本发明涉及计算模型确认和不确定性参数校准领域，更具体的说是涉及一种考虑认知不确定性的结构热传导模型确认与参数校准方法，本发明亦可适用一般结构物理模型的确认和参数校准。
背景技术：
1、航空航天装备服役环境极端恶劣，高超声速飞行器表面及其动力系统结构往往面临严高温的工作环境。为保障装备系统的可靠性，必须对关键受热部位开展有效的热传导性能评估与设计。结构热传导模型是基于热传导物理规律构建的结构热性能计算模型，通过结构在瞬时条件下的温度响应进行分析，能够获取温度变化和热分布状况，从而有效指导飞行器结构传热设计。
2、然而，由于工艺误差、材料分散性、边界条件的复杂性、建模假设等原因，使得结构热传导模型计算存在多源的不确定性，导致结构热传导模型计算结果与实际结构响应难以吻合和匹配。因此，在使用计算模型开展结构传热性能分析与优化设计时，首先需要开展热传导模型的验证与确认。通过试验数据定量评估模型与实际响应的符合程度，并结合试验观测对结构热传导模型参数进行校准和更新，提高模型对结构实际响应的预测能力。
3、现有考虑不确定性的模型确认和参数校准的方法多数基于概率框架展开，主要依据假设检验和统计距离设计模型确认指标，一般通过贝叶斯的统计推断反演参数的后验分布。由于结构热传导模型参数涉及认知不确定性，基于区间分析的非概率方法能够为该类不确定性的表征和传递提供另一种思路。与已有的概率方法相比，基于区间的方法无需大量样本构建精确的概率分布，更加适用于工程实践中小样本的情况。目前已有的基于区间包含度的模型确认方法虽然易于实现，但是无法对实验数据落于区间范围外的情况展开定量评估，从而具有较大局限性。本发明设计了一种新的基于区间分析的模型确认指标，并在模型确认的基础上提出了结构热传导模型参数的优化反演方法。本发明克服了基于区间包含度的方法的局限性，能够对任意热传导模型预测与试验样本的分布情况开展模型预测能力的定量评估和模型参数校准与更新。
技术实现思路
1、为了克服现有技术的不足，本发明的目的在于提供一种考虑认知不确定性的结构热传导模型确认与参数校准方法，提出了一种定量评估计算响应区间与实验响应区间不确定性差异的模型确认指标，并通过全局寻优的标定模型不确定性参数，从而消减热传导模型的认知不确定性，提高计算模型的预测能力。
2、本发明的技术方案如下：
3、步骤1：建立结构瞬态温度响应的计算模型，设计开展模型确认与认证试验。验证实验在多组试验设定下开展，证实验只有一种实验配置，但认证验证实验的响应测量是在三个位置进行的，分别收集表面不同位置的温度响应。同样，直接进行显式模型下的优化计算。并收集试验观测数据。
4、步骤2：辨识结构热传导模型中的多源不确定性参数或变量。采用基于区间的不确定性度量方法表征各不确定性源。通过区间遍历、蒙特卡洛等方法实现多源不确定性向热传导模型动态响应的传递，获得结构热传导模型动态响应的不确定性度量。
5、步骤3：分析热传导模型预测区间与试验结果的对应关系，设计可兼顾所有对应关系并充分考虑计算模型与试验数据不确定性的模型确认指标，并在热传导模型和试验数据的支撑下估计不同模型确认场景下的指标值，判断模型对试验的符合程度和预测能力是否满足要求。若满足，则应用模型；若不满足，则可通过模型校准进一步消减模型认知不确定性。
6、步骤4：基于已有试验数据，构建面向模型参数校准与认知不确定性削减的优化模型。以最小化确认指标为优化目标，以参数不确定性区间的上下界为设计变量，通过优化算法实现模型参数辨识与更新。
7、步骤5：基于所提出的模型确认指标，对参数校准和认知不确定性削减校准后的模型再次开展模型确认，在符合度满足以后进行模型认证。
8、有益效果
9、1. 本发明考虑了认知不确定性对计算模型结果的影响，并提出了一种新的模型确认指标。与传统的指标相比，该指标利用区间范围来表征不确定性波动，更便于处理有限数据的不完全信息。关键在于基于区间过程的重叠建立了一种新的模型确认指标，能够准确地反映计算模型与实验数据之间的一致性。
10、2. 针对认知不确定性的结构热传导模型的确认与参数校准。首先建立结构热传导的计算模型，在不同实验配置下计算确认指标，评估模型的拟合程度。若模型表现不佳，需要修正或改进，可调整参数、改变结构或重新收集数据等。一旦模型通过确认过程，被认为是可靠和有效的，便可用于实际应用，如预测未来趋势或优化系统设计。
1.一种考虑认知不确定性的结构热传导模型确认与参数校准方法，其特征在于，应用于飞行器，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，步骤1中，器件瞬态温度响应的计算模型表示为：
3.根据权利要求1所述的方法，其特征在于，步骤2中，验证实验在飞行器的热通量/厚度点进行，针对每种配置，测量器件边界x=0上的从初始时间到结束时间的瞬时温度；认证实验测量器件在m个位置不同的温度响应，并直接进行显式模型下的优化计算，并收集试验观测数据。
4.根据权利要求1-3任意一项所述的方法，其特征在于，使用一阶矩和二阶矩的无偏估计方法处理实验观测数据：设是均匀分布在区间范围内的随机变量，其理论均值一阶矩为和方差二阶矩为，根据和，计算下界和上界：
5.根据权利要求4所述的方法，其特征在于，基于计算模型区间与实验模型区间的相似度的定量确认指标：
6.根据权利要求1所述的方法，其特征在于，
7.根据权利要求1所述的方法，其特征在于，步骤4中，通过比较同一时间点下，计算模型温度值也实验数据的温度值大小来确定计算模型区间与实验模型区间的相对位置关系，进而计算确认指标的值得到两个区间的相似程度，
8.根据权利要求7所述的方法，其特征在于，步骤4中，优化算法具体为：
9.根据权利要求8所述的方法，其特征在于，在每一次迭代中，使用fmincon函数优化参数的值并计算当前取值范围下的目标函数m值；检查目标函数值的变化是否小于容忍度，如果是则结束迭代，否则将继续迭代。
