.png){kind=icon}
返回
Surrogate-Based Uncertainty Quantification for Coupled Structural-Acoustic Problems
.png){kind=icon}
PRE
AI
DOI：10.3390/acoustics8020031.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于代理模型的混合结构-声学系统不确定性量化（UQ）框架，以应对材料及几何变异性。该方法整合了有限元法（FEM）、两种元建模技术——二次响应面（QRS）和克里金法（Kriging）——以及蒙特卡洛模拟（MCS），以高效表征声学响应的概率行为。采用两种精度指标（交叉验证误差和预测误差）对代理模型进行验证。数值实验表明，由30个拉丁超立方采样（LHS）点训练的克里金元模型具有更优的预测精度，其相对最大误差为4.125×10⁻⁷。通过克里金代理模型执行的蒙特卡洛模拟相比直接基于FEM的MCS，计算成本降低了六个数量级，同时保持了高精度。该框架在一矩形腔体与两柔性铝板耦合的实例中得到验证，为复杂工程系统中的振动-声学不确定性量化提供了高效且精确的工具。
Keyword:
optimization
Kriging
surrogate model
acoustic-structural systems
Monte Carlo Simulations
uncertainty analysis
期刊
A
IF:
1.2
论文数:
51
被引数:
0
机构
引用论文
Asymptotic modal analysis of a rectangular acoustic cavity excited by wall vibration.png)
AIAA Journal
AIAA JournalIF0
PREAI
分享收藏Hybrid uncertainty propagation of coupled structural-acoustic system with large fuzzy and interval parametersAPPLIED ACOUSTICS
APPLIED ACOUSTICSIF3.6
PREAI
分享收藏分享收藏Enhancing the Prediction of Mechanical Properties of 3D-Printed Parts Through Machine Learning通过机器学习提升3D打印部件力学性能预测
PREAI
分享收藏Combining FEM and Machine Learning Algorithms for Reliability Prediction of Solder Ball Joints in BGA Packages结合有限元法和机器学习算法预测BGA封装中焊球的可靠性
PREAI
分享收藏Review of improved Monte Carlo methods in uncertainty-based design optimization for aerospace vehicles基于不确定性的航空航天器优化设计中的改进蒙特卡洛方法综述
PREAI
分享收藏
查看更多内容