多失效模式重要抽样法的方并分析及应用

在计算结构体系失效概率时，基于Ｍｏｎｔｅ－Ｃａｒｌｏ数值模拟的重要抽样技术已被实践证明是一种非常有效的方法。重要抽样法中估计量的方差是影响收敛速度和计算精度的重要指标，因此重要抽样法的方差分析是非常必要的。对于单模式而言，其方差分析比较容易。对于多模式情况，其方差分析有一定的困难。这有可能影响同样法在我模式结构体系失效概率计算中的应用，本文详细推导了几种常见重要产法的方差计算公式，然后用方差分析的     

多模式自适应重要抽样法及其应用

针对多模式的可靠性分析，研究了其失效概率计算的自适应重要抽样法，该方法用模拟退火 算法来自动调整每个失效模式的重要抽样函数，使其逐渐趋近于估计方差最小的重要抽样 函数. 对于多个模式系统失效概率的计算，采用混合加权自适应重要抽样的方法, 反映了每个 失效模式对系统失效概率的贡献；对于系统失效模式所含基本变量不全相同的情况，提出了 扩展自适应重要抽样法, 来统一所有失效模式中的基本变量，从而使得混合自适应 重要抽样, 可以方便地求解变量不全相同时的系统失效概率. 对估计值方差和变异系数的计算公 式进行了推导. 验证算例结果, 充分说明方法的合理性与可行性.     

扩展重要抽样法及其在平尾转轴可靠性分析中的应用

提出了扩展重要抽样法，用以计算结构系统的多个失效模式中含有不全相同基本随机变量时的系统失效概率。通过构造扩展重要抽样法的抽样密度函数，给出该方法失效概率的估计值，以及其方差和变异系数的计算公式。并将此方法用于某型飞机平尾转轴的可靠性分析，算例结果表明其优越性。     

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。     

截断正态分布情况下失效概率计算的截断重要抽样法

截断重要抽样法是在传统的重要抽样方法的基础上,引入截断抽样函数来计算结构的失效概率,本文运用此方法来解决工程中普遍存在的截断分布问题。首先将截断分布情况下的可靠性模型转化为非截断分布情况下的多模式并联系统的可靠性模型,然后采用截断重要抽样法求解,推导了截断分布可靠性估计值的方差分析公式。文中给出的算例结果表明:截断重要抽样法适用于截断分布的可靠性分析,且在相同的计算精度下,截断重要抽样法比传统的重要抽样法效率要高。     

采用重要抽样法的结构动力可靠度计算

首次对比分析了结构动力可靠度计算的三种重要抽样法,并对部分方法进行了补充修正.单元失效域法补充了依据随机教决定抽样区间的产生方法,根据单元失效域的条件概率和权重系数给出重要抽样密度函教.方差放大系数法直接通过激励过程的特性给出重要抽样密度函数的具体表达式.功率谱法的重要抽样密度函数仅为激励幅值的函数,根据结构反应的功率谱密度增大激励幅值的方差,建议幅值样本值的联合概率密度函数可表示为幅值样本值分量的概率密度函数的连乘形式.结果表明:对于线性体系三种方法的计算效率均比Monte-Carlo法有显著提高,而单元失效域法的计算效率又比另两种方法高.     

结构可靠度计算中的描述性抽样法

本文提出描述性抽样方法的实质，即利用更少的时间抽取更多的服从要求概率分布的样本点，讨论了该方法的计算步骤和适用范围，并将描述性抽样方法与重要抽样方法结合起来计算多变量多模式的结构失效概率，比较了描述性抽样方法与一般抽样法的方差，算例结果表明描述性抽样方法具有较好的收敛性．     

结构可靠度计算中的描述性抽样法

本文提出描述性抽样方法的实质，即利用更少的时间抽取更多的服从要求概率分布的样本点，讨论了该方法的计算步骤和适用范围，并将描述性抽样方法与重要抽样方法结合起来计算多变量多模式的结构失效概率，比较了描述性抽样方法与一般抽样法的方差，算例结果表明描述性抽样方法具有较好的收敛性．     

多个模式联合失效的设计点及概率的计算

提出了多个模式联合失效设计点的概念，并以此设计点作为计算联合失效概率的重要抽样函数的密度中心，算例表明本文方法可大大提高求多阶失效概率重要抽样法的投点效率和收敛速度，从而提高系统失效概率的计算精度。     

结构可靠度分析中的最小方差抽样

重要抽样技术是结构可靠度分析活跃的发展方向之一。本文研究了以抽样方差最小为条件的重要抽样问题，给出了正态抽样分布函数有关参数的计算公式，分析和实际模拟表明，在以正态分布进行了抽样的前提下，应用优化的参数，可使抽样效率进一步提高。     

基于子集模拟和重要抽样的可靠性灵敏度分析方法

针对工程实际中大量存在的小失效概率问题,提出了基于子集模拟和重要抽样的可靠性灵敏度分析方法. 在子集模拟重要抽样可靠性分析方法中,通过引入合理的中间失效事件,将小的失效概率表达为一系列较大的条件失效概率的乘积,而较大的条件失效概率则可通过构造中间失效事件的重要抽样密度函数来高效求解. 基于子集模拟重要抽样可靠性分析的思想,论文将可靠性灵敏度转化为条件失效概率对基本变量分布参数的偏导数形式,推导了基于子集模拟和重要抽样的可靠性灵敏度估计值及估计值方差的计算公式,并采用算例对所提方法进行了验证. 算例结果表明所提方法具有较高的计算精度和效率,并且适用单个和多个失效模式系统.      

结构动力可靠度的重要抽样法

重要抽样法是蒙特卡洛数值模拟方法中的一种重要的方差缩减技术,目前重要抽样法在工程结构可靠度计算中的应用主要集中于静力问题。本文分析了动力可靠度蒙特卡洛方法的特点,提出了在结构动力可靠度问题中应用重要抽样法的方法,并针对白噪声荷载,给出了选择重要抽样函数的方法和重要抽样函数的具体表达式。理论和数值分析表明,本文所提出的重要抽样法应用于结构动力可靠度计算是可行的。     

动力可靠度计算的概率简单叠加法则法

首先给出了基于计算单元失效域的重要抽样法和区域分解法的计算步骤,随后利用基于计算单元失效域的重要抽样法的思想,引入构成总失效域的由持时内的时间点划分出的单元失效域;利用区域分解法的思想,引入构成总失效域的互斥的单元失效域,最后根据两种单元失效域的关系和概率简单叠加法则计算总失效概率.其中关键问题是计算结构反应时单位脉冲...     

子集模拟的混合采样算法

子集模拟是当前可靠度计算领域常用的估计算法，相比于直接蒙特卡罗积分法，极大减少了函数调用的次数。子集模拟法一般使用单一采样器，然而不同采样器适用范围不同。如使用单一椭圆切片采样器，其遍历性较好但函数调用次数较多；而使用单一自适应条件采样时，其采样效率较高但样本容易陷入局部极值。单一采样器由于本身特性面对不同问题时失效概率的积分结果可能出现偏差，模拟效果不稳定。本文首次提出了一种混合采样子集模拟法，在子集模拟的前几层使用椭圆切片采样，此时失效区域收缩程度有限，函数调用次数在可接受的范围内，样本经过采样扩充后能充分探索参数空间，更有效地检测出所有失效区域。当失效区域收缩至一定限度后，使用自适应条件采样，此时种子样本继承了前几层样本较低的相关性，并在此基础上通过自适应条件采样更高效地增殖样本。本文通过四个模拟算例多种维度下的数值积分验证了该算法具有椭圆切片采样器较好的遍历性，同时采样效率位于椭圆切片采样与自适应条件采样之间，对于不同问题拥有良好的通用性。     

失效概率矩独立全局灵敏度指标的高效算法

基于失效概率的矩独立全局灵敏度指标能够有效地分析输入变量的不确定性对结构系统失效概率的影响程度. 然而,目前以抽样方式来计算该灵敏度指标的方法都不能最大程度地利用样本. 因此,研究了在准确计算该指标的基础上如何提高样本的利用率. 基于所证明的连续区间上的全方差公式,提出了基于空间分割及重要抽样法来高效计算该指标的方法,其仅需一组样本,且计算量与输入变量的维数无关. 该方法首先通过重要抽样密度抽取一组样本,使得抽取到的样本以较大的概率落入失效域从而加快计算的收敛速度,其次,通过重复利用这一组样本来计算出各个输入变量的基于失效概率的矩独立全局灵敏度指标,大大提高了样本的利用率和计算效率. 验证算例的计算结果,说明了所提方法在计算效率、计算精度、收敛性及稳健性方面都较已有同类方法高,具有更好的工程适用性.