Carbon fibres have exceptional mechanical properties and are used for critical structural applications such as composite pressure vessels and aerospace components. For such high performance applications, reliability-based designs and lifetime assessments require very accurate strength models. Accuracy of the predictions made by composite strength models depend on realistic material properties of constituents, which are used as input. In practice however, fibre strength properties reported by different sources show significant variations. The work described here aims at understanding the influence of measurement uncertainty and sampling randomness on the uncertainty in calculated tensile strength distribution parameters. Tensile strength data for T700 carbon fibres obtained from single fibre testing process has been analysed for uncertainties. A parametric bootstrap method has been used for the evaluation. It has been shown that although both the causes studied of uncertainty are critical, the sampling randomness has a larger influence on the uncertainty of fibre strength, as compared to the uncertainty due to measurement. Choosing an insufficient sample size for analysis can thus result in uncertain or even inaccurate fibre strength properties, which would limit the reliability of composite strength models. The knowledge of the causes and effects of these uncertainties can help in taking appropriate measures for improving the accuracy of results. This would thereby enhance the capability of composite strength models to estimate the behaviour of different composite structures more accurately.

碳纤维具有出色的机械性能，可用于关键的结构应用，例如复合压力容器和航空航天部件。对于此类高性能应用，基于可靠性的设计和寿命评估需要非常准确的强度模型。复合强度模型做出的预测的准确性取决于组成部分的实际材料属性，这些属性用作输入。然而实际上，由不同来源报道的纤维强度特性显示出很大的差异。此处描述的工作旨在了解测量不确定性和采样随机性对计算得出的拉伸强度分布参数中的不确定性的影响。已经分析了从单纤维测试过程获得的T700碳纤维的拉伸强度数据的不确定性。参数引导程序方法已用于评估。已经表明，尽管研究不确定性的两个原因都是至关重要的，但是与测量引起的不确定性相比，采样随机性对纤维强度的不确定性影响更大。因此，选择不足的样本量进行分析可能会导致不确定或什至不正确的纤维强度特性，这将限制复合强度模型的可靠性。了解这些不确定性的原因和影响可以帮助采取适当的措施来提高结果的准确性。因此，这将增强复合强度模型更准确地估计不同复合结构行为的能力。已经表明，尽管研究不确定性的两个原因都是至关重要的，但是与测量引起的不确定性相比，采样随机性对纤维强度的不确定性影响更大。因此，选择不足的样本量进行分析可能会导致不确定或什至不正确的纤维强度特性，这将限制复合强度模型的可靠性。了解这些不确定性的原因和影响可以帮助采取适当的措施来提高结果的准确性。因此，这将增强复合强度模型更准确地估计不同复合结构行为的能力。已经表明，尽管研究不确定性的两个原因都是至关重要的，但是与测量引起的不确定性相比，采样随机性对纤维强度的不确定性影响更大。因此，选择不足的样本量进行分析可能会导致纤维强度特性不确定甚至不准确，这将限制复合强度模型的可靠性。了解这些不确定性的原因和影响可以帮助采取适当的措施来提高结果的准确性。因此，这将增强复合强度模型更准确地估计不同复合结构行为的能力。与测量带来的不确定性相比。因此，选择不足的样本量进行分析可能会导致不确定或什至不正确的纤维强度特性，这将限制复合强度模型的可靠性。了解这些不确定性的原因和影响可以帮助采取适当的措施来提高结果的准确性。因此，这将增强复合强度模型更准确地估计不同复合结构行为的能力。与测量带来的不确定性相比。因此，选择不足的样本量进行分析可能会导致不确定或什至不正确的纤维强度特性，这将限制复合强度模型的可靠性。了解这些不确定性的原因和影响可以帮助采取适当的措施来提高结果的准确性。因此，这将增强复合强度模型更准确地估计不同复合结构行为的能力。了解这些不确定性的原因和影响可以帮助采取适当的措施来提高结果的准确性。因此，这将增强复合强度模型更准确地估计不同复合结构行为的能力。了解这些不确定性的原因和影响可以帮助采取适当的措施来提高结果的准确性。因此，这将增强复合强度模型更准确地估计不同复合结构行为的能力。