一种农业机械设计变量不确定性表征方法技术

本发明专利技术公开了一种农业机械设计变量不确定性表征方法。所述方法是基于包含稀疏采样点和稀疏采样区间的稀疏采样数据，使用似然函数法建立任意分布类型和分布参数下的设计变量的最大似然计算函数；通过赤池信息量准则法进行最佳分布类型的选择及其概率的计算；使用贝叶斯混合法进行多分布类型下的分布参数不确定性分析，实现农业机械设计变量不确定性的精确表征。使用本方法，在稀疏采样数据下，实现了农业机械设计变量不确定性的准确表征，有效提高了农业机械的可靠性。

A method to characterize uncertainty in design variables of agricultural machinery

The invention discloses a method for characterizing uncertainty in design variables of agricultural machinery. The proposed method is based on sparse sampling data containing sparse sampling points and sparse sampling intervals, using the likelihood function method to establish the maximum likelihood calculation function of the design variables of arbitrary distribution types and distribution parameters. The selection of the optimal distribution type and the calculation of the probability are carried out by the red pool information criterion method; Bias is used for the calculation of the probability. Hybrid method is used to analyze the uncertainty of distribution parameters under multi-distribution types, and the uncertainty of agricultural machinery design variables is accurately represented. Using this method, the uncertainty of agricultural machinery design variables can be represented accurately with sparse sampling data, and the reliability of agricultural machinery can be improved effectively.

【技术实现步骤摘要】
一种农业机械设计变量不确定性表征方法
本专利技术涉及一种农业机械设计变量不确定性表征方法。
技术介绍
农业机械产品的结构、载荷等设计变量的不确定性量化精度对可靠性设计优化的结果有着重要的影响，为了实现设计变量不确定性的准确表征，提高机械的可靠性，人们提出了一系列的方法。例如Sankararaman和Mahadevan于2011年在《ReliabilityEngineering&SystemSafety》(96:814-824)的论文“Likelihood-basedrepresentationofepistemicuncertaintyduetosparsepointdataand/orintervaldata”中提出了最大似然估计方法(maximumlikelihoodestimationmethod)。Xi等人于2014年在《StructuralandMultidisciplinaryOptimization》(51:599-611)的论文“Randomfieldmodelingwithinsufficientfielddataforprobabilityanalysisanddesign”中提出了贝叶斯方法(Bayesianmethod)。ChoiandYoo于2016年在《StructuralandMultidisciplinaryOptimization》的论文“Stochasticinversemethodtoidentifyparameterrandomfieldsinastructure”中提出了随机反演方法(stochasticinversemethod)。Chee等人于2017年在《ComputationalStatistics&DataAnalysis》(109:34-44)的论文“Amixturemodel-basednonparametricapproachtoestimatingacountdistribution”中提出了非参数最小功率法(nonparametricminimumpowermethod)，但是分布类型会影响结果的准确性，如果选择的分布类型不合适，则准确度非常低。又如康等人于2016年在《StructuralandMultidisciplinaryOptimization》的论文“Sequentialstatisticalmodelingmethodfordistributiontypeidentification”中提出了一种顺序统计建模方法来选择合适的分布类型，但是只有在有足够的数据可用的情况下，该方法才能准确地识别分布类型。
技术实现思路
针对现有技术中存在的上述问题，为了提高农业机械可靠性设计优化中系统性能的不确定性量化精度，本专利技术的目的在于提供一种农业机械设计变量不确定性表征方法，它是基于包含稀疏采样点及采样区间数据的稀疏采样数据拟合和分析。所述的一种农业机械设计变量不确定性表征方法，其特征在于包含以下步骤：1)根据稀疏采样点、稀疏采样区间等稀疏采样数据，建立任意分布类型和分布参数下，农业机械设计变量的似然分析函数，计算给定分布类型下，分布参数的不确定性分布函数；2)使用赤池信息量准则法进行最佳分布类型的选择，及其权重的计算；3)使用多分布类型权重和的形式表征农业机械设计变量不确定性，并使用贝叶斯函数法计算分布参数的概率密度函数。所述的一种农业机械设计变量不确定性表征方法，其特征在于步骤1)的计算采用以下步骤：1.1)计算分布类型θk(k＝1,2,…,8)和分布参数ξ下，不确定性设计变量y的概率密度函数为公式(1)：fy(y＝ai|ξ,θk)(1)其中，ai(i＝1,2,…,m)是稀疏采样点数据；θk(k＝1,2,…,8)为分布类型；ξ为分布参数。1.2)根据m个采样点数据ai(i＝1,2,…,m)和n个采样区间数据按照公式(2)计算分布类型θk和分布参数ξ下，不确定性设计变量y的似然分析函数L(ξ,θk)：其中，采样区间为y是不确定性设计变量，如农业机械中的材料的杨氏模量，耦合器的屈服强度等。1.3)使用贝叶斯理论，进行分布类型θk下，按照公式(3)计算分布参数ξ的概率密度函数fξ(ξ|θk)：其中，L(ξ,θk)是设计变量(如材料的杨氏模量)y的似然分析函数。所述的一种农业机械设计变量不确定性表征方法，其特征在于步骤2)的计算采用以下步骤：2.1)按照公式(4)计算每一个分布类型θk的赤池信息熵AICkAICk＝2nk-2ln(Lmax(ξ,θk))(4)其中，nk是分布类型θk的分布参数ξ数量；Lmax(ξ,θk)是似然分析函数L(ξ,θk)的最大估计值；2.2)按照公式(5)计算每一个分布类型的分布类型概率Pθ_kPθ_k＝exp((AICmin-AICk)/2)(5)其中，AICmin是所有分布类型的赤池信息熵的最小值，AICk是每一个分布类型θk的赤池信息熵；2.3)选取分布类型Pθ_k≥0.1为使用的分布类型；并根据使用分布类型的分布类型概率Pθ_k，按照公式(6)确定各分布类型的权重wk其中，Pθ_k是每一个分布类型的分布类型概率。所述的一种农业机械设计变量不确定性表征方法，其特征在于步骤3)的计算采用以下步骤：3.1)建立公式(7)所示的考虑多分布类型的设计变量的概率密度函数fy(y|ξ)；fy(y|ξ)＝∑wkfy(y|ξ,θk)(7)其中，θk是选取的分布类型，wk是分布类型的权重，fy(y|ξ,θk)是分布类型θk下，设计变量(如材料的杨氏模量)y的概率密度函数；3.2)根据稀疏采样点数据ai(i＝1,2,…,m)和采样区间数据建立公式(8)所示的分布参数的似然估计计算函数L(ξ)3.3)使用贝叶斯函数法，进行设计参数ξ的不确定性表征，按公式(9)确定分布参数ξ的概率密度分布函数fξ(ξ)其中，L(ξ)是分布参数的似然估计计算函数。通过采用上述技术，与现有技术相比，本专利技术具有的有益效果是：1)本专利技术根据用似然函数法建立的任意分布类型和分布参数，使用了设计变量的最大似然函数计算包含稀疏采样点和稀疏采样区间的概率密度函数；2)本专利技术通过赤池信息量准则法进行最佳分布类型的选择及其概率的计算；3)本专利技术在稀疏采样数据下，用贝叶斯混合法进行多分布类型下的分布参数不确定性分析，实现了农业机械设计变量不确定性的准确表征，有效提高了农业机械的可靠性。附图说明图1是本专利技术的流程图；图2是农业机械中的曲柄滑块机构图；图3a为正态分布的参数1的概率密度函数值图；图3b为正态分布的参数2的概率密度函数值图；图3c为伽玛分布的参数1的概率密度函数值图；图3d为伽玛分布的参数2的概率密度函数值图；图3e为威布分布的参数1的概率密度函数值图；图3f为威布分布的参数2的概率密度函数值图；图3g为极值分布的参数1的概率密度函数值图；图3h为极值分布的参数2的概率密度函数值图；图4是系统性能函数的置信度和似然性度量表示图。具体实施方式下面结合说明书附图对本专利技术作进一步说明，但本专利技术的保护范围并不仅限于此：如图1所示，本专利技术的一种农业机械设计变量不确定性表征方法，它是基于稀疏采样数据拟合和基于稀疏的采样点及采样区间数据，其包括以下步骤：1)本文档来自技高网...

【技术保护点】
1.一种农业机械设计变量不确定性表征方法，其特征在于包含以下步骤：1)根据稀疏采样点、稀疏采样区间等稀疏采样数据，建立任意分布类型和分布参数下，农业机械设计变量的似然分析函数，计算给定分布类型下，分布参数的不确定性分布函数；2)使用赤池信息量准则法进行最佳分布类型的选择，及其权重的计算；3)使用多分布类型权重和的形式表征农业机械设计变量不确定性，并使用贝叶斯函数法计算分布参数的概率密度函数。

【技术特征摘要】
1.一种农业机械设计变量不确定性表征方法，其特征在于包含以下步骤：1)根据稀疏采样点、稀疏采样区间等稀疏采样数据，建立任意分布类型和分布参数下，农业机械设计变量的似然分析函数，计算给定分布类型下，分布参数的不确定性分布函数；2)使用赤池信息量准则法进行最佳分布类型的选择，及其权重的计算；3)使用多分布类型权重和的形式表征农业机械设计变量不确定性，并使用贝叶斯函数法计算分布参数的概率密度函数。2.根据权利要求1所述的一种农业机械设计变量不确定性表征方法，其特征在于步骤1)的计算采用以下步骤：1.1)计算分布类型θk(k＝1,2,…,8)和分布参数ξ下，不确定性设计变量y的概率密度函数为公式(1)：fy(y＝ai|ξ,θk)(1)其中，ai(i＝1,2,…,m)是稀疏采样点数据；θk(k＝1,2,…,8)为分布类型；ξ为分布参数。1.2)根据m个采样点数据ai(i＝1,2,…,m)和n个采样区间数据按照公式(2)计算分布类型θk和分布参数ξ下，不确定性设计变量y的似然分析函数L(ξ,θk)：其中，采样区间为y是不确定性设计变量，如农业机械中的材料的杨氏模量，耦合器的屈服强度等。1.3)使用贝叶斯理论，进行分布类型θk下，按照公式(3)计算分布参数ξ的概率密度函数fξ(ξ|θk)：其中，L(ξ,θk)是设计变量(如材料的杨氏模量)y的似然分析函数。3.根据权利要求1所述的一种农业机械设计变量不确定性表征方法，其特征在于步骤2)的计算采用以下步...

【专利技术属性】
技术研发人员：彭翔，徐小青，王建翔，李吉泉，姜少飞，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江,33