【技术实现步骤摘要】
本申请属于飞机结构不确定性量化，具体涉及一种飞机结构不确定性量化方法。
技术介绍
1、在工程实际中，由于加工误差、测量误差、建模误差等的影响，使得不确定性因素在飞机结构的设计和使用过程中广泛存在。不确定性因素往往会造成飞机结构输出性能的变异性，严重时甚至导致飞机结构发生失效。
2、不确定性量化是定量分析工程中不确定性因素对飞机结构性能产生影响程度的重要技术手段。为了对飞机结构进行高置信度地性能预测和评估，不确定性量化技术提供了一种严谨有效的理论框架，能够定量地分析不确定性因素对飞机结构性能产生的影响，对于飞机结构的风险评估以及提高飞机结构安全水平具有重要意义。
3、当前，飞机结构不确定性量化分析，需要探索各个结构模型输入参数在其不确定性范围内变化时，模型输出性能的变化，这一过程需要建立在大量重复的确定性试验基础上，对于复杂的飞机结构模型，例如机翼结构、机身结构以及发动机等关键飞机结构部件模型，对其实施不确定性量化所需要消耗的计算成本过大，效率低，难以满足对飞机结构设计、改进的快速迭代的需要。
4、鉴于上述技术缺陷的存在提出本申请。
技术实现思路
1、本申请的目的是提供一种飞机结构不确定性量化方法，以克服或减轻已知存在的至少一方面的技术缺陷。
2、本申请的技术方案是：
3、一种飞机结构不确定性量化方法，包括：
4、步骤一、根据结构模型变量的概率分布，抽取n个输入样本xj(j＝1,…,n)，构建输入样本池s；>
5、步骤二、从输入样本池s中随机选择n0个输入样本x0,j(j＝1,…,n0)，利用有限元模型计算输出响应y0,j(j＝1,…,n0)，得到初始训练样本集t0＝{x0,j,y0,j}(j＝1,…,n0)，以此构建初始kriging模型
6、步骤三、以复合学习函数，更新初始kriging模型得到计算用kriging模型gk；
7、步骤四、根据结构模型输入变量的概率分布，抽取输入样本xj(j＝1,…,m)，利用计算用kriging模型gk预测输入样本对应的输出响应
8、步骤五、基于输入样本的输出响应估计输出响应的均值、方差，以及估计结构模型的失效概率。
9、根据本申请的至少一个实施例，上述的飞机结构不确定性量化方法中，步骤一中，对于机翼结构，结构模型变量包括盒段的长度l，杆单元的截面积a，翼肋和翼墙所用的板单元厚度θ2，蒙皮所用的板单元厚度θ1，杆单元、板单元的弹性模量e1、e2，外载荷集中力p。
10、根据本申请的至少一个实施例，上述的飞机结构不确定性量化方法中，步骤二中，对于机翼结构，输出响应可设计为机翼结构在y方向上位移与位移极限的差值。
11、根据本申请的至少一个实施例，上述的飞机结构不确定性量化方法中，步骤三包括：
12、s1、根据基于初始kriging模型参数，计算所有输入训练样本对应的eloo(x)学习函数值eloo(x0,j)(j＝1,…,n0)，构建误差训练集进而基于该误差训练集构建一个初始误差kriging模型
13、s2、令i＝1进行循环：
14、s21、基于kriging模型参数，计算样本池s中所有输入样本的u′(x)学习函数值u′(xj)(j＝1,…,n)，基于误差模型预测样本池s中所有输入样本的eloo(x)学习函数值eloo(xi-1,j)(j＝1,…,n)；
15、s22、若(max(eloo(xi-1,j))<ε,j＝1,…,n0+i)&(max(u′(xj))<0.5,j＝1,…,n)，则退出循环，得到算用kriging模型gk，否则，进行s23
16、s23、计算标准化后的u′(x)和eloo(x)学习函数值u′s(xj)、
17、s24、计算样本池s中所有输入样本对应的c(x)复合学习函数值c(xj)(j＝1,…,n)，找到其中最大c(x)复合学习函数值对应的输入样本xnew，利用有限元模型计算相应的输出响应ynew；
18、s25、将(xnew,ynew)加入当前训练样本集ti-1，并将当前训练样本集ti-1更新至训练样本集ti，基于训练样本集ti将kriging模型更新为
19、s26、基于模型计算训练样本集ti中所有输入样本的eloo(x)学习函数值eloo(xi,j)(j＝1,…,n0+i)，构建新的误差训练集tie＝{xi,j,eloo(xi,j)}(j＝1,…,n0+i)，基于建新的误差训练集tie将误差kriging模型更新为
20、s27、令i＝i+1，并返回s21。
21、根据本申请的至少一个实施例，上述的飞机结构不确定性量化方法中，s1中，计算eloo(x)学习函数值，具体为：
22、
23、d＝y-fβ；
24、h＝f(ftf)-1ft；
25、其中，
26、eloo(xi)为eloo(x)学习函数数值，r为输入建模样本之间的相关矩阵，d、h为中间计算变量，y为输出建模样本，f为全局模型的回归函数矩阵，β为回归参数，i,:、:,i代表矩阵的第i行、第i列，ii代表矩阵的第i个对角元。
27、根据本申请的至少一个实施例，上述的飞机结构不确定性量化方法中，s21中，计算u′(x)学习函数值，具体为：
28、
29、其中，
30、u(xi)为u′(x)学习函数值，gk(xi)、分别为kriging模型的预测输出及其标准差。
31、根据本申请的至少一个实施例，上述的飞机结构不确定性量化方法中，s23中，计算标准化后的u′(x)和eloo(x)学习函数值u′s(xj)、具体为：
32、
33、根据本申请的至少一个实施例，上述的飞机结构不确定性量化方法中，s24中，计算c(x)复合学习函数值，具体为：
34、
35、其中，
36、c(xi)为c(x)复合学习函数值，α为定义在区间[0,1]上的平衡参数。
37、根据本申请的至少一个实施例，上述的飞机结构不确定性量化方法中，s24中，定义在区间[0,1]上的平衡参数α，取0.5。
38、根据本申请的至少一个实施例，上述的飞机结构不确定性量化方法中，步骤五中，估计结构模型的失效概率，具体为：
39、
40、其中，为期望算子，if(x)为失效域指示函数，当gk(x)≤0时，if(x)＝1，反之，if(x)＝0。
41、本申请至少存在以下有益技术效果：
42、提供一种飞机结构不确定性量化方法，该方法主要利用了kriging模型的低计算成本优势，并建立一种新的混合学习函数来加速kriging自适应建模，最终使得所建立的kriging模型不仅能为机翼结构提供准确的输出矩估计，还能提供准确本文档来自技高网...
【技术保护点】
1.一种飞机结构不确定性量化方法，其特征在于，包括：
2.根据权利要求1所述的飞机结构不确定性量化方法，其特征在于，
3.根据权利要求2所述的飞机结构不确定性量化方法，其特征在于，
4.根据权利要求3所述的飞机结构不确定性量化方法，其特征在于，
5.根据权利要求4所述的飞机结构不确定性量化方法，其特征在于，
6.根据权利要求5所述的飞机结构不确定性量化方法，其特征在于，
7.根据权利要求6所述的飞机结构不确定性量化方法，其特征在于，
8.根据权利要求7所述的飞机结构不确定性量化方法，其特征在于，
9.根据权利要求8所述的飞机结构不确定性量化方法，其特征在于，
10.根据权利要求9所述的飞机结构不确定性量化方法，其特征在于，
【技术特征摘要】
1.一种飞机结构不确定性量化方法，其特征在于，包括：
2.根据权利要求1所述的飞机结构不确定性量化方法，其特征在于，
3.根据权利要求2所述的飞机结构不确定性量化方法，其特征在于，
4.根据权利要求3所述的飞机结构不确定性量化方法，其特征在于，
5.根据权利要求4所述的飞机结构不确定性量化方法，其特征在于，
...
【专利技术属性】
技术研发人员：刘昱杉，李明强，刘彦杰，许派，宋璐阳，张晓阳，
申请(专利权)人：中国航空工业集团公司西安飞机设计研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。