第55卷第2期2023年4月Vol.55No.2Apr.2023南京航空航天大学学报JournalofNanjingUniversityofAeronautics&AstronauticsPOD⁃BPNN预测模型及结冰条件不确定性量化郝云权1,2,赵大志1,李伟斌2,孔满昭3,刘森云2(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)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;神经网络中图分类号:V211.71文献标志码:A文章编号:1005⁃2615(2023)02⁃0302⁃09POD⁃BPNNPredictionModelandUncertaintyQuantificationofAircraftIcingConditionsHAOYunquan1,2,ZHAODazhi1,LIWeibin2,KONGManzhao3,LiuSengyun2(1.SchoolofSciences,SouthwestPetroleumUniversity,Chengdu610500,China;2.KeyLaboratoryofIcingandAnti/De⁃icing,ChinaAerodynamicsResearchandDevelopmentCenter,Mianyang621000,China;3.AerodynamicDepartment,TheFirstAircraftInstituteofAVIC,Xi'an710089,China)Abstract:Asoneofthemainmethodstostudyiceformationofaircraft,numericalsimulationintroducesalotofparameteruncertaintieswhencalculatingiceformation,whichaffectstheaccuracyandreliabilityofthenumericalsimulation.Itisimportanttodevelopmethodsofuncertaintyquantificationandquantifytheuncertaintyscientificallyforevaluatingnumericalsimulationresults.Tosolvetheproblemofhigh-dimensionalinput-outputthatisdifficulttobesolvedbytraditionalparameteruncertaintyquantificatio...