基于代理模型的最优似然函数用于大气进入防护材料催化复合的贝叶斯标定
数据分析、统计与概率
2021-12-07 v1 数值分析
数值分析
流体动力学
摘要
本工作涉及从等离子体风洞实验推断可重复使用热防护材料的催化复合参数。影响此类材料性能的关键因素之一是飞行器表面放热复合反应对热流密度的贡献。本工作的主要目标是开发一个专用的贝叶斯框架，使我们能够将不确定测量与依赖于催化参数值的模型预测进行比较。我们的框架考虑了模型定义中的不确定性，并纳入了所有测量变量及其各自的不确定性。用于估计的物理模型由沿驻点线的二维边界层求解器组成（原文为 1D boundary layer solver，依上下文译为沿驻点线的一维边界层求解器）。表面质量平衡中包含的化学生成项取决于催化复合效率。由于并非所有模拟反应边界层所需的量都可被测量或已知（例如入口边界处的流动焓），我们提出了一种基于似然函数构建的优化过程，以根据可用实验数据确定它们的最可能值。该过程避免了对干扰量（即边界层边缘焓、壁温、静压和动压）引入任何先验估计，否则将需要使用非常宽的先验。我们用代理模型替代实验数据的最优似然，以使推断过程更快且更鲁棒。我们表明，所得贝叶斯公式给出了有意义且准确的催化参数后验分布，与先前工作相比标准偏差减少了 20% 以上。我们还研究了实验过程扩展的影响。
引用
@article{arxiv.2010.04649,
title = {A surrogate-based optimal likelihood function for the Bayesian calibration of catalytic recombination in atmospheric entry protection materials},
author = {Anabel del Val and Olivier P. Le Maître and Olivier Chazot and Thierry E. Magin and Pietro M. Congedo},
journal= {arXiv preprint arXiv:2010.04649},
year = {2021}
}