[發(fā)明專利]一種適用于CFD不確定度量化的高保真度混沌多項(xiàng)式修正方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202010937830.2
• 申請(qǐng)日: 2020-09-09
• 公開(kāi)（公告）號(hào): CN112016253A
• 公開(kāi)（公告）日: 2020-12-01
• 發(fā)明（設(shè)計(jì)）人: 陳江濤;章超;趙煒;肖維;趙嬌;吳曉軍;張培紅;肖中云;楊福軍;崔鵬程;劉深深;李彬;胡向鵬
• 申請(qǐng)（專利權(quán)）人: 中國(guó)空氣動(dòng)力研究與發(fā)展中心計(jì)算空氣動(dòng)力研究所
• 主分類號(hào): G06F30/28
• 分類號(hào): G06F30/28;G06F111/08;G06F113/08;G06F119/14
• 代理公司: 綿陽(yáng)山之南專利代理事務(wù)所(普通合伙) 51288
• 代理人: 沈強(qiáng)

1.一種適用于CFD不確定度量化的高保真度混沌多項(xiàng)式修正方法,其特征在于包括:

S1:在低保真度模型層面通過(guò)計(jì)算得到一個(gè)低保真度模型，建立一個(gè)粗糙的混沌多項(xiàng)式展開(kāi)；

S2:在高保真度模型層面進(jìn)行計(jì)算，獲得高保真度樣本點(diǎn)；

S3:用S2中獲得的樣本點(diǎn)修正S1中建立的低保真度模型，得到最終的高保真度修正模型。

2.根據(jù)權(quán)利要求1所述的一種適用于CFD不確定度量化的高保真度混沌多項(xiàng)式修正方法,其特征在于所述S1過(guò)程中包括以下步驟：

S101:使用拉丁超立方抽樣方法在輸入?yún)?shù)構(gòu)成的高維空間進(jìn)行采樣，得到若干個(gè)樣本點(diǎn)組成的序列；

S102:將輸入?yún)?shù)傳遞給CFD求解器，得到每一個(gè)樣本點(diǎn)的關(guān)注輸出量，得到對(duì)應(yīng)的響應(yīng)量組成的序列；

S103:根據(jù)輸入?yún)?shù)的概率密度函數(shù)選擇正交函數(shù)序列；

S104:通過(guò)回歸法得到混沌多項(xiàng)式展開(kāi)中的系數(shù)；

S105:計(jì)算混沌多項(xiàng)式中各項(xiàng)對(duì)輸出方差的貢獻(xiàn)度大小并排序。

3.根據(jù)權(quán)利要求2所述的一種適用于CFD不確定度量化的高保真度混沌多項(xiàng)式修正方法,其特征在于所述正交函數(shù)序列中的正交基函數(shù)的選擇由隨機(jī)輸入變量的概率密度函數(shù)決定。

4.根據(jù)權(quán)利要求3所述的一種適用于CFD不確定度量化的高保真度混沌多項(xiàng)式修正方法,其特征在于所述概率密度函數(shù)滿足：

即{ψ_j,j≥0}是帶權(quán)函數(shù)為f(ξ)的正交多項(xiàng)式序列，其中f(ξ)是隨機(jī)的輸入變量ξ滿足的概率密度分布。

5.根據(jù)權(quán)利要求2所述的一種適用于CFD不確定度量化的高保真度混沌多項(xiàng)式修正方法,其特征在于在S2中包括有與S101和S102相同的步驟。

6.根據(jù)權(quán)利要求2所述的一種適用于CFD不確定度量化的高保真度混沌多項(xiàng)式修正方法,其特征在于在S3中，包括以下步驟：

S301:根據(jù)S105中確定的展開(kāi)各項(xiàng)貢獻(xiàn)大小排序確定待修正項(xiàng)，通過(guò)最小二乘法修正S1過(guò)程建立的低保真度模型，由交叉驗(yàn)證方法評(píng)估修正模型的泛化誤差；

S302:按照待修正項(xiàng)數(shù)由小至大循環(huán)S301，得到每一個(gè)待修正項(xiàng)數(shù)對(duì)應(yīng)的修正模型泛化誤差估計(jì)；

S303:通過(guò)最小泛化誤差決定待修正項(xiàng)數(shù)，重新通過(guò)最小二乘法修正S1過(guò)程建立的低保真度模型。