基于单纯形寻优的响应面可靠性分析方法

结构可靠度计算常采用经典的响应面法拟合隐式功能函数或高维功能函数,而对于强非线性功能函数的实际工程问题,尽管其能够计算出结构可靠度的结果,但此时多项式响应面的拟合精度不够,很容易造成不收敛的现象。为了解决上述问题,将响应面法与单纯形寻优的思路进行结合来探求一种有效的计算方法。本文利用单纯形算法对每次迭代的验算点进行优化;再以优化后的设计验算点为中心进行取样,利用响应面法循环迭代计算;最后,沿着真实响应面逐渐逼近最终的验算点。该方法能够解决高维非线性的隐式极限状态方程可靠度计算收敛性的问题,可以提高计算精度和计算效率,具有一定的工程适用性。     

基于单纯形寻优的响应面可靠性分析方法

结构可靠度计算常采用经典的响应面法拟合隐式功能函数或高维功能函数，而对于强非线性功能函数的实际工程问题，尽管其能够计算出结构可靠度的结果，但此时多项式响应面的拟合精度不够，很容易造成不收敛的现象。为了解决上述问题，将响应面法与单纯形寻优的思路进行结合来探求一种有效的计算方法。本文利用单纯形算法对每次迭代的验算点进行优化；再以优化后的设计验算点为中心进行取样，利用响应面法循环迭代计算；最后，沿着真实响应面逐渐逼近最终的验算点。该方法能够解决高维非线性的隐式极限状态方程可靠度计算收敛性的问题，可以提高计算精度和计算效率，具有一定的工程适用性。     

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。     

基于样本点选择策略的一种改进响应面法

为提高响应面函数在验算点附近的拟合精度,提出了一种基于样本点选择策略的改进响应面法,选取不考虑随机变量耦合项的多项式进行拟合,通过对第二次迭代产生的设计点构造参考点,令样本点或参考点进行线性插值,从而得到下一次迭代所需样本点。该方法不仅能有效利用已有的抽样信息从而减少评估结构系统可靠性所需的计算工作量,还可以使得拟合得到的响应面更好地呈现验算点附近极限状态面的非线性趋势,从而提高失效概率的评估精度。算例表明:该方法在进行隐式或显示极限状态函数下的可靠度计算中,相对传统响应面法均提高了一定的效率和精度,具有一定的工程实际意义。     

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。     

结构可靠度分析的响应面法及其Matlab实现

对功能函数不能明确表达的问题进行可靠度分析，常采用响应面法。其中以求得验算点为目的迭代的二次多项式序列响应面法应用较为广泛，本文给出了该方法的Mattab源程序。提出了基于Mattab的插值响应面法和BP神经网络响应面法，介绍了其在Mattab环境下的实现方法，并进行了三种方法的对比分析。Mattab语言基本元素是矩阵，提供了各种矩阵的运算和操作，其中包含结构可靠度计算中常用的各种数值计算方法工具箱。采用Mattab语言构造响应面函数，进行结构可靠度计算，可充分发挥其矩阵运算功能及各种工具箱的作用，使编程效率大大提高，且语法简便，易于掌握。Mattab语言在可靠度计算中的应用，会对结构可靠性理论的推广使用起到积极推进作用。     

结构可靠度分析的改进BP神经网络响应面法

对功能函数不能明确表达即具有隐式功能函数的问题进行可靠度分析,常采用响应面法。其中二次多项式响应面法应用较为广泛,采用与此方法相同的思路,人们提出了BP神经网络响应面法。在此基础之上,笔者提出了改进的BP神经网络响应面法。对以上方法计算效果,通过算例进行了对比分析,其中改进BP神经网络响应面法计算精度较好,进行有限元分析次数较少。该方法用于大型复杂结构的可靠度分析,可相应提高工作效率和解题质量,具有一定实际应用价值。     

结构可靠性响应面法的改进遗传算法计算

针对传统的响应面法计算结构可靠度算法复杂、迭代次数多、计算精度不高的情况,本文首先对传统的基因算法进行了改进,其次对结构的极限状态函数是显式和隐式的情况,利用改进的遗传算法生成新的适应度函数,从而确定中心点快速生成响应面函数;然后用一次二阶矩法对结构的可靠度进行计算。算例表明:运用本文算法,在计算精度相同的情况下,运算时间比FORM和RSM极大地减少,具有明显的工程实践意义。     

基于多重子域代理模型的结构可靠性分析

基于合理子域概念,构建多重代理模型。多重代理模型在合理子域内采用经典响应面模型,在合理子域外采用经典Kriging模型,能够充分利用两种经典模型各自的优势。多重代理模型能够合理规避经典响应面模型中响应函数采取事先假定形式带来的可靠度评估风险,同时能够有效避免经典Kriging模型中试验点组合爆炸的问题。相比经典响应面模型,多重代理模型所需试验点数量并未增加,计算效率与经典响应面模型大体相同。算例表明,本文方法的计算结果与MCS的计算结果几乎一致,具有较好的计算精度。     

基于交叉降阶取样的改进响应面方法

针对经典响应面法和加权响应面法存在的计算精度不高和稳定性不强的问题,提出一种新的样本点选择策略,即交叉降阶思想,并基于此发展出一种新的改进响应面方法。该方法以均值点加上0.5倍的标准差作为初始迭代点。在Bucher试验设计的基础之上,将n维坐标系降阶为n个一维坐标系。然后,依据样本点的重要性,筛选出n+1个靠近真实失效面的优秀样本点,并用这些样本点去拟合线性响应面函数。最后依据样本中心间的距离与上一次迭代得到的设计点的范数之商作为其收敛准则。通过5个数值算例与工程算例,验证了交叉降阶响应面法具有较高的精度、效率、稳定性和一定的工程适用性。     

AN IMPROVED RESPONSE SURFACE METHOD BASED ON THE RESONABLE SUBDOMAIN

基于结构可靠性分析理论,给出了合理子域概念.合理子域能够明确在设计点附近对失效概率起主要贡献区域尺寸,且能够保证失效点以一定概率落在其内,解决了对失效概率起主要贡献区域尺寸难以量化问题.基于合理子域概念,给出了一种改进响应面方法.该方法能够保证响应函数在设计点处是无误差的、且在合理子域内对极限状态函数具有较好近似.采取蒙特卡罗重要抽样方法求解失效概率,结合抽样点位置采取分区域评估方法以提高失效概率求解精度.算例表明,所提方法在处理具有显式和隐式极限状态函数的可靠性分析时,均具有较好的计算精度和较高的计算效率.     

基于合理子域的改进响应面方法

基于结构可靠性分析理论,给出了合理子域概念.合理子域能够明确在设计点附近对失效概率起主要贡献区域尺寸,且能够保证失效点以一定概率落在其内,解决了对失效概率起主要贡献区域尺寸难以量化问题.基于合理子域概念,给出了一种改进响应面方法.该方法能够保证响应函数在设计点处是无误差的、且在合理子域内对极限状态函数具有较好近似.采取蒙特卡罗重要抽样方法求解失效概率,结合抽样点位置采取分区域评估方法以提高失效概率求解精度.算例表明,所提方法在处理具有显式和隐式极限状态函数的可靠性分析时,均具有较好的计算精度和较高的计算效率.      

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。     

一种基于凸集-概率混合模型的结构可靠性分析法

本文建立一种凸集-概率混合模型下的结构可靠性分析方法。考虑椭球模型和区间模型两种不同类型的凸集模型,在标准空间内通过拉丁超立方抽样生成样本点,通过矩阵变换将其转换到凸集空间内,得到凸集变量的样本点;将凸集变量样本点代入极限状态方程,从而混合可靠性模型转变为纯概率可靠性模型;利用Laplace渐进积分法对每个极限状态方程进行失效概率求解,统计结果的最大值和最小值,得到失效概率的上、下界,研究了凸集变量的个数对结果的影响,通过失效概率的变异系数描述计算结果的稳定性;通过三个算例验证了计算结果的精度,并采用混合模型的蒙特卡洛法进行对比计算。研究表明：本文所提方法计算精度和效率均较高;凸集模型的类型会对结果产生较大影响;为使结果趋于稳定,椭球模型所需的凸集样本点个数多于区间模型;若凸集样本点数目相同,椭球模型的失效概率计算结果变异系数较小,稳定性高于区间模型。     

基于最优概率配点的向量型层递响应面法分析结构可靠度

概率配点的选取策略是响应面法研究的关键问题之一. 本文提出了配点矩阵行满秩原则,据此筛选层递响应面的最优概率配点. 首先利用结构总体刚度矩阵和荷载列阵定义预处理随机Krylov子空间,并利用该空间的层递基向量近似展开结构的总体节点位移向量,建立层递响应面表达式;然后利用层递基向量所对应的基本随机变量组合构造随机行向量,并形成配点矩阵,根据配点矩阵行满秩原则筛选确定层递响应面的最优概率配点,进而通过回归分析确定层递响应面的待定系数. 分析表明,层递响应面法具有良好的全域性且待定系数极少;基于配点矩阵行满秩原则筛选最优概率配点能够排除大部分作用不大的配点,大幅减少概率配点数目,与传统响应面法和随机响应面法相比,层递响应面法能够取得更好的计算效率和精度.