在哪些方面应用到了布料机

      但是由于只涉及维积分，当布料机的输入变量的交互作用很时会带来较的误差，且由于积分仅基于单变量，故不能使用通过增加积分节点数目的方式来弥补交互计算中的误差，所以这种方法殼适用于高维低耦合的不确定传播计算模稀疏网格不确定传播方法作为数值积分法中类比较殊的方法，稀疏网格不确定传播方法主要用于解决较高维的不确定传播问題。它的岀现，为不确定传播的硏究打开崭新的视野疏网格技术以算法为数学基础，其基本思想是利用维积分点向量积的定组合，构建离散样本空间。与张量网格技术相比，稀疏网格技术在保证精度的同时，通过去除张量网格中对计算精度影响较小的点，减小样本点个数，避免由于维数和精度增加而造成的样本点数幅增加。目前，稀疏网格技术在处理高维问题时的优越已经得到证明，在数值求解、像处理等领城有着广泛应用。

      基于稀疏网格的不确定传播方法，主要是将确定下的稀疏网格数值积分技术扩展到随机空间。从維的高斯积分形式出发，通过对其采取殊的张量积操作，得到高维况下的积分。它与全因子数值积分法的不同在于，全因子数值积分法直接对维形式的高斯积分采取直接张量积操作，而稀疏网格方法通过采用算法，实行殊的张量积操作，因此所产生的积分点数目较全因子数值积分法为减少。布料机尤其是在高维况下，该尤其明显。中格的构造非常简单，直接采用张量积操作，就可得到其中的积分点。而稀疏网格需要将若干灝于直接张量积的网格点进行综合，从而得到稀疏网格积分点。基于稀疏网格数值积分的不确定传播方法，在解决高维问题时显示出很的优势和潜力。不确定优设计基于不确定的设计问题主要分两类：稳健设计问题和可靠设计问题。