科研之友
微信
新浪微博
Facebook
分享链接
摘要
贝叶斯模型更新是一种基于先验分布和观测数据来预测和校准模型的有效方法。在工程试验中，仪器精度、人为误差和环境干扰等不确定因素都会引起观测数据的不准确，进而导致后验分布参数也具有不确定性，给贝叶斯更新带来了新的挑战。为准确得到观测不确定性下后验样本的分布，通过将观测不确定性下的贝叶斯更新问题等价转化为区间和随机变量共同作用下的可靠性分析问题，建立观测不确定性下的贝叶斯更新模型，并提出了模型求解的双层和单层Kriging算法，高效地实现了观测不确定性下贝叶斯模型更新的量化求解。所建模型和方法在机翼等结构中的应用表明，所建模型能够准确度量观测不确定性对后验分布参数的影响，实现观测不确定性下输入变量分布参数的完整更新，有效地降低输入变量分布参数的不确定性；所建的单层Kriging算法可以高效地给出后验样本的平均估计，双层Kriging算法能够精确地给出后验样本分布参数的完整取值区间。相比于蒙特卡洛方法，所提2种方法在保证精度的同时，大幅减少了原始模型的调用次数，提高了观测不确定性下贝叶斯更新的计算效率。
- 单位
