自适应蒙特卡洛法评定量块校准测量不确定度

摘要

测量不确定度表示指南(GUM)提供的不确定度评定方法,应用于模型非线性和输入量高相关的测量系统精度评价时存在一定的局限性。以GUM指南附录H.1包含了不确定度评定诸多细节的量块校准为对象,研究自适应蒙特卡洛法解决非线性模型和输入量强相关测量系统的不确定度评定难题。讨论了量块校准的测量模型和不确定度建模问题,给出了3种不确定度评定方法。基于蒙特卡洛计算机模拟的技术优势,以及自适应法仿真次数的优化,对量块校准测量不确定度评定进行了实例验证,结果表明,当测量模型为非线性、输入量强相关时,自适应蒙特卡洛法的计算效率最高。