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。     

基于缩减样本窗口的响应面重构方法

具有隐式功能函数的复杂结构可靠度分析常采用响应面方法。对于功能函数非线性程度较高的结构可靠度分析的响应面迭代重构问题,由于一般响应面方法样本窗口过大,导致迭代分析精度难以提高。本文提出了响应面重构中样本窗口的确定原则,并建立了结构可靠度分析的缩减窗口序列响应面重构方法。多个数值试验表明：该方法迭代收敛迅速,计算精度较高...     

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。     

基于响应面方法的结构碰撞优化

应用响应面方法可将结构响应表达为设计变量的显式形式．为拟合响应面，基于中心复合设计和单纯形设计简化出了中心对称和拟单纯形设计，其既可以保证约束近似精度，同时降低计算量．针对常见优化问题，使用响应面方法将其构造为线性或者非线性约束优化模型，并应用Matlab优化工具箱求解．方管碰撞优化数值算例表明文中提出的试验设计方法及优化模型有较好的求解效率和精度．     

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。     

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。     

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。     

有理多项式技术有工程结构可靠度分析中的应用

给出了在相关空间中改进JC方法计算结构可靠指标的迭代格式,并采用有理多项式技术计算功能函数的偏导数,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。因此,功能函数无论是线性或非线性,显式或隐式,该方法都简单且适用。数值结果表明本文方法具有较好的效率和精度。     

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。     

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。     

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.     

基于主动学习Kriging模型的可靠性分析

论文采用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.论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.     

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.     

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.