燃气轮机叶片校准新方法：多级贝叶斯融合，离线在线双模式实测验证！
Multi-Level Bayesian Calibration of a Multi-Component Dynamic System Model
👨💼 主理人解读 · 为什么值得关注
提出多层级贝叶斯校准方法，融合异构数据源，量化动态多组件系统在组件与系统级的不确定性。
📖 AI 总结
该论文提出了一种多层级贝叶斯校准方法，用于融合异构数据源并量化多组件动态系统中的建模与测量不确定性。方法包含两个核心要素：在组件级和系统级分别量化不确定性，以及修正模型预测。研究通过顺序消费不同时间点、不同组件的测量数据，设计了迭代策略以同时校准两个层级的参数，并区分了离线（使用全部时间步数据）与在线（实时更新）两种校准场景。以燃气轮机转子叶片的热机械行为分析模型和观测数据为案例，验证了方法的有效性。该研究的意义在于，为复杂工程系统在数据稀疏且多源异构条件下的参数校准和预测精度提升提供了系统性框架，尤其适用于需要实时决策的在线监测场景。
🔑 关键词速览
| 多层级贝叶斯校准 | 一种结合贝叶斯推断的多层次参数校准方法，用于同时估计组件级和系统级参数。 |
| 异构数据 | 来自不同来源或不同时间点的测量数据，具有不同的特征或格式。 |
| 离线校准 | 使用所有时间步收集的完整数据集进行参数校准，通常在事后进行。 |
| 在线校准 | 在实时获取新测量数据时即时更新参数校准，适用于动态系统。 |
| 热机械行为 | 材料或结构在热和机械载荷共同作用下的响应特性，如应力和变形。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅