基于LCF-Kriging模型的结构多失效模式可靠度计算

针对多失效模式下结构体系可靠度计算中的代理模型构建成本与计算精度如何权衡的问题,本文以减小体系失效概率预测方差为出发点,推导出最大贡献函数（LCF-Largest Contribution Function）来识别对体系失效概率方差影响较大的样本。LCF函数可减少对体系失效概率方差影响较小区域内样本数量,进而提高代理模型的计算效率;通过置信水平和允许相对误差建立LCF函数的学习停止条件,能够保证已有样本信息不浪费。本文选取能够对多个功能函数联合构建的多输出Kriging模型作为代理模型,基于LCF-Kriging模型并结合MCS对体系可靠度进行计算,功能函数的相关性可通过各失效模式的逻辑关系予以考虑。数值算例表明,在适当的学习停止条件下,对于串联、并联和串并混联的结构体系可靠度评估,本文方法均能在计算精度和计算效率之间达到满意平衡。     

基于LCF-Kriging模型的结构多失效模式可靠度计算

针对多失效模式下结构体系可靠度计算中的代理模型构建成本与计算精度如何权衡的问题，本文以减小体系失效概率预测方差为出发点，推导出最大贡献函数（LCF-Largest Contribution Function）来识别对体系失效概率方差影响较大的样本。LCF函数可减少对体系失效概率方差影响较小区域内样本数量，进而提高代理模型的计算效率；通过置信水平和允许相对误差建立LCF函数的学习停止条件，能够保证已有样本信息不浪费。本文选取能够对多个功能函数联合构建的多输出Kriging模型作为代理模型，基于LCF-Kriging模型并结合MCS对体系可靠度进行计算，功能函数的相关性可通过各失效模式的逻辑关系予以考虑。数值算例表明，在适当的学习停止条件下，对于串联、并联和串并混联的结构体系可靠度评估，本文方法均能在计算精度和计算效率之间达到满意平衡。     

基于SVM的结构可靠度分析响应面方法

响应面法是解决隐式极限状态方程结构可靠度分析问题比较理想的方法,其关键问题是响应面函数的重构。根据响应面方法经验点集的小样本特点,利用支持向量机(SVM)对小样本数据良好的学习和泛化能力,用SVM重构结构响应面方程,建立了基于SVM的隐式极限状态方程结构可靠度分析的响应面方法。在此基础上,文中提出了改进SVM响应面方法,改进的方法充分利用每次有限元计算成果,大幅减少了有限元计算次数。算例表明本文方法具有很好的计算精度和计算效率。     

基于主动学习Kriging模型的可靠性分析

本文采用Kriging模型代替结构真实功能函数,引入主动学习函数,序列选择最佳样本点,在每次迭代中加入最佳样本点更新Kriging模型。与直接的蒙特卡洛方法相比,主动学习Kriging模型仅需要少量的结构分析就能够得到精度较高的可靠度结果,适用于实际工程具有隐式功能函数的结构可靠性分析。本文通过三个数学算例,从最佳样本点的分布情况、功能函数的拟合程度及可靠度计算结果出发对四种学习函数进行对比研究,最后对具有隐式功能函数的悬臂板进行可靠度分析。结果表明,主动学习函数的引入,合理选择了Kriging模型所需的样本,提高了计算效率,同时,学习函数的选择对结构可靠性分析结果也存在影响。     

基于支持向量回归机的陀螺漂移预测模型

为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立了基于支持向量回归机的预测模型。针对该预测模型的特点,提出了支持向量预选取的模型优化方法。基于ε不敏感损失函数的支持向量回归机具有稀疏性,其结构由支持向量决定。因此从训练样本集中预选出有可能成为支持向量的样本,精简样本规模是提高该类支持向量回归机训练和预测效率的有效方法。针对该类支持向量回归机从分类和回归两个角度分析了支持向量的几何特征,提出了核函数空间免疫聚类的支持向量预选取方法并用于某导弹陀螺漂移预测模型的数据预处理。仿真结果表明优化后的预测模型运算量小、建模速度快,精度高。     

基于支持向量机的结构损伤分步识别研究

支持向量机是一种基于统计学习理论的机器学习算法,能够较好地解决小样本的学习问题。本文介绍了支持向量机分类和回归算法,提出了基于支持向量机的结构损伤分步识别方法:以模态频率作为损伤特征,首先根据支持向量机分类算法的概率估计确定可能的损伤位置,重新构造训练样本,然后利用支持向量机回归算法计算损伤位置;最后估计损伤程度。以梁的损伤识别为例进行了验证,结果表明该方法可以提高损伤识别的精度。     

基于主动学习Kriging模型和子集模拟的可靠度分析

工程结构的功能函数大多数具有隐式非线性程度高的特点,且失效概率较小,需要复杂的有限元分析计算。针对工程实际中大量存在的小失效概率问题,本文提出了基于主动学习Kriging模型和子集模拟方法相结合的可靠度分析方法——AK-SS。AK-SS方法有子集模拟求解小失效概率和主动学习的Kriging模型代替真实功能函数的优势。该方法首先采用Kriging模型代替真实功能函数,通过主动学习方法逐步扩充实验设计点,逐步改善Kriging模型的精度;然后利用子集模拟方法的基本思路,通过引入合理的中间失效事件计算小失效概率。结果表明,AK-SS方法在保证结果精度的同时减少了功能函数的评估次数,对于工程实际中具有隐式功能函数的小失效概率计算问题具有较强的应用前景。     

随机响应面法最优概率配点数目分析

系统地研究随机响应面法采用线性无关原则选取概率配点的优越性,给出了基于线性无关原则选取概率配点的流程图,比较了基于回归方法和基于线性无关原则选取概率配点的优缺点。算例结果表明,基于回归方法选取概率配点时,配点数目应保证Hermite系数矩阵达到满秩,此时随机响应面法的计算精度才能得到保证,计算效率也远远高于传统的蒙特卡洛模拟方法。基于线性无关原则选取概率配点的随机响应面法在保证计算精度的同时,其计算效率远远高于基于回归方法选取概率配点的随机响应面法,它是结构可靠度分析一种有效的方法,尤其适用于极限状态方程不能用显式函数表达的复杂结构可靠度问题。研究成果为随机响应面法最优概率配点数目的确定奠定了一定的基础。     

基于支持向量机替代模型的可靠性分析

建立了基于支持向量机回归算法和分类算法的替代模型可靠性分析方法,与蒙特卡罗法结合,采用拉丁超立方抽样技术,进行隐式极限状态函数的可靠度计算。讨论了相关参数对支持向量机模型性能的影响,并通过遗传算法进行参数优化,为支持向量机模型的参数选择提供了依据。研究了不同训练样本数量对支持向量机模型预测值精度的影响,进一步证实了支持...     

基于缩减样本窗口的响应面重构方法

具有隐式功能函数的复杂结构可靠度分析常采用响应面方法。对于功能函数非线性程度较高的结构可靠度分析的响应面迭代重构问题,由于一般响应面方法样本窗口过大,导致迭代分析精度难以提高。本文提出了响应面重构中样本窗口的确定原则,并建立了结构可靠度分析的缩减窗口序列响应面重构方法。多个数值试验表明：该方法迭代收敛迅速,计算精度较高...     

基于主动学习神经网络的转向架构架疲劳可靠性分析

为了提高转向架构架疲劳可靠性分析的精度与效率,提出一种主动学习BR-BP神经网络模型与Monte Carlo法相结合的可靠性分析方法。该方法针对BP神经网络的缺陷,使用贝叶斯正则BR(Bayesian regularization)算法作为训练算法,以提高神经网络的拟合精度与收敛速度,并考虑可靠性分析的固有特点,构造了一种适用于BP神经网络的主动学习函数,用于指导最佳样本点的选择。提出的学习函数不仅保证了样本点分布在极限状态函数附近,还考虑了样本点的预测误差以及样本点分布对失效概率计算的影响。转向架构架可靠性分析结果表明,本文方法在提高拟合精度的同时兼顾了计算效率,验证了所提方法的优越性与可行性。     

基于主动学习Kriging模型与序列重要抽样的随机-区间混合可靠性分析

针对随机-区间混合可靠性分析中复杂功能函数的高非线性和多设计点问题,本文提出了一种结合主动学习Kriging模型与序列重要抽样方法的混合可靠性分析方法.在序列重要采样方法中采用高斯混合分布作为提议分布进行逐级采样,逐步逼近最优重要抽样函数的采样样本;结合序列重要抽样方法的特点,提出了主动学习Kriging模型的两步学习方案,保证算法精度的前提下显著提高了效率.通过数值算例将本文方法与已有的混合可靠性分析方法对比,验证本文方法的准确性和高效性.     

基于链式贝叶斯网络的结构可靠性分析

将贝叶斯网络与传统可靠性方法结合,建立结构系统的可靠性贝叶斯网络模型,通过改进的分支限界法确定结构主要失效模式,并将贝叶斯网络链式化来提升计算效率。根据可靠性方法计算条件概率表;使用概率网络估算法来考虑主要失效模式之间的相关性,计算系统可靠性;当有新信息出现时,利用贝叶斯网络推理,对结构系统可靠性进行评估。以一桁架结构为研究对象,计算结构系统的可靠性,并在新信息出现的情况下对系统可靠性进行了更新。     

基于高斯过程分类的结构贝叶斯可靠性分析

贝叶斯可靠性方法是处理不完备信息条件下结构可靠性问题的有效途径之一。在实际应用中,由于可靠性分析的计算量较大,常须采用各种近似替代模型以提高计算效率。传统的替代模型方法是对结构的功能函数予以近似建模。这种方法不易定量考虑模型误差对可靠性分析的影响,且难以应用于诸如功能函数不连续和失效域不连通等情况。为此,本文提出一种基于高斯过程分类的替代模型,直接辨识结构的极限状态曲面,并将其应用于结构贝叶斯可靠性分析之中。分析了替代模型不确定性对可靠性预测结果的影响,给出了失效概率分布参数的方差算式,进而提出了改善模型精度的补充采样准则。通过算例验证了方法的适用性和有被性．     

基于可靠性映射函数的结构优化Structural optimization based on reliability mapping functions

基于可靠性分析理论,构建可靠性映射函数,将基于可靠性的结构优化由双层优化转化为单层优化,提高优化效率,解决基于可靠性结构优化的计算量大、不利用于工程应用的问题。可靠性映射函数具有明确理论依据,能够确保将其应用到基于可靠性的结构优化是可行的。为提高失效概率求解精度,以设计点为基础,提出一种改进响应面方法,并将其用于可靠性映射函数的求解。算例表明,该方法具有较好计算精度,功能函数评估次数明显少于其他方法,计算效率高,能够获得满意的优化结果。     

一种结构响应预测策略与新可靠度分析方法

工程结构在服役期不可避免地遭受各种不确定因素的侵害,为客观科学地描述不确定因素的影响,可靠度理论得以产生和发展。但传统的可靠度分析方法囿于精度和效率等原因,难以应用于实际工程结构。近年来基于概率守恒原理,概率密度演化理论提出并得到发展。但对复杂的工程结构,效率低下等问题依然有待解决。鉴于此,本文提出两级剖分概率空间的概念,以粗剖分获得的少量代表样本构成训练集,训练Kriging模型;然后细剖分概率空间,通过训练的Kriging模型预测加密样本响应提高分析效率。基于此,结合以概率密度演化理论为基础的物理综合法,提出了一种新的可靠度分析方法。通过对一解析系统和一幢钢筋混凝土框架结构的响应预测与可靠度分析,证明了新提出方法的精度和效率。     

Structure buckling hybrid reliability analysis of a supercavitating projectile using a model with truncated probability and multi-ellipsoid convex set uncertainties

Structure buckling problems for supercavitating projectiles are often observed in high underwater velocity operating conditions. As a result, it is necessary to perform a structure buckling reliability analysis. It is common that \hboxprobabilistic and nonprobabilistic uncertainty information exist simultaneously. Also, it is reasonable that probability distributions of most random variables in engineering are treated as truncated probability distributions. In this paper, a new hybrid model is proposed, which deals with structure performance function with both truncated probability distribution variables and multi-ellipsoid convex set variables. The model discussed here is adapted for two separate cases in the standard super-sphere space, i.e., limit state surface interferences with a unit super-sphere region or not. The hybrid reliability index is calculated using a modified limit step length iteration algorithm to ensure convergence. Good convergence and validity of the iteration algorithm are verified using numerical examples with highly nonlinear structure performance function. The hybrid model is applied to the structure buckling hybrid reliability analysis of a supercavitating projectile. Results show that structure buckling hybrid reliability index increases with the increase in the ratio of base diameter to cavitator diameter, and decreases with the increase of initial launch velocity. Also, uncertainty degree of cavitator drag coefficient and initial launch velocity should be controlled in demonstration for high structure buckling reliability of supercavitating projectiles.     

可靠性灵敏度函数及其特征指标的条件概率模拟求解方法

可靠性分析中基本变量分布参数为区间均匀变量时,失效概率为分布参数的函数。基于条件概率马尔科夫链模拟,提出了一种可靠性灵敏度函数的求解方法,并提出了一种新的可靠性灵敏度度量指标,它为参数可靠性灵敏度函数在参数空间上的期望。文中推导了线性极限状态正态变量下全局灵敏度函数及新指标的计算式.并提出了高效的基于条件概率马尔科夫链...