| POD-BPNN预测模型及结冰条件不确定性量化 |
| |
| 引用本文： | 郝云权,赵大志,李伟斌,孔满昭,刘森云. POD-BPNN预测模型及结冰条件不确定性量化[J]. 南京航空航天大学学报, 2023, 55(2): 302-310 |
| |
| 作者姓名： | 郝云权 赵大志 李伟斌 孔满昭 刘森云 |
| |
| 作者单位： | 1.西南石油大学理学院, 成都 610500;2.中国空气动力研究与发展中心结冰与防/除冰重点实验室, 绵阳 621000;3.中航第一飞机设计研究院气动设计研究室, 西安 710089 |
| |
| 基金项目： | 中国空气动力研究与发展中心结冰与防除冰重点实验室开放课题（IADL20220202）；四川省自然科学基金面上项目（2023NSFSC0062）。 |
| |
| 摘 要： | 当前，数值模拟作为研究飞机结冰的主要手段之一，在计算结冰冰形时会引入大量参数不确定性，并影响数值模拟的精度和可信度。发展不确定性量化方法，科学量化这种不确定性对评估数值模拟结果具有重要意义。针对传统参数不确定性量化方法难以解决高维输入到输出的问题，基于本征正交分解和误差反向传播神经网络，提出了一种结冰冰形预测代理模型。以水滴中值粒径和温度为例，验证了代理模型单输入参数和双输入参数情况下的精度和泛化能力。最后，在代理模型计算的冰形基础上，结合蒙特卡洛采样，利用2σ准则确定结冰范围，发现水滴中值粒径不确定性主要影响明冰的冰角生长，而温度和水滴中值粒径不确定性的叠加主要作用于霜冰厚度。该研究为后续多结冰条件的影响分析和多维输入到输出的不确定性量化提供了思路。
|
| 关 键 词： | 结冰 不确定性量化 本征正交分解 神经网络 |
| 收稿时间： | 2022-04-29 |
| 修稿时间： | 2022-11-28 |
POD-BPNN Prediction Model and Uncertainty Quantification of Aircraft Icing Conditions |
| |
| Hao Yunquan,Zhao Dazhi,Li Weibin,Kong Manzhao,Liu Sengyun. POD-BPNN Prediction Model and Uncertainty Quantification of Aircraft Icing Conditions[J]. Journal of Nanjing University of Aeronautics & Astronautics, 2023, 55(2): 302-310 |
| |
| Authors: | Hao Yunquan Zhao Dazhi Li Weibin Kong Manzhao Liu Sengyun |
| |
| Affiliation: | 1.School of Sciences, Southwest Petroleum University, Chengdu 610500, China;2.Key Laboratory of Icing and Anti/De-icing, China Aerodynamics Research and Development Center, Mianyang 621000, China;3.Aerodynamic Department, The First Aircraft Institute of AVIC, Xi''an 710089, China |
| |
| Abstract: | |
| |
| Keywords: | icing uncertainty quantification proper orthogonal decomposition neural network |
|
| 点击此处可从《南京航空航天大学学报》浏览原始摘要信息 |
|
点击此处可从《南京航空航天大学学报》下载全文 |
|
