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。     

P-CS不确定性量化模型与其性能数据驱动更新方法

在实际工程中, 广泛存在大量的不确定性信息, 直接或间接影响着工程结构形式设计、结构性能评估与预测以及在役结构损伤识别等工作的开展与决策. 这些多源不确定性信息往往需要用多种不同的不确定性量化模型加以描述; 与此同时, 不确定性变量在使用过程中可能随时间变化且难以直接测量, 需要间接根据性能测试信息在使用工程中更新不确定性量化模型. 为兼顾上述两个问题, 本文基于等概率变换原则提出了一种P-CS (probability-convex set) 不确定性量化模型, 该模型将不确定性变量用概率随机变量与非概率凸集变量组合表征, 可统一表达概率模型、非概率模型以及非精确概率模型, 实现多源、多类型不确定性的统一量化. 本文进一步基于贝叶斯理论提出了一种针对该P-CS不确定性量化模型的性能数据驱动更新方法. 该更新方法根据性能测试数据信息更新P-CS不确定性量化模型参数取值的信度分布, 从而根据后验信度分布计算得出当前P-CS不确定性量化模型参数集合. 通过数值算例详述了P-CS不确定性量化模型的构建方法与其概率、非概率特性, 并验证了性能数据驱动更新P-CS模型方法的适用性.      

基于应变模态和稀疏贝叶斯学习的网架结构损伤识别

传统稀疏贝叶斯学习算法进行损伤识别时需要对每个单元进行刚度损伤系数的迭代更新,当结构单元众多时,存在计算效率低和对振型的完备性要求高等问题.本文提出了损伤识别两步法,首先利用应变模态差指标进行疑似损伤单元的判断;接着以单元刚度损伤系数为目标参数,建立结构损伤识别的多层次稀疏贝叶斯学习模型,利用稀疏贝叶斯学习算法进一步识...     

基于通用生成函数的惯导部件可靠性建模

惯性导航系统是飞机、导弹等复杂装备的重要部件。准确评估其可靠性是装备使用、保障和遂行作战任务的基础。在分析基于通用生成函数方法构建多状态可靠性模型研究的基础上,设计了一种基于通用生成函数方法的性能相依多状态系统可靠性建模的仿真算法,以某型飞机的惯性导航计算部件为研究对象对模型的正确性进行了验证,并且和基于贝叶斯网络可靠性建模方法进行了比较,结果表明:①设计方法可行与贝叶斯方法可靠性结果一致且计算速度快,其中贝叶斯算法过程约需3.72e-02 s,而基于UGF的算法需要1.8810e-03 s左右;②所建模型可以获得多状态系统性能状态的分布特性。     

基于Euler方程和离散共轭方法的气动外形优化设计

对于基于梯度信息的优化设计方法,很重要的一点是快速准确获得目标函数对设计变量的梯度.本文采用离散共轭方法计算目标函数关于设计变量的梯度,流动控制方程为三维Euler方程.对于离散共轭方程和流动控制方程均采用LU-SGS方法求解.算例表明,该方法能快速准确地获得目标函数的梯度.本文采用该方法进行了机翼和全机优化设计,成功地减弱了激波,降低了总阻力.算例证明了本文方法可靠性好,收敛快.     

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．     

结构可靠性优化的三阶段解耦方法

为提高基于可靠性的结构优化效率,提出一种三阶段解耦分析方法。第一阶段利用可靠性安全因子进行确定性优化,并将确定性优化结果作为初始样本点;第二阶段利用可靠性灵敏度和重量因子对样本点进行调整,获取目标函数与失效概率的数据集合;第三阶段利用目标函数与失效概率的关系,曲线获取可接受失效概率对应的目标函数,并求解最终优化设计变量。本文方法只需一次确定性优化,且现有结构可靠性求解算法均可使用,适应性强。算例分析结果表明,本文方法可以明显减少失效概率评估次数,且计算结果对可靠性安全因子与重量因子不敏感。     

基于蚁群算法的桁架结构布局离散变量优化方法

提出的布局优化方法是将桁架结构的截面变量、拓扑变量及形状变量统一为离散变量.将离散变量转化为适应于蚁群算法求解TSP问题的离散变量,应用MATLAB语言编写求解桁架结构布局优化程序,最终实现对问题的分析与求解.通过对几个经典的平面、空间桁架结构布局优化算例的验算表明:本文设计的基于蚁群算法的桁架结构布局离散变量优化方法较单独处理截面优化、拓扑优化及形状优化问题具有更大的效益,相对于其他布局优化方法也展现出更好的优化效果.“基于蚁群算法的桁架结构布局离散变量优化方法”在程序设计、求解速度、求解空间及其方法通用性等方面都表现出良好的性能,并且简单、实用,适应于实际工程应用.     

预测结构性能退化的混合粒子滤波方法

由于载荷,环境以及材料内部因素的作用,结构的性能一般随时间而逐渐退化. 为了评估结构服役期间的状态,常采用随机变量模型来描述结构性能的退化规律. 即,采用含不确定性模型参数的物理模型来逼近结构响应特性. 利用同类型结构的先知数据集信息可确定模型参数的先验分布. 结合结构服役期间的检测信息和贝叶斯原理,对模型参数进行更新,从而提高物理模型的准确性. 本文提出一种混合粒子滤波方法(particle filter-differential evolution adaptive Metropolis,PF-DREAM)用于模型更新,即:在确定参数先验分布时,采用证据理论(Dempster-shafer theory, DST)初始化模型参数;结合差分进化自适应 Metropolis 算法(differential evolution adaptive Metropolis, DREAM)和粒子滤波(particle filter, PF)算法,来计算更新公式中的复杂的高维积分. 相比于传统的 PF 算法,混合 PF-DREAM 方法可以有效提高样本粒子的多样性,解决重采样算法中粒子多样性匮乏的问题,从而得到更加合理的物理模型. 为了证明该方法的有效性,将提出的方法分别应用于电池性能退化和裂纹扩展规律预测. 算例表明采用本文提出的模型参数确定方法,使得物理模型更加合理,性能预测更加准确. 用于更新的数据越多,模型参数的分散性越小. 本文方法应用于高维问题或隐式函数问题时,计算原理和步骤不发生改变,但函数评价次数和计算时间会随之增大.      

组合神经网络在结构损伤检测中的应用

子结构的动态响应变化与整体结构相比，对结构内部损伤反应更为敏感。组合神经网络可以克服单个神经网络功能的单一局限性，实现更加全面综合的仿真识别功能。本文首先运用双协调自由界面模态综合法对结构进行模态分析，获取各子结构及整体结构的模态信息。然后，通过组合BP神经网络将损伤子结构与整体结构的模态频率变化率组合起来进行结构损伤检测。该方法在改善网络训练性能的同时，提高了检测结果的准确性和可靠性。文章最后通过数值算例验证了该方法的可行性和有效性。     

基于高次广义柔度灵敏度的结构损伤识别

柔度矩阵可以由结构的低价模态近似计算获得，因此被广泛用于结构的模型修正和损伤识别中。由普通柔度派生而来的广义柔度，可以由低价模态数据更加精确的获得，且随着广义柔度次数的增高其精度越高，往往只需要第一或二阶模态数据即可获得很准确的高次广义柔度。因此，广义柔度灵敏度方法自提出以来受到广泛关注。本文详细研究了基于高次广义柔度灵敏度的损伤识别计算方法，研究中发现，利用广义柔度灵敏度进行损伤识别计算时，并非越高次的广义柔度其识别结果越准确，随着广义柔度次数的增加，损伤识别结果精度呈现出先提高但随后显著降低的趋势。究其原因在于，虽然随着广义柔度次数的增加，广义柔度本身的精度更高，但与之相应的灵敏度方程组系数矩阵的条件数却也显著增大了，即方程组的病态性反而更加严重了，这导致了基于高次广义柔度计算所得的损伤参数的精度反而不如低次广义柔度的情况。因此，本文的研究表明，工程中利用广义柔度进行模型修正或损伤识别时，一般采用一次广义柔度或二次广义柔度即可，且计算中为了克服方程组的病态性和数据噪声的不利影响，本文提出了一种反馈奇异值截断法，能够明显提高计算精度，获得较准确的识别结果。     

基于生物地理-海鸥群优化的高维结构可靠性分析

结构可靠度分析中,一阶可靠度方法由于简单高效而得到广泛使用.然而,对于高维非线性问题,一阶可靠度方法可能导致不收敛或者早熟.为克服这一缺陷,本文提出了基于生物地理-海鸥群优化的改进一阶可靠度方法.针对海鸥群优化算法在寻优过程中存在的早熟现象,引入生物地理优化算法中的变异与迁移机制,提出生物地理-海鸥群混合优化策略进行寻...     

基于更新支持向量的大跨度斜拉桥体系可靠度分析

针对斜拉桥静力体系可靠度分析中隐式功能函数重构和繁杂失效路径的特点,提出了一种基于更新支持向量的体系可靠度分析方法,将传统的用于构件可靠度分析的支持向量机(SVM)改进并应用于斜拉桥体系可靠度分析。该方法主要有4个步骤:首先通过构件的敏感分析识别斜拉桥的主要失效路径;其次采用最小二乘支持向量机(LS-SVM)对斜拉桥的隐式功能函数进行重构,并通过Monte-Carlo抽样得出构件的可靠指标;然后根据已经更新的有限元模型对支持向量进行更新,得出相关构件失效后的剩余构件的条件可靠指标;最后由结构体系的失效树和串并联关系得出斜拉桥的体系可靠度。主跨为420m的混凝土斜拉桥算例分析表明了上述算法的有效性和实用性,同时也获得了该斜拉桥的主要失效路径并识别了影响其体系可靠度的主要构件。     

考虑空间变异性的框架结构可靠度分析方法

空间变异性是结构参数的固有属性，对于工程结构的随机响应和可靠度分析具有重要影响。结合随机场离散的局部平均理论和随机响应分析的摄动随机有限元法，提出一种考虑参数空间变异性的平面框架结构可靠度分析方法，并定量分析了参数空间变异性对结构可靠度的影响规律。首先，考虑随机因素的空间变异性，采用二维线性随机场离散的局部平均理论将平面框架结构的连续随机场离散为一组随机变量，并通过理论推导建立了随机场局部平均间协方差矩阵的二重积分表达式；然后，采用摄动随机有限元法分析结构随机响应及其对基本随机变量的梯度向量，并利用可靠度分析的梯度优化法计算结构可靠指标，从而提出了一种考虑参数空间变异性的平面框架结构可靠度分析方法。分析表明，该方法具有较高的计算精度和计算效率；随机场离散的局部平均理论对相关结构类型不敏感；随着随机场相关偏度和变异性的增大，框架结构的可靠指标逐渐减小，说明结构参数的空间变异性对结构可靠度的影响不容忽视。     

大型土木结构的结构行为一致多尺度模拟——模拟方法与策略

针对大型土木结构以结构健康监测和损伤评估为目标的有限元分析的需要,从理论上探讨了复杂土木结构的结构行为一致多尺度模拟的方法和策略,指出对于大型复杂土木结构而言,适合考虑局部细节特性的结构行为多尺度建模的策略是:对于有限个需要重点关注的局部细节采用"小尺度"建模,而结构其他部分采用"大尺度"建模.针对目前大型复杂土木结构的建模都是借助于大型商用有限元软件,而现有软件都无法直接做到结构行为一致多尺度模拟,文中引入有限元方法中的子结构方法,从数学描述上对传统子结构方法加以改进,使之适合解决结构行为一致多尺度模拟问题.     

离散变量框架结构的可靠性优化

以框架结构系统的可靠性分析为基础,给出离散变量框架结构可靠性优化的相对差商方法及迭代格式,并用算例证明了该法的有效性及实用性。     

远距离爆炸荷载作用下钢框架几何相似律研究

根据Π定理推导了远距离爆炸荷载作用下钢框架原型结构与缩比模型的几何相似律表达式。基于已有的钢框架子结构爆炸实验,采用AUTODYN建立了钢框架子结构数值模型,验证了流固耦合方法在结构爆炸响应分析中的可靠性。在此基础上,对比了流固耦合方法和解析爆炸边界方法在钢框架远距离爆炸数值模拟中的准确性和计算效率,结果表明,解析爆炸边界方法可以合理地模拟远距离爆炸荷载作用下钢框架的动态响应,且计算效率较高。最后,采用该方法分析了具有不同相似比的两层三跨钢框架结构在远距离爆炸荷载作用下的动态响应及毁伤效应,结果表明:该结构的动态响应和毁伤效应符合几何相似规律。     

非正态变量可靠性分析的鞍点线抽样方法

结合鞍点概率分布估计和传统线抽样方法的优点,提出了非正态变量可靠性分析的鞍点线抽样方法.传统的线抽样方法对非正态变量可靠性问题进行分析时需将非正态变量等价转换为标准正态变量,这种非线性转换将增加响应功能函数的非线性程度,进而加大了转换后响应函数失效概率估计的难度.所提鞍点线抽样方法则无需将非正态变量转化为标准正态变量,它利用鞍点概率分布估计方法可以直接估计非正态变量空间中线性响应函数概率分布的特点,并利用线抽样方法可以将非线性功能函数的失效概率转化为一系列线性功能函数失效概率平均值进行估计的优点,实现了非正态变量空间非线性功能函数失效概率的高精度估计.鞍点线抽样方法使用前需将变量进行标准化变换,这种变换是线性的,通过对变量的标准化变换可以消除变量的量纲,从而使得标准化变量空间概率分布更具规律性.理论推导可以证明:鞍点线抽样方法在基本变量服从正态分布时将退化为传统的线抽样方法.算例验证结果表明:针对非线性功能函数的可靠性问题,鞍点线抽样方法比传统的直接鞍点估计具有更高的精度,比直接Monte Carlo模拟有更高的效率.     

Non-probabilistic information fusion technique for structural damage identification based on measured dynamic data with uncertainty

Based on measured natural frequencies and acceleration responses,a non-probabilistic information fusion technique is proposed for the structural damage detection by adopting the set-membership identification(SMI) and twostep model updating procedure.Due to the insufficiency and uncertainty of information obtained from measurements,the uncertain problem of damage identification is addressed with interval variables in this paper.Based on the first-order Taylor series expansion,the interval bounds of the elemental stiffness parameters in undamaged and damaged models are estimated,respectively.The possibility of damage existence(PoDE) in elements is proposed as the quantitative measure of structural damage probability,which is more reasonable in the condition of insufficient measurement data.In comparison with the identification method based on a single kind of information,the SMI method will improve the accuracy in damage identification,which reflects the information fusion concept based on the non-probabilistic set.A numerical example is performed to demonstrate the feasibility and effectiveness of the proposed technique.