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。     

基于支持向量机回归的结构系统可靠性及灵敏度分析方法

提出了一种基于支持向量机回归近似极限状态方程的系统可靠性分析方法,所提方法首先由支持向量机拟合系统各失效模式的极限状态方程,将复杂或隐式极限状态方程近似等价为显式极限状态方程,然后根据系统各个失效模式的逻辑结构,由高精度的显式极限状态方程方法计算系统的失效概率和参数灵敏度.与线性展开和响应面法近似极限状态方程相比,文中方法由于采用了基于结构风险最小化原理的支持向量机回归,因而在拟合非线性极限状态方程上表现优越,计算精度高.与直接蒙特卡洛模拟相比,由于该方法采用较少的样本即可近似出概率等价的显式极限状态方程,因而计算效率大幅提高.工程实例表明:所提方法可以处理串联、并联和混合系统的可靠性与可靠性灵敏度分析,具有工程运用价值.     

基于Kriging模型的非概率可靠度计算

Kriging模型可以适应各种极限状态函数,HL-RF修正算法可以有效地计算非线性问题。对于难以获得极限状态函数的结构,提出了用Kriging模型进行回归拟合极限状态方程,同时使用HL-RF修正算法计算结构的非概率可靠度指标的计算方法。数值算例以及球形压力容器可靠性分析表明,本文提出的计算方法具有求解精度好、适应能力强的特点。     

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。     

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。     

结构可靠性分析的支持向量机响应面法

针对隐式极限状态可靠性分析问题,提出了一种支持向量机响应面法,该方法采用了与经典响应面法类似的迭代思想,由支持向量回归机替代经典响应面法中的固定多项式函数来构建响应面,并结合一次二阶矩法形成迭代过程.在此基础上,还对训练样本提出了一种改进的选取方法,从而进一步提高方法的效率.文中将所提方法与多种经典可靠性分析方法的计算结果对比分析,改进的支持向量机响应面法精度较高,调用结构分析程序的次数最少.     

一种基于证据理论的结构可靠性分析方法

提出了一种基于证据理论的结构可靠性高效求解方法. 通过构造优化问题求解极限状态方程的非概率可靠性指标及设计验算点, 并构造一辅助区域. 通过辅助区域显著减少需要进行极值分析的焦元个数, 并基于区间分析方法减少焦元上极限状态方程的计算次数, 从而有效降低计算成本. 数值算例及工程应用验证了该方法的有效性.     

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BP神经网络和Laplace渐进积分法的结构可靠性计算

传统基于代理模型的可靠性研究大多将抽样方法与代理模型相结合,并假定随机变量相互独立,且没有考虑到代理模型的不确定性对失效概率的影响。本文将反向传播(BP)神经网络和Laplace渐进积分法相结合,提出一种结合代理模型和高次阶矩的可靠性计算方法,称之为BP-Lap法。采用Latin超立方抽样技术,结合学习函数选取样本点,基于函数逼近原理,利用BP网络代理极限状态方程及其梯度向量和Hessian矩阵。利用训练好的BP网络通过Laplace渐进积分法求解失效概率,基于十折交叉验证思想,得到失效概率取值区间。通过四个算例,分别在随机变量相关和不相关的条件下,验证了BP-Lap法的有效性。研究表明：BP-Lap法可以衡量代理模型的不确定性对失效概率的影响,得到失效概率的上、下界;BP-Lap法同时适用于显示和隐式的极限状态方程,对相关随机变量的可靠性问题具有较高精度。     

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。     

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。     

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。     

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.     

基于LHS-Kriging法的正交异性钢桥面板疲劳可靠度分析

为解决随机车载下正交异性钢桥面板疲劳应力谱有限元求解耗时问题,采用拉丁超立方抽样（LHS）与Kriging方法,建立了快速获取随机车流作用下细节疲劳应力谱的LHS-Kriging有限元替代模型,并将此模型应用于南溪长江大桥正交异性钢桥面板疲劳可靠度计算。结果表明,基于LHS-Kriging方法的有限元替代模型, 不需要经过大量车辆荷载的有限元加载,可直接快速获取细节疲劳应力谱;与传统的响应面法（RSM）相比,Kriging法预测的细节等效疲劳应力更符合有限元计算结果;随着交通量增长率的增大,桥梁的疲劳可靠度显著减少;100年后,当交通量增长率为3%和5%时,正交异性桥面板与纵肋焊接处的细节疲劳可靠度小于2。