针对传统的基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)的自适应重要抽样法只适用于失效边界确定的系统,而不适用于失效域模糊的渐变结构系统问题,提出基于MCMC的模糊自适应重要抽样法。首先从模糊失效域内的某个初始点出发...针对传统的基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)的自适应重要抽样法只适用于失效边界确定的系统,而不适用于失效域模糊的渐变结构系统问题,提出基于MCMC的模糊自适应重要抽样法。首先从模糊失效域内的某个初始点出发,根据Metropolis准则构造马尔可夫模拟样本点;然后利用自适应核密度估计构建核抽样概率密度函数并进行重要抽样;最后离散化模糊失效域以计算系统的模糊失效概率。该方法合理地解决了以往渐变结构系统性能可靠性难以仿真分析及仿真效率低的难题,具有较高的仿真效率和精度。应用舵机案例对方法的适用性及高效性进行了验证。展开更多
为了快速准确地得到玉米收获机车架的载荷谱,针对载荷谱编制过程中传统的载荷外推方法的局限性,提出一种基于四叉树算法的自适应带宽核密度估计(Kernel density estimation)算法,用来进行载荷外推。将经过预处理的实测原始载荷数据进行...为了快速准确地得到玉米收获机车架的载荷谱,针对载荷谱编制过程中传统的载荷外推方法的局限性,提出一种基于四叉树算法的自适应带宽核密度估计(Kernel density estimation)算法,用来进行载荷外推。将经过预处理的实测原始载荷数据进行雨流计数统计,得到载荷循环均幅值矩阵,将小于载荷循环最大幅值10%的载荷滤除,其余的载荷循环均幅值数据根据四叉树分割算法进行不同区域的分割,选择高斯核函数,根据拇指法则计算各个区域的局部最优带宽,并根据数据区域内数据点的密集程度对核密度估计的输入进行优化,减少了核密度估计的计算量,最后结合蒙特卡洛模拟算法进行载荷外推。采用玉米收获机车架实测载荷数据进行实例验证,结果表明,与传统的固定带宽、自适应带宽核密度估计的载荷外推方法相比,本文提出的方法大大提高了计算效率,其概率密度函数图与实际载荷分布更为接近;载荷循环均幅值频次分布相关系数更接近于1,均方根误差更小;载荷循环幅值累积频次曲线的决定系数均大于0.99。展开更多
文摘针对传统的基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)的自适应重要抽样法只适用于失效边界确定的系统,而不适用于失效域模糊的渐变结构系统问题,提出基于MCMC的模糊自适应重要抽样法。首先从模糊失效域内的某个初始点出发,根据Metropolis准则构造马尔可夫模拟样本点;然后利用自适应核密度估计构建核抽样概率密度函数并进行重要抽样;最后离散化模糊失效域以计算系统的模糊失效概率。该方法合理地解决了以往渐变结构系统性能可靠性难以仿真分析及仿真效率低的难题,具有较高的仿真效率和精度。应用舵机案例对方法的适用性及高效性进行了验证。
文摘为了快速准确地得到玉米收获机车架的载荷谱,针对载荷谱编制过程中传统的载荷外推方法的局限性,提出一种基于四叉树算法的自适应带宽核密度估计(Kernel density estimation)算法,用来进行载荷外推。将经过预处理的实测原始载荷数据进行雨流计数统计,得到载荷循环均幅值矩阵,将小于载荷循环最大幅值10%的载荷滤除,其余的载荷循环均幅值数据根据四叉树分割算法进行不同区域的分割,选择高斯核函数,根据拇指法则计算各个区域的局部最优带宽,并根据数据区域内数据点的密集程度对核密度估计的输入进行优化,减少了核密度估计的计算量,最后结合蒙特卡洛模拟算法进行载荷外推。采用玉米收获机车架实测载荷数据进行实例验证,结果表明,与传统的固定带宽、自适应带宽核密度估计的载荷外推方法相比,本文提出的方法大大提高了计算效率,其概率密度函数图与实际载荷分布更为接近;载荷循环均幅值频次分布相关系数更接近于1,均方根误差更小;载荷循环幅值累积频次曲线的决定系数均大于0.99。
