Processing math: 34%

舰船非接触水下爆炸系统的混合不确定度量化

梁霄, 杨伊伊, 陈江涛, 王瑞利

梁霄, 杨伊伊, 陈江涛, 等. 舰船非接触水下爆炸系统的混合不确定度量化[J]. 中国舰船研究, 2024, 19(3): 115–126. DOI: 10.19693/j.issn.1673-3185.03485
引用本文: 梁霄, 杨伊伊, 陈江涛, 等. 舰船非接触水下爆炸系统的混合不确定度量化[J]. 中国舰船研究, 2024, 19(3): 115–126. DOI: 10.19693/j.issn.1673-3185.03485
LIANG X, YANG Y Y, CHEN J T, et al. Mixed uncertainty quantification of ship non-contact underwater explosion system[J]. Chinese Journal of Ship Research, 2024, 19(3): 115–126 (in Chinese). DOI: 10.19693/j.issn.1673-3185.03485
Citation: LIANG X, YANG Y Y, CHEN J T, et al. Mixed uncertainty quantification of ship non-contact underwater explosion system[J]. Chinese Journal of Ship Research, 2024, 19(3): 115–126 (in Chinese). DOI: 10.19693/j.issn.1673-3185.03485
梁霄, 杨伊伊, 陈江涛, 等. 舰船非接触水下爆炸系统的混合不确定度量化[J]. 中国舰船研究, 2024, 19(3): 115–126. CSTR: 32390.14.j.issn.1673-3185.03485
引用本文: 梁霄, 杨伊伊, 陈江涛, 等. 舰船非接触水下爆炸系统的混合不确定度量化[J]. 中国舰船研究, 2024, 19(3): 115–126. CSTR: 32390.14.j.issn.1673-3185.03485
LIANG X, YANG Y Y, CHEN J T, et al. Mixed uncertainty quantification of ship non-contact underwater explosion system[J]. Chinese Journal of Ship Research, 2024, 19(3): 115–126 (in Chinese). CSTR: 32390.14.j.issn.1673-3185.03485
Citation: LIANG X, YANG Y Y, CHEN J T, et al. Mixed uncertainty quantification of ship non-contact underwater explosion system[J]. Chinese Journal of Ship Research, 2024, 19(3): 115–126 (in Chinese). CSTR: 32390.14.j.issn.1673-3185.03485

舰船非接触水下爆炸系统的混合不确定度量化

基金项目: 山东省自然科学基金面上资助项目(ZR2021MA056);国家自然科学基金−中国工程物理研究院联合基金资助项目(U2230208);国家自然科学基金资助项目(12171047)
详细信息
    作者简介:

    梁霄,男,1984 年生,博士,副教授。研究方向:爆轰系统的不确定度量化。 E-mail:mathlx@163.com

    杨伊伊,女,1998 年生,硕士生。研究方向:非接触水下爆炸的不确定度量化。E-mail:yyyanga@126.com

    陈江涛,男,1984 年生,博士,副研究员。研究方向:计算空气动力学。E-mail:chenjiangtao@163.com

    通讯作者:

    梁霄

  • 中图分类号: U674.7+02

Mixed uncertainty quantification of ship non-contact underwater explosion system

知识共享许可协议
舰船非接触水下爆炸系统的混合不确定度量化梁霄,采用知识共享署名4.0国际许可协议进行许可。
  • 摘要:
    目的 

    舰船非接触水下爆炸建模与仿真(M&S)中同时存在品目繁多的认知不确定度和偶然不确定度,在M&S过程中引入的不确定度导致系统响应量(SRQ)的数值模拟结果与试验真值间产生较大偏差,影响M&S的性能。而使用非接触水下爆炸不确定度量化(UQ)方法能提高M&S的可靠性和可信度。

    方法 

    首先,针对无物理意义、通过试验直接标定的唯象参数,使用D−S 证据理论(DSTE)融合不同学科专家(SME)的建议,得到唯象参数赋值区间和基本信度分配(BBA)函数。鉴于SME 的个人工程经验和知识结构的局限性,采用多证据、多周期性融合方法,提高认知不确定度量化的客观性。其次,使用蒙特卡罗法研究非接触水下爆炸中高维输入偶然不确定度的传播。最后,当偶然不确定度和认知不确定度同时存在时,将唯象参数作为外层,不确定的物理量作为内层,使用双层循环法执行非接触水下爆炸的混合不确定度量化。

    结果 

    结果表明,改进后的DSTE方法缩小了认知不确定度的取值范围,对SME初始意见改动较大,计算所得认知不确定度的BBA更精确、客观性更强。双层循环法可计算得到舰船非接触水下爆炸SRQ的可信置信区间和BBA,结果与常识吻合。

    结论 

    研究结果可用于指导舰船防护设计和提高水下兵器爆炸毁伤能力。

    Abstract:
    Objectives 

    Substantial epistemic and aleatory uncertainties coexist in the modeling and simulation (M&S) of ship non-contact underwater explosion (UNDEX). Such uncertainties can lead to large deviations between the numerical results and true experimental data for system response quantity (SRQ), which can deteriorate M&S performance. However, the uncertainty quantification (UQ) of non-contact UNDEX can improve the reliability and credibility of M&S.

    Methods 

    First, the D−S theory of evidence (DSTE) combined with subject matter expert (SME) opinion is utilized to obtain the basic belief assignment (BBA) function and value interval of the phenomenological parameters, which have no physical meaning and cannot be directly calibrated through physical experiments. In view of the constraints of engineering experience and knowledge structure of SME, the multiple source fusion and periodic fusion methods are used to further improve the objectivity of the epistemic UQ. Furthermore, the Monte Carlo method is applied to study the high-dimensional uncertainty propagation of the non-contact UNDEX of the ship. Finally, the double-loop method is applied in the mixed UQ when the ship non-contact UNDEX is disturbed by both aleatory uncertainty and epistemic uncertainty; to be specific, the phenomenological parameters are solved in the outer loop and the aleatory uncertainty is handled in the inner loop.

    Results 

    The results show that the range of epistemic uncertainty is shortened and the initial opinion of SME substantially altered. The BBA of epistemic uncertainty computed from altered DSTE becomes more accurate and objective. The credible confidence interval of SRQ and corresponding BBA function in the non-contact UNDEX calculation can be obtained by double loop approach, and the results indicate that it agrees with the common sense.

    Conclusion 

    This study can provide guiding references for ship protection design and improve the explosive damage power of underwater weapons.

  • 舰船在服役期内执行任务时,容易受到水雷等水下武器的攻击,而攻击产生的非接触水下爆炸能够摧毁船舶结构,严重威胁舰船生命力[1-2]。水下爆炸造成舰船毁伤的主要因素包括冲击波载荷和气泡载荷两大部分。首先,冲击波产生巨大压力使舰船结构受到破坏,峰值压力高达106 Pa[1],作用时间短至毫秒量级,具有强间断性[2];其次,冲击波作用后产生的气泡脉动现象引起舰船结构坍塌和解体(张阿漫等[3]在该领域进行了大量研究,对不同的经典气泡方程予以了统一); 最后,舰船在冲击波和气泡的共同作用下丧失作战能力。因此,掌握非接触水下爆炸的作用机理能够提高舰船的实战能力。

    针对非接触水下爆炸研究主要有实船水下爆炸试验、理论分析和数值模拟这3种途径。实船水下爆炸试验能直接表征待测物理量,可靠性最强,英美等海军强国实行“首制舰实船爆炸”考核制度。然而,实船水下爆炸试验会破坏海洋生态环境、成本巨大(即便是西方发达国家仍需联合开展实船水下爆炸试验),且试验过程的不可控、工况无法复现、操作难度大、缺乏切实可行的高精度测控技术,使得实船水下爆炸试验难以开展,而缩比试验也难以满足相似准则。数值模拟具有成本低、可实现不同工况、可全系统模拟等特点,因而受到工程技术人员的青睐。目前,我国航空母舰(以下简称“航母”)等大型水面舰艇仍未开展实船水下爆炸试验,并缺乏国外实船水下爆炸试验数据,因此数值模拟几乎成为了评估航母等大型舰艇抗爆抗冲击能力的唯一工具[4]

    张阿漫等[5]总结了水下爆炸对舰船结构损伤的特征,通过概括舰船水下爆炸试验、理论分析、数值方法3个方面的研究进展,归纳了基础研究中存在的问题。刘建湖等[6]从舰艇抗爆抗冲击技术的现状和结构体系分析了我国缺乏的主要瓶颈技术,提出了提高舰艇抗爆抗冲击技术水平的建议。姚熊亮等[7]通过研究水下爆炸条件下冲击波载荷沿燃气轮机结构的传递规律,认为等效力模型能够预测舰载燃气轮机的载荷传递情况。董九亭等[8]采用数值方法分析得到了水下爆炸不同位置的冲击环境在舰船上的分布和衰减规律。陈岩武等[9]针对不同工况下爆距和双层板间的水位对水下爆炸载荷作用,分析了这些作用对舰船双层底部结构毁伤情况的影响。但迄今非接触水下爆炸研究方向仍侧重于高精度数值模拟[10-12],不确定度量化(uncertainty quantification, UQ)结果极为罕见。

    由于非接触水下爆炸是具有强间断性、跨尺度、高温、高压、强冲击载荷等特征的非线性复杂瞬态物理过程[12-13],使得建模与仿真(M&S)中不可避免地会使用假设、简化、近似技术,引入了大量不确定性因素。这些引入的不确定度会使M&S预测值与物理试验值之间存在较大偏差,导致决策者对M&S的预测能力心存疑虑[14-15]。而UQ技术具有结合试验和数值模拟的优点,能够提高舰船非接触水下爆炸M&S的预测能力。

    舰船非接触水下爆炸的M&S存在的不确定度数量庞大,类型呈现多样性,其中既包括材料自身所固有的、无法消除的偶然不确定度(与海况、工况、几何形状、边界条件、加工工艺及测量技术的不精确性密切相关),也包括由认知结构缺陷引起的、待完善知识储备后可以消除的认知不确定度,即认知不确定度和偶然不确定度同时存在。梁霄等[13]使用自适应基函数多项式混沌方法研究了舰船非接触水下爆炸的偶然UQ,但针对舰船非接触水下爆炸的认知UQ研究未见报道。

    在水下爆炸理论中,经验和半经验公式中的唯象参数属于典型的UQ。唯象参数无物理意义,纯粹是出于拟合数据的需要而提出。决策者一般通过工程经验对唯象参数赋值,给予其容许变化的范围。对于强非线性水下爆炸过程,若唯象参数的赋值不合理,会使系统响应量 (SRQ)摆动幅度过大,令决策者对M&S的预测能力产生疑虑。因此,认知不确定度研究的难点在于其无法通过试验予以直接标定,而间接试验数据样本容量稀疏,不易检验唯象参数服从何种概率分布,使得经典概率统计方法也不适合研究认知不确定度问题。认知UQ中常用的广义概率方法包括了鲁棒贝叶斯理论[16]、区间描述[17]、可能性理论[18]等。而Dempster提出的D−S证据理论(Dempster−Shafer theory of evidence, DSTE)恰好能够提供实用和有效的认知不确定度的处理方法[19-21]。DSTE理论所需的先验数据相比于概率推论理论中的更直观和更易获得,不必满足概率可加性,可融合不同学科专家(SME)或数据源的知识和数据,同时还能够在融合过程中保留直接表达“不确定”的信息。综上,因DSTE理论能够融合多个SME的唯象参数赋值区间,故成为了用于舰船非接触水下爆炸认知UQ研究的潜在和有效工具。

    事实上,DSTE理论在国内外广泛用于专家系统、信息融合、人工智能等领域[22],但其缺陷在于SME的个人工程经验和认识水平导致的主观性,使得无法准确标定唯象参数的不确定度。因此,提高唯象参数标定范围的客观性是DSTE处理认知UQ中亟需解决的目标。首先,综合SME意见和健全评价机制一定程度上能够提高认知不确定度取值的客观性,但有时也会面对SME意见不一致甚至完全相左的困境。此外,融合和取舍不同SME的意见也是DSTE将面临的又一个挑战。其次,按照一定的规则,进一步增加被咨询的SME数量,实现信息扩容,通过全方位、多视角认识唯象参数,是提高不确定度取值客观性的重要途径。值得注意的是,SME的认知并非一成不变,而是与SME知识储备的增加、服务工况的变动等因素密切相关。记录SME对唯象参数在不同的场景和工况下的赋值,再采用周期性融合的方法量化认知不确定度,能够进一步提升DSTE的有效性、客观性和精确性。

    非接触水下爆炸中偶然不确定度的特点是数量庞大。例如,在暗流和海浪的作用下,水雷等水下兵器的位置无法固定,产生不确定的斜距[23];炸药在生产过程中,限于加工工艺水平,无法完全提纯的杂质和结晶的随机性、间隙、扭结、空洞的存在会导致炸药密度的不确定度[24];舰船服役环境和结构构件的自然变化、测量仪器仪表精密度不足[8,25],以及测试信号的采集、传输、压缩和解码过程的不确定扰动、敏感元器件的响应力不足[1,8]。上述这些因素均会导致非接触水下爆炸SRQ的不确定性问题。而蒙特卡罗(MC)方法使用直接,不需要假设,不受“维数灾难”问题的困扰,收敛速度不依赖于输入不确定度的维数,能够直接处理非线性多物理问题,故可以认为是系统在不确定意义下的精确解[26]。因此,MC方法成为了处理高维和复杂的强非线性、非接触水下爆炸系统中偶然UQ问题的有效途径。

    综上,认知不确定度和偶然不确定度同时存在于非接触水下爆炸系统,本文将使用概率和广义概率方法,通过综合处理偶然和认知不确定度,从而更精确地提高模型的可靠性和预测能力,分析不确定度在非接触水下爆炸下对舰船冲击响应量的影响,促进非接触水下爆炸软件的自主研发,解决国外水下爆炸程序模块对华禁售的卡脖子问题,提升我国水下兵器的毁伤威力和舰船抗爆抗冲击能力。

    Θ={θ1,θ2,...,θn}为识别框架,Θ中的子集θii=1, 2, ..., n)两两互斥,计算Θ中每个子集θi的信度过程被称为基本信度分配(basic belief assignment, BBA)。在Θ上的BBA是一个2Θ[0,1]的函数m,也称其为BBA函数(BBAm),同时其满足m()=0,且AΘm(A)=1[27]。其中,使m(A)>0A称为焦元,反映了证据对事件A的信任程度。

    似真函数反映事件A发生的概率上界,定义如下所示。

    定义1:在Θ上基于BBAm的似真函数定义为

    Pl(A)=BAm(B) (1)

    信度函数反映事件A发生的概率下界,定义如下所示。

    定义2:在识别框架Θ上基于BBAm的信度函数定义为

    Bel(A)=BAm(B) (2)

    在DSTE中,对于识别框架Θ中的某个假设事件A,根据BBA分别计算出关于该假设事件的信度函数Bel(A)和似真函数Pl(A),两者组成的信任区间[Bel(A),Pl(A)]就表示对事件A的认知程度。

    Dempster合成规则是DSTE的核心,其将来源不同的独立可信的证据予以融合,产生更可靠的新证据以辅助决策。对于AΘΘ上两个独立证据的BBA函数m1,m2的Dempster合成规则[28]

    m1m2(A)=1KBC=Am1(B)m2(C) (3)

    式中:K为冲突因子;Bm1中的焦元;Cm2中的焦元,且

    K=BCm1(B)m2(C)=1BC=m1(B)m2(C) (4)

    其中,K反映了各个证据之间的冲突程度,K值越大,证据之间的冲突越大,若冲突过大会导致不合常理的结果。因此,K值只有处在一定范围内才能融合SME的意见。

    舰船非接触水下爆炸系统主要由3部分构成:首先是炸药爆炸产生的冲击波,其次是冲击波在水中传播和衰减,最后是冲击波与舰船的相互作用。非接触水下爆炸作用于舰船的物理过程极其复杂,目前仍然无法精确理解这一过程,导致模型简化和近似必不可少。为此,基本假设如下:

    1) 不考虑海底反射激波对舰船的冲击;

    2) 不考虑气泡脉动对舰船的毁伤;

    3) 不考虑冲击载荷下舰船的层裂、破口和解体;

    4) 不研究与起爆过程相关的不确定度,但会考虑与炸药相关的物理量的不确定度;

    5) 由于大型舰船的船体较大,运行平稳,因此可近似视为水面上的一个质点,忽略体积。

    美国科学家Cole利用海军丰富的试验和实战数据资源,推导出了压力p和冲击波到来后的时间t之间的函数关系式:

    p=pmetθ (5)

    根据Cole公式[29],有

    pm=K1(3Wr)α (6)
    θ(r)=K2(3Wr)β3W (7)

    上式中:pm为峰值压力;r为爆炸源到舰船的距离,即斜距;θ(r)为衰减常数;K1,K2,α,β均为取值不确定的唯象参数;W为TNT炸药的质量。

    由于衰减常数θ(r)依赖工程经验取值,为进一步描述压力与时间和斜距的关系,引入Geers双指数函数公式[30]

    f(x)=aa1x+bb1x (8)

    式中:f(x)为经验函数;a,b,a1,b1也均为取值不确定的唯象参数。唯象参数的取值与工况、工程经验和装药特性密切相关。

    根据Cole公式和Geers公式导出t时刻非接触水下爆炸的压力与时间和斜距的经验公式[29-31]

    p(r,t)=pm(r)f(tθ(r)) (9)

    为评估非接触水下爆炸对舰船的影响,将弹簧装置置于舰船上,试验装置的受力分析如图1所示,其中上图来源于网络https://mil.ifeng.com

    图  1  实船水下爆炸(上)和试验装置受力分析(下)
    Figure  1.  Underwater explosion on actual ship (upper) and force analysis of experimental setup (lower)

    爆炸引起的入射波在舰船−水交界面处被分解为穿透甲板的折射波和反射回水中的反射波。令入射波引起的压力及位移分别为pn(t)un(t),反射波引起的压力及位移分别为pr(t)ur(t),透射波引起的压力为pt(t)。另有甲板外法线方向上的位移x(t)和甲板面密度s。根据牛顿运动定律,垂直于甲板的外法线方向有

    sd2xdt2=pt(t) (10)
    pt(t)=pn(t)pr(t) (11)
    dxdt=dundtdurdt (12)

    根据波阵面相容关系[28],得到

    pn(t)=ρcdundt (13)
    pr(t)=ρcdurdt (14)

    式中:海水密度ρ=1027kg/m3;声速c=1493m/spn(t)由式(9)计算得出。

    图1中,弹簧系统试验装置外法线方向在透射波的作用下产生简谐振动。令y(t)为弹簧系统试验装置在外法线方向的绝对位移,则在外法线方向的相对位移z(t)=y(t)x(t)

    根据牛顿第二定律,有

    Md2zdt2+μdzdt+kz=pn(t) (15)

    式中:M为弹簧系统试验装置质量(弹簧质量可忽略不计);μ为弹簧刚度系数;k为阻尼系数。

    因此,由式(10)~式(15)可得

    d2zdt2+2βdzdt+ω2z=sMd2xdt2 (16)

    式中:ω表示弹簧系统的固有频率,且2β=μ/Mω2=k/M

    鉴于非接触水下爆炸与舰船相互作用过程的复杂性,M&S中存在众多不确定性因素,包括可以通过试验标定的不确定的物理量(偶然不确定度)以及没有物理意义只能通过工程经验标定的唯象参数(认知不确定度)。工程试验数据结合概率统计方法,可计算得到偶然不确定度的期望与标准差,如表1所示。表中,E(ξ)为随机变量ξ的期望值,std(ξ)ξ的标准差。

    表  1  舰船非接触水下爆炸中的偶然不确定度
    Table  1.  Aleatory uncertainty of ship subject to non-contact underwater explosion
    符号 偶然不确定度 E(ξ) std(ξ)
    ξ1 斜距r/m 10 0.2
    ξ2 TNT炸药质量W/kg 10 2
    ξ3 甲板面密度s/(kgm2) 80 6
    ξ4 试验装置质量M/kg 1800 200
    ξ5 弹簧刚度系数μ/(Nmm) 1.8×107 1.8×105
    ξ6 阻尼系数k/(Nsm1) 52 000 200
    ξ7 海水密度ρ/(kgm3) 1027 15
    ξ8 本地声速c/(ms1) 1 493 28
    下载: 导出CSV 
    | 显示表格

    假设偶然不确定度ξ1ξ8服从对数正态分布LN[τ,σ]的参数(其中,τ为对数期望,σ为对数标准差)。对数正态分布既能严格保证物理量的非负性,又能通过K−S假设予以检验,符合物理量的统计规律。则有τ,σ的计算公式如下:

    τ=ln(E(ξ)2std(ξ)2+E(ξ)2) (17)
    σ=lnE(ξ)2+std(ξ)2E(ξ)2 (18)

    其中,偶然不确定度的期望与标准差由表1确定。对数正态概率分布的具体信息见表2

    表  2  偶然不确定度的对数正态概率分布
    Table  2.  Lognormal probability distribution of aleatory uncertainty
    符号 偶然不确定度 对数正态概率分布
    ξ1 斜距r/m LN[2.302,0.020]
    ξ2 TNT炸药质量W/kg LN[4.605,0.120]
    ξ3 甲板面密度s/(kgm2) LN[4.379,0.0789]
    ξ4 试验装置质量M/kg LN[7.4894,0.111]
    ξ5 弹簧刚度系数μ/(Nmm) LN[16.705,0.010]
    ξ6 阻尼系数k/(Nsm1) LN[10.859,0.004]
    ξ7 海水密度ρ/(kgm3) LN[6.934,0.0038]
    ξ8 本地声速c/(ms1) LN[7.3085,0.0035]
    下载: 导出CSV 
    | 显示表格

    在舰船非接触水下爆炸的M&S过程中,存在大量会影响模型预测能力的认知不确定度。以唯象参数K1为例,根据SME意见对K1的取值范围[50,54]进行划分及置信度的分配,再使用DSTE融合多个SME意见,确定K1更为精确的取值范围。

    设识别框架Θ为唯象参数K1取值范围[50,54],SME A和SME B分别对该区间划分子区间并分配置信度(表3),其中,mA表示SME A构造的BBA函数,mB表示SME B构造的BBA函数。即SME A认为K1的取值落入子区间[50,51]的置信度为0.15,落入子区间[51,52]的置信度为0.45,落入子区间[52,53]的置信度为0.25,落入子区间[53,54]的置信度为0.15 。

    表  3  首次融合基本信度分配子区间划分
    Table  3.  Subinterval division of BBA for the first fusion
    子区间 mA mB mAB
    [50,51] 0.15 0.15 0.0682
    [51,52] 0.45 0.55 0.7500
    [52,53] 0.25 0.15 0.1136
    [53,54] 0.15 0.15 0.0682
    下载: 导出CSV 
    | 显示表格

    由式(4)可计算出SME意见mA与SME意见mB间的冲突因子K=0.33,因此二者可以融合。

    利用式(3)所述Dempster合成规则融合mAmB,其后得到的新的BBA函数mAB及其置信度见表3第4列。即首次融合后K1的取值落入子区间[50,51]的置信度为0.068 2,落入子区间[51,52]的置信度为0.7500,落入子区间[52,53]的置信度为0.1136,落入子区间[53,54]的置信度为0.068 2。融合后的BBA函数如图2所示。图中,横坐标表示唯象参数K1的取值范围,纵坐标表示BBA函数值,即融合后K1取值对应的置信度。

    图  2  首次融合的基本信度分配函数
    Figure  2.  BBA function of the first fusion

    由定义1可计算出首次融合后的累积似真函数(cumulative plausibility function, CPF)为

    CPF(z)=xi (19)

    由定义2可计算出首次融合后的累积信度函数(cumulative belief function, CBF)为

    CBF({\textit{z}}) = \sum\limits_{{x_i} \leqslant {\textit{z}}} {{m_i}} = \left\{ \begin{aligned} & 0 & & {{\textit{z}} \leqslant 51} \\& 0.068\;2 ,&& {51 \leqslant {\textit{z}} < 52} \\& 0.818\;2 ,&& {52 \leqslant {\textit{z}} < 53} \\& 0.931\;8 ,&& {53 \leqslant {\textit{z}} < 54} \\& 1& &{54 \leqslant {\textit{z}}} \end{aligned} \right. (20)

    式中,mi表示融合后所得新BBA的焦元的置信度。基于此,得到首次融合SME意见的累积分布函数(cumulative distribution function, CDF),如图3所示。图中:横坐标表示唯象参数K1的取值;纵坐标表示唯象参数 K 1取值对应的CPF值和CBF值;红色实线为CPF值,表示首次融合之后{K_1}的取值的概率上界;绿色实线为CBF值,表示首次融合后{K_1}取值的概率下界。

    图  3  首次融合的累积分布函数
    Figure  3.  CDF of the first fusion

    结果表明,首次融合后得到的新的BBA与单个SME意见相比,子区间[51,52]的置信度增大,其他子区间的置信度均减小。此外,由表3可知,SME A与SME B对子区间 \left[ {50,51} \right] 和子区间[53,54]分配的置信度均一致,因此这两个子区间融合后的置信度也相等。

    为降低专家意见的主观性,邀请SME C对该区间进行划分和置信度的分配,如表4第2列所示, m_{\mathrm{C}} 表示SME C构造的BBA函数。由式(4)计算出SME意见 m\mathrm{_{AB}} m_{\mathrm{C}} 之间的冲突因子 K= 0.320\; 45 ,三者可融合,再用式(3)将 m\mathrm{_C} 与首次融合后得到的新的BBA函数 m_{\mathrm{AB}} 进行二次融合,得到新的BBA函数 m\mathrm{_{ABC}} ,如表4第4列所示。

    表  4  二次融合基本信度分配子区间划分
    Table  4.  Subinterval division of BBA for the second fusion
    子区间 m_{\mathrm{C}} m\mathrm{_{AB}} m_{\mathrm{ABC}}
    \left[ {50,51} \right] 0.15 0.0682 0.0319
    \left[ {51,52} \right] 0.35 0.7500 0.8191
    \left[ {52,53} \right] 0.30 0.1136 0.1064
    \left[ {53,54} \right] 0.20 0.0682 0.0426
    下载: 导出CSV 
    | 显示表格

    即二次融合后{K_1}的取值落入子区间[50,51]的置信度为0.0319,落入子区间[51,52]的置信度为0.8191,落入子区间[52,53]的置信度为0.1064,落入子区间[53,54]的置信度为0.0426。二次融合后的BBA函数如图4所示。

    图  4  二次融合的基本信度分配函数
    Figure  4.  BBA function of the secondary fusion

    由定义1计算出二次融合的CPF为

    CPF({\textit{z}})=\sum\limits_{x_i\leqslant{\textit{z}}}^{ }m_i=\left\{\begin{aligned} & 0 ,&& {\textit{z}}\leqslant50 \\ & 0.031\ 9 ,&& 50 < {\textit{z}}\leqslant51 \\ & 0.851\ 0 ,&& 51 < {\textit{z}}\leqslant52 \\ & 0.957\ 4 ,&& 52 < {\textit{z}}\leqslant53 \\ & 1 ,&& 53 < {\textit{z}}\leqslant54\end{aligned}\right. (21)

    由定义2计算出二次融合的CBF为

    CBF({\textit{z}})=\sum\limits_{x_i\leqslant{\textit{z}}}^{ }m_i=\left\{\begin{aligned} & 0 ,&& {\textit{z}}\leqslant51 \\ & 0.031\ 9 ,&& 51\leqslant{\textit{z}} < 52 \\ & 0.851\ 0 ,&& 52\leqslant{\textit{z}} < 53 \\ & 0.957\ 4 ,&& 53\leqslant{\textit{z}} < 54 \\ & 1 ,&& 54\leqslant{\textit{z}}\end{aligned}\right. (22)

    由此,得到二次融合SME意见的CDF函数,如图5所示。

    图  5  二次融合的累积分布函数
    Figure  5.  CDF of the secondary fusion

    表4图4图5易知,前两次融合后,结果均显示对唯象参数{K_1}取值落在子区间[51,52]的可能性最大。

    在加入SME C构造的BBA进行二次融合后,3个SME构造的BBA融合后得到的新的BBA函数 m\mathrm{_{ABC}} ,且其子区间[51,52]的置信度继续增大,其他子区间的置信度均继续减小。但因SME C对子区间[50,51]分配的置信度相比对子区间[53,54]分配的置信度的小,故在二次融合后,子区间[50,51]的置信度减小得更快。将图3图5进行对比可知,{K_1}的信任区间在子区间[51,52]扩大,其他子区间缩小。

    设识别框架\varTheta 即为{K_1}的取值范围[50,54],事实上SME在不同工况、场景的认知程度和知识结构未必相同,使用多次记录SME意见方法,进一步增强专家意见的客观性。各个周期内SME A,SME B, SME C分别构造该周期内的BBA,并用矩阵表示该周期的BBA。则前两次融合的这段时间内,3个SME构造的BBA函数构成第1个周期。随着SME知识储备的增加、服务工况的变动引起的SME认知改变,SME对唯象参数{K_1}的取值发生变化,记录3个SME对{K_1}构造的新的BBA,构成第2个周期。同理,共构造3个这样的周期,则第1个周期的BBA函数用矩阵表示为

    {\boldsymbol{M}}_{\mathrm{ABC}_1} = \left(\begin{matrix} {0.15}&{0.45} & {0.25}&{0.15} \\ {0.15}&{0.55}& {0.15}&{0.15} \\ {0.15}&{0.35}& {0.30}&{0.20} \end{matrix} \right) (23)

    其中,矩阵第1行为SME A分配的BBA函数,第2行为SME B分配的BBA函数,第3行为SME C分配的BBA函数。

    构造第2个周期的BBA矩阵为

    {\boldsymbol{M}}_{\mathrm{ABC}_2}=\left(\begin{matrix}0.15 & 0.23 & 0.50 & 0.10 \\ 0.25 & 0.25 & 0.35 & 0.15 \\ 0.15 & 0.35 & 0.45 & 0.05 \end{matrix}\right) (24)

    构造第3个周期的BBA矩阵为

    {\boldsymbol{M}}_{\mathrm{ABC}_3}=\left(\begin{matrix}0.25 & 0.15 & 0.55 & 0.05 \\ 0.15 & 0.35 & 0.45 & 0.05 \\ 0.15 & 0.25 & 0.60 & 0\end{matrix}\right) (25)

    分别对3个周期的SME意见进行周期内融合,得到各周期融合后的BBA函数: m_{\mathrm{ABC}_1} , m_{\mathrm{ABC}_2} , m_{\mathrm{ABC}_3} 。由式(4)可计算出3个周期 m_{\mathrm{ABC}_1} , m_{\mathrm{ABC}_2} , m_{\mathrm{ABC}_3} 的SME意见间的冲突因子 K=0.334\ 3 ,三者可以融合,接着进行周期间的融合,最终得到周期性融合的BBA函数 m_{\mathrm{T}} ,见表5第5列。表5给出的是周期性融合所构造的BBA及融合后得到的新的BBA,对应得到融合后的BBA函数如图6所示。

    表  5  周期性融合基本信度分配子区间划分
    Table  5.  Subinterval division of BBA for the periodic fusion
    子区间 m_{\mathrm{ABC}_1} m_{\mathrm{ABC}_2} m_{\mathrm{ABC}_3} m\mathrm{_T}
    \left[ {50,51} \right] 0.0319 0.0526 0.0336 0.0007
    \left[ {51,52} \right] 0.8191 0.2044 0.0785 0.1589
    \left[ {52,53} \right] 0.1064 0.7360 0.8879 0.8404
    \left[ {53,54} \right] 0.0426 0.0070 0 0
    下载: 导出CSV 
    | 显示表格
    图  6  周期性融合的基本信度分配函数
    Figure  6.  BBA function of the periodic fusion

    即周期性融合后{K_1}的取值落入子区间[50,51]的置信度为7 \times {10^{ - 4}},落入子区间[51,52]的置信度为0.1589,落入子区间[52,53]的置信度为0.840 4,落入子区间[53,54]的置信度为0。

    由定义1计算出周期性融合的CPF为

    CPF({\textit{z}})=\sum\limits_{x_i\leqslant{\textit{z}}}^{ }m_i=\left\{\begin{aligned} & 0 ,&& {\textit{z}}\leqslant50 \\ & 0.000\ 7 ,&& 50 < {\textit{z}}\leqslant51 \\ & 0.159\ 6 ,&& 51 < {\textit{z}}\leqslant52 \\ & 1 ,&& 52 < {\textit{z}}\leqslant54\end{aligned}\right. (26)

    由定义2计算出周期性融合的CBF为

    CBF({\textit{z}})=\sum\limits_{x_i\leqslant{\textit{z}}}^{ }m_i=\left\{\begin{aligned} & 0 ,&& {\textit{z}}\leqslant51 \\ & 0.000\ 7 ,&& 51\leqslant{\textit{z}} < 52 \\ & 0.159\ 6 ,&& 52\leqslant{\textit{z}} < 53 \\ & 1 ,&& 53\leqslant{\textit{z}}\end{aligned}\right. (27)

    由此,得到周期性融合SME意见的累积分布函数如图7所示。

    图  7  周期性融合的累积分布函数
    Figure  7.  CDF of the periodic fusion

    图3图5图7的CDF显示,不确定的唯象参数{K_1}的CDF呈“阶梯状”,每段“阶梯”都直观表示了{K_1}取值落在对应区间的累积概率的上下界。

    表5易知,使用周期性融合的方法,第1个周期融合后,{K_1}的取值落在子区间[51,52]的可能性最大,而第2个周期和第3个周期融合的结果则显示{K_1}的取值均最有可能落到子区间[52,53]。3个周期进行周期性融合后的最终结果仍显示,{K_1}的取值最有可能落在子区间[52,53],且周期性融合后的其他子区间的置信度与置信区间均趋向于0。由图6可见,子区间[50,51]的BBA几乎与0重合,而子区间[53,54]的BBA则已与0重合。经查看表5可容易知道, m_{\mathrm{T}}\left(\left[50,51\right]\right)= 7\times10^{-4} m\mathrm{_T}\left(\left[53,54\right]\right)=0 ,与图6所示的结果相符。而图7显示CPF和CBF在子区间[50,51]几乎重合,在子区间[53,54]则已完全重合。

    结果表明,周期性融合后,唯象参数{K_1}在这两个子区间取值的概率趋近于0。因此,视唯象参数{K_1}的取值范围缩小为更加精确的区间[52,53]。虽然{K_1}的取值受认知不确定度的影响在第1个周期内最有可能落在子区间[51,52]内,但经过3个周期的周期性融合后,{K_1}的取值得以修正,使得{K_1}的取值最终最可能落入子区间[52,53]内。多周期融合对初始认知改动较大,符合预期。

    舰船非接触水下爆炸系统同时受到偶然不确定度和认知不确定度的影响,因此需要综合处理。本文使用双层循环法来实现舰船非接触水下爆炸混合UQ,亦即采用内、外双层抽样分别对两种不确定度的参数进行抽样。其中,外层循环使用拉丁超立方体抽样(LHS)方法对周期性融合方法处理过的认知不确定参数抽样,而内层循环则使用MC方法对偶然不确定参数抽样。LHS方法根据区间取值,处理认知不确定度更加有力。最后,根据双层抽样的结果计算SRQ更为精确的期望值,以此完成舰船非接触水下爆炸系统混合UQ,流程图如图8所示。

    图  8  混合不确定度量化的流程图
    Figure  8.  Flow chart of the mixed uncertainty quantification

    采用2.2.3节中的周期性融合方法处理舰船非接触水下爆炸数学物理模型中的其他7个唯象参数a,b,{a_1},{b_1},{K_2},\alpha ,\beta ,得到其对应的形似图6的BBA图。从这些唯象参数的精确区间取值,令a = 0.825,b = 0.17, a_1=1.3 ,{b_1} = 0.18,{K_2} = 0.91,\alpha = 1.13, \beta = - 0.18。在t = 6.859\;{{\mathrm{ms}}} 时刻,对数学物理模型中的偶然不确定度参数取随机值,采用MC方法计算106个样本点下式(9)中的爆压p,并使用打点法计算{K_1}取不同值时所对应的期望爆压p,以进一步得到爆压p的BBA,如图9所示。爆压p的CDF如图10所示。

    图  9  爆压的基本信度分配函数
    Figure  9.  BBA function of the detonation pressure
    图  10  爆压的累积分布函数
    Figure  10.  CDF of the detonation pressure

    期望的爆压p分别以置信度7 \times {10^{ - 4}}落入区间{D_1} = \left[ {5.545\;2 ,5.596\;0 } \right],以置信度0.1589落入区间{D_2} = \left[ {5.596\;0 ,5.653\;7 } \right],以置信度0.8404落入区间{D_3} = \left[ {5.653\;7 ,5.708\;8 } \right],以置信度0落入区间 D= \left[5.708\; 8,5.764\; 1\right] ,则爆压p取值的置信区间为D = \left[ {5.545\;2, 5.764\;1} \right]。以上数值单位均为MPa。

    图10 中所示的CDF可知,期望的爆压p落入不同区间的边际概率分别为:

    \begin{split} & 0 \leqslant P(5.545\;2\;{\text{MPa}} \leqslant p( {r,t} ) \leqslant 5.596\;0\;{\text{MPa}}) \leqslant 0.000\;7\; \\&\qquad\qquad\quad 7 \times {10^{ - 4}} \leqslant P( 5.596\;0\;{\text{MPa}} \leqslant\\&\qquad\qquad\;\;\; p( {r,t} ) \leqslant 5.653\;7\;{\text{MPa}} ) \leqslant 0.159\;6\\& 0.159\;6 \leqslant P( 5.653\;7\;{\text{MPa}} \leqslant p( {r,t} ) \leqslant 5.764\;1\;{\text{MPa}} ) \leqslant 1 \end{split}

    其中,似真函数与信度函数构成的信度区间反映了爆压p取值的精确概率范围。结果符合水下爆炸的认知,与文献[1,2,29]的SRQ取值量级和范围大致吻合。

    同样,使用MC方法采取106个样本点,对式(16)中的相对位移{\textit{z}}\left( t \right)进行求解,取其结果的期望值得到对应的BBA如图11所示,CDF如图12所示。

    图  11  相对位移的基本信度分配函数
    Figure  11.  BBA function of the relative displacement
    图  12  相对位移的累积分布函数
    Figure  12.  CDF of the relative displacement

    期望的相对位移{\textit{z}}\left( t \right)分别以置信度7 \times {10^{ - 4}}落入区间{E_1} = \left[ {7.385\;0,7.407\;5} \right],以置信度0.1589落入区间 {E_2} = \left[ {7.407 \;5,7.430 \;0} \right],以置信度0.8404落入区间{E_3} = \left[ {7.430\;0,7.452\;5} \right] ,以置信度0落入区间{E_4} = \left[ {7.452\;5,7.475\;0} \right],则相对位移{\textit{z}}\left( t \right)取值的置信区间为E = \left[ {7.385\;0,7.475\;0} \right] 。以上单位均为mm。

    图12中的CDF的信度区间则反映了相对位移{\textit{z}}\left( t \right)取值的精确概率范围,由图易知,相对位移{\textit{z}}\left( t \right)的期望落入不同区间的边际概率分别为:

    \begin{split} & \;\;0 \leqslant P(7.385\;0\;{\text{mm}} \leqslant {\textit{z}}\left( t \right) \leqslant 7.407\;5\;{\text{mm}}) \leqslant 7 \times {10^{ - 4}}\\& 7 \times {10^{ - 4}} \leqslant P\left( {7.407\;5\;{\text{mm}} \leqslant {\textit{z}}\left( t \right) \leqslant 7.430\;0\;{\text{mm}}} \right) \leqslant 0.159\;6\\&\;\;\; 0.159\;6 \leqslant P\left( {7.430\;0\;{\text{mm}} \leqslant {\textit{z}}\left( t \right) \leqslant 7.475\;0\;{\text{mm}}} \right) \leqslant 1 \end{split}

    a,b,{a_1},{b_1},{K_2},\alpha ,\beta 这7个经周期性融合方法处理过的唯象参数进行定量取值,仅{K_1}的取值变化。使用双层循环法并且对作为唯象参数的外层采用LHS法抽样,使样本点均匀地分布在{K_1}的取值范围内,这不仅能够提高抽样效率,还可尽量避免抽样结果产生偏差。经抽样得到M个步长一定的认知不确定度样本 K_1^i(i=1,2,...,M) ,认知不确定度样本固定不变,再计算分析偶然不确定度这一维度的变化对SRQ的影响。进一步地,内层采用MC方法模拟计算106个样本点下的SRQ,根据106个计算结果求得外层固定的认知不确定度样本的期望值,从而进一步得到精确的SRQ取值。共计算得到M个期望的SRQ,选取{K_1}每个子区间上样本点各自对应的期望最大和最小值,构成SRQ子区间的端点,从而得到SRQ的BBA。其中,固定除{K_1}外的其他7个唯象参数的取值后,SRQ的期望值将随M{K_1}样本对应值的增长而呈线性增长,从而得到SRQ取值区间的左、右端点,即为{K_1}取值区间左、右端点(M个样本中的最小和最大值)所对应的期望值。结果显示,因认知不确定度在外层影响SRQ的取值,故SRQ的子区间的置信度与{K_1}对应子区间的置信度保持一致;又因{K_1}经过采用周期性融合方法进行认知UQ后,取值精确度得以提高,故经过混合UQ后,SRQ的取值也更加精确,从而提升了模型的精确度。

    本文综合处理了舰船非接触水下爆炸M&S过程中不确定的唯象参数和不确定的物理量。使用DSTE理论处理无法通过试验标定的唯象参数。在专家系统中,SME的意见取决于SME个人的工程经验和知识结构,唯象参数容易受不可靠证据源的影响而无法准确标定;此外,SME的认知还会随着其知识储备的增加、应用场景和工况的变动而改变。鉴此,本文以舰船非接触水下爆炸数学物理模型中的唯象参数{K_1}为例,记录了多名专家在不同时间、不同场景、不同工况下对唯象参数的取值,进一步使用周期性融合的方法融合SME意见。结果发现,采用上述方法缩短了唯象参数{K_1}的取值范围,对SME的初始意见改动较大,唯象参数{K_1}取值概率更加集中于认知UQ所得的精确区间。修正后的输出结果与文献[13]中{K_1}的概率密度函数(PDF)分布情况相吻合,从而验证了使用多证据、多周期性融合方法可有效提升唯象参数取值的精确性,增强DSTE的客观性、可靠性。这表明研究所用的多证据、多周期性融合方法可推广到其他唯象参数。

    对于认知不确定度和偶然不确定度同时存在的数学模型,本文采用了双层循环法予以处理,即使用更高效的LHS方法处理外层认知不确定度,而对于不确定的物理量内层则使用MC方法予以处理,即使增加维数也不会带来计算量呈指数爆炸的问题,避免了“维数灾难”。通过混合UQ得到舰船非接触水下爆炸模型SRQ的置信区间及其对应的BBA,并进一步结合目标SRQ的累积分布函数(CDF)的上界和下界来分析其置信区间,进而得到SRQ更为精确的取值区间。所得结果的量级和取值范围与前人研究结果吻合较好。

    本文采用概率和广义概率方法对不确定的唯象参数和不确定的物理量进行综合UQ处理,来提升数学模型的可靠性和预测能力。该研究方法具有普适性,可推广到其他水下爆炸系统的研究中,可为精确评估输入不确定度对SRQ的影响提供判断依据,研究结果可用于指导舰船防护和水下兵器设计,提升舰船的抗爆抗冲击能力及水下兵器的毁伤威力。

    事实上,在水下爆炸数值模拟过程中不确定因素有几十甚至上百个。逐个标定水下爆炸中的偶然不确定量并不是本文的目的,对于高维UQ及其面对的“维数灾难问题”以及降维问题将是下一步研究的目标。此外,增加对不同工况(例如近场、中场、远场)的计算能够更全面地对结果予以分析,但考虑到试验不同,所用经验公式完全不同,计算也就不尽相同。因此,未来计划将多工况和多认知不确定度耦合的DSTE结合考虑。

    在舰船非接触水下爆炸体系中,爆炸源产生的能量不仅通过冲击波传播,还在冲击波作用后转化为高温高压的气泡,从而造成舰船的总体毁伤。气泡在惯性力和周围静水压力的作用下出现周期性的膨胀与收缩,形成剧烈的气泡脉动现象,直至破碎冲出水面,形成水冢摧毁周围的舰船。再者,气泡上升过程中上、下表面之间的明显压差会导致气泡产生一个自下而上的高速射流,使得舰船更容易被损毁甚至折断。因此,研究非接触水下爆炸中的气泡必不可少,但气泡脉动和冲击响应是两种完全不同的研究体系,故气泡脉动的UQ量化将是下一步研究对象。

  • 图  1   实船水下爆炸(上)和试验装置受力分析(下)

    Figure  1.   Underwater explosion on actual ship (upper) and force analysis of experimental setup (lower)

    图  2   首次融合的基本信度分配函数

    Figure  2.   BBA function of the first fusion

    图  3   首次融合的累积分布函数

    Figure  3.   CDF of the first fusion

    图  4   二次融合的基本信度分配函数

    Figure  4.   BBA function of the secondary fusion

    图  5   二次融合的累积分布函数

    Figure  5.   CDF of the secondary fusion

    图  6   周期性融合的基本信度分配函数

    Figure  6.   BBA function of the periodic fusion

    图  7   周期性融合的累积分布函数

    Figure  7.   CDF of the periodic fusion

    图  8   混合不确定度量化的流程图

    Figure  8.   Flow chart of the mixed uncertainty quantification

    图  9   爆压的基本信度分配函数

    Figure  9.   BBA function of the detonation pressure

    图  10   爆压的累积分布函数

    Figure  10.   CDF of the detonation pressure

    图  11   相对位移的基本信度分配函数

    Figure  11.   BBA function of the relative displacement

    图  12   相对位移的累积分布函数

    Figure  12.   CDF of the relative displacement

    表  1   舰船非接触水下爆炸中的偶然不确定度

    Table  1   Aleatory uncertainty of ship subject to non-contact underwater explosion

    符号 偶然不确定度 E( \xi ) std( \xi )
    {\xi _1} 斜距r/{{\mathrm{m}}} 10 0.2
    {\xi _2} TNT炸药质量W/{{\mathrm{kg}}} 10 2
    {\xi _3} 甲板面密度s/( {{{\mathrm{kg}}} \cdot {{\mathrm{m}}^{ - 2}}} ) 80 6
    {\xi _4} 试验装置质量M/{{\mathrm{kg}}} 1800 200
    {\xi _5} 弹簧刚度系数\mu /( {{\mathrm{N}} \cdot {\mathrm{mm}}} ) 1.8\times10^7 1.8 \times {10^5}
    {\xi _6} 阻尼系数k/( {{\mathrm{Ns}} \cdot {{\mathrm{m}}^{ - 1}}} ) 52\ 000 200
    {\xi _7} 海水密度 \rho /( {{\mathrm{kg}} \cdot {{\mathrm{m}}^{ - 3}}} ) 1\;027 15
    {\xi _8} 本地声速c/( {{{\mathrm{m}}} \cdot {{{\mathrm{s}}} ^{ - 1}}} ) 1\ 493 28
    下载: 导出CSV

    表  2   偶然不确定度的对数正态概率分布

    Table  2   Lognormal probability distribution of aleatory uncertainty

    符号 偶然不确定度 对数正态概率分布
    {\xi _1} 斜距r/{{\mathrm{m}}} LN\left[ {2.302,0.020} \right]
    {\xi _2} TNT炸药质量W/{{\mathrm{kg}}} LN\left[ {4.605,0.120} \right]
    {\xi _3} 甲板面密度 s/(\mathrm{kg}\cdot\mathrm{m}^{-2}) LN\left[ {4.379,0.078\;9} \right]
    {\xi _4} 试验装置质量M/{{\mathrm{kg}}} LN\left[ {7.489\;4,0.111} \right]
    {\xi _5} 弹簧刚度系数\mu /( {{\mathrm{N}} \cdot {\mathrm{mm}}} ) LN\left[ {16.705,0.010} \right]
    {\xi _6} 阻尼系数k/( {{\mathrm{Ns}} \cdot {{\mathrm{m}}^{ - 1}}} ) LN\left[ {10.859,0.004} \right]
    {\xi _7} 海水密度 \rho /( {{\mathrm{kg}} \cdot {{\mathrm{m}}^{ - 3}}} ) LN\left[ {6.934,0.003\;8} \right]
    {\xi _8} 本地声速c/( {{{\mathrm{m}}} \cdot {{{\mathrm{s}}} ^{ - 1}}} ) LN\left[ {7.308\;5,0.003\;5} \right]
    下载: 导出CSV

    表  3   首次融合基本信度分配子区间划分

    Table  3   Subinterval division of BBA for the first fusion

    子区间 m_{\mathrm{\mathrm{A}}} m_{\mathrm{B}} m_{\mathrm{AB}}
    \left[50,51\right] 0.15 0.15 0.0682
    \left[ {51,52} \right] 0.45 0.55 0.7500
    \left[ {52,53} \right] 0.25 0.15 0.1136
    \left[ {53,54} \right] 0.15 0.15 0.0682
    下载: 导出CSV

    表  4   二次融合基本信度分配子区间划分

    Table  4   Subinterval division of BBA for the second fusion

    子区间 m_{\mathrm{C}} m\mathrm{_{AB}} m_{\mathrm{ABC}}
    \left[ {50,51} \right] 0.15 0.0682 0.0319
    \left[ {51,52} \right] 0.35 0.7500 0.8191
    \left[ {52,53} \right] 0.30 0.1136 0.1064
    \left[ {53,54} \right] 0.20 0.0682 0.0426
    下载: 导出CSV

    表  5   周期性融合基本信度分配子区间划分

    Table  5   Subinterval division of BBA for the periodic fusion

    子区间 m_{\mathrm{ABC}_1} m_{\mathrm{ABC}_2} m_{\mathrm{ABC}_3} m\mathrm{_T}
    \left[ {50,51} \right] 0.0319 0.0526 0.0336 0.0007
    \left[ {51,52} \right] 0.8191 0.2044 0.0785 0.1589
    \left[ {52,53} \right] 0.1064 0.7360 0.8879 0.8404
    \left[ {53,54} \right] 0.0426 0.0070 0 0
    下载: 导出CSV
  • [1] 刘建湖. 舰船非接触水下爆炸动力学的理论与应用[D]. 无锡: 中国船舶科学研究中心, 2002.

    LIU J H. Theory and its application of ship dynamic responses to non-contact underwater explosion[D]. Wuxi: China Ship Scientific Research Center, 2002 (in Chinese).

    [2] 张阿漫, 王诗平, 彭玉祥, 等. 水下爆炸与舰船毁伤研究进展[J]. 中国舰船研究, 2019, 14(3): 1–13. doi: 10.19693/j.issn.1673-3185.01608

    ZHANG A M, WANG S P, PENG Y X, et al. Research progress in underwater explosion and its damage to ship structures[J]. Chinese Journal of Ship Research, 2019, 14(3): 1–13 (in Chinese). doi: 10.19693/j.issn.1673-3185.01608

    [3]

    ZHANG A M, LI S M, CUI P, et al. A unified theory for bubble dynamics[J]. Physics of Fluids, 2023, 35(3): 033323. doi: 10.1063/5.0145415

    [4] 张阿漫, 明付仁, 刘云龙, 等. 水下爆炸载荷特性及其作用下的舰船毁伤与防护研究综述[J]. 中国舰船研究, 2023, 18(3): 139–154,196. doi: 10.19693/j.issn.1673-3185.03273

    ZHANG A M, MING F R, LIU Y L, et al. Review of research on underwater explosion related to load characteristics and ship damage and protection[J]. Chinese Journal of Ship Research, 2023, 18(3): 139–154,196 (in Chinese). doi: 10.19693/j.issn.1673-3185.03273

    [5] 张阿漫, 王诗平, 汪玉, 等. 水下爆炸对舰船结构损伤特征研究综述[J]. 中国舰船研究, 2011, 6(3): 1–7. doi: 10.3969/j.issn.1673-3185.2011.03.001

    ZHANG A M, WANG S P, WANG Y, et al. Advances in the research of characteristics of warship structural damage due to underwater explosion[J]. Chinese Journal of Ship Research, 2011, 6(3): 1–7 (in Chinese). doi: 10.3969/j.issn.1673-3185.2011.03.001

    [6] 刘建湖, 周心桃, 潘建强, 等. 舰艇抗爆抗冲击技术现状和发展途径[J]. 中国舰船研究, 2016, 11(1): 46–56,71. doi: 10.3969/j.issn.1673-3185.2016.01.007

    LIU J H, ZHOU X T, PAN J Q, et al. The state analysis and technical development routes for the anti-explosion and shock technology of naval ships[J]. Chinese Journal of Ship Research, 2016, 11(1): 46–56,71 (in Chinese). doi: 10.3969/j.issn.1673-3185.2016.01.007

    [7] 姚熊亮, 熊帮虎, 王志凯, 等. 水下爆炸冲击波载荷沿燃气轮机结构传递特征[J]. 兵工学报, 2022, 43(9): 2367–2378.

    YAO X L, XIONG B H, WANG Z K, et al. Characteristics of underwater explosion of the shock wave loads transfer in the gas turbine structure[J]. Acta Armamentarii, 2022, 43(9): 2367–2378 (in Chinese).

    [8] 董九亭, 刘建湖, 汪俊, 等. 水下爆炸下舰艇不同部位冲击环境数值分析[J]. 中国舰船研究, 2018, 13(5): 32–38. doi: 10.19693/j.issn.1673-3185.01139

    DONG J T, LIU J H, WANG J, et al. Numerical analysis on shock environment in different ship regions subjected to underwater explosion[J]. Chinese Journal of Ship Research, 2018, 13(5): 32–38 (in Chinese). doi: 10.19693/j.issn.1673-3185.01139

    [9] 陈岩武, 孙远翔, 王成. 水下爆炸载荷下舰船双层底部结构的毁伤特性[J]. 兵工学报, 2023, 44(3): 670–681.

    CHEN Y W, SUN Y X, WANG C. Damage characteristics of ship's double bottom structure subjected to underwater explosion[J]. Acta Armamentarii, 2023, 44(3): 670–681 (in Chinese).

    [10] 徐维铮, 吴卫国. 爆炸波高精度数值计算程序开发及应用[J]. 中国舰船研究, 2017, 12(3): 64–74. doi: 10.3969/j.issn.1673-3185.2017.03.010

    XU W Z, WU W G. Development of in-house high-resolution hydrocode for assessment of blast waves and its application[J]. Chinese Journal of Ship Research, 2017, 12(3): 64–74 (in both Chinese and English). doi: 10.3969/j.issn.1673-3185.2017.03.010

    [11] 张勇, 肖正明, 段浩, 等. 水下中远场爆炸冲击波作用下航行体表面动态响应分析[J/OL]. 兵工学报, 2023: 1–9 (2023-07-12)[2023-11-11]. http://kns.cnki.net/kcms/detail/11.2176.TJ.20230712.1530.006.html.

    ZHANG Y, XIAO Z M, DUAN H, et al. Dynamic response analysis of vehicle surface under the action of underwater medium and far field explosion shock wave[J/OL]. Acta Armamentarii, 2023: 1–9 (2023-07-12)[2023-11-11]. http://kns.cnki.net/kcms/detail/11.2176.TJ.20230712.1530.006.html (in Chinese).

    [12] 毛柳伟, 祝心明, 黄治新, 等. 水下爆炸载荷下复合点阵夹层结构冲击响应分析[J]. 中国舰船研究, 2022, 17(3): 253–263. doi: 10.19693/j.issn.1673-3185.02503

    MAO L W, ZHU X M, HUANG Z X, et al. Impact response of composite lattice sandwich plate structure subjected to underwater explosion[J]. Chinese Journal of Ship Research, 2022, 17(3): 253–263 (in both Chinese and English). doi: 10.19693/j.issn.1673-3185.02503

    [13] 梁霄, 陈江涛, 王瑞利, 等. 非接触水下爆炸下舰船冲击环境的不确定度量化[J]. 中国舰船研究, 2020, 15(6): 128–136. doi: 10.19693/j.issn.1673-3185.01826

    LIANG X, CHEN J T, WANG R L, et al. The uncertainty quantification of ship shock environment subjected to non-contact underwater explosion[J]. Chinese Journal of Ship Research, 2020, 15(6): 128–136 (in both Chinese and English). doi: 10.19693/j.issn.1673-3185.01826

    [14]

    LIANG X, WANG R, GHANEM R. Uncertainty quantification of detonation through adapted polynomial chaos[J]. International Journal for Uncertainty Quantification, 2020, 10(1): 83–100. doi: 10.1615/Int.J.UncertaintyQuantification.2020030630

    [15] 魏骁, 李恒, 黄晨冉. 基于PCE法和最大熵法的船舶不确定性优化设计[J]. 中国舰船研究, 2023, 18(3): 13–25. doi: 10.19693/j.issn.1673-3185.02563

    WEI X, LI H, HUANG C R. Application of uncertainty design optimization based on polynomial chaos expansions and maximum entropy method in ship design[J]. Chinese Journal of Ship Research, 2023, 18(3): 13–25 (in Chinese). doi: 10.19693/j.issn.1673-3185.02563

    [16]

    BARTL D, DRAPEAU S, OBŁÓJ J, et al. Sensitivity analysis of Wasserstein distributionally robust optimization problems[J]. Proceedings of the Royal Society A: Mathematical, Physical and Engineering Sciences, 2021, 477(2256): 20210176.

    [17]

    SUO B, CHENG Y S, ZENG C, et al. Computational intelligence approach for uncertainty quantification using evidence theory[J]. Journal of Systems Engineering and Electronics, 2013, 24(2): 250–260. doi: 10.1109/JSEE.2013.00032

    [18]

    SALICONE S, JETTI H V. A general mathematical approach based on the possibility theory for handling measurement results and all uncertainties[J]. Metrology, 2021, 1(2): 76–92. doi: 10.3390/metrology1020006

    [19]

    CAO L X, LIU J, MENG X H, et al. Inverse uncertainty quantification for imprecise structure based on evidence theory and similar system analysis[J]. Structural and Multidisciplinary Optimization, 2021, 64(4): 2183–2198. doi: 10.1007/s00158-021-02974-4

    [20]

    SHAH H, HOSDER S, WINTER T. A mixed uncertainty quantification approach using evidence theory and stochastic expansions[J]. International Journal for Uncertainty Quantification, 2015, 5(1): 21–48. doi: 10.1615/Int.J.UncertaintyQuantification.2015010941

    [21]

    BAE H R, GRANDHI R V, CANFIELD R A. Sensitivity analysis of structural response uncertainty propagation using evidence theory[J]. Structural and Multidisciplinary Optimization, 2006, 31(4): 270–279. doi: 10.1007/s00158-006-0606-9

    [22] 刘帅彤, 李晓军, 周志杰, 等. 证据理论在模式分类中的应用综述[J]. 中国电子科学研究院学报, 2022, 17(3): 247–258.

    LIU S T, LI X J, ZHOU Z J, et al. Review on the application of evidence theory in pattern classification[J]. Journal of China Academy of Electronics and Information Technology, 2022, 17(3): 247–258 (in Chinese).

    [23] 龙仁荣, 付跃升, 张庆明. 水下爆炸爆源定位方法与误差分析[J]. 爆炸与冲击, 2013, 33(2): 181–185.

    LONG R R, FU Y S, ZHANG Q M. A location method for underwater explosion source and error analysis[J]. Explosion and Shock Waves, 2013, 33(2): 181–185 (in Chinese).

    [24] 梁霄, 王瑞利. 爆轰流体力学模型敏感度分析与模型确认[J]. 物理学报, 2017, 66(11): 116401. doi: 10.7498/aps.66.116401

    LIANG X, WANG R L. Sensitivity analysis and validation of detonation computational fluid dynamics model[J]. Acta Physica Sinica, 2017, 66(11): 116401 (in Chinese). doi: 10.7498/aps.66.116401

    [25] 杨坤, 张玮, 李营, 等. 水下爆炸作用下复合材料圆柱壳结构失效模式分析[J]. 中国舰船研究, 2023, 18(2): 55–63. doi: 10.19693/j.issn.1673-3185.02835

    YANG K, ZHANG W, LI Y, et al. Failure mode analysis of composite cylindrical shell structure under underwater explosion[J]. Chinese Journal of Ship Research, 2023, 18(2): 55–63 (in Chinese). doi: 10.19693/j.issn.1673-3185.02835

    [26] 梁霄, 王瑞利. 爆炸波中的混合不确定度量化方法[J]. 计算物理, 2017, 34(5): 574–582.

    LIANG X, WANG R L. Mixed uncertainty quantification of blast wave problem[J]. Chinese Journal of Computational Physics, 2017, 34(5): 574–582 (in Chinese).

    [27] 李晓晴, 刘瀛, 包素艳. D-S证据理论在导弹健康状态评估中的应用[J]. 测控技术, 2022, 41(3): 26–32.

    LI X Q, LIU Y, BAO S Y. Application of D-S evidence theory in missile health status evaluation[J]. Measurement Control Technology, 2022, 41(3): 26–32 (in Chinese).

    [28]

    SHAFER G, LOGAN R. Implementing Dempster's rule for hierarchical evidence[J]. Artificial Intelligence, 1987, 33(3): 271–298. doi: 10.1016/0004-3702(87)90040-3

    [29]

    COLE R H. Underwater explosion[M]. New Jersey: Princeton University Press, 1948.

    [30]

    GEERS T L, HUNTER K S. An integrated wave-effects model for an underwater explosion bubble[J]. The Journal of the Acoustical Society of America, 2002, 111(4): 1584–1601. doi: 10.1121/1.1458590

    [31]

    PRICE R S. Similitude equations for explosives fired underwater: NSWC TR 80-299[R]. Dahlgren: Naval Surface Warfare Center, 1979.

  • 期刊类型引用(1)

    1. 陈浩,吴沐宸,陈江涛,夏侯唐凡,赵忠锐,刘宇. 证据理论框架下主动学习代理模型驱动的CFD模拟不确定性量化方法. 空气动力学学报. 2024(09): 86-99 . 百度学术

    其他类型引用(0)

图(12)  /  表(5)
计量
  • 文章访问数:  281
  • HTML全文浏览量:  20
  • PDF下载量:  79
  • 被引次数: 1
出版历程
  • 收稿日期:  2023-08-01
  • 修回日期:  2023-11-30
  • 网络出版日期:  2023-12-12
  • 发布日期:  2024-02-04
  • 刊出日期:  2024-06-27

目录

/

返回文章
返回