基于鞍点估计及其改进法的可靠性灵敏度分析

鞍点估计可以直接逼近非正态变量空间中线性功能函数概率分布, 进而得出功能函数的失效概率. 在此基础上进行了基于鞍点估计的可靠性灵敏度分析. 对于非线性功能函数, 尤其是强非线性功能函数, 基于鞍点估计进行可靠性及灵敏度分析时存在较大的误差, 为此建立了基于鞍点估计的改进方法------鞍点线抽样方法的可靠性灵敏度分析. 在标准化的变量空间中利用线抽样方法的样本点将系统失效概率转化为一系列线性响应功能函数失效概率的平均值, 从而可靠性灵敏度转化为一系列线性响应功能函数的失效概率对随机变量分布参数偏导数的平均值, 再采用鞍点概率估计方法直接估计非正态变量标准化空间中这一系列线性响应功能函数的失效概率及可靠性灵敏度. 通过比较两种方法的基本思想、实现过程和算例结果可以发现: (1) 第1种方法只适用于线性程度较好的功能函数的情况, 其误差主要来源于非线性极限状态函数的线性化; (2) 改进方法给出的是失效概率及失效概率对随机变量分布参数偏导数的估计值, 这些估计值随样本点数的增加而趋于真值, 并且该方法可以考虑功能函数的非线性对失效概率的影响, 因此具有广泛的适用范围.      

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.     

结构可靠性分析的自适应子集模拟方法

结构可靠性分析需要精确高效的失效概率计算方法。为解决高维非线性可靠性分析问题中的失效概率计算问题,本文提出了两种以失效概率估计精度为停机控制参数的自适应子集模拟方法。理论分析和数值算例表明:(1) 两种自适应子集模拟方法能根据失效概率的估计精度要求自适应调整样本量;(2) 考虑样本量优化的自适应子集模拟方法能进一步减少总样本量,提高计算效率。本文所提方法为研究者对结构进行精确高效的可靠性分析提供了一条可行途径。     

基于分层抽样法的可靠性灵敏度分析

提出基于分层抽样的可靠性灵敏度分析方法。该方法将变量空间分割成多个互斥子空间,根据子空间对可靠性灵敏度估计值贡献率的大小来分配子空间的抽取的样本量,这种抽样策略使得更多的样本来源于失效域,从而达到降低估计方差、提高了收敛速度的目的。本文还推导了基于分层抽样法的可靠性灵敏度估计值的方差和变异系数。三个算例显示出分层抽样在单模式、多模式并联、多模式串联结构可靠性灵敏度分析上的可行性和优越性。     

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。     

可靠性敏度分析方法及其在非线性蠕变疲劳失效模型中的应用

针对非线性极限状态方程,发展了两种基本随机变量为非正态情况下的可靠性敏度分析方法:基于改进一次二阶矩的近似解析法和基于Monte-Carlo的数字模拟法.近似解析法中非正态变量首先被等价变换为正态变量,然后用正态变量的敏度分析法和隐函数求导法则来得到失效概率对非正态变量分布参数的灵敏度,求解敏度的数字模拟法是从计算失效概率的所有样本点中选取合适的抽样点,利用回归分析和隐函数求导法则来求取可靠性灵敏度的.所提方法被用于非线性蠕变疲劳失效模式的可靠性灵敏度分析,近似解析法和数字模拟法结果的一致说明了所提方法的合理可行.蠕变疲劳失效的可靠性灵敏度随参数的变化趋势分析为工程设计提供了有益指导.     

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。     

基于子集模拟法的风机叶片可靠度分析

风机叶片是风机机组中最重要的组件之一,其可靠性对整个发电系统的健康运行十分关键。传统的蒙特卡罗法可靠度计算效率较低,本文将子集模拟法应用到风机叶片的可靠度计算中,通过合理选取中间失效事件临界值和建议概率密度函数,采用Metropolis算法模拟产生一系列的样本,极大地提高了抽样效率。结果表明,子集模拟法在风机叶片可靠度计算中精度较高,且结构的失效概率越小,相比于传统蒙特卡罗法效率更高,可以极大地减轻计算压力。     

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.      

基于线抽样的可靠性灵敏度分析方法

提出了一种基于线抽样的可靠性灵敏度分析方法.线抽样可靠性分析中,结构失效概率Pf是由每个抽样样本对应的失效概率Pfj的算术平均值来计算的,由此可知Pf对基本变量分布参数θ的灵敏度(э)Pf/(э)θ可以表示为Pfj对θ的偏导数(э)Pfj/(э)θ的算术平均值,而(э)Pfj/(э)θ则可以很容易地由Pfj与基本变量分布参数θ的解析关系求得. (э)Pfj/(э)θ和(э)Pf/(э)θ的计算公式被详细推导.可靠性灵敏度分析的线抽样方法继承了线抽样法的优点,诸如精度高,收敛快且适用于高维及多模式情况等.这些优点由算例证实.     

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...     

正态变量相关情况下可靠性灵敏度分析的新方法

基于独立正态变量情况下可靠性灵敏度分析的线抽样法,提出了一种求解正态相关变量情况下可靠性灵敏度的新方法。在所提方法中,首先将正态相关变量等效变换为正态独立变量,然后利用线抽样方法独立完成等效独立变量情况下失效概率对独立变量的所有分布参数的灵敏度分析,最后依据等效变换前后变量分布参数之间的解析关系和复合函数求导公式,求得...     

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.     

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。     

可靠性灵敏度函数及其特征指标的条件概率模拟求解方法

可靠性分析中基本变量分布参数为区间均匀变量时,失效概率为分布参数的函数。基于条件概率马尔科夫链模拟,提出了一种可靠性灵敏度函数的求解方法,并提出了一种新的可靠性灵敏度度量指标,它为参数可靠性灵敏度函数在参数空间上的期望。文中推导了线性极限状态正态变量下全局灵敏度函数及新指标的计算式.并提出了高效的基于条件概率马尔科夫链...     

非正态变量可靠性分析的鞍点线抽样方法

结合鞍点概率分布估计和传统线抽样方法的优点,提出了非正态变量可靠性分析的鞍点线抽样方法。传统的线抽样方法对非正态变量问题进行可靠性分析时需将非正态变量等价转换为标准正态变量,非正态变量向标准正态变量的非线性转换将增加响应功能函数的非线性程度,进而加大了转换后响应函数失效概率估计的难度。所提鞍点线抽样方法则无需将非正态变量转化为标准正态变量,它利用鞍点概率分布估计方法可以直接估计非正态变量空间中线性响应函数概率分布的特点,并利用线抽样方法可以将非线性功能函数的失效概率转化为一系列线性功能函数失效概率平均值进行估计的优点,实现了非正态变量空间非线性功能函数失效概率的高精度估计。鞍点线抽样方法使用前需将变量进行标准化变换,这种变换是线性的,通过对变量的标准化变换可以消除变量的量纲,从而使得标准化变量空间概率分布更具规律性。理论推导可以证明：鞍点线抽样方法在基本变量服从正态分布时将退化为传统的线抽样方法。算例验证结果表明：针对非线性功能函数的可靠性问题,鞍点线抽样方法比传统的直接鞍点估计具有更高的精度。     

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。     

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.