[發明專利]一種分層隨機克里金代理模型構建方法

在審

• 申請號: 202210276962.4
• 申請日: 2022-03-21
• 公開（公告）號: CN114372401A
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 丁阿乃;曾振興;管曉樂;李洪雙
• 申請（專利權）人: 南京航空航天大學;北京動力機械研究所
• 主分類號: G06F30/23
• 分類號: G06F30/23;G06F17/15
• 代理公司: 江蘇圣典律師事務所 32237
• 代理人: 徐曉鷺

1.一種分層隨機克里金代理模型構建方法，其特征在于，包括以下步驟：

步驟1，分別給定高、低可信度樣本數據y_1,j（x_i），j=1,2,…,n_1,i，i=1,2，…,k₁， y_2,j（x_i），j=1,2,…,n_2,i，i=1,2，…,k₂且n₂ n₁；

步驟2，基于低可信度樣本數據，確認低可信度函數及其克里金模型，該模型的基函數采用普通克里金的基函數，以提供設計空間內的全局近似模型；

步驟3，基于隨機克里金方法，隨機選擇空間中的樣本，采用最佳線性無偏估計的形式預測該樣本點處的響應，并得到該樣本點處的響應均值；

步驟4，求取最佳線性無偏估計形式下低可信度數據相關的權重系數向量ω，基于該權重系數向量得到低可信度克里金代理模型；

步驟5，將所述低可信度克里金代理模型作為基函數，基于高可信度樣本最終構造得到高可信度代理模型。

2.根據權利要求1所述的一種分層隨機克里金代理模型構建方法，其特征在于，所述步驟1中的高、低可信度樣本分別通過有限元高、低精度網格計算得到，將計算結果按照與真實函數的差別大小進行排序，據此劃分為低可信度樣本與高可信度樣本。

3.根據權利要求2所述的一種分層隨機克里金代理模型構建方法，其特征在于，所述步驟2中低可信度函數：

式中，Y（X）為克里金模型；是隨機向量X的基函數，提供了設計空間內的全局近似模型；β₀為回歸函數待定系數；ε_j(x) 表示擾動項； Z(X)為設計變量的隨機過程。

4.根據權利要求3所述的一種分層隨機克里金代理模型構建方法，其特征在于，Z(X)為在全局模擬的基礎上創建的期望為0，且方差為б²的局部偏差，其協方差矩陣的分量可表示為：

，，

式中， R（x⁽ⁱ⁾，x^(j)）表示第i,j個樣本點之間的相關函數，m為設計變量的維數，k=1，2，……，m，θ為模型參數。

5.根據權利要求4所述的一種分層隨機克里金代理模型構建方法，其特征在于，步驟3中各個采樣處的樣本的均值表示為，用向量表示各個已知采樣處的樣本的響應均值，。