证据理论框架下主动学习代理模型驱动的CFD模拟不确定性量化方法

扫码查看

原文链接

万方数据
维普

中文摘要：计算流体力学(CFD)模拟中存在模型参数、数值离散和边界条件等诸多形式各异的不确定因素.鉴于证据理论具有灵活的建模框架,且能同时量化CFD模拟中的随机和认知不确定性,基于其提出了一种证据理论框架下主动学习代理模型驱动的CFD模拟不确定性量化方法,以较少的CFD仿真模型调用次数实现对CFD模拟结果的不确定性量化.该方法采用最优最大最小距离策略生成空间分布良好的候选样本点,通过动态熵权-TOPSIS主动学习策略平衡了代理模型的全局探索、局部开发和鲁棒性.此外,提出基于Hartley测度和Jousselme距离的复合收敛准则以判断终止代理模型训练的时间并量化输出响应的不确定性.最后,以采用NASA SC(2)0410 翼型剖面的超临界机翼流场CFD模拟为例,分析来流参数和湍流模型参数的不确定性对机翼输出响应升阻比的不确定性量化结果.

外文标题：An active learning surrogate model-based uncertainty quantification method for CFD simulation under the framework of evidence theory

外文摘要：Computational Fluid Dynamics(CFD)simulations are subject to various uncertainties,stemming from factors such as model parameters,numerical discretization,and boundary conditions.Given the flexibility of the evidence theory in modeling both aleatory and epistemic uncertainties in CFD simulations,this article introduces an active learning surrogate model-driven approach for uncertainty quantification in CFD simulations.This method aims to properly quantify the uncertainty of CFD simulations using minimal simulation model calls while achieving accurate uncertainty quantification results.The method utilizes the optimization-based max-min distance strategy to generate well-distributed candidate sample points.Moreover,it employs a dynamic entropy-weighted TOPSIS multi-criteria decision analysis to balance the surrogate model's exploration,exploitation,and robustness.Additionally,this article proposes a composite convergence criterion,combining Hartley's measure and Jousselme distance,to formulate the stopping criterion of the surrogate model.Finally,taking the CFD simulation of the flow field of a supercritical wing with a NASASC(2)0410 airfoil as a case study,the uncertainty quantification of lift-to-drag ratio due to uncertainties in inflow and turbulence model parameters is conducted.

外文关键词：

Computational Fluid Dynamicsuncertainty quantificationevidence theoryactive learningbased surrogate modeldynamic entropy-based weighted-TOPSIS

作者：

陈浩、吴沐宸、陈江涛、夏侯唐凡、赵忠锐、刘宇

展开 >

作者单位：

电子科技大学机械与电气工程学院,成都 611731

航空工业沈阳飞机设计研究所,沈阳 110035

中国空气动力研究与发展中心,绵阳 621000

空天飞行空气动力科学与技术全国重点实验室,绵阳 621000

电子科技大学系统可靠性与安全性研究中心,成都 611731

展开 >

关键词：

CFD 不确定性量化证据理论主动学习代理模型动态熵权-TOPSIS

基金：

国家自然科学基金国家自然科学基金国家自然科学基金国家自然科学基金中国博士后面上项目四川省自然科学基金

项目编号：

723010577227104472331002523050102023M7305002024NSFSC0904

出版年：

2024

DOI：

10.7638/kqdlxxb-2024.0125

空气动力学学报

中国空气动力学会

空气动力学学报

CSTPCD北大核心

影响因子：0.532

ISSN：0258-1825

年,卷(期)：2024.42(9)

参考文献量6