CN112528418A - 一种无基准条件下半实物仿真试验的评估*** - Google Patents
一种无基准条件下半实物仿真试验的评估*** Download PDFInfo
- Publication number
- CN112528418A CN112528418A CN202011511536.1A CN202011511536A CN112528418A CN 112528418 A CN112528418 A CN 112528418A CN 202011511536 A CN202011511536 A CN 202011511536A CN 112528418 A CN112528418 A CN 112528418A
- Authority
- CN
- China
- Prior art keywords
- uncertainty
- semi
- physical simulation
- output variable
- simulation test
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004088 simulation Methods 0.000 title claims abstract description 158
- 238000012360 testing method Methods 0.000 title claims abstract description 106
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- 239000013598 vector Substances 0.000 claims abstract description 40
- 239000011159 matrix material Substances 0.000 claims description 29
- 238000000034 method Methods 0.000 claims description 26
- 238000005259 measurement Methods 0.000 claims description 22
- 238000010606 normalization Methods 0.000 claims description 9
- 230000001149 cognitive effect Effects 0.000 claims description 8
- 150000001875 compounds Chemical class 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 10
- 230000004044 response Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000002596 correlated effect Effects 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Aviation & Aerospace Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种无基准条件下半实物仿真试验的评估***,属于仿真评估技术领域,解决了现有技术无法准确评估半实物仿真试验效果的问题。该***包括:仿真数据获取模块,用于接收同一试验条件下多次半实物仿真试验所有不确定性输出变量的仿真数据;单变量不确定度解算模块,用于根据上述仿真数据,构建每个输出变量的数据分布概率包络,进而确定其随机不确定度和概率不确定度;综合不确定度解算模块,用于根据上述随机不确定度和概率不确定度构建整个半实物仿真试验的综合不确定度向量,确定上述向量中每个元素的权重系数,加权平均获得综合不确定性度量值;评估结果判断模块,用于根据该综合不确定性度量值判断半实物仿真试验结果是否可信。
Description
技术领域
本发明涉及仿真评估技术领域,尤其涉及一种无基准条件下半实物仿真试验的评估***。
背景技术
半实物仿真试验过程中,由于仿真转台、目标模拟器、负载模拟器、面阵、高度表模拟器等仿真设备均存在误差,影响整个仿真试验的精度,进而影响仿真结果的置信度。
目前,现有技术中,无基准数据条件下半实物仿真试验的不确定性通常采用标准差来进行度量,但标准差对样本量比较敏感,且有量纲,不同样本量给出的不确定性度量结果存在很大不同,不便判断具体多大为差、多小为佳。
针对无基准数据条件下半实物仿真试验的不确定性度量问题,缺少一种可定量化描述半实物仿真试验关键性能参数的综合不确定性度量指标,该指标应无量纲,且能给出一个统一的***级的不确定性度量结果。
发明内容
鉴于上述的分析,本发明实施例旨在提供一种无基准条件下半实物仿真试验的评估***,用以解决现有技术无法无法准确评估半实物仿真试验效果的问题。
一方面,本发明实施例提供了一种无基准条件下半实物仿真试验的评估***,包括:
仿真数据获取模块,用于接收同一试验条件下多次半实物仿真试验中所有不确定性输出变量的仿真数据,发送至单变量不确定度解算模块;
单变量不确定度解算模块,用于根据获取的上述仿真数据,构建每个不确定性输出变量的数据分布概率包络,进而确定每个不确定性输出变量的随机不确定度和概率不确定度,发送至综合不确定度解算模块;
综合不确定度解算模块,用于对接收到的每个不确定性输出变量的随机不确定度和概率不确定度分别进行去量纲化,构建整个半实物仿真试验的综合不确定度向量;以及,建立所有不确定性输出变量的相关系数矩阵,进而确定上述综合不确定度向量中每个元素的权重系数;并根据上述综合不确定度向量,以及综合不确定度向量中每个元素的权重系数,加权平均获得半实物仿真试验的综合不确定性度量值,发送至评估结果判断模块;
评估结果判断模块,用于根据接收到的综合不确定性度量值是否在预设阈值范围内,判断半实物仿真试验结果是否可信,如果在所述预设阈值范围内,判定可信,否则,不可信;并且,将所述是否可信的判断结果输出。
上述技术方案的有益效果如下:通过综合不确定性度量值,可定量化描述半实物仿真试验结果是否可信。该综合不确定性度量值指标无量纲,且进行了归一化,且能给出一个统一的***级的不确定性度量结果,可用于改进目前的半实物仿真试验。
基于上述方法的进一步改进,所述半实物仿真试验为飞行器半实物仿真试验;
所述不确定性输出变量的仿真数据包括落点偏差、姿态、攻角、侧滑角、位置、速度数据中的至少一种。
上述进一步改进方案的有益效果是:可定位影响半实物仿真试验不确定性度量的主要因素。
进一步,所述单变量不确定度解算模块执行如下程序,构建每个不确定性输出变量的数据分布概率包络:
A={a1,a2,…,aM}
式中,M为不确定性输出变量x的仿真数据个数,A为仿真数据的样本集合;
将所述仿真数据从小到大进行排列,获得区间集合B
B={B1,B2,…,BM-1}
={[a(1),a(2)],[a(2),a(3)],…,[a(M-1),a(M)]}
式中,a(1)为仿真数据中的最小值,a(M)为仿真数据中的最大值;
其中
ξj=1-θj
根据上述区间集合B与信任概率m(Bj)进行数据拟合,获得该不确定性输出变量的数据分布概率包络g(x);
重复上述步骤,依次构建每个不确定性输出变量的数据分布概率包络。
上述进一步改进方案的有益效果是:能够客观地获取所有不确定性输出变量的数据分布概率包络。
进一步,所述单变量不确定度解算模块执行如下程序,确定每个不确定性输出变量的随机不确定度和概率不确定度:
上述进一步改进方案的有益效果是:从面积的角度,获取每个不确定性输出变量的随机不确定度和认知不确定性度量结果(概率不确定度)。
进一步,所述综合不确定度解算模块执行如下程序,构建整个半实物仿真试验的综合不确定度向量:
根据上述ua、ue,通过下面公式获得整个半实物仿真试验的综合不确定度向量u
上述进一步改进方案的有益效果是:限定了一种基于面积不确定性度量的归一化方法,为***不确定性度量结果的综合提供了可能,可帮助操作者了解***最大不确定度的来源,锁定具体的不确定性输出变量。
进一步,所述综合不确定度解算模块执行如下程序,建立所有不确定性输出变量的相关系数矩阵:
确定所有不确定性输出变量中任意两个变量的相关系数;
通过下面公式建立相关系数矩阵ρ
式中,|ρi,j|表示第i个不确定性输出变量与第j个不确定性输出变量的相关系数。
上述进一步改进方案的有益效果是:有效衡量了不确定性输出变量的相关关系,明确了影响***不确定性度量的主要因素,为***中各不确定性输出变量的权重确定奠定了基础。
进一步,所述综合不确定度解算模块执行如下程序,确定所有不确定性输出变量中任意两个变量的相关系数:
获取数据量均为M的各不确定性输出变量的仿真数据;
对于所有不确定性输出变量中的任意两个变量,将其各自的仿真数据A1、A2从小到大排列,获得该A1、A2对应的元素秩次向量S1、S2
A1={a1,a2,…,aM}
A2={b1,b2,…,bM}
其中
其中
重复上述步骤,依次获得所有不确定性输出变量中任意两个变量的相关系数。
上述进一步改进方案的有益效果是:限定了一种变量之间相关系数的有效计算方法,为变量之间权重的计算奠定了基础。
进一步,所述综合不确定度解算模块执行如下程序,确定上述综合不确定度向量中每个元素的权重系数:
根据相关系数矩阵ρ,通过下面公式获得不相关矩阵θ
式中,1为r×r维的全1矩阵;
将不相关矩阵θ的所有列进行合并,获得不相关系数行向量λ=[λ1 λ2 … λr]
式中,r为不确定性输出变量的个数。
上述进一步改进方案的有益效果是:限定了一种基于数据相关关系的数据权重确认方法,为***综合不确定性度量值计算奠定了基础。
进一步,所述综合不确定度解算模块执行如下程序,获得半实物仿真试验的综合不确定性度量值:
上述进一步改进方案的有益效果是:限定了一种基于数据相关关系的***综合不确定性度量方法,客观地衡量了半实物仿真试验整体***不确定性。
进一步,该无基准条件下半实物仿真试验的评估***还包括:
修正方案生成模块,用于在所述半实物仿真试验结果不可信时,将半实物仿真试验的综合不确定度向量中所有元素进行排序,搜索最大元素对应的不确定性输出变量;以及,确定导致该不确定性输出变量不确定度偏大的半实物仿真试验条件推送至用户,用于推荐用户修正所述半实物仿真试验条件,再次获取所有不确定性输出变量的仿真数据,直到判定半实物仿真试验结果可信为止;
上述修正方案生成模块的输入端与所述评估结果判断模块的输出端连接。
上述进一步改进方案的有益效果是:提供了一种提升***可信度(综合不确定性度量值)的方法,有助于用户获得满足实际需求、可信的仿真结果。
本发明中,上述各技术方案之间还可以相互组合,以实现更多的优选组合方案。本发明的其他特征和优点将在随后的说明书中阐述,并且,部分优点可从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过说明书以及附图中所特别指出的内容中来实现和获得。
附图说明
附图仅用于示出具体实施例的目的,而并不认为是对本发明的限制,在整个附图中,相同的参考符号表示相同的部件。
图1为本发明实施例1无基准条件下半实物仿真试验的评估***结构示意图。
图2为本发明实施例2不确定性输出变量x的数据分布概率包络g(x)示意图;
图3为本发明实施例2概率包络的上下界示意图;
图4为本发明实施例2gk(x)的0.5分位点对应的响应量。
具体实施方式
下面结合附图来具体描述本发明的优选实施例,其中,附图构成本申请一部分,并与本发明的实施例一起用于阐释本发明的原理,并非用于限定本发明的范围。
实施例1
本发明的一个具体实施例,公开了一种无基准条件下半实物仿真试验的评估***,如图1所示,包括依次连接的仿真数据获取模块、单变量不确定度解算模块、综合不确定度解算模块、评估结果判断模块。
仿真数据获取模块,用于接收同一试验条件下多次半实物仿真试验中所有不确定性输出变量的仿真数据,发送至单变量不确定度解算模块。
单变量不确定度解算模块,用于根据获取的上述仿真数据,构建每个不确定性输出变量的数据分布概率包络,进而确定每个不确定性输出变量的随机不确定度和概率不确定度,发送至综合不确定度解算模块。
综合不确定度解算模块,用于对接收到的每个不确定性输出变量的随机不确定度和概率不确定度分别进行去量纲化,构建整个半实物仿真试验的综合不确定度向量;以及,建立所有不确定性输出变量的相关系数矩阵,进而确定上述综合不确定度向量中每个元素的权重系数;并根据上述综合不确定度向量,以及综合不确定度向量中每个元素的权重系数,加权平均获得半实物仿真试验的综合不确定性度量值,发送至评估结果判断模块。
评估结果判断模块,用于根据接收到的综合不确定性度量值是否在预设阈值范围内,判断半实物仿真试验结果是否可信,如果在所述预设阈值范围内,判定可信,否则,不可信;并且,将所述是否可信的判断结果输出。
实施时,可根据上述综合不确定性度量值判定仿真结果是否可信,如果不可信,调整半实物仿真试验的仿真条件或者仿真模型,利用上述评估***再次进行评估,直到综合不确定性度量值在预设阈值范围内,判定可信为止。通过上述方法,可以修正目前的半实物仿真试验。
与现有技术相比,本实施例提供的方法通过综合不确定性度量值,可定量化描述半实物仿真试验结构是否可信,该综合不确定性度量值指标无量纲,且进行了归一化,且能给出一个统一的***级的不确定性度量结果。
实施例2
在实施例1的基础上进行优化,所述半实物仿真试验为飞行器半实物仿真试验。所述评估***用于飞行器半实物仿真试验,或者其他类型的半实物仿真试验。
对于飞行器半实物仿真试验,不确定性输出变量包括落点偏差、姿态、攻角和侧滑角、位置、速度等中的至少一种。
具体的,落点偏差是半实物仿真试验得到的飞行器落点位置与目标位置之间的偏差。飞行器姿态包括俯仰角、偏航角、滚转角等;飞行器位置包括高度、侧向、纵向位置。为了计算简便,可以取每次半实物仿真试验落点处的飞行器姿态、飞行器位置。
所述不确定性输出变量的仿真数据包括落点偏差、姿态、攻角、侧滑角、位置、速度数据中的至少一种。
通过同一设定试验条件下多次半实物仿真试验获得所有不确定性输出变量的仿真数据。所述仿真数据都是通过半实物仿真试验直接获得。
优选地,影响半实物仿真试验效果的不确定性输出变量为自然环境因素、仿真设备以及仿真模型等自身的不确定性。为衡量半实物仿真试验***的不确定性,可以采用正交/均匀等试验设计方法,设计仿真试验,获得不确定性输出变量的仿真数据。
优选地,所述单变量不确定度解算模块执行如下程序,构建每个不确定性输出变量的数据分布概率包络:
A={a1,a2,…,aM}
式中,M为不确定性输出变量x的仿真数据个数,也是试验次数,A为仿真数据的样本集合。
S12.将所述仿真数据{a1,a2,…,aM}从小到大进行排列,获得区间集合B
式中,a(1)为仿真数据中的最小值,a(M)为仿真数据中的最大值。
其中
ξj=1-θj
S15.根据上述区间集合B与信任概率m(Bj)进行数据拟合,获得该不确定性输出变量的数据分布概率包络g(x)。
可选地,可采用最佳逼近法进行数据拟合,数据点为(a(j),m(Bj)),如图2所示,使得任何不确定性输出变量x均落在该包络里,横坐标为不确定性输出变量x范围,纵坐标为信任概率m(Bj)。也可采用最小二乘法进行数据拟合,本领域技术人员能够理解。
S17.重复上述步骤,依次构建每个不确定性输出变量的数据分布概率包络。
优选地,所述单变量不确定度解算模块执行如下程序,确定每个不确定性输出变量的随机不确定度和概率不确定度:
当不确定性输出变量的随机不确定性较小时,gk(x)的分散性会减小,面积度量指标也随之减小;当不确定性输出变量无随机不确定性时,gk(x)退化为一条竖线(定值),此时面积度量指标反之,随着不确定性输出变量的随机不确定性增大,积分区域也将增大,导致面积度量指标也随之增大。因此,可以较好地反映不确定性输出变量(响应量)的随机不确定性。
优选地,所述综合不确定度解算模块执行如下程序,构建整个半实物仿真试验的综合不确定度向量:
式中,Pk为gk(x)的0.5分位点对应的响应量(对正态分布为均值μk)与坐标轴围成的矩形面积,如图4所示。
当gk(x)为正态分布时,的取值范围为[0,1]。对于响应量的累积概率分布非正态的情况,分析起来会复杂很多,但通常来说,由于对不确定性度量指标进行无量纲化的目的是为了便于不同响应量间能够统一运算,因此并不要求无量纲化后的指标严格包含于[0,1]之间,而是只要能够消除不同量纲的差异即可。
式中,r为不确定性输出变量的个数。
S23.根据上述半实物仿真试验的随机不确定性矩阵ua以及认知不确定性度量矩阵ue,通过下面公式获得整个半实物仿真试验的综合不确定度向量u
综合不确定度向量包括随机不确定度(上角标为a)和认知不确定度(上角标为e)两项,每一个不确定性输出变量的不确定度也都包括这两项,综合不确定度向量是半实物仿真试验所有不确定性输出变量的不确定度的综合。
对于r个响应量,为了得到统一的度量指标,需要对r个不确定性度量值进行加权平均。通过相关系数确定不同响应量对***不确定性贡献程度的权重。若所有响应量完全不相关,则权重相同,直接对r个响应量的不确定性度量值求平均即可;否则,相关程度越高的响应量,分配的权重越低。
优选地,所述综合不确定度解算模块执行如下程序,建立所有不确定性输出变量的相关系数矩阵:
S24.确定所有不确定性输出变量中任意两个变量的相关系数;
S25.通过下面公式建立相关系数矩阵ρ
式中,|ρi,j|表示第i个不确定性输出变量与第j个不确定性输出变量的相关系数。
优选地,所述综合不确定度解算模块执行如下程序,确定所有不确定性输出变量中任意两个变量的相关系数:
S241.获取数据量均为M的各不确定性输出变量的仿真数据。
S242.对于所有不确定性输出变量中的任意两个变量,将其各自的仿真数据A1、A2从小到大排列,获得该A1、A2对应的元素秩次向量S1、S2
A1={a1,a2,…,aM}
A2={b1,b2,…,bM} (11)
其中
其中
S244.重复上述步骤,依次获得所有不确定性输出变量中任意两个变量的相关系数。
优选地,所述综合不确定度解算模块执行如下程序,确定上述综合不确定度向量中每个元素的权重系数:
S26.根据相关系数矩阵ρ,通过下面公式获得不相关矩阵θ
式中,1为r×r维的全1矩阵;
式中,r为不确定性输出变量的个数。
优选地,所述综合不确定度解算模块执行如下程序,获得半实物仿真试验的综合不确定性度量值:
操作者既可以知道半实物仿真试验***总的不确定性水平(综合不确定性度量值),也可以通过随机、认知不确定性的值掌握不确定性的来源。
优选地,评估***还包括修正方案生成模块:
修正方案生成模块,用于在所述半实物仿真试验结果不可信时,将半实物仿真试验的综合不确定度向量中所有元素进行排序,搜索最大元素对应的不确定性输出变量;以及,确定导致该不确定性输出变量不确定度偏大的半实物仿真试验条件推送至用户,用于推荐用户修正所述半实物仿真试验条件,再次获取所有不确定性输出变量的仿真数据,直到判定半实物仿真试验结果可信为止。
修正方案生成模块的输入端与评估结果判断模块输出端连接。
示例性地,如果最大元素对应的不确定性输出变量是落点偏差,通过飞行器的机理分析,确定导致落点偏差偏大的飞行器半实物仿真条件主要是探测装置的角速度误差模型不准确,可改进角速度误差模型,再次试验,直到判定飞行器半实物仿真结果可信为止。
判定不可信后,修正半实物仿真试验条件,直到可信为止。基于各数据的不确定性度量结果大小排序,确定影响***不确定性主要不确定性输出(不确定性输出变量),据此提出基于不确定性关键环节的***可信度提升方案。
在确定影响不确定性的主要不确定性输出基础上,通过获取该环节模型对应实物的试验数据,采用近似建模等方法对该环节的误差等模型进行修正,减少该环节的不确定性,提升该环节模型的可信度,从而提升***的可信度。
与实施例1方法相比,本实施例提供的综合不确定性度量值是一种基于面积的数据不确定性度量方法,并给出了各输出变量的归一化方法,从而支持得到***的不确定性度量,解决现有***中各种不确定性度量方法归一结果含义不一致的问题。
本领域技术人员可以理解,实现上述实施例方法的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于计算机可读存储介质中。其中,所述计算机可读存储介质为磁盘、光盘、只读存储记忆体或随机存储记忆体等。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种无基准条件下半实物仿真试验的评估***,其特征在于,包括:
仿真数据获取模块,用于接收同一试验条件下多次半实物仿真试验中所有不确定性输出变量的仿真数据;
单变量不确定度解算模块,用于根据获取的所述仿真数据,构建每个不确定性输出变量的数据分布概率包络,进而确定每个不确定性输出变量的随机不确定度和概率不确定度;
综合不确定度解算模块,用于对每个不确定性输出变量的所述随机不确定度和概率不确定度分别进行去量纲化,构建整个半实物仿真试验的综合不确定度向量;以及,建立所有不确定性输出变量的相关系数矩阵,进而确定上述综合不确定度向量中每个元素的权重系数;并根据上述综合不确定度向量,以及综合不确定度向量中每个元素的权重系数,加权平均获得半实物仿真试验的综合不确定性度量值;
评估结果判断模块,用于根据所述综合不确定性度量值是否在预设阈值范围内,判断半实物仿真试验结果是否可信。
2.根据权利要求1所述的无基准条件下半实物仿真试验的评估***,其特征在于,所述半实物仿真试验为飞行器半实物仿真试验;
所述不确定性输出变量的仿真数据包括落点偏差、姿态、攻角、侧滑角、位置、速度数据中的至少一种。
3.根据权利要求1或2所述的无基准条件下半实物仿真试验的评估***,其特征在于,所述单变量不确定度解算模块执行如下程序,构建每个不确定性输出变量的数据分布概率包络:
A={a1,a2,…,aM}
式中,M为不确定性输出变量x的仿真数据个数,A为仿真数据的样本集合;
将所述仿真数据从小到大进行排列,获得区间集合B
B={B1,B2,…,BM-1}
={[a(1),a(2)],[a(2),a(3)],…,[a(M-1),a(M)]}
式中,a(1)为仿真数据中的最小值,a(M)为仿真数据中的最大值;
其中
ξj=1-θj
根据上述区间集合B与信任概率m(Bj)进行数据拟合,获得该不确定性输出变量的数据分布概率包络g(x);
重复上述步骤,依次构建每个不确定性输出变量的数据分布概率包络。
7.根据权利要求6所述的无基准条件下半实物仿真试验的评估***,其特征在于,所述综合不确定度解算模块执行如下程序,确定所有不确定性输出变量中任意两个变量的相关系数:
获取数据量均为M的各不确定性输出变量的仿真数据;
对于所有不确定性输出变量中的任意两个变量,将其各自的仿真数据A1、A2从小到大排列,获得该A1、A2对应的元素秩次向量S1、S2
A1={a1,a2,…,aM}
A2={b1,b2,…,bM}
其中
其中
重复上述步骤,依次获得所有不确定性输出变量中任意两个变量的相关系数。
10.根据权利要求1-2、4-9之一所述的无基准条件下半实物仿真试验的评估***,其特征在于,还包括:
修正方案生成模块,用于在所述半实物仿真试验结果不可信时,将半实物仿真试验的综合不确定度向量中所有元素进行排序,搜索最大元素对应的不确定性输出变量;以及,确定导致该不确定性输出变量不确定度偏大的半实物仿真试验条件推送至用户,用于推荐用户修正所述半实物仿真试验条件,再次获取所有不确定性输出变量的仿真数据,直到判定半实物仿真试验结果可信为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011511536.1A CN112528418B (zh) | 2020-12-18 | 2020-12-18 | 一种无基准条件下半实物仿真试验的评估*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011511536.1A CN112528418B (zh) | 2020-12-18 | 2020-12-18 | 一种无基准条件下半实物仿真试验的评估*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112528418A true CN112528418A (zh) | 2021-03-19 |
CN112528418B CN112528418B (zh) | 2024-06-11 |
Family
ID=75001725
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011511536.1A Active CN112528418B (zh) | 2020-12-18 | 2020-12-18 | 一种无基准条件下半实物仿真试验的评估*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112528418B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528417A (zh) * | 2020-12-18 | 2021-03-19 | 北京机电工程研究所 | 一种飞行器半实物仿真的评估方法 |
CN116304538A (zh) * | 2023-05-19 | 2023-06-23 | 中国标准化研究院 | 一种利用大数据评定检测结果不确定度的方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060220660A1 (en) * | 2005-03-30 | 2006-10-05 | Noriyasu Ninagawa | Method, system and program for evaluating reliability on component |
CN104698866A (zh) * | 2015-03-17 | 2015-06-10 | 北京理工大学 | 一种侵彻过载信息实时处理半实物仿真*** |
CN108427846A (zh) * | 2018-03-16 | 2018-08-21 | 厦门大学 | 一种基于概率盒框架的多响应模型确认度量方法 |
CN109241617A (zh) * | 2018-09-03 | 2019-01-18 | 哈尔滨工业大学 | 一种基于***分类的制导控制半实物仿真***可信度评估方法 |
CN109918833A (zh) * | 2019-03-21 | 2019-06-21 | 中国空气动力研究与发展中心 | 一种数值模拟可信度的定量分析方法 |
CN110245443A (zh) * | 2019-06-21 | 2019-09-17 | 中国人民解放军63892部队 | 一种基于映射函数的多类型输出仿真模型可信度综合评估方法 |
CN111308912A (zh) * | 2020-03-15 | 2020-06-19 | 西安爱生技术集团公司 | 一种反辐射无人机制导半实物仿真***可信度评估方法 |
CN112035948A (zh) * | 2020-08-03 | 2020-12-04 | 智慧航海(青岛)科技有限公司 | 一种应用于船模虚拟试验平台的可信度综合评估方法 |
CN112528417A (zh) * | 2020-12-18 | 2021-03-19 | 北京机电工程研究所 | 一种飞行器半实物仿真的评估方法 |
-
2020
- 2020-12-18 CN CN202011511536.1A patent/CN112528418B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060220660A1 (en) * | 2005-03-30 | 2006-10-05 | Noriyasu Ninagawa | Method, system and program for evaluating reliability on component |
CN104698866A (zh) * | 2015-03-17 | 2015-06-10 | 北京理工大学 | 一种侵彻过载信息实时处理半实物仿真*** |
CN108427846A (zh) * | 2018-03-16 | 2018-08-21 | 厦门大学 | 一种基于概率盒框架的多响应模型确认度量方法 |
CN109241617A (zh) * | 2018-09-03 | 2019-01-18 | 哈尔滨工业大学 | 一种基于***分类的制导控制半实物仿真***可信度评估方法 |
CN109918833A (zh) * | 2019-03-21 | 2019-06-21 | 中国空气动力研究与发展中心 | 一种数值模拟可信度的定量分析方法 |
CN110245443A (zh) * | 2019-06-21 | 2019-09-17 | 中国人民解放军63892部队 | 一种基于映射函数的多类型输出仿真模型可信度综合评估方法 |
CN111308912A (zh) * | 2020-03-15 | 2020-06-19 | 西安爱生技术集团公司 | 一种反辐射无人机制导半实物仿真***可信度评估方法 |
CN112035948A (zh) * | 2020-08-03 | 2020-12-04 | 智慧航海(青岛)科技有限公司 | 一种应用于船模虚拟试验平台的可信度综合评估方法 |
CN112528417A (zh) * | 2020-12-18 | 2021-03-19 | 北京机电工程研究所 | 一种飞行器半实物仿真的评估方法 |
Non-Patent Citations (4)
Title |
---|
XUNHUA DAI, CHENXU KE ET AL.: "Simulation Credibility Assessment Methodology With FPGA-based Hardward-in-the-loop Platform", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》, vol. 68, no. 4, 25 March 2020 (2020-03-25), pages 3282 - 3291, XP011825766, DOI: 10.1109/TIE.2020.2982122 * |
冉培志等: "基于改进模糊综合评判的仿真可信度评估方法", 《***仿真学报》, vol. 32, no. 12, 15 August 2020 (2020-08-15), pages 2469 - 2474 * |
樊浩等: "面向VV&A过程的某半实物仿真***可信度评估", 《战术导弹技术》, no. 4, 15 July 2010 (2010-07-15), pages 110 - 115 * |
耿化品等: "飞行器半实物仿真***不确定性度量方法研究", 《***仿真学报》, vol. 31, no. 12, 8 December 2019 (2019-12-08), pages 2671 - 2677 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528417A (zh) * | 2020-12-18 | 2021-03-19 | 北京机电工程研究所 | 一种飞行器半实物仿真的评估方法 |
CN112528417B (zh) * | 2020-12-18 | 2024-05-10 | 北京机电工程研究所 | 一种飞行器半实物仿真的评估方法 |
CN116304538A (zh) * | 2023-05-19 | 2023-06-23 | 中国标准化研究院 | 一种利用大数据评定检测结果不确定度的方法 |
CN116304538B (zh) * | 2023-05-19 | 2023-07-21 | 中国标准化研究院 | 一种利用大数据评定检测结果不确定度的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112528418B (zh) | 2024-06-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112528418B (zh) | 一种无基准条件下半实物仿真试验的评估*** | |
CN109190901A (zh) | 基于多指标度量的可靠性评估结果的可信评价方法 | |
CN112528417B (zh) | 一种飞行器半实物仿真的评估方法 | |
CN113721182B (zh) | 一种电力互感器性能在线监测结果可靠度评估方法及*** | |
CN108152458A (zh) | 气体检测方法及装置 | |
KR102281488B1 (ko) | 데이터 보정 기술을 적용한 화력발전소의 연료 발열량 보정 방법 | |
CN117745096A (zh) | 一种控制网布测方案评价方法及*** | |
CN109858187B (zh) | 基于正则化方式建立卫星温度场的克里金代理模型的方法 | |
CN115184055B (zh) | 一种分级测试性优化的测试集确定方法及*** | |
CN111327630A (zh) | 基于全对称多胞形理论的攻击检测与修正方法 | |
CN107506824B (zh) | 一种配电网的不良观测数据检测方法及装置 | |
US11741113B2 (en) | Measurement guide device and simulation computing device used therefor | |
CN110850366B (zh) | 混合视距和非视距环境下基于接收信号强度的定位方法 | |
Gaymann et al. | Random variable estimation and model calibration in the presence of epistemic and aleatory uncertainties | |
CN114611059A (zh) | 数字孪生可信评估方法的验证方法、***及可存储介质 | |
RU2730367C1 (ru) | Способ калибровки интеллектуальных датчиков | |
Kliment et al. | Diagnosis of the accuracy of the vehicle scale using neural network | |
Jackson et al. | Bayesian uncertainty analysis establishes the link between the parameter space of a complex model of hormonal crosstalk in Arabidopsis root development and experimental measurements | |
Lavazza | Accuracy evaluation of model-based COSMIC functional size estimation | |
CN118095110B (zh) | 一种燃煤机组炉温获取方法、***、设备及存储介质 | |
Binder et al. | Error analysis of a model order reduction framework for financial risk analysis | |
CN116069646B (zh) | 一种多目标测试性优化的测试集确定方法及*** | |
CN116643257B (zh) | 一种激光雷达的性能测试方法及*** | |
Chang | A Statistical Analysis of AMS Sensor Calibration Data | |
CN116087622B (zh) | 检测准确度预测方法、装置、处理设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |