(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210639000.0 (22)申请日 2022.06.08 (71)申请人 华中科技大 学 地址 430000 湖北省武汉市洪山区珞喻路 1037号 (72)发明人 周奇　林泉　胡杰翔　黄旭丰　 吴金红　刘华坪　王胜一　毛义军　 夏凉　 (74)专利代理 机构 武汉红观 专利代理事务所 (普通合伙) 42247 专利代理师 陈凯 (51)Int.Cl. G06F 30/20(2020.01) G06N 3/12(2006.01) (54)发明名称 不确定下固体发动机 仿真模型校验方法 (57)摘要 本发明提出了一种不确定下基于Kriging模 型的固体发动机仿真模型校验 方法， 本发明方法 通过面积指标度量仿真模型和实验模型输出分 布的一致性， 并构建Kriging模型来近似表达不 同认知不确定性参数与一致性指标之间的关系， 将现有的两阶段内外嵌套框架转化为单阶段优 化， 在此基础上构建优化问题对认知不确定性参 数进行校准， 大大提高了参数校准问题的求解效 率。 权利要求书3页 说明书6页 附图2页 CN 114722639 A 2022.07.08 CN 114722639 A 1.一种不确定下固体发动机 仿真模型 校验方法， 其特 征在于， 包括以下步骤： S1： 进行物理实验， 并获取随机不确定性参数 影响下固体发动机的输出 ， 其中， 为进行物理试验的次数； S2： 计算物理实验输出的经验累积分布函数 ， 并获取对应的分布曲线； S3： 获取认知不确定性参数的分布区间 ， 利用拉丁超立方采样在所述 分布区间内生成认知不确定性参数 的样本点 ， 其中， 为 所述样本点的个数； S4： 对每一认知不确定性参数样本 ， 重复运行仿真模型， 获取随机 和认知不确定性参数共同影响下固体发动机的仿真模型输出 的分布函数 及其分布曲线； S5： 利用所述物理实验输出和所述仿真模型输出的经验累积分布函数 和 ， 计算 固体发动机实验 模型与仿真模型输出的一 致性指标， 作为所述样本点的响应； S6： 利用所述 一致性指标所构成的样本点构建Krigi ng模型； S7： 利用遗传算法优化 求解认知不确定性 参数最优值 ； S8： 校准仿真模型， 并获取校准后随机不确定性参数 影响下固体发动机仿真模型 输出的分布函数 及分布曲线； S9： 对校准后固体发动机仿真模型输出的分布曲线和实验模型输出的经验累积分布曲 线进行K‑S检验， 若通过K ‑S检验， 则输出校准后的仿 真模型， 否则返回步骤S 3增加样本点数 目。 2.根据权利要求1的不确定下固体发动机仿真模型校验方法， 其特征在于， 步骤S2中， 计算物理实验输出的经验累积分布函数 的数学表达式为： 其中 为指示函数， 为随机变量； 若 ， 的值为1， 反之为0； 为进行物理试验的次数。权　利　要　求　书 1/3 页 2 CN 114722639 A 23.根据权利要求2的不确定下固体发动机仿真模型校验方法， 其特征在于， 步骤S4具体 包括： 针对每一认知不确定性参数对应的样本点 ， 将仿真模型重复运行 多次， 探索 在随机不确定性 参数影响下仿真模型输出的分布空间。 4.根据权利要求3的不确定下固体发动机仿真模型校验方法， 其特征在于， 步骤S5具体 包括： S5‑1， 在获取样本仿真模型输出的累积分布函 数 后， 分别将其与物理实验输出的经 验累积分布函数 利用面积度量指标进行一 致性计算： 其中， 为所述面积度量指标； S5‑2， 将计算结果与相应的样本点进行组合， 可获得用于构 建一致性指标Kriging模型 的样本点 集 。 5.根据权利要求4的不确定下固体发动机仿真模型校验方法， 其特征在于， 步骤S7中， 优化问题的数 学模型为： 其中， 为随机不确定性参数， 为基于Kriging模型的 一致性指标预测值。 6.根据权利要求5的不确定下固体发动机仿真模型校验方法， 其特征在于， 步骤S8具体 包括： 利用遗传算法优化求解得到 的最优参数 校准仿真模型， 将仿真模型重复运行多次 获得随机不确定性参数影响下响应的分布情况， 并获取相应的分布曲线； 其中， 此 处仿真模 型重复运行次数与样本点重复次数相同。 7.根据权利要求6的不确定下固体发动机仿真模型校验方法， 其特征在于， 步骤S9具体 包括： S9‑1， 计算两累计分布曲线间的最大垂直距离 S9‑3， 计算p‑value值 权　利　要　求　书 2/3 页 3 CN 114722639 A 3