传统马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法中状态数的选取常依赖于主观经验,用于农机装备负载模拟时,状态数取值不当将导致负载模拟精度降低或算法运行时间冗长。针对此问题,该研究提出一种基于伪损伤一致性的状态数...传统马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法中状态数的选取常依赖于主观经验,用于农机装备负载模拟时,状态数取值不当将导致负载模拟精度降低或算法运行时间冗长。针对此问题,该研究提出一种基于伪损伤一致性的状态数优选方法。首先确定MCMC算法中状态数的初选范围,然后分别计算范围内不同状态数所对应的负载模拟结果,最后以生成的模拟负载与原始载荷之间的损伤一致性为评价准则确定优选状态数。利用拖拉机关键零部件的实测载荷数据对该方法进行验证。结果表明,随着状态数的提高,模拟负载与原始载荷之间的损伤一致性变化趋于平稳,算法运算时长增速不断提高,相比于传统方法,基于优选状态数的MCMC算法能够得到伪损伤差异在1%以内的负载模拟结果,与载荷谱编制的目标需求更加匹配,在保证模拟结果精度的同时有效减少运算成本。该研究能够为农机装备关键零部件的动态仿真分析及可靠性试验提供更加可靠的数据支撑。展开更多
文摘传统马尔科夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)方法中状态数的选取常依赖于主观经验,用于农机装备负载模拟时,状态数取值不当将导致负载模拟精度降低或算法运行时间冗长。针对此问题,该研究提出一种基于伪损伤一致性的状态数优选方法。首先确定MCMC算法中状态数的初选范围,然后分别计算范围内不同状态数所对应的负载模拟结果,最后以生成的模拟负载与原始载荷之间的损伤一致性为评价准则确定优选状态数。利用拖拉机关键零部件的实测载荷数据对该方法进行验证。结果表明,随着状态数的提高,模拟负载与原始载荷之间的损伤一致性变化趋于平稳,算法运算时长增速不断提高,相比于传统方法,基于优选状态数的MCMC算法能够得到伪损伤差异在1%以内的负载模拟结果,与载荷谱编制的目标需求更加匹配,在保证模拟结果精度的同时有效减少运算成本。该研究能够为农机装备关键零部件的动态仿真分析及可靠性试验提供更加可靠的数据支撑。
