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。     

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。     

结构可靠度响应面法的混沌动力学分析及其改进方法研究

引入混沌动力学理论讨论了结构可靠度响应面法收敛失败的非线性动力学根源.给出了几个典型非线性极限状态函数在参数区间上的可靠指标分岔图,展示了极限状态函数经过响应面法迭代成为非线性映射后计算结果的周期振荡、分岔和混沌等复杂动力学现象,说明了响应面法的收敛行为取决于极限状态函数的动力学性质和响应面法的迭代步长.在此基础上提出了改进响应面法用以改善经典响应面法收敛失败和计算误差大的缺点,算例结果证实了所提方法的可行性与精度.     

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。     

响应面重构的若干方法研究及其在可靠度分析中的应用

在地下隧洞稳定的可靠性分析中，得到极限状态方程的解析表达式往往是非常困难的。因而本文基于数值模拟研究了响应面重构的若干方法，以模拟实际工程中常见的功能函数不能明确的可靠度计算问题。重点探讨了有理多项式技术和人工神经网络方法在响应面重构中的应用，并与目前常用的两种响应面方法进行了比较分析。最后,通过程序编制和算例分析对响应面重构的若干方法研究进行了验证。     

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。     

弹性连杆机构广义刚度可靠性分析的数值模拟法

首先对响应面法进行了改进并应用于弹性连杆机构刚度可靠性分析，以迭代的格式和选择最优插值点的响应面法确定弹性连杆机构刚度可靠性分析的极限状态函数，编制了相应的有限元程序。然后在考虑安全、失效状态模糊性的基础上建立了弹性连杆机构的广义可靠性分析模型；提出了以重要抽样法与描述性抽样法相结合来求解弹性连杆机构广义失效概率的方法，此方法可以大量减少抽样时间，并且可以大大提高抽样效率，从而加快结果的收敛速度。     

SUPPORT VECTOR MACHINE FOR STRUCTURAL RELIABILITY ANALYSIS

Support vector machine (SVM) was introduced to analyze the reliability of the implicit performance function, which is difficult to implement by the classical methods such as the first order reliability method (FORM) and the Monte Carlo simulation (MCS). As a classification method where the underlying structural risk minimization inference rule is employed, SVM possesses excellent learning capacity with a small amount of information and good capability of generalization over the complete data. Hence, two approaches, i.e., SVM-based FORM and SVM-based MCS, were presented for the structural reliability analysis of the implicit limit state function. Compared to the conventional response surface method (RSM) and the artificial neural network (ANN), which are widely used to replace the implicit state function for alleviating the computation cost, the more important advantages of SVM are that it can approximate the implicit function with higher precision and better generalization under the small amount of information and avoid the "curse of dimensionality". The SVM-based reliability approaches can approximate the actual performance function over the complete sampling data with the decreased number of the implicit performance function analysis (usually finite element analysis), and the computational precision can satisfy the engineering requirement, which are demonstrated by illustrations.     

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问题进行可靠性分析时需将非正态变量等价转换为标准正态变量,非正态变量向标准正态变量的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。     

基于最小范数点的响应面方法

针对传统的响应面法难以实现大范围精度近似,可靠度计算效率和精度偏低的问题,本文从可靠度指标的几何意义入手,提出一种基于最小范数点的改进响应面方法。该方法在响应面上的最小范数点附近选取新的试验点,再对这些样本点进行二次多项式插值校正,从而构建出更加逼近极限状态方程的响应面形式,一定程度上提高了计算的精度。另一方面,本文引入了一种双重收敛准则进行判断性评估,能够有效地节省迭代的过程,提高计算效率。最后,算例分析验证了本文方法的合理性和适用性。     

基于响应面方法的破损-安全结构可靠性拓扑优化

传统结构由于缺少冗余,忽略了不确定性因素的影响,更容易受到局部刚度损失的影响,文章针对载荷不确定性下破损-安全结构的设计问题提出了一种有效的基于响应面的可靠性拓扑优化方法,以提高结构的安全性,确保结构在发生局部破损时仍能满足服役性能及可靠性要求.为此,建立了柔度概率约束下的结构体积比最小化的双循环可靠性拓扑优化模型,其中内层循环实施可靠性分析,外层循环实施拓扑优化.为了有效处理可靠性分析中响应函数关于随机变量的导数计算高成本问题,基于响应面方法建立了响应函数关于随机变量的显式表达式.详细推导了响应函数关于设计变量和随机变量的解析灵敏度列式,并采用移动渐近线方法(method of moving asymptotes, MMA)对优化问题进行求解.将基于响应面的可靠性拓扑优化方法与基于解析导数的方法作对比,并实施蒙特卡洛仿真验证了所提方法的有效性和优越性,讨论了随机载荷标准差对优化结果的影响.结果表明,本文方法可以有效设计满足指定可靠性水平的破损-安全结构,优化后结构可靠性指标的相对误差不超过1.3%,另外基于响应面的可靠性设计方法相对于基于解析导数的可靠性设计方法可节省约74%的可靠性...     

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。