针对燃烧室初步设计阶段输入参数存在混合不确定性的特点,提出一种概率盒框架下的全局灵敏度分析方法。简单介绍了航空发动机燃烧效率的一维计算方法;在随机和认知混合不确定性的概率盒表征基础上,使用Sobol指标的上下限表征概率盒中随...针对燃烧室初步设计阶段输入参数存在混合不确定性的特点,提出一种概率盒框架下的全局灵敏度分析方法。简单介绍了航空发动机燃烧效率的一维计算方法;在随机和认知混合不确定性的概率盒表征基础上,使用Sobol指标的上下限表征概率盒中随机与认知混合不确定性对响应的贡献程度;最后基于双层嵌套蒙特卡洛/非嵌入式多项式混沌展开(Monte Carlo Simulation/Non-intrusive Polynomial Chaos Expansion,MCS/NIPCE)方法对概率盒灵敏度指标进行求解,筛选出重要变量和次要变量,实现模型的降维。通过某航空发动机燃烧效率的全局灵敏度分析对所提出的方法进行了验证。研究结果表明,Sobol指标的上下限可以显著表征概率盒灵敏度指标,在保证计算精度的前提下,双层MCS/NIPCE方法的计算效率要远远高于传统双层蒙特卡洛(Monte Carlo Simulation,MCS/MCS)方法,可获得考虑随机和认知混合不确定性情况下燃烧效率输入参数的重要性排序。展开更多
文摘针对燃烧室初步设计阶段输入参数存在混合不确定性的特点,提出一种概率盒框架下的全局灵敏度分析方法。简单介绍了航空发动机燃烧效率的一维计算方法;在随机和认知混合不确定性的概率盒表征基础上,使用Sobol指标的上下限表征概率盒中随机与认知混合不确定性对响应的贡献程度;最后基于双层嵌套蒙特卡洛/非嵌入式多项式混沌展开(Monte Carlo Simulation/Non-intrusive Polynomial Chaos Expansion,MCS/NIPCE)方法对概率盒灵敏度指标进行求解,筛选出重要变量和次要变量,实现模型的降维。通过某航空发动机燃烧效率的全局灵敏度分析对所提出的方法进行了验证。研究结果表明,Sobol指标的上下限可以显著表征概率盒灵敏度指标,在保证计算精度的前提下,双层MCS/NIPCE方法的计算效率要远远高于传统双层蒙特卡洛(Monte Carlo Simulation,MCS/MCS)方法,可获得考虑随机和认知混合不确定性情况下燃烧效率输入参数的重要性排序。
