數據建立輸入和輸出數據之間的數學模型；

4)、根據步驟3)建立好的數學模型，將步驟1)驗證輸入數據輸入到建立好的數學模型中，得到輸出結果，輸出結果與步驟2)驗證輸出數據進行比較，驗證數學模型的精確性，如不精確返回步驟1)重新調整生成輸入數據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生輸入數據，并根據驗證后的數學模型產生輸出數據，用蒙特卡洛方法分析復雜試驗結果的估計值、標準不確定度及對應于包含概率的最短包含區間。

本發明的有益效果在于：本發明復雜試驗不確定度評價方法，根據建立的數學模型和蒙特卡洛方法的復雜試驗不確定度評價方法，比現有常規的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構圖；

圖2為最小二乘法支持向量機整體流程圖；

圖3為本發明實施例頸部傷害指數預測和實測對比圖；

圖4為本發明實施例上頸部扭矩預測和實測對比圖；

圖5為本發明實施例上頸部剪切力預測和實測對比圖；

圖6為本發明實施例上頸部拉力預測和實測對比圖；

圖7為本發明實施例下頸部剪切力預測和實測對比圖；

圖8為本發明實施例下頸部拉力預測和實測對比圖；

圖9為本發明實施例下頸部扭矩預測和實測對比圖；

圖10為蒙特卡洛方法分析復雜試驗不確定度的基本流程圖；

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

具體實施方式

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

S1：根據影響復雜試驗結果輸入參數的概率密度分布，用拉丁超立方抽樣方法生成輸入數據，將生成的輸入數據分為建模輸入數據和驗證輸入數據。

S2：利用數值試驗或實物試驗，得到相對應S1輸入數據的建模輸出數據和驗證輸出數據。

S3：由最小二乘法支持向量機通過步驟S1和S2的建模數據建立輸入和輸出數據之間的數學模型。