代理建模驱动的物理信息多保真度克里金法：面向事故容限燃料数字孪生仿真的前进路径
统计计算
2022-11-07 v2
摘要
基于高斯过程（GP）的代理模型具有内在能力，可捕捉数字孪生框架建模与仿真组件中出现的异常，这些异常源于有限数据、数据缺失、数据不全及数据不一致（含噪声/错误数据），尤其针对事故容限燃料（ATF）概念。然而，当高保真度（实验）数据有限时，GP 并不十分准确。此外，将高维函数（>20 维函数）应用于 GP 近似预测颇具挑战。再者，噪声数据或含错误观测与离群值的数据是先进 ATF 概念的主要难题。同时，对于长期 ATF 候选材料，控制微分方程具有经验性，且数据可得性存在问题。物理信息多保真度克里金（MFK）有助于识别并预测所需材料属性。MFK 在低保真度物理（近似物理）与有限高保真度数据下尤为有用——这正是 ATF 候选材料的情况，因其数据可得性有限。本章探讨该方法并将其应用于 ATF 的实验热导率测量数据。MFK 方法在少量数据情形下展现出重要性，而此类数据无法由常规克里金方法建模。以此方法构建的数学模型可轻松衔接至后续分析，如不确定性量化与灵敏度分析，并有望应用于基础研究与广泛的产品开发领域。本章的总体目标是展示可嵌入 ATF 数字孪生系统的 MFK 代理模型之能力。
引用
@article{arxiv.2210.07164,
title = {Surrogate Modeling-Driven Physics-Informed Multi-fidelity Kriging: Path Forward to Digital Twin Enabling Simulation for Accident Tolerant Fuel},
author = {Kazuma Kobayashi and James Daniell and Shoaib Usman and Dinesh Kumar and Syed Alam},
journal= {arXiv preprint arXiv:2210.07164},
year = {2022}
}