基于蒙特卡罗方法的平面度测量不确定度评定

介绍利用蒙特卡罗方法进行平面度测量的不确定度评定.首先,根据最小二乘法得到平面度的误差模型,再采用蒙特卡罗仿真方法对测量值进行模拟仿真,从而得到平面度误差的不确定度,然后将评定结果与传统评定方法的结果进行比较.结果表明该方法简便易行.     

一种蒙特卡罗方法在测量不确定度评定中的新算法

通过对现有利用蒙特卡罗方法进行不确定度评定过程的分析,指出了目前评定过程中存在理论上的不衔接,并给出了一种全新的利用蒙特卡罗方法进行不确定度评定的算法,弥补了现有方法的缺憾。     

测量不确定度评定的验证研究

测量不确定度有多种评定模型,采用不同的评定模型可能得到不同的结果。为了保证求得的不确定度数值有足够的精度,必须对不同模型计算出的测量不确定度进行有效的验证。文中首次研究了测量不确定度评定模型的验证,该方法首先通过埃奇沃思级数展开来表示出测量数据的分布函数,然后由蒙特卡罗模拟法产生大量符合此分布函数的测量数据的模拟值,计算出该模拟值的标准差作为不确定度评定的验证值,从而实现对各种不确定度评定模型的验证。最后通过多个宴例分析说明了该方法的右效件．     

蒙特卡罗方法在微波功率测量不确定度分析中的应用

蒙特卡罗方法是一种统计模拟的方法,近年来国际上将其应用于计量学中的不确定度评定.对蒙特卡罗方法进行了系统的描述,就蒙特卡罗方法在计量中的不确定度分析中的应用进行了详细的论述.采用蒙特卡罗方法对微波功率座的测量问题进行了数学建模及蒙特卡罗仿真,对蒙特卡罗方法进行不确定度分析和评定的原理、步骤进行了阐述.给出了微波功率座校准因子的实测值、仿真值及不确定度评定结果.     

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。     

测量不确定度评定(续1)

3标准不确定度的A类评定3.1基本方法(贝塞尔法)对式(1)中输入量Xi,常在重复性条件或复现性条件下作独立测量,得到：xi1,xi2,…,xik,…,xin。(xik表示第i个输入量的第k次测量值)则Xi的最佳估计值为n个观测值的算术平均值xi：xi＝1n∑nk=1xik(3)xik的实验(或样本)标准差为s(xik)：s(xik)＝1n-1∑nk=1(xik-xi)2(4)xi的标准不确定度为u(xi)：u(xi)＝s(xik)/n(5)u(xi)的自由度为：ν=n-1上述表述方法与JJF1059之4.1：“基本方法”中的表述本质上是一致的,但上述表述使u(xi)与合成标准不确定度的计算公式建立起严格的数学关系。通常,…     

测量不确定度评定中的相关性

１ 什么是相关性？相关（ｃｏｒｒｅｌａｔｉｏｎ）指两个或多个随机变量分布内 ,各随机变量间的关系。相关是统计学中最重要的概念之一。从数学上来讲 ,相关是根据线性相关系数 ρ或其估计值ｒ来考虑的。ＪＪＦ１０５９—１９９９《测量不确定度评定与表示》２ ２２节对相关系数给出了以下定义 :相关系数是两个变量之间相互依赖性的度量 ,它等于两个变量间的协方差除以各自方差之积的正平方根 ,因此 :ρ（ｙ,ｚ）＝ρ（ｚ,ｙ）＝其估计值 :ｒ（ｙ，ｚ）＝式中ｖ为协方差 ,σ为总体标准偏差 ,ｓ为实验标准偏差 ,ｓ（ｙ,ｚ）为ｖ的估计值 ,称…     

基于蒙特卡罗方法评定不确定度中相关随机变量模拟

蒙特卡罗方法是一种统计模拟方法,也可以应用于测量不确定度的评定。该方法要求各个输入随机变量之间相互独立。本文探讨了蒙特卡罗方法中具有相关性的输入随机变量的模拟,在已知条件下以最小二分法为基础,给出了具有相关性的两个随机变量的模拟方法,并使用该模拟方法在不同的条件下产生具有相关性的随机数,通过统计分析得到随机数的统计特征,从模拟结果可以发现本方法能够较好地完成在给定相关系数条件下生成随机序列。     

蒙特卡罗方法在动态测量不确定度分析中的应用

针对动态测量有待深入研究的实际,介绍了一种采用最大熵原理和蒙特卡罗方法相结合,并以测量样本不断更新的算法实现动态测量不确定度评定的方法。给出了样本最大熵概率密度函数确立、指定概率密度函数伪随机数的产生方法以及用蒙特卡罗数值模拟方法评定动态测量不确定度的具体步骤。通过实际算例,说明这种方法具有可靠的动态测量不确定度评定结果。     

Evaluation of Measurement Uncertainty Based on the Propagation of Distributions Using Monte Carlo Simulation

The uncertainty associated with a value of some quantity is widely recognized throughout scientific disciplines as a quantitative measure of the reliability of that value. In addition, measurement uncertainty is increasingly seen as essential in quality assurance for industry. The Guide to the Expression of Uncertainty in Measurement (GUM) provides internationally agreed recommendations for the evaluation of uncertainties. This paper outlines the current situation of uncertainty evaluation in the context of international norms and arrangements. It describes the basic ideas and concepts that underlie the GUM and serves as a brief tutorial on methods for evaluating measurement uncertainty in a manner consistent with the GUM. It recommends an approach to evaluating measurement uncertainty based on the propagation of distributions using Monte Carlo simulation. An example is presented to illustrate Monte Carlo simulation.     

自适应蒙特卡洛法评定肥料中苯并［a］芘含量的测量不确定度

通过Python编写计算程序,完成自适应蒙特卡洛法评定测量不确定度的代码实现,进而评定气相色谱质谱法测定肥料中苯并［a］芘含量的测量不确定度。结果表明,气相色谱质谱仪测定肥料中苯并［a］芘含量的标准不确定度为0.0179mg/kg。探索了自适应MC法在肥料成分含量测定的测量不确定度评定中的应用,结果表明,这种方法具有适用性广、计算过程直观、计算结果可靠的优点。     

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。     

考虑非正定相关性的测量不确定度蒙特卡洛评定方法

当采用蒙特卡洛法评定测量不确定度考虑输入量相关性时,需基于Nataf逆变换产生服从任意边缘概率分布的相关多维随机变量。为了解决Nataf逆变换过程中输入量相关系数矩阵非正定时,无法产生线性变换矩阵的问题,提出了基于Barzilai-Borwein梯度法的迭代修正算法。进而探讨了输入量服从非正态分布且相关的蒙特卡洛法实施步骤。最后,采用提出的迭代修正算法并基于Nataf逆变换的蒙特卡洛方法,对高速轮轨试验台轮轨纵向蠕滑率不确定度进行了评定,验证了该算法的可行性及有效性。     

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。     

采用蒙特卡洛法评定转基因水稻样品中NOS终止子的测量不确定度

采用蒙特卡洛方法(MCM)实施“概率分布传播”来评定转基因水稻样品中NOS终止子的测量不确定度,解析转基因成分测量不确定度的概率分布。评定结果表明:NOS终止子的相对含量为2.95%,非常接近理论含量(3%),而且其标准不确定度为2.13×10^-4,远小于1.00×10^-2。在95%的包含概率下,NOS终止子的相对含量分布在2.91%～3.00%非常窄的包含区间内,充分说明测量质量好,测量结果可靠;NOS终止子相对含量的概率分布呈标准正态分布,揭示转基因成分测量条件满足GUM法的假设,MCM和GUM法都可以应用于转基因成分测量不确定度评定。     

应用蒙特卡罗方法计算带置信水平的不确定度

本文介绍了一种采用蒙特卡罗统计模拟的方法来求解带置信水平的不确定度评定问题，这种方法求得的结果可使合成不确定度与置信水平精确关联，特别是高置信水平的不确定度。文中通过2个实例阐述了这种方法的运行过程并分析了结果。作者认为．这种方法可以作为有关不确定度评定标准的补充。     

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。     

激光小角度基准测量不确定度评定

基于透明箱模型采用蒙特卡洛法进行了激光小角度测量系统的不确定度评定。 根据测量原理建立了测量不确定度评定模型,分析各不确定度来源。 重点分析了初始零位角和被测角度大小对测量不确定度的影响,分析结果表明:当被测角度较小时,测量不确定度主要受随机误差的影响;随着被测角度的增大,测量不确定度逐渐增大;当未对初始零位角进行精确调整时,测量不确定度不再服从正态分布,其影响随着被测角度的增大而增大。