一种融合贝叶斯KAN的飞行器快速多学科不确定性分析方法

本发明涉及一种融合贝叶斯KAN的飞行器快速多学科不确定性分析方法，属于航天器制造及应用技术领域。该方法将贝叶斯学习与科尔莫戈洛夫‑阿诺尔德网络相结合，提出可应对高维输入不确定性、能量化模型认知不确定性、拟合能力更强的贝叶斯KAN神经网络，并为子学科分析模型构建BKAN网络代理模型，取代各子学科耗时的数值模拟，降低计算量；借鉴确定性领域耦合多学科系统的全局灵敏度方程GSE的基本构架，并引入输入随机输入和模型认知不确定性，在GSE架构上分别推导学科耦合变量和系统响应的均值和协方差的表达式，建立快速半解析式多学科随机和模型认知混合不确定性传播方法，实现高效的多学科不确定性分析，解决了现有方法精度差、计算量大的难题。