一种量化不确定性的航空发动机模型贝叶斯优化方法

本发明涉及仿真模型优化技术领域，公开了一种量化不确定性的航空发动机模型贝叶斯优化方法，通过构建基于概率权重系数的贝叶斯神经网络代理模型，建立从部件指标到输出响应的概率映射关系；以输出响应与对应的整机试验数据差异作为多目标损失函数，多目标损失函数最小化为优化目标，采用基于高斯过程的贝叶斯优化方法对所述部件指标进行寻优，得到最优部件指标组合。既通过神经网络精准建模高维参数与仿真—试验偏差的非线性关系，又通过高斯过程实现参数空间的高效搜索，解决了传统优化方法在处理航空发动机高维、强非线性、多参数耦合的复杂优化问题时存在的计算效率低、易陷入局部最优、无法量化结果不确定性等技术难题。