考虑基本变量模糊与随机性的广义自适应重要抽样法

基于模糊随机广义可靠性分析向随机可靠性分析的转换,提出了模糊随机广义失效概率计算的自适应重要抽样法,该方法利用模拟退火智能优化,在模拟的过程中逐步逼近模糊随机广义设计点,并在模拟过程中自适应地构造重要抽样函数,从而使得模糊随机失效概率的计算效率和精度大为提高。与传统的重要抽样法相比,本文方法无需首先求解失效模式的设计点。对非线性失效区和复杂等价概率密度函数,由于模拟退火智能优化在寻找设计点时比诸如一次二阶矩法(FOSM)更为有效,因而所提方法适合非线性失效区和复杂等价概率密度函数情况下的广义可靠性分析。另外,随着重要抽样密度函数逐步向最优值的自动调整,抽取的样本数逐渐增大,使后续构建的重要抽样函数更能体现对广义失效概率贡献的重要程度,并使失效概率的计算更加准确。文中算例证明了所提方法的合理性。     

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。     

一种基于混合遗传算法优化的截断重要抽样法

针对并联系统失效概率的计算,提出一种基于混合遗传算法的截断重要抽样法.所提算法中,基于十进制编码的混合遗传算法被用来寻找并联系统最可能失效点x*和系统近似可靠度指标β.以β为半径建立以坐标原点为球心的截球,并以x*为抽样中心构造重要抽样概率密度函数,从而建立针对并联系统可靠性分析的β球截断重要抽样法.通过算例分析,比较了几种不同并联系统失效概率计算的方法,结果表明本文方法比连续顺序近似法、一次二阶矩法具有更高的计算精度,比蒙特卡洛法具有更快的收敛速度,尤其是针对小失效概率问题;与β球截断抽样法和重要抽样法相比,计算效率也进一步提高.     

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。     

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。     

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。     

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。     

基于减基概念的凸集结构可靠性分析方法

针对椭球凸集参数域结构的可靠性分析问题,提出了一种基于减基概念的快速求解方法。首先,将椭球参数域进行坐标正交变换,获得标准的椭球域及其相应的矩形域,在矩形域采样且通过坐标逆向变换获得原椭球参数域的样本参数点集,并以此构建结构的减基空间及其相应的减基算法;随后,在标准椭球域产生均匀的等概率抽样点,并通过坐标逆向变换和相应的减基算法进行蒙特卡洛减基模拟来分析结构的可靠度及其可靠域。由于是在低维的逼近空间中进行椭球参数域结构的位移向量解分析,故而较之有限元法能够获得较高的计算效率。算例测试验证了本文方法的有效性。     

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。     

谷粒的热——湿应力分析

针对谷物烘干问题,本文研究弹性及粘弹性圆球和椭球的热,湿应力。对圆球分析表明,热应力峰值远比湿应力峰值出现时间早,在假定材料为热,湿流变简单的Maxwell粘弹性体条件下,本文导出了圆球的热,湿应力分布公式,并应用有限元法研究了椭球的热,湿应力,文中以无量纲形成给出了圆球中心和表面应力随时间的 变化情况,以及椭球中心轴向应力峰值随椭球长,短半轴之比的变化情况。     

基于Armijo准则的自适应稳定转换法

结构可靠度分析是结构不确定性设计的关键环节，计算效率和鲁棒性是评估可靠度分析算法性能的两个重要指标。首先针对两个已有的一次二阶矩算法（iHL-RF算法和方向性稳定转化法）进行分析，发现iHL-RF算法根据Armijo准则可以自适应调整迭代步长，但计算效率低；方向性稳定转化法根据振荡的方向性可以提高计算效率，但自适应性差。结合两种算法的优点，将Armijo准则用于自适应调整方向性稳定转化法的混沌控制因子，提出了基于Armijo准则的自适应稳定转换法。通过四个非线性算例将本文提出的算法与HL-RF、iHL-RF、混沌控制法以及方向性稳定转换法等四种算法的收敛性和计算效率进行比较。结果表明，相比其他四种可靠度分析算法，本文算法在求解二维和多维非线性极限状态函数时均具有更好的收敛性和更高的计算效率。     

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.     

一种求算结构可靠度指标的新方法

为解决结构功能函数在结构设计点附近非线性程度较高时,一次可靠度计算方法(如JC法)不收敛的问题,提出一种新的可靠度计算方法.该算法根据结构可靠指标的几何意义,先将迭代点靠近极限状态面,再通过在极限状态面上搜索下一迭代点,逐渐减小极限状态面上的点到标准正态空间中坐标原点的距离,从而达到收敛的目的.与其他方法相比,该方法不用选取算法参数,在计算效率和鲁棒性方面都有较好的优势,尤其在极限状态函数非线性强的情况下优势更为明显.     

相关正态变量情况下基于自适应超球重要抽样的可靠性灵敏度分析的转换法

在将相关正态变量转换成独立正态变量的基础上,首先建立了基于Monte Carlo模拟的相关正态变量可靠性灵敏度分析的转换法,并对其可靠性灵敏度估计值作了方差分析.其次将Monte Carlo转换法与自适应超球重要抽样法相结合,建立了相关正态变量可靠性灵敏度分析的自适应超球重要抽样转换法.所建立方法利用抽样样本提供的信息,通过迭代逐步确定最优超球半径,极大地提高了算法的稳健性和效率.由于自适应超球重要抽样转换法融合了Monte Carlo法的普适稳健性和超球重要抽样的高效性,因此它对于高度非线性隐式极限状态方程、多个失效模式串、并及混联系统、多个最可能失效点问题均具有很强的适应性,算例结果充分证明了这些优点.     

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。     

基于阈值因子的结构可靠性解耦优化方法

基于结构可靠性理论，引入阈值因子的概念，其物理意义为当前最优解满足可靠性约束需将阈值增减的幅度。随着迭代的进行，对于有效约束，阈值因子收敛于1，能够使得最可能失效点快速向满足可靠性约束的极限状态曲面靠拢，优化效率得以提升。解耦模型中，优化变量可为随机变量也可为非随机变量，当优化变量为随机变量时，采取优化变量拆解方式进行计算。数值算例表明，本文方法对优化变量拆解方式不敏感，对有效约束和非有效约束均能够获得满意的优化结果，且计算效率明显高于经典方法。     

一种在响应面法中选取样本点的新方法

响应面法中的样本点选取对拟合极限状态曲面的收敛速度及精度至关重要,文中提出了一种区别于通常以插值点为中心展开生成样本点组的新方法:在求解过程中,用插值点逐步替代初始样本点组中距离验算点较远的点,其目的是使所选取的样本点较集中于验算点附近,重新构成下一轮迭代所需的一组样本点,直至满足收敛条件。算例表明,采用新方法可使结构的分析次数显著减少,同时也改善了对于非线性程度很高的极限功能函数求解的收敛性。该方法用于大型复杂结构的可靠度分析中可进一步提高计算效率。