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。     

基于主动学习Kriging模型的结构多失效模式可靠度计算

对于具有多失效模式的结构可靠度计算问题,利用多输出Kriging模型作为代理模型进行分析。该代理模型只需对所有功能函数进行一次建模,无需对每个功能函数建立各自的代理模型,且在建模过程中能够考虑各失效模式之间的相关性。本文方法设定的初始样本点不仅对随机变量均值附近区域给予足够重视,而且能够兼顾设计空间的边缘区域,进而确保初始代理模型在全局空间内具有较好精度,以减少后续利用学习函数更新代理模型的次数。数值算例表明,本文方法具有较好的计算精度和较高的计算效率,当失效模式较多时,计算效率大幅提升。     

基于贝叶斯支持向量回归机的自适应可靠度分析方法

进行复杂结构可靠度分析时,由于涉及隐式功能函数和耗时的数值计算,减少结构模型的调用次数在提高分析效率方面显得尤为重要。为此,本文基于贝叶斯支持向量回归机,提出了一种高效的自适应可靠度分析方法。该方法利用贝叶斯支持向量机提供的概率估计信息(均值和方差)构建学习函数,同时通过引入样本间的距离测度防止选取与现有样本过于临近的冗余点,进而能快速有效地选取极限状态曲面附近具有代表性的样本点,以提高代理模型的构建速度和预测精度。此外,在学习过程中引入了有效抽样域策略,有针对性地选取对失效概率估计误差贡献大的点,从而进一步提升结构可靠度分析的计算效率。最后,通过数值算例验证了本文方法对结构可靠度分析的适用性和有效性。     

结构可靠性优化的多输出高斯过程代理模型

对于具有多失效模式的结构,基于可靠性的结构优化计算成本是比较昂贵的。本文利用多输出高斯过程MOGP(Multiple Output Gaussian Process)代理模型以降低计算成本,首先利用Bucher方法生成初始样本,然后结合均匀训练样本和学习函数对MOGP代理模型进行构建。学习函数可在大范围内筛选出较为满意的训练样本,能够确保MOGP代理模型具有较好的全局精度,在整个优化过程中不再重新构建MOGP代理模型。利用协方差矩阵,MOGP代理模型能够考虑各失效模式的相关性,对多输入多输出系统具有良好的预测性能。数值算例表明,本文方法具有较好的计算结果,且计算效率较高,尤其是设计变量数目与失效模式数目较多时效率提升明显。     

基于代理模型的边坡稳定可靠度算法

针对基于极限平衡模式而建立的边坡稳定可靠度功能函数的隐式特征及其导致的可靠度求解等问题,首先利用Kriging插值预测方法,以极限平衡理论的Janbu算法为例,建立了边坡稳定可靠度功能函数的新型显式代理模型;然后将拉丁超立方试验抽样设计方法、Janbu算法、几何可靠度指标计算三者结合起来,研制了该代理模型的求解程序;构建了基于Kriging插值预测的边坡稳定可靠度近似分析新方法。选用某著名边坡算例,将本文方法分析结果与基于蒙特卡洛法的精确解进行了对比,两者的相对误差为5.21%,但前者计算工作量不到后者的万分之一,表明了代理模型方法的实用性和有效性。最后用代理模型方法分析了衡桂高速某段路堑边坡的稳定可靠性,表明本文方法计算结果能够满足工程精度要求,具有一定的应用价值。     

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.     

大型相关失效工程网络系统可靠度的近似算法

为避开失效模式(或系统可靠路径)的NP难题(non—polynomial increase hard problem)，提出递推分解算法，降低大型工程网络系统可靠度分析中的计算复杂性，同时，将改进的多维正态变量积分公式，引入递推分解算法之中，计算多失效模式(或系统可靠路径)的联合概率，并最终计算工程网络系统的失效概率和可靠度，对于特别复杂的工程网络系统，采用上下界的方法，给出具有很高精度的可靠度近似值。实例分析表明，本文提出的方法，具有较高的精度和计算效率。     

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。     

含概率与区间混合不确定性的系统可靠性分析方法

系统可靠性问题中通常存在大量的不确定参数,传统方法一般是基于概率模型对系统进行可靠性分析,但是实际工程中由于数据缺乏或试验条件的限制往往难以得到参数的精确概率分布.本文将结构体系一部分样本信息充足的不确定变量用随机变量进行描述,而另一部分样本缺乏的用区间表示,并提出了一种新的含概率与区间混合不确定性的系统可靠性分析方法.首先,基于一个高效求解方法获得单失效模式下结构的最小可靠度指标;再针对多失效模式下含概率与区间混合不确定性问题建立了系统可靠性分析模型;考虑各失效模式之间的相关性,通过线性相关度计算方法求得相关系数矩阵;最后提出了串联体系和并联体系可靠度求解方法.3个数值算例表明,该方法可以实现含概率与区间混合的多个非线性失效模式下系统可靠度的计算.通过对比传统的概率可靠性分析方法,本文方法只需要少量的不确定信息便可确保系统更加安全,更适合复杂结构系统可靠性的分析和设计.     

基于主动学习Kriging模型和子集模拟的可靠度分析

工程结构的功能函数大多数具有隐式非线性程度高的特点,且失效概率较小,需要复杂的有限元分析计算。针对工程实际中大量存在的小失效概率问题,本文提出了基于主动学习Kriging模型和子集模拟方法相结合的可靠度分析方法——AK-SS。AK-SS方法有子集模拟求解小失效概率和主动学习的Kriging模型代替真实功能函数的优势。该方法首先采用Kriging模型代替真实功能函数,通过主动学习方法逐步扩充实验设计点,逐步改善Kriging模型的精度;然后利用子集模拟方法的基本思路,通过引入合理的中间失效事件计算小失效概率。结果表明,AK-SS方法在保证结果精度的同时减少了功能函数的评估次数,对于工程实际中具有隐式功能函数的小失效概率计算问题具有较强的应用前景。     

基于粒子群-AK-MCS法的结构可靠性分析

Kriging代理模型由于其良好的非线性拟合能力，在可靠性分析领域得到了广泛的应用。为提高Kriging模型的建模效率，本文提出一种混合粒子群算法的AK-MCS法，该方法在保证模型精度的前提下减少了构建代理模型时的迭代次数，且提高了模型的全局寻优能力。以一10杆桁架结构为研究对象，通过建立结构控制位移与杆件截面面积和集中荷载之间的代理模型，快速求解桁架结构的失效概率。研究表明，本文方法有效提高了Kriging模型建模效率和建模精度，在计算复杂工程结构时具有一定的可行性。     

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.     

基于可靠性约束的结构优化设计技术研究

建立结构重量最小化、可靠度为约束的优化模型。将结构近似为串联可靠度模型，每个元件作为一失效单元；由应力状况建立元件的失效函数。采用一次二阶矩法求解元件的可靠性指标；用元件失效概率的和来表示结构失效概率；将结构失效概率的允许值平分给元件，建立设计变量的显示迭代式，并用满可靠度法进行修正，获得最终设计结果。在开展结构静强度优化设计的同时，对元件在线弹性范围内的屈曲可靠性优化设计问题做了初步的研究。桁架结构和机翼盒段结构的可靠性优化结果表明，与现有方法相比，本文提出的方法在具有较高精度的同时，极大地提高了优化设计的效率。     

基于Monte-Carlo方法的结构系统可靠度计算及敏度分析

基于可靠性分析理论,将结构失效概率对随机变量均值的敏度表示成失效概率与正则化随机变量在失效域上期望的乘积,并利用敏度分析的结果给出了结构线性等效安全余量的表达式.通过等概率转换,使得该方法可以应用于服从任意分布的随机变量.该方法在给出失效概率的同时,能够给出失效概率对随机变量均值的敏度,而无需重新对结构进行计算,提高了...     

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。     

基于主动学习神经网络的转向架构架疲劳可靠性分析

为了提高转向架构架疲劳可靠性分析的精度与效率，提出一种主动学习BR-BP神经网络模型与Monte Carlo法相结合的可靠性分析方法。该方法针对BP神经网络的缺陷，使用贝叶斯正则BR(Bayesian regularization)算法作为训练算法，以提高神经网络的拟合精度与收敛速度，并考虑可靠性分析的固有特点，构造了一种适用于BP神经网络的主动学习函数，用于指导最佳样本点的选择。提出的学习函数不仅保证了样本点分布在极限状态函数附近，还考虑了样本点的预测误差以及样本点分布对失效概率计算的影响。转向架构架可靠性分析结果表明，本文方法在提高拟合精度的同时兼顾了计算效率，验证了所提方法的优越性与可行性。     

独立失效模式多自由度随机滞回系统可靠性分析

基于Bouc-Wen滞回模型,研究了由滞回环本身的随机性导致的多自由度非线性随机系统可靠性分析问题。基于结构失效的首次穿越模型,应用四阶矩技术和Edgeworth级数逼近技术,对独立失效模式下多自由度随机滞回系统的可靠性问题进行分析。数值算例表明,由独立随机参数表征的随机结构,系统随机响应之间不再独立,存在协方差;系统响应之间相关系数不唯一,具有随时间连续变化的动态、强相关特性。分析计算结果与Monte-Carlo模拟结果吻合较好,表明算法能够满足工程计算精度要求。