基于UQ分析的航空产品质量特性优化方法及系统与流程

本发明涉及数字化设计与制造，具体涉及一种基于uq分析的航空产品质量特性优化方法及系统。

背景技术：

1、随着现代航空装备的复杂度不断提高，其设计、制造与运维面临多源不确定性因素的显著影响--包括设计参数的分布波动、制造装配的几何偏差、试验加载的随机扰动、服役环境的动态变化以及仿真模型的认知偏差。这些不确定性相互耦合、跨层级传播，导致基于确定性假设的传统工程方法难以准确评估装备的真实质量特性（如性能裕度、安全边界、任务适应能力等），进而影响设计迭代效率、制造成本控制和服役安全。

2、为应对上述问题，业界发展了基于模型的系统工程（mbse）、数字孪生（dt）和不确定性量化（uq）等技术方向。mbse通过系统架构模型实现需求与设计的结构化表达；数字孪生通过构建物理资产的虚拟镜像支持状态感知与预测；uq通过概率化方法量化输入波动与模型认知偏差对输出响应的影响。然而，这三项技术在现有实践中彼此割裂：mbse工具停留在设计阶段的架构建模，缺乏与数字孪生的动态数据联动；数字孪生平台多为确定性镜像，未内嵌uq计算引擎；uq分析则以离线脚本或独立工具形式存在，与系统工程流程脱节。

3、目前虽然已有技术尝试将其中两者结合。例如，相关文献探讨了通过mbse方法实现数字孪生的落地应用；另有研究提出了结合深度学习与mbse构建自适应制造数字孪生系统的集成框架。中国专利cn121920190a公开了一种基于三重v工程模型的航空系统全生命周期风险评估方法，其采用外层、中层、内层v模型分别进行需求分解、不确定性量化和知识演化。然而，该方案以v模型为分层框架，uq与数字孪生的集成深度有限，未在统一平台中实现三者有机融合。也有方案实现了uq与数字孪生的局部融合，例如中国专利cn115238394b公开了一种复合材料结构多源不确定性混合可靠性数字孪生建模方法，采用多尺度高保真有限元模型与多项式混沌展开代理模型，实现了特定结构件的混合不确定性量化。但该方案局限于单一结构件对象，未涉及系统级mbse架构模型，无法支持多层级之间的不确定性传播量化。中国专利申请cn121543214a公开了一种航空发动机自适应生成式数实融合试验方法，聚焦试验验证阶段，未涉及设计、制造、服役阶段的贯通。中国专利申请cn121680325a公开了一种针对生产过程不确定性的数字孪生制造系统弹性控制方法，仅关注制造阶段的不确定性补偿。

4、综上，现有技术存在以下共同不足：第一，mbse、数字孪生与uq三者相互割裂，或仅有两两组合且组合深度有限，缺乏三者深度融合的统一平台；第二，各方案大多聚焦单一生命周期阶段，无法实现全生命周期数据的闭环流转与跨阶段自适应反馈；第三，现有平台多为“确定性镜像”，输出为单一确定值，缺少内嵌的概率化计算引擎来量化不确定性传播路径和预测结果的置信区间，难以支撑基于概率的质量特性评估与决策。

技术实现思路

1、为了克服现有技术中基于模型的系统工程、数字孪生与不确定性量化分析相互独立，难以实现复杂航空产品质量特性在设计、制造及服役阶段的统一概率化表达与动态更新，以及存在高维随机空间传播效率低、模型认知偏差难以持续校准、质量风险难以跨生命周期动态演化评估的问题，发明提供一种基于uq分析的航空产品质量特性优化方法及系统，以实现复杂航空产品质量特性的跨层级概率建模、动态传播及闭环优化。

2、具体地，本发明提供一种基于uq分析的航空产品质量特性优化方法，其包括：

3、s1：构建融合概率属性的mbse系统架构模型，建立航空产品质量特性的跨层级约束关系；

4、首先建立航空产品的mbse系统架构模型，mbse系统架构模型通常包括场景模型、功能模型、逻辑架构模型、物理结构模型和质量特性模型；

5、然后，对mbse系统架构模型中的参数进行概率属性扩展，具体为：根据参数的不确定性来源，将参数分为偶然不确定性参数，模型认知不确定性参数，确定性设计变量和任务场景参数四类；偶然不确定性参数和模型认知不确定性参数统称为不确定性参数；

6、最后，建立系统级质量特性、子系统功能指标与底层物理参数之间的跨层级概率约束关系形成质量特性概率传递链，根据质量特性概率传递链得到跨层级概率传递关系；

7、s2：基于mbse系统架构模型构建面向质量特性的数字孪生模型，实现产品物理状态与虚拟模型状态的动态映射；

8、依据mbse系统架构模型中定义的功能结构关系与质量特性约束关系，构建与物理产品相对应的数字孪生模型；通过数字孪生模型实现制造偏差、工艺执行状态及服役环境扰动对质量特性的实时映射与动态更新；

9、s3：根据s1中的不确定性参数，基于设计仿真数据构建代理模型，并基于设计阶段信息执行质量特性概率传播分析；

10、对于s1中的不确定性参数进行建模；

11、根据跨层级概率传递关系中参数维度与变量耦合特征，采用自适应实验设计方法构建样本集，并结合高保真物理场分析模型与低保真快速预测模型构建跨保真度代理模型；利用跨保真度代理模型执行不确定性传播分析，计算顶层质量特性的概率分布特征及可靠性指标；

12、s4：获取制造、试验及服役阶段的状态数据，通过数字孪生模型实现虚拟模型与物理状态同步，并利用贝叶斯更新机制对数字孪生模型认知偏差进行动态校准；

13、获取状态数据，状态数据包括制造阶段的几何测量偏差、材料性能参数及装配过程状态数据，并将状态数据映射至数字孪生模型中；获取试验及服役阶段的外部载荷、工作环境及系统响应时序数据，并同步更新数字孪生模型状态；

14、以状态数据作为物理状态观测证据，通过贝叶斯更新方法对模型认知不确定性参数进行动态修正；基于更新后的模型认知不确定性参数后验分布，重新执行s3的质量特性概率传播分析后，执行s5；

15、s5：执行全局灵敏度分析得到关键质量影响参数；

16、s6：优化关键质量影响参数，并得到优化后的航空产品质量特性评估结果。

17、优选的，s1中，根据质量特性概率传递链得到跨层级概率传递关系表达式为：

18、；

19、其中，表示系统级质量特性响应，表示具有概率分布的偶然不确定性参数，表示模型中的模型认知不确定性参数，表示确定性的设计变量，表示任务场景参数，表示mbse架构中定义的跨层级逻辑传递函数。

20、优选的，s3中，根据跨层级概率传递关系中参数维度与变量耦合特征，采用自适应实验设计方法构建样本集，并结合高保真物理场分析模型与低保真快速预测模型构建跨保真度代理模型，跨保真度代理模型的数学表达为：

21、；

22、其中，为高保真度响应预测值，为低保真度响应预测值，为尺度缩放因子，为捕捉高低保真度模型之间非线性差异的偏差高斯过程；为输入向量，表示影响系统响应特性的关键设计参数、工艺参数及环境不确定性参数的集合；

23、利用跨保真度代理模型执行不确定性传播分析，采用多项式混沌展开（pce）或蒙特卡洛（mcs）方法计算顶层质量特性的概率分布特征及可靠性指标。

24、优选的，s4中，以状态数据作为物理状态观测证据，通过贝叶斯更新方法对模型认知不确定性参数进行动态修正，贝叶斯更新机制的具体公式为：

25、

26、其中，为数字孪生模型同步的物理状态观测证据，为模型认知不确定性参数的先验分布，为给定模型认知不确定性参数时观测数据的似然函数，为动态校准后的模型认知不确定性参数的后验分布；

27、基于更新后的模型认知不确定性参数后验分布，再次执行s3的质量特性概率传播分析。

28、优选的，航空产品为飞控系统中的液压作动器。

29、优选的，s1中的跨层级概率传递关系为：

30、；

31、其中，表示系统级质量特性响应，在任务可靠性分析中，取飞控系统任务可靠性；在指令跟踪能力分析中，取系统级位移跟踪误差或作动能力裕度，表示由接触力学模型、摩擦磨损模型、泄漏模型、液压作动器动力学模型或任务可靠性模型按照mbse架构连接形成的跨层级传递函数；

32、为制造与装配波动参数，包括活塞杆直径偏差、缸筒内径偏差、密封圈尺寸偏差、密封槽尺寸偏差、表面粗糙度偏差、同轴度偏差和装配压缩量偏差；为材料属性波动参数，包括密封材料弹性模量、硬度、泊松比和摩擦系数参数的批次离散性；为环境与任务扰动参数，包括液压压力、环境温度、外部载荷、作动频次和任务载荷谱参数的波动，和共同组成不确定性参数：

33、为接触模型认知参数，包括接触刚度修正系数、边界约束修正系数和材料本构模型偏差；为磨损模型认知参数，包括磨损系数、温度修正系数和退化速率修正系数；为泄漏及液压动力学模型认知参数，包括有效间隙修正系数、泄漏模型偏差、摩擦阻力修正系数和阀控动态参数偏差；、和共同组成模型认知不确定性参数；

34、为确定性设计变量，包括缸筒名义内径、活塞杆名义直径、密封圈名义截面尺寸、名义密封间隙和表面粗糙度设计值；

35、为任务场景参数，包括任务阶段、持续时间、指令幅值和规定作动次数。

36、优选的，s2中数字孪生模型包括结构几何孪生、物理行为孪生及状态数据孪生，用于接收制造、试验及服役阶段采集的实时状态数据，并实现物理产品状态向虚拟模型状态的动态映射；

37、其中，结构几何孪生同时保存名义设计几何和单件实测几何，包括缸筒内径、活塞杆直径、密封圈截面尺寸、密封槽尺寸、密封间隙、表面粗糙度、同轴度和装配压缩量，使孪生模型反映单件产品的真实几何状态；

38、物理行为孪生由接触力学模型、摩擦磨损模型、泄漏模型、液压作动器动力学模型和任务可靠性模型，各模型分别读取跨层级概率传递关系中的对应参数，并通过mbse系统架构模型内部集成的分析模型或通过专用求解器接口模块调用外部求解器，经分析求解后输出接触压力、接触变形、磨损深度、泄漏量、输出力、响应时间、位移跟踪误差和任务可靠性；

39、状态数据孪生用于接收制造、试验和服役阶段的数据，并按照参数所属来源进行分类存储，避免实测随机波动与模型认知参数相互混淆；

40、通过数字孪生模型实现制造偏差、工艺执行状态及服役环境扰动对质量特性的实时映射与动态更新。

41、优选的，s3中，对于偶然不确定性参数，采用概率分布函数进行建模，对于模型认知不确定性参数，根据已有验证数据分别采用区间概率、先验概率分布或证据结构描述，在由上述参数构成的输入空间内，采用拉丁超立方方法生成初始样本，并根据不同响应建立高、低保真模型，高保真模型包括密封圈非线性接触有限元模型、热-流-固耦合泄漏模型以及包含阀控和管路动态特性的液压作动器系统模型；低保真模型包括简化密封压缩模型、快速磨损模型、等效间隙泄漏解析模型和降阶作动器动力学模型；对每一类质量特性分别建立跨保真度代理模型，对跨保真度代理模型训练后，以交叉验证误差和高斯过程预测方差为依据自适应增加高保真样本，直至各响应满足预设精度；通过蒙特卡洛方法调用通过验证的跨保真度代理模型完成概率传播。

42、优选的，s4中，对于飞控系统中液压作动器，获取制造阶段的几何测量偏差、材料性能参数及装配过程状态数据，以及试验和服役阶段的压力、温度、载荷、位移、输出力、响应时间、泄漏量、磨损量和累计作动次数数据；经单位统一、异常值处理和时间对齐后，将制造实测值用于更新数字孪生模型中的制造与装配波动参数和材料属性波动参数，工况时序用于更新数字孪生模型中的环境与任务扰动参数和任务场景参数，将响应数据作为模型认知不确定性参数校准的物理状态观测证据；

43、根据模型认知不确定性参数的来源，将物理状态观测证据划分为三组；表示接触行为物理状态观测证据，包括接触压力、接触变形或密封压缩量；表示磨损与退化物理状态观测证据，包括磨损深度、质量损失和随作动次数变化的退化轨迹；表示泄漏及作动性能物理状态观测证据，包括泄漏量、输出力、响应时间和位移反馈，对、和进行联合贝叶斯更新：

44、；

45、式中，为接触模型认知参数，为磨损模型认知参数，为泄漏及液压动力学模型认知参数，为全部模型认知不确定性参数的组合向量，为全部物理状态观测证据的组合向，、和分别为接触模型认知不确定性参数、磨损模型认知不确定性参数以及泄漏及液压动力学模型认知不确定性参数的似然函数；为联合先验分布；为联合后验分布。

46、进一步，本发明还提供一种基于uq分析的航空产品质量特性优化方法的系统，包括：mbse概率架构建模模块、数字孪生底座模块、不确定性量化分析模块以及专用求解器接口模块；

47、mbse概率架构建模模块用于构建面向航空产品质量特性评估的概率化系统架构模型，包括层级结构分解及模型构建子模块、质量特性关联关系构建子模块、关键质量特性参数定义及描述子模块、参数信息自动映射子模块；mbse概率架构建模模块通过对系统级、子系统级、部件级及物理参数级之间的质量约束关系进行建模，实现航空产品质量特性的跨层级概率化表达，并为后续不确定性传播分析和专用求解器调用提供统一的参数关系基础；

48、数字孪生底座模块用于提供数据管理、计算支撑、可视化表达及基础功能支撑，包括数据库子模块、通用计算子模块、可视化子模块和基础功能子模块；数字孪生底座模块用于存储和管理产品设计数据、仿真数据、制造数据、试验数据及服役状态数据，并支撑物理产品状态、虚拟模型状态与质量特性评估结果之间的动态映射和可视化展示；

49、不确定性量化分析模块用于执行复杂航空产品质量特性的不确定性建模、传播分析与结果后处理，包括仿真及外部接口调用子模块、随机输入建模及采样子模块、代理模型构建子模块和后处理子模块；不确定性量化分析模块用于识别制造波动、材料分散性、环境扰动及模型认知偏差等不确定性因素，构建随机输入模型并生成采样样本；通过调用仿真模型或外部求解器获取响应结果，构建代理模型并执行质量特性概率传播、可靠性指标计算、灵敏度分析及质量风险评估；

50、专用求解器接口模块用于实现与不同类型工程求解器及计算工具之间的数据交互和任务调度，包括跨层级跨阶段系统仿真求解器、有限元求解器、多物理场耦合求解器、数值计算及数学分析求解器、优化设计求解器和并行计算支撑模块；该模块用于根据质量特性评估任务的分析需求，调用相应的结构分析、系统仿真、多物理场耦合、数学计算及优化设计工具，并通过并行计算支撑模块提高高维不确定性传播和多工况质量评估的计算效率；

51、mbse概率架构建模模块输出的层级约束关系、关键质量特性参数及参数映射关系传递至不确定性量化分析模块；不确定性量化分析模块通过专用求解器接口模块调用相应工程求解器完成样本响应计算、代理模型训练及质量风险评估；数字孪生底座模块对上述模块提供数据存储、状态映射、计算管理和结果可视化支撑，从而形成面向复杂航空产品质量特性的概率建模、动态传播、仿真求解和评估反馈的一体化系统。

52、与现有技术相比，本发明的有益效果如下：

53、本发明通过构建“mbse概率架构-数字孪生状态映射-不确定性量化动态传播”的协同机制，实现复杂航空产品质量特性在设计、制造与服役全过程中的统一概率化评估与动态更新，提高质量风险预测能力与评估可信度，实现复杂航空产品质量特性的跨生命周期闭环优化。