[发明专利]基于贝叶斯原理的复杂试验不确定度评定方法

说明书

技术领域

本发明涉及一种机械工程试验，特别涉及一种基于贝叶斯原理的复杂试验不确定度评定方法。

背景技术

随着机械工业的发展，人们对产品质量的要求越来越高，因此很多产品均需进行相关试验来检验产品的合格性和可靠性。而这些试验很多都是复杂试验，复杂试验的一般特征是试验结果的影响因素众多，各因素的微小变动都将造成试验结果的不确定性，若试验结果的不确定性没有明确的度量标准，将使试验结果的可信度降低。因此，需要研究针对复杂试验结果不确定度分析方法，以提高试验结果的可信度。

目前常用的不确定度评定方法是由《测量不确定度指南》(GUM)提出的A类和B类评定。但是当测量模型是复杂的非线性系统，且样本数不多时，采用GUM方法对测量不确定度进行评价将导致结果不准确。而基于贝叶斯原理的不确定度评价方法能够充分利用现有信息、样本信息、经验信息等，将统计推断建立在实验分布的基础上，特别适用于小样本试验不确定度的评定。因此针对复杂非线性系统试验测量不确定度的评定，采用基于贝叶斯原理的试验测量不确定度评价将得到更加合理的结果。

发明内容

本发明是针对对于要依赖复杂试验来验证产品品质的复杂试验的可靠性的问题，提出了一种基于贝叶斯原理的复杂试验不确定度评定方法，在复杂试验给出试验结果的同时，能够给出其试验不确定度，并对实验结果进行评价，从而制定实验改进方案。

本发明的技术方案为：一种基于贝叶斯原理的复杂试验不确定度评定方法，具体包括如下步骤：

1)、确定复杂试验被测量Y，以及主要影响因素X＝[x₁,x₂,...,x_n]；

2)、获得复杂试验影响因素x_i的概率密度分布函数gx_i(ξ_i)，ξ_i为影响因素的测量值；

3)、采用拉丁超立方抽样方法根据影响因素的概率密度函数gx_i(ξ_i)进行试验抽样，得到影响因素的试验设计表D_n，根据设计表的参数进行试验，得到各输入参数下复杂试验的结果Y_i；

4)、基于贝叶斯原理对复杂试验的不确定度进行评价：

4.1)以步骤3)试验结果Y_i的部分数据作为先验样本，另一部分作为当前测量样本；

4.2)计算先验样本的均值μ₀和均值的标准差τ，以及当前测量样本的均值和标准差s；

4.3)利用所示公式计算被测量真值的估计

其中n为当前测量样本总数；

4.4)利用所示公式计算标准不确定度σ

4.5)由得到的被测量真值的估计和标准不确定度σ计算对应包含概率p的包含区间[y_low,y_high]，其中y_low和y_high计算分别为区间中最小值与最大值；

5)、输出步骤4.4)和4.5)结果作为不确定度评定。

本发明的有益效果在于：本发明基于贝叶斯原理的复杂试验不确定度评定方法，在复杂试验给出试验结果的同时，能够给出其试验不确定度，根据此对实验结果进行评价，从而制定实验改进方案。提高产品检验水平的同时保证品质要求高产品的质量。

附图说明

图1为本发明基于贝叶斯原理的复杂试验不确定度评定方法流程图；

图2为本发明鞭打试验主要影响因素示意图；

图3为本发明H点X轴坐标概率密度分布函数图；

图4为本发明H点Z轴坐标概率密度分布函数图；

图5为本发明头后间隙BS概率密度分布函数图；

图6为本发明座椅靠背角BA概率密度分布函数图；

图7为本发明F1的分布概率密度函数图；

图8为本发明F2的分布概率密度函数图。

具体实施方式

如图1所示基于贝叶斯原理的复杂试验不确定度评定方法流程图，具体方案如下：

1、确定复杂试验被测量Y，以及主要影响因素X＝[x₁,x₂,...,x_n]。