基于改进的多可信度高斯过程回归方法预测涡激振动问题

通过涡激振动快速预报工具DAVIV和多可信度数据融合方法,该文对涡激振动幅值响应进行了预测和重构。采用改进的多可信度高斯过程回归方法,结合大量低可信度DAVIV计算结果和少量高可信度实验数据,实现了单/多来流工况下,涡激振动幅值响应的分布重构和新来流工况下的幅值预测。同时,利用主动学习方法,在训练过程中自动增加新的数据点,获得最佳的数据采样情况,减少了参与训练的数据数量。在多来流工况下,综合考虑实验和数值计算预测过程中增加传感器数量或增加计算案例数的迭代策略,可更好地降低实际成本,为工程应用提供参考。