验证和确认及不确定度量化(Verification and Validation and Uncertainty Quantification，V&V&UQ)是一个知识密集型很强的系统化工程，涉及物理、力学、数学、计算机等众多学科，是一项交叉非常强的科学研究。多年来，众多领...
详细信息
验证和确认及不确定度量化(Verification and Validation and Uncertainty Quantification，V&V&UQ)是一个知识密集型很强的系统化工程，涉及物理、力学、数学、计算机等众多学科，是一项交叉非常强的科学研究。多年来，众多领域在UQ方法的引进、消化、吸收、方法研究等方面取得了长足的进步，但真正在工程中成功的实施V&V&UQ案例不多。其根源在于数值模拟和物理建模中的不确定度未有效量化。
国家重大工程领域和战略武器的大型仿真系统，往往是高度非线性、强间断、多参数、多尺度、复杂的多物理过程，且伴随众多不确定性因素随时间演化的非线性传播，给建模与模拟人员带来巨大挑战。这类过程的仿真软件代码规模庞大，即使确定程序运行单个问题也是超大规模计算。面对UQ的众多挑战，使得Monte Carlo方法不适合高维多物理耦合时域过程的不确定度量化。多项式混沌方法，是一种合适的替代方法，然而高维多物理耦合时域过程会遇到维数灾难问题。寻找缓解维数灾难问题的方法，是研究重要内容之一。课题组将敏感度分析、活跃子空间、自适应多形式混沌等降维方法，与贝叶斯理论、MCMC等耦合，建立了一套全面的、系统的多物理时域演化过程中的不确定度量化方法，并在武器和航空航天领域得到了很好的应用。其次，试验成本昂贵，且操作危险，甚至无法操作-如外太空，在仅能提供有限实验数据的小样本情况下，给其真实空间中不确定性(随机性)表征，即样本符合哪种分布带来巨大挑战。此时基于概率论的UQ方法，对模拟计算结果开展不确定性分析存在较大缺陷。同时，不同来源的数据，有些包含相互矛盾的信息，这种小样本、认知不确定性是工程界关注的另一个重要研究内容。课题组结合概率盒和Dempster-Shafer理论，建立了一种量化认知不确定度的方法。最后，提出了在仿真结果与实验数据之间搭建动态多目标优化问题，实现了将贝叶斯理论与MCMC耦合的反问题高效求解算法，建立了一种基于客观行为(如实验)的模型修正和参数快速标定技术。
研究结果应用于航空与航天、兵器与国防、大气与海洋等国家重大工程领域，成为武器产品型号结构设计、飞机机翼与翼型优化选型、船体外形结构优化选型等国家核心产品设计的重要支撑。
上述研究工作，获得了国家自然科学基金重大研究计划重点项目、科学挑战专题、国家数值风洞专项、军科委创新项目、山东省自然科学基金等课题资助，成果发表在国际不确定度量化顶尖期刊(International Journal for Uncertainty Quantification、ASME Journal of Verification，Validation & Uncertainty Quantification)，为复杂工程领域多类不确定度量化和自主研发软件的高可信度评估提供了新手段。研究成果被北京应用物理与计算数学研究所获得应用。
暂无评论