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
文摘多环芳烃(polycyclic aromatic hydrocarbons,PAHs)是地下水中的主要有机污染物之一,地下水中多环芳烃运移数值模拟在开展地下水污染高效修复中起重要作用。在实际地下水污染条件下,由于难以准确刻画含水介质中的胶体类型及其分布,通常忽略污染物-胶体共运移机制,建立的模型存在结构误差,导致模型预测具有显著偏差。本研究以荧蒽和菲为研究对象,针对忽略的PAHs-胶体的共运移机制,使用高斯过程回归(Gaussian process regression,GPR)修正模型结构误差,建立耦合数据驱动和物理机制的多环芳烃运移模型。通过饱和砂柱PAHs运移室内试验,对比分析了未耦合和耦合数据驱动方法的模型预测结果。结果表明,忽略PAHs-胶体的共运移机制的地下水多环芳烃运移模型具有显著的模型结构误差,直接进行参数识别不能弥补忽略的共运移机制,预测结果存在显著偏差。使用GPR模型可以有效补偿PAHs-胶体的共运移机制,修正地下水模型的结构误差。验证期荧蒽、菲预测结果的95%置信区间对观测数据的覆盖率分别提升了56.84%和19.04%,纳什系数分别提升了40.09%和21.73%,均方根误差分别降低了33.10%和55.38%,平均绝对误差分别降低了32.00%和46.34%,地下水多环芳烃运移模型的预测性能显著提高。本研究提出的耦合数据驱动和物理机制方法为场地地下水多环芳烃运移精准模拟提供了可行思路,有助于实现地下水污染的精准高效修复。
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。
