目錄
前言
第1章 緒論 1
1.1 不確定性多學(xué)科設(shè)計優(yōu)化的提出 1
1.2 不確定性多學(xué)科設(shè)計優(yōu)化及其發(fā)展現(xiàn)狀 2
1.2.1 確定性多學(xué)科設(shè)計優(yōu)化 2
1.2.2 不確定性量化理論 4
1.2.3 不確定性多學(xué)科分析 7
1.2.4 不確定性多學(xué)科設(shè)計優(yōu)化 8
1.3 本書主要內(nèi)容 11
參考文獻 12
第2章 多源不確定性數(shù)學(xué)建模 16
2.1 不確定性來源與分類 16
2.2 數(shù)值型不確定性建模理論 18
2.2.1 數(shù)值型隨機不確定性建模 18
2.2.2 數(shù)值型認(rèn)知不確定性建模 29
2.2.3 數(shù)值型混合不確定性建模 35
2.3 場量型不確定性建模理論 38
2.3.1 場量型隨機不確定性建模 38
2.3.2 場量型認(rèn)知不確定性建模 41
2.3.3 場量型混合不確定性建模 42
2.4 不確定性建模檢驗與校核 43
2.4.1 不確定性建模檢驗方法 43
2.4.2 不確定性建模校核方法 47
2.5 飛行器多源不確定性 48
2.5.1 飛行器系統(tǒng)中的多源不確定性 48
2.5.2 飛行器多學(xué)科多源不確定性建模及檢驗案例 55
2.6 本章小結(jié) 60
參考文獻 61
第3章 不確定性傳播分析方法 63
3.1 數(shù)值型隨機不確定性傳播分析方法分類 63
3.2 試驗設(shè)計方法 65
3.3 數(shù)字模擬方法 69
3.3.1 蒙特卡洛模擬方法 69
3.3.2 擬蒙特卡洛模擬方法 71
3.3.3 基于代理模型的方法 74
3.4 近似展開方法 75
3.4.1 泰勒級數(shù)展開方法 75
3.4.2 Neumann級數(shù)展開方法 76
3.5 數(shù)值積分方法 78
3.5.1 全因子數(shù)值積分方法 78
3.5.2 單變元降維法 79
3.5.3 基于稀疏網(wǎng)格的數(shù)值積分方法 80
3.6 隨機展開方法 82
3.6.1 非侵入式混沌多項式展開法 82
3.6.2 隨機配點法 85
3.7 場量型不確定性傳播分析方法 85
3.8 案例 87
3.8.1 數(shù)學(xué)算例 87
3.8.2 正交加筋圓柱結(jié)構(gòu) 89
3.8.3 場量型不確定性傳播分析算例 91
3.9 本章小結(jié) 94
參考文獻 95
第4章 動力學(xué)系統(tǒng)不確定性傳播分析方法 97
4.1 動力學(xué)系統(tǒng)及其不確定性傳播分析問題定義 97
4.2 蒙特卡洛模擬方法 99
4.3 線性展開方法 99
4.3.1 局部線性化方法 99
4.3.2 統(tǒng)計線性化方法 100
4.4 非線性方法 101
4.4.1 混沌多項式展開 101
4.4.2 狀態(tài)轉(zhuǎn)移張量 104
4.4.3 高斯混合模型 105
4.4.4 無跡變換方法 107
4.4.5 求解Fokker-Planck方程 108
4.5 案例 108
4.5.1 Duffing振子系統(tǒng)不確定性分析 108
4.5.2 運載火箭軌跡不確定性分析 111
4.6 本章小結(jié) 117
參考文獻 117
第5章 不確定性靈敏度分析方法 119
5.1 不確定性靈敏度分析方法分類 119
5.2 局部靈敏度分析方法 120
5.2.1 有限差分法 120
5.2.2 OAT法 121
5.2.3 σ正則化的基于導(dǎo)數(shù)的靈敏度分析法 122
5.3 全局靈敏度分析方法 123
5.3.1 相關(guān)系數(shù)法 123
5.3.2 回歸系數(shù)法 123
5.3.3 基本效應(yīng)測試 124
5.3.4 基于方差的靈敏度分析法 126
5.4 區(qū)域靈敏度分析方法 130
5.5 案例 133
5.5.1 σ正則化的基于導(dǎo)數(shù)的靈敏度分析 133
5.5.2 基于方差的靈敏度分析 134
5.5.3 基于樣本均值方差貢獻圖的靈敏度分析 136
5.5.4 案例小結(jié) 140
5.6 本章小結(jié) 141
參考文獻 141
第6章 代理模型技術(shù) 143
6.1 代理模型分類 143
6.2 淺層代理模型 145
6.2.1 響應(yīng)面方法 146
6.2.2 徑向基函數(shù) 147
6.2.3 Kriging模型 147
6.2.4 支持向量回歸 149
6.2.5 淺層代理模型應(yīng)用案例 151
6.3 降階模型 153
6.3.1 POD模型 153
6.3.2 DMD模型 155
6.3.3 降階模型應(yīng)用案例 156
6.4 淺層神經(jīng)網(wǎng)絡(luò) 159
6.4.1 反向傳播神經(jīng)網(wǎng)絡(luò) 159
6.4.2 淺層神經(jīng)網(wǎng)絡(luò)應(yīng)用案例 162
6.5 深度神經(jīng)網(wǎng)絡(luò) 164
6.5.1 卷積神經(jīng)網(wǎng)絡(luò)的建模理論 164
6.5.2 深度神經(jīng)網(wǎng)絡(luò)應(yīng)用案例 164
6.6 多精度代理模型 168
6.6.1 基于標(biāo)度函數(shù)的修正方法 168
6.6.2 CK方法和HK方法 170
6.6.3 多可信度神經(jīng)網(wǎng)絡(luò)方法 171
6.6.4 多精度代理模型的應(yīng)用案例 172
6.7 模型評估方法 172
6.7.1 模型精度評估 172
6.7.2 模型效率和魯棒性評估 174
6.8 本章小結(jié) 175
參考文獻 175
第7章 不確定性多學(xué)科設(shè)計優(yōu)化技術(shù) 177
7.1 多學(xué)科設(shè)計優(yōu)化理論 178
7.1.1 多學(xué)科設(shè)計優(yōu)化問題基本定義 178
7.1.2 單級多學(xué)科優(yōu)化架構(gòu) 182
7.1.3 多級多學(xué)科優(yōu)化架構(gòu) 184
7.1.4 混合多學(xué)科優(yōu)化架構(gòu) 189
7.2 不確定性多學(xué)科設(shè)計優(yōu)化理論 189
7.2.1 不確定性多學(xué)科優(yōu)化問題構(gòu)建 190
7.2.2 常見不確定性多學(xué)科設(shè)計優(yōu)化架構(gòu) 192
7.3 基于代理模型的高效不確定性多學(xué)科優(yōu)化設(shè)計架構(gòu) 196
7.3.1 UMDO問題的不確定性變量的參數(shù)化量化方法 196
7.3.2 UMDO問題中代理模型的構(gòu)建方法 202
7.3.3 基于代理模型的UMDO架構(gòu) 203
7.4 本章小結(jié) 204
參考文獻 205
第8章 微型導(dǎo)彈不確定性多學(xué)科設(shè)計優(yōu)化案例 206
8.1 問題描述和定義 206
8.1.1 傳統(tǒng)串行設(shè)計優(yōu)化框架 207
8.1.2 主體-制導(dǎo)控制一體化設(shè)計優(yōu)化框架 208
8.2 學(xué)科分析模型 209
8.2.1 動力學(xué)科 209
8.2.2 氣動學(xué)科 210
8.2.3 布局學(xué)科 210
8.2.4 控制學(xué)科 211
8.2.5 彈道和制導(dǎo)學(xué)科 212
8.3 多學(xué)科傳播關(guān)系 214
8.4 問題求解和分析 217
8.4.1 OPT 1：集成多目標(biāo)設(shè)計優(yōu)化問題 217
8.4.2 OPT 2：串行單目標(biāo)設(shè)計優(yōu)化問題 217
8.4.3 多目標(biāo)設(shè)計優(yōu)化問題結(jié)果分析 218
8.4.4 與傳統(tǒng)串行設(shè)計優(yōu)化結(jié)果對比 220
8.5 本章小結(jié) 222
參考文獻 223
第9章 固體運載火箭不確定性設(shè)計優(yōu)化案例 225
9.1 問題描述和定義 225
9.2 不確定性傳播關(guān)系 227
9.3 學(xué)科分析模型 228
9.3.1 動力學(xué)科 228
9.3.2 氣動學(xué)科 233
9.3.3 結(jié)構(gòu)學(xué)科 236
9.3.4 彈道學(xué)科 238
9.4 問題求解和分析 240
9.5 本章小結(jié) 243
參考文獻 244
第10章 固體運載火箭不確定性分配案例 245
10.1 問題描述和定義 245
10.2 不確定性傳播關(guān)系 250
10.3 學(xué)科分析模型 250
10.3.1 氣動學(xué)科 250
10.3.2 動力學(xué)科 252
10.3.3 結(jié)構(gòu)學(xué)科 252
10.3.4 彈道和制導(dǎo)學(xué)科 254
10.4 問題求解和分析 254
10.5 本章小結(jié) 259
參考文獻 259