自适应蒙特卡洛法和GUM法在加油机测量不确定度评定中的比较研究

蒙特卡洛法(MCM)是比传统的GUM法适用范围更广的不确定度评定方法,特别适合非线性模型和非正态分布输入的情况。文章同时采用自适应MCM法和GUM法对加油机示值误差测量不确定度进行评定,并将两者的评定结果进行了比较,以验证GUM法的适用性。研究结果表明GUM比自适应MCM的不确定度评定结果更为保守,且不能通过验证。因此,实际工作中宜选用MCM法进行加油机测量不确定度评定。     

自适应MCM测量不确定度软件研发

蒙特卡洛法(MCM)测量不确定度评定中模型复杂、计算量大,现有软件往往只在某一模型中适用,不同模型间相互独立,且评定结果缺少自适应过程.基于LabVIEW软件生成输入量X的伪随机数,对X概率密度函数(PDF)离散抽样,得到输出量Y的离散抽样值,进而设计了自适应MCM测量不确定度软件.本软件实现了常用模型数学公式的自定义,增强了软件的适用性,同时重点介绍了自适应增加样本量M的算法.通过JJF1059.2-2012规范中实例的计算,验证了软件在常用模型评定中的有效性.     

莫来石导热系数的测量不确定度评定及验证

使用防护热板法测定莫来石试样在各温度下的导热系数,分析了测量不确定度的来源、并根据ISO/IEC 98-3:2008中的基本方法(GUM法)计算了各标准不确定度分量、合成标准不确定度及扩展不确定度,并确定了各分量的影响大小,最后采用蒙特卡洛法(MCM)对测量不确定度的评定结果进行了比较验证。结果表明:在150~500℃莫来石导热系数测定结果的相对扩展不确定度(k=2)小于4%;板平面内温度分布均匀性在各影响因素中占据主导地位,对导热系数测定结果的影响最大;150℃时的评定结果通过MCM验证,可用GUM法来评定莫来石导热系数的测量不确定度。     

GUM法和MCM法评定测量不确定度对比分析

以气象检定领域中的风速测量不确定度评定为例,分别在输入量正态分布以及其他分布两种假设情况下,对比分析了GUM法与MCM法评定风速简化模型测量不确定度结果,并对简化模型所忽略的水汽修正项带来的测量不确定度进行了量化。实例对比表明,MCM法较GUM法适用范围广,特别是针对一些复杂模型,MCM法不需要繁琐的求导过程,不需要舍弃一些小影响量的不确定度计算,使得不确定度评定结果更完整合理,可操作性强。     

蒙特卡洛法为基础的测量不确定度评定软件系统开发

目前,我国计量校准结果的不确定度评定依据的是JJF1059.1-2012《测量不确定度评定与表示》和JJF1059.2-2012《用蒙特卡洛方法评定不确定度》,当采用JJF1059.1-2012不确定度传递率进行测量不确定度评定存在困难时,蒙特卡洛方法(MCM)就是实用的替代方法。目前多数编程工具和计算软件都要求使用者具有较高的程序开发水平,导致使用MCM进行不确定度评定难以大面积推广。因而开发出一款功能实用、界面友好、操作便捷,计算效率高且结果精确的测量不确定度计算、评定系统成为摆在测量不确定度评定人员面前的首要问题。     

基于蒙特卡洛法的铝合金抗拉强度测量不确定度评定

以铝合金抗拉强度为例,介绍了采用蒙特卡洛法(MCM)评定测量不确定度的步骤和方法。结果表明:采用蒙特卡洛法评定测量不确定度,无需考虑测量模型是否线性,避免了泰勒展开、求偏导数等复杂的数学推导过程,也无需将测量模型简化,可以很方便地求出标准不确定度以及给定包含概率下的扩展不确定度。     

基于 MCM 的脉冲波形测量不确定度评定

脉冲波形测量不确定度评定一直采用传统的线性传递方法,这种评定方法存在测量模型难以确定、偏微分难以计算等弊端,使得评定结果不合理。 MCM是GUM在2008年增补的一种新方法,本文使用MCM来评定含有时基抖动以及幅值噪声的脉冲波形的测量不确定度,计算出了脉冲波形的概率密度函数的离散表示,得到指定包含概率的包含区间,实现了不确定度的评定。     

嫦娥一号激光高度计在轨月球高程数据测量不确定度研究

对嫦娥一号激光高度计月球表面在轨高程探测数据进行了误差分析处理和不确定度评定研究。首先,选择了月海平坦地形区域的激光高度计高程数据;然后分析了主要的探测不确定度来源,建立了相应数学模型;最后采用了蒙特卡洛方法(MCM)进行了不确定度评定研究,给出了某些月海区域高程探测不确定度评定结果,并与测量不确定度表示指南方法(GUM)进行对比。研究结果表明:MCM评定方法与GUM方法结果基本一致;处理结果也能和其他月球探测结果进行对比研究,希冀对月球及空间环境有更多、更新的发现。     

自适应蒙特卡洛法评定全站仪测距不确定度

全站仪测距精度的校准需要在标准基线场上进行,由于野外环境不可控和气象条件波动剧烈,因此判断全站仪的测量结果的可靠程度具有重要意义。为了解决全站仪测距不确定度评定模型的非线性和输入量强相关等问题,本文首先采用了自适应蒙特卡洛法进行不确定度评定,然后与GUM的不确定度评定结果进行对比,当测距距离为1 176 m时,自适应蒙特卡洛法评定的不确定度结果为2.2 mm,GUM为2.6 mm,结果显示两种不确定度评定方法的测量结果均在合理预期之内,且自适应蒙特卡洛法评定的不确定度置信区间更窄。自适应蒙特卡洛法结合了大量数据样本和自适应优化仿真次数的优势,不仅对全站仪测距过程中的各项误差源引入的不确定度分量评估更为全面,而且在保证了全站仪测距不确定度评定结果准确的同时,相比于蒙特卡洛法节约了70%的样本数量。     

蒙特卡洛法评定木材测湿仪示值误差的不确定度

作为对测量不确定度表示指南(GUM法)的重要补充,蒙特卡洛法(MCM法)尤其适用于非线性模型,输入量或输出量的概率密度函数明显非对称等场合。文章以木材测湿仪的示值误差不确定度评定为例,通过建立数学模型和确定输入量的概率密度函数等,采用MATLAB软件编程,从而得到输出量的估计值、标准不确定度和指定概率下的包含区间等参数,阐述了蒙特卡洛法评定不确定度的实现过程。根据规范提供的采用MCM法验证GUM法的方法,文章验证了GUM法适用于木材测湿仪的示值误差不确定度评定。     

电压驻波比测量不确定度的评定和表述

电压驻波比是无线电领域表征反射特性的传统参量,目前仍有应用场景,然而一些实验室对电压驻波比测量不确定度的报告是不完善的。比较了GUM法线性模型、GUM法非线性模型和蒙特卡洛法对电压驻波比测量不确定度的评定结果,给出了一种在常规测量条件下可代替蒙特卡洛法的快速估算方法,并将该方法推广到一元非线性测量模型。     

空气焓值法测量全年能源消耗效率不确定度评定方法研究

以焓值法的直接测试量表征的制冷量和制热量计算公式作为基础数学模型,采用GUM法和蒙特卡洛法相结合的方法来评定全年能源消耗效率(APF)的不确定度。由于焓值法数学模型呈现出明显的非线性,首先使用蒙特卡洛法来验证额定制冷量和额定制热量GUM法评定结果, 验证结果显示2种方法偏差不超过2‰。然后,给出了5个工况下换热量的不确定度评定结果,以此作为APF蒙特卡洛模拟的输入量,并给出了自适应蒙特卡洛法评定APF不确定度模拟流程,得到某空调的APF扩展不确定度评定结果为0.09 kW·h/(kW·h)（k=2）。     

基于多源融合理论的机床圆度误差测量不确定度评定

圆度误差是评价机床加工精度的重要指标.为实现机床圆度误差测量不确定度的评定,对基于球杆仪测量的机床圆度误差的贡献因素及不确定度评定方法进行研究.首先,采用最小二乘法(least sqaure method,LSM)对圆度误差进行评定.然后,基于黑箱理论提出了多源融合误差测量不确定度评定方法.接着,根据球杆仪测量机床圆度...     

模拟电阻校准方法研究

通过模拟电阻的有关原理阐述,提出对模拟电阻的校准不仅要考虑激励电流大小的影响,也要考虑激励电流方向的影响。提出了针对不同等级的模拟电阻采用不同的校准设备,以提高工作效率。对模拟电阻校准进行了GUM法和MCM法测量不确定度评定,评定结果基本一致,说明测量不确定度评定合理。通过对测量不确定度的验证,证明校准方法的可行性和实用性。     

基于蒙特卡罗法的冲击力溯源系统不确定度评定

利用蒙特卡罗方法对多变量的冲击力溯源系统进行不确定性量化评定。该方法首先建立冲击力溯源系统各不确定变量的表征模型;再根据抽样空间相邻迭代解的误差限,建立样本量的适应度函数;最后利用适应度函数使冲击力测量模型的输入变量最佳逼近总体分布。为了验证该方法的有效性,利用该方法对冲击力溯源系统进行不确定度评定,评定结果表明,在95%的置信水平上,冲击力溯源系统的相对扩展不确定度优于0.818%,其不确定性主要来源于落锤上表面加速度分布不均匀和横向偏摆。     

基于MATLAB的MCM对GUM不确定度框架验证

测量不确定度评定领域中主要采用的方法是GUM,我国于2012年12月发布了新版JJF1059.1-2012《测量不确定度评定与表示》,并于2013年6月3日起实施。规范提出当JJF1059.1-2012不适用时,可考虑采用JJF1059.2-2012《用蒙特卡洛法评定测量不确定度》进行不确定度评定。同时规范强调GUM的评定结果可以用蒙特卡洛法（MCM）进行验证,验证评定结果一致时仍然可采用GUM进行不确定度评定。文中利用MATLAB数学工具,以实例的方式说明MCM对GUM不确定度框架如何验证并得出相关结论。     

气相色谱法测定肉品中六六六、滴滴涕残留量不确定度分析的简易模型

对气相色谱法测定肉品中六六六、滴滴涕残留量的不确定度进行分析,找出影响不确定度的因素,以及它们的相互关系,建立不确定度评估简易模型,以便适用、有效、快捷地评估此类分析的测量不确定度。并通过对各个不确定度分量的分析计算,然后计算出合成不确定度和扩展不确定度。这一不确定度分析模型简单、易懂、有效,有较强的参考价值。