申请/专利权人：厦门大学

申请日：2021-10-14

公开（公告）日：2024-06-28

公开（公告）号：CN113946953B

主分类号：G06F30/20

分类号：G06F30/20;G06F111/08;G06F111/10

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.02.08#实质审查的生效;2022.01.18#公开

摘要：一种求解概率盒框架下全局灵敏度的计算方法，涉及灵敏度分析。对外层的认知不确性参数进行N次抽样，从中抽取一个样本传递到内层，对随机不确定参数进行M次抽样，绘制CDF，累积成概率盒的形式表征；所有样本评估完后提取出概率盒上下边界，确定是否缩减完全部自变量；提取原概率盒与缩减自变量不确定性后的概率盒上下边界，绘制在同一张概率盒边界图上；计算原概率盒边界围成的面积，提取在原概率盒边界内与缩减后概率盒的重叠部分边界；计算重叠部分边界围成的面积；计算各自变量全局灵敏度指标，并进行排序分析，确定关键和次要的输入变量。计算结果精度高，有更高稳定性与适用性；高效地为分析人员提供更有价值的输入变量的重要性信息。

主权项：1.一种求解概率盒框架下全局灵敏度的计算方法，其特征在于包括以下步骤：1对外层的认知不确性参数进行N次抽样，得N个样本；所述不确性参数为加工、装配误差或材料的分散型累积产生随机不确定性参数，大型机械制造公差设计中零部件存在偏态分布的正、负公差和仿真过程中的物理信息缺失会积累认知不确定性参数；2从步骤1的N个样本中抽取一个样本；3将步骤2抽取的样本传递到内层后，对随机不确定参数进行M次抽样，产生随机样本；4将步骤3中产生的随机样本绘制成累积分布函数CDF；5将每次绘制出来的累积分布函数CDF累积成概率盒的形式表征混合不确定性；6确定是否已经评估完步骤1中的N组外层认知不确定性样本；若并未评估完回到2；若已经评估完，继续执行下一步骤；7提取出概率盒上下边界，若未缩减自变量不确定性则将原概率盒边界记为和FXx,缩减输入自变量Xi不确定性后的概率盒边界则记为和8确定是否已经依次缩减完全部自变量不确定性；若并未缩减完，依次缩减自变量Xi不确定性，固定其为期望的中值，并返回步骤1；若都已依次缩减完，继续执行下一步骤；9提取原概率盒的上下边界FXx与缩减自变量Xi不确定性后的概率盒边界将其用不同颜色绘制在同一张概率盒边界图上；10计算原概率盒边界与FXx围成的面积uncB，并提取在原概率盒边界内与缩减自变量后概率盒的重叠部分边界；11通过边界积分，计算缩减自变量Xi前后概率盒重叠部分边界围成的面积uncTi；12自变量Xi的全局灵敏度指标为缩减前后非重叠部分面积占原概率盒面积的百分比，最终进行排序分析，确定关键和次要的输入变量。

全文数据：

权利要求：

百度查询： 厦门大学 一种求解概率盒框架下全局灵敏度的计算方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD