考虑随机和认知混合不确定性的CFD模型修正方法

针对随机和认知混合不确定性下的CFD模型修正问题,提出了一种融合混合不确定性量化、全局灵敏度分析、参数修正的模型修正架构,建立了基于证据理论的混合不确定性量化方法,在此基础上构建了基于概率包络面积变化率的混合不确定性灵敏度分析指标,提出了基于似然样本策略的参数修正方法。针对三维机翼ONERA M6的CFD数值模拟,在考虑湍流模型封闭系数认知不确定性和来流条件随机不确定性的情况下,通过混合不确定性量化得到升力系数的概率分布包络,并开展全局灵敏度分析发掘影响较大的封闭系数,降低模型修正的复杂度和计算量,并根据似然样本策略对关键系数加以修正。经过参数迭代修正,修正后的CFD仿真结果与试验数据高度吻合,证明了提出的CFD模型修正方法的有效性。

非饱和打击场景下考虑附带毁伤的火力分配方法

针对弹药资源不足的非饱和攻击存在或无法确保重要目标达到毁伤预期,或效率过低不适合工程应用等问题,提出一种考虑附带毁伤和毁伤约束的火力分配方法。建立集群目标分组策略从而考虑目标的附带毁伤,提高毁伤概率计算的合理性;为提高火力分配的求解效率,将火力分配问题等价转换为1维整数规划。通过2个仿真算例验证的结果表明:该方法具备有效性,且随着问题规模的增加火力分配耗时增加缓慢,可满足工程应用要求。

考虑不确定性的数值模拟模型确认方法

飞行器在其研发、生产和使用的整个寿命周期中都存在大量不确定性,这会导致数值模拟输出也具有不可忽视的不确定性,因此开展基于数值模拟技术的飞行器设计前必须进行模型确认。目前围绕数值模拟已开展了大量不确定性量化(uncertainty quantification,UQ)的研究工作,但是如何基于UQ的结果科学地进行模型参数修正,形成系统的数值模拟模型确认的闭环流程,构建高可信的数值模拟预测模型,还较少有研究报道。为此,提出一种考虑不确定性的数值模拟模型确认方法,发展一种基于优质小样本的模型参数修正策略,建立一套融合不确定性量化、全局灵敏度分析、参数修正的模型确认闭环流程,为构建高保真的数值模拟提供科学系统的思路,并通过翼型的仿真算例验证了该方法的有效性。

不确定性传播的混沌多项式方法研究进展

不确定性在工程设计中广泛存在,作为工程设计中的核心内容之一,不确定性传播和量化一直都是工程设计领域重要的理论课题之一。混沌多项式作为一种高效的不确定性传播方法近年来得到了广泛研究和应用,具有较大的工程应用潜力。为此,对混沌多项式方法的研究进展进行综述。首先,介绍该方法的应用场景和基本原理;其次,针对混沌多项式应用中面临的“维数灾难”、计算量大等难题,介绍基截断、稀疏重构、稀疏网格、多可信度建模等诸多解决策略;然后,对基于混沌多项式的全局和局部灵敏度分析方法进行介绍;最后,对混沌多项式的研究进行展望。

基于数值模拟的工程设计中参数不确定性表征方法研究综述

现代工程设计大量使用数值模拟技术,然而数值模拟中仿真模型、几何参数、工作载荷、环境条件等均存在不确定性,这些不确定性直接影响数值模拟结果的可信度,尤其在研发对性能和可靠性要求严苛的装备时,忽略这些不确定性将产生潜在风险,因此在基于数值模拟的工程设计中开展不确定性量化意义重大。不确定性表征既是准确开展不确定性量化和优化设计工作的前提,也是工程精细化设计的重要支撑。本文阐述了基于数值模拟的工程设计中所面临的不确定性因素,根据不确定性因素的表现形式和可用信息,按照概率表征和非概率表征两大类总结了目前主流的参数不确定性表征方法,介绍了各种表征方法的基本思想、主要原理、适用范围以及方法在工程实践中的发展和应用,并简要阐述基于不确定性表征结果进行不确定性传播的基本思路,最后对不确定性表征的研究方向进行了展望。

基于元学习的多可信度深度神经网络代理模型

为了降低计算量,多可信度代理模型技术通过融合不同精度和计算量的分析模型构建高精度分析模型的代理模型,在基于仿真的工程优化中得到广泛应用。现有的多可信度建模方法在面对高维问题时往往仍需要大量高精度样本点,计算量很大,且大都基于高斯随机过程理论,超参数估计时长随着问题维数和非线性程度的增加明显增长且不够稳健。为此,充分利用深度神经网络在高维信息提取和近似方面的巨大潜能,以及元学习理论在小样本学习领域的优势,提出一种基于元学习的多可信度深度神经网络(Meta-learning based multi-fidelity deep neural networks, MLMF-DNN)代理模型方法。通过若干数学算例和NACA0012翼型稳健优化问题的应用,表明提出的MLMF-DNN方法相比于经典的Co-Kriging方法,在预测精度和训练时长上均有明显改善,对于高维问题优势更明显。

基于偏置比例导引与凸优化的火箭垂直着陆制导

凸优化由于求解效率高在飞行器轨迹规划和制导中得到广泛研究应用。但是,由于火箭垂直返回制导需要考虑气动力带来的非线性,现有的凸优化求解方法或简单地采取逐次线性化近似凸化最优控制问题,经常出现收敛性问题;或需针对具体问题进行相应的系列凸化剪裁,虽然改善了收敛性,但不同模型的凸化剪裁方法差别很大,通用性较差。为此,将偏置比例导引与凸优化相结合,用以求解存在落角、落速和推力范围约束的火箭垂直返回定点软着陆制导问题。提出的制导方法将该制导问题分解为法向满足落角与落点约束的偏置比例导引,以及切向满足速度与推力约束的凸优化和滚动时域控制制导。在切向制导中,提出利用三次多项式近似飞行轨迹以方便凸优化求解,并建立剩余飞行时间的估算方法以提供给比例导引。仿真结果表明,提出的制导方法能有效满足各种约束,实现火箭精确着陆。与现有的直接采取逐次线性化近似的凸优化方法相比,提出的方法由于将制导进行切向和法向分解,大为简化了凸优化模型,显著提高了求解效率和收敛性。此外,提出的方法无需复杂繁琐的凸化处理,对于一般的推力可控且对末速存在约束的固定终端位置的制导问题皆适用。

Dynamic system uncertainty propagation using polynomial chaos

The classic polynomial chaos method（PCM）, characterized as an intrusive methodology,has been applied to uncertainty propagation（UP） in many dynamic systems. However, the intrusive polynomial chaos method（IPCM） requires tedious modification of the governing equations, which might introduce errors and can be impractical. Alternative to IPCM, the non-intrusive polynomial chaos method（NIPCM） that avoids such modifications has been developed. In spite of the frequent application to dynamic problems, almost all the existing works about NIPCM for dynamic UP fail to elaborate the implementation process in a straightforward way, which is important to readers who are unfamiliar with the mathematics of the polynomial chaos theory. Meanwhile, very few works have compared NIPCM to IPCM in terms of their merits and applicability. Therefore, the mathematic procedure of dynamic UP via both methods considering parametric and initial condition uncertainties are comparatively discussed and studied in the present paper. Comparison of accuracy and efficiency in statistic moment estimation is made by applying the two methods to several dynamic UP problems. The relative merits of both approaches are discussed and summarized. The detailed description and insights gained with the two methods through this work are expected to be helpful to engineering designers in solving dynamic UP problems.