基于多项式混沌与高阶矩匹配的逆参数不确定性辨识及其在湿式摩擦离合器上的基准测试
应用统计
2020-02-05 v1
摘要
提出了一种基于最大似然估计的、数值高效的参数模型不确定性辨识逆方法。目标是从一组实验中为固定数量的模型参数辨识出概率模型。为执行最大似然估计，需要输出的概率密度函数。结合多项式混沌（Polynomial Chaos）与矩匹配建立了输入不确定性的前向传播。利用广义多项式混沌框架估计输出分布的高阶矩。接着，将最大熵参数分布与估计矩进行匹配。由于减少了前向采样且传播策略具有确定性，该方法在数值上极具吸引力。该方法应用于湿式离合器系统，其中某些模型变量被视为随机的。与暴力方法相比，达到相同精度所需的模型仿真次数降低了一个数量级。利用高阶估计辨识出的概率模型使真实对数似然增加了约 4%，因为估计的输出概率密度函数的精度可提高多达 47%。
引用
@article{arxiv.1908.04597,
title = {Inverse Parametric Uncertain Identification using Polynomial Chaos and high-order Moment Matching benchmarked on a Wet Friction Clutch},
author = {Wannes De Groote and Tom Lefebvre and Georges Tod and Nele De Geeter and Bruno Depraetere and Suzanne Van Poppel and Guillaume Crevecoeur},
journal= {arXiv preprint arXiv:1908.04597},
year = {2020}
}
备注
37 pages, 20 figures