基于Sigma-point设备可靠性抽样检测技术研究

在使用数学模型对动力系统进行定量描述时,需要通过分析最小化模拟结果和测量值之间的差异来识别未知参数,但是由于分析过程中存在测量噪声,所以估计得到的参数具有不确定性,这种不确定性通常用方差来表示。也就是说如果想要获得高精度的预测模型,就需要应用非常精确的参数。在对应的方案中,最优化实验设计(OED)作为数值优化方法,可以通过迭代最小化参数方差来降低参数的不确定性,其中对OED成本函数进行定义的一种常用方法则是基于Fisher信息矩阵的逆矩阵。但是这种传统方法的应用对于非线性参数模型来说至少有两个缺点:(1)仅仅给出了参数方差的下限;(2)常忽略运行过程中的估计误差。在本文中将证明Sigma-point(SP)的应用可以使操作者获得更合理的参数,而且可以避免以上缺点,进而更方便地对近似值进行统计,这一特点将对OED的运用有着直接的好处,不止如此,SP方法也可以用来研究参数不确定性对仿真结果的影响。最后,通过一个广泛使用的生物模型来对基于SP方法的OED进行说明。