符合物理规律的约束概率建模方法及飞行测试点智能决策中的潜在风险评估技术

《Scientific Reports》：Physics-consistent constraint probabilistic modeling and prospective risk assessment method for intelligent decision-making in flight test points

　　

摘要

针对飞行测试边界任务中高动态性、强非线性和观测不确定性所带来的实时监控挑战，传统的阈值方法和纯数据驱动模型难以在识别准确性、物理一致性和预测预警能力之间取得平衡。为此，本文提出了一种CPSSMF方法，旨在为安全关键决策提供可解释且可校准的统一概率证据。该框架基于序贯贝叶斯推断，通过三个相互耦合的模块实现闭环监控：（1）PSA模块通过内生势函数将物理约束注入后验分布，并结合输出端的安全屏蔽和多源异常检测来抑制非物理状态的突变；（2）HPRF模块基于校正后的后验分布进行多步滚动预测，在固定时间范围内输出趋势风险，以实现预警提前时间和误报率之间的定量权衡；（3）EGUAQ模块利用后验熵动态评估数据价值，以支持主动验证。基于模拟飞行失速测试数据的评估结果表明，CPSSMF在保持高相位识别准确率（Acc 0.969，F1 0.785）的同时，在相同的误报约束下实现了平均约3.34秒的预警提前时间，显著优于基线方法。此外，在传感器数据矛盾和分布外干扰情况下，该方法表现出优异的鲁棒性和稳定性。本研究建立了一个可解释的分析链，整合了情境感知、风险量化和异常诊断，有效提升了飞行测试安全监控的工程应用性。