密闭空间爆炸温度动态不确定度评估方法研究

发布时间：2021-09-05 08:33

　　融合了灰色模型GM（1,1）、Bootstrap方法以及不确定度评定理论,建立了密闭空间内爆炸温度动态测量不确定度的灰自助评估模型GBM（1,1）,选取某次爆炸试验300 s的温度数据作为分析数据,运用估计真值、估计区间和平均不确定度等参数表征其估计结果。实验结果表明,GBM（1,1）模型融合了灰色模型GM（1,1）和Bootstrap方法的优势,可以准确模拟动态测量数据的概率分布,并实时跟踪被测量瞬时值的变化趋势。相比于灰色模型GM（1,1）和Bootstrap方法,灰自助模型GBM（1,1）具有更高的真值估计准确度和区间估计可靠度,其估计误差分布区间为[-12.62,13.58],标准差为8.69℃,最大相对误差为1.2%,区间估计可靠度高于90%,估计区间能够较完整地包络被测量的动态波动范围。由此证明GBM（1,1）模型能够对密闭空间内爆炸温度的动态测量不确定度做出准确评估。 

【文章来源】：计量学报. 2020,41(07)北大核心CSCD

【文章页数】：7 页

【部分图文】：

数据采集系统基本结构

选取m=7,B=1 000,Q=10，图2(a)～图2(c)分别表示灰色模型GM(1,1)、Bootstrap方法和GBM(1,1)模型对爆炸温度的真值估计结果。图中相对时间是相对于实验起爆时间。由图2可知，在密闭爆室温度参数的真值估计中，GBM(1,1)模型的真值估计结果优于Bootstrap方法和灰色模型GM(1,1)。分析认为，GBM(1,1)模型融合了灰色模型GM(1,1)和Bootstrap方法的优势，不仅具有对数据样本的扩展能力，而且具备对数据的预测机制，因此可以更加准确地模拟测量数据列的变化趋势。

为对上述3种模型的真值估计结果做出更直观的对比，对3种模型估计误差的分布区间、平均值、标准差和最大相对误差进行比较。首先，剔除估计值中的粗大误差，先用莱以特准则，以估计误差序列的3倍标准差为取舍标准，判定并剔除估计值中的粗大误差[13];其次，研究估计误差的分布规律，经验证，3种模型的估计误差均服从正态分布，其中GBM(1,1)模型估计误差的正态分布P-P图如图3所示。3种模型估计误差的分布区间、平均值、标准差和最大相对误差的计算结果如表2所示:由于3种模型在各个采样点处的估计误差均近似服从正态分布，故其均值约为零;GBM(1,1)模型的估计误差分布区间、估计误差的标准差和最大相对误差均小于灰色模型GM(1,1)和Bootstrap方法，说明GBM(1,1)模型的估计误差较小，且具有较好的重复性和稳定性。因此认为GBM(1,1)模型的真值估计结果优于灰色模型GM(1,1)和Bootstrap方法。

【参考文献】：
期刊论文
[1]空气中爆炸冲击波曲线重建方法[J]. 姚悦,丁永红,裴东兴,张晓光.  计量学报. 2019(04)
[2]基于灰自助模型的气压动态测量结果评估方法[J]. 张龙,叶松,王晓蕾,周树道.  仪器仪表学报. 2017(07)
[3]乏信息空间机械臂随机振动信号的灰自助评估[J]. 汪启跃,王中宇,王岩庆,姚贞建.  北京航空航天大学学报. 2016(04)
[4]密封容器内爆炸实验瞬态温度测试技术[J]. 马红,徐继东,朱长春,许建南,于靖,李超.  太赫兹科学与电子信息学报. 2014(05)
[5]小比距离爆炸的瞬态温度测量[J]. 王长利,王惠,刘晓新,赵生伟,李迅.  爆炸与冲击. 2013(S1)



本文编号：3385014