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。     

基于概率密度演化方法的地下结构可靠度分析

本文提出基于概率密度演化方法的地下结构可靠度分析,通过求解极限状态函数的概率密度演化方程,可以得到响应量的概率密度函数曲线.相比于传统的随机模拟方法,概率密度演化方法考虑了样本点之间的概率联系,因此在求解效率以及精度上都得到大大提高.文中结合上海市轨道交通M6线地铁下程进行了基于概率密度演化方法的可靠度分析,与随机模拟的结果相比表明,基于概率密度演化方法的地下结构可靠度分析方法具有更好的效果.文中还介绍了基于等价极值事件的结构体系可靠度分析方法,并将等价极值事件的基本思想推广到复杂失效准则下地下结构的可靠性分析之中.结果表明此方法可以对地下结构可靠度给出较为准确的评价.     

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.      

基于元模型与聚类算法的设计空间减缩策略及工程应用

提出了一种基于元模型建模和聚类算法的设计空间减缩策略,能直接将设计空间减小到相对小的子空间。建议的方法分为三步:首先,进行低精度元模型建模,其次重新设计样本点并基于元模型求解样本点函数值和导数,应用最短距离层次聚类算法确定样本点聚类数与聚类中心,采用模糊c均值算法完成设计空间划分,生成设计空间子空间;最后,求解子空间目标函数的均值,确定保留子空间,并在保留子空间中对函数进行优化,达到目标函数全局最优解。测试函数和工程算例表明,该方法能够有效减小设计空间。     

基于支持向量回归机的陀螺漂移预测模型

为了预测某导弹陀螺漂移趋势,以该陀螺漂移角速度时间序列为对象,建立了基于支持向量回归机的预测模型。针对该预测模型的特点,提出了支持向量预选取的模型优化方法。基于ε不敏感损失函数的支持向量回归机具有稀疏性,其结构由支持向量决定。因此从训练样本集中预选出有可能成为支持向量的样本,精简样本规模是提高该类支持向量回归机训练和预测效率的有效方法。针对该类支持向量回归机从分类和回归两个角度分析了支持向量的几何特征,提出了核函数空间免疫聚类的支持向量预选取方法并用于某导弹陀螺漂移预测模型的数据预处理。仿真结果表明优化后的预测模型运算量小、建模速度快,精度高。     

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。     

基于更新支持向量的大跨度斜拉桥体系可靠度分析

针对斜拉桥静力体系可靠度分析中隐式功能函数重构和繁杂失效路径的特点,提出了一种基于更新支持向量的体系可靠度分析方法,将传统的用于构件可靠度分析的支持向量机(SVM)改进并应用于斜拉桥体系可靠度分析。该方法主要有4个步骤:首先通过构件的敏感分析识别斜拉桥的主要失效路径;其次采用最小二乘支持向量机(LS-SVM)对斜拉桥的隐式功能函数进行重构,并通过Monte-Carlo抽样得出构件的可靠指标;然后根据已经更新的有限元模型对支持向量进行更新,得出相关构件失效后的剩余构件的条件可靠指标;最后由结构体系的失效树和串并联关系得出斜拉桥的体系可靠度。主跨为420m的混凝土斜拉桥算例分析表明了上述算法的有效性和实用性,同时也获得了该斜拉桥的主要失效路径并识别了影响其体系可靠度的主要构件。     

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...     

基于LS-WSVM的光纤陀螺漂移辨识

提出了一种最小二乘小波支持向量机(LS-WSVM)的光纤陀螺的漂移辨识算法.该方法将Mexihat小波函数作为核函数,与最小二乘支持向量机(LS_SVM)相结合建立起通用模型;用光纤陀螺漂移数据训练通用模型,从而得到该光纤陀螺的漂移模型.并用F法则检验了该模型的适应性.试验表明,在相同条件下,与基于Gauss核函数的最小二乘支持向量机模型相比,该模型拥有更高的辨识精度.证明了用最小二乘小波支持向量机对光纤陀螺的机漂移辨识是合适的,有效的.     

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.     

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。     

一种基于凸集-概率混合模型的结构可靠性分析法

本文建立一种凸集-概率混合模型下的结构可靠性分析方法。考虑椭球模型和区间模型两种不同类型的凸集模型,在标准空间内通过拉丁超立方抽样生成样本点,通过矩阵变换将其转换到凸集空间内,得到凸集变量的样本点;将凸集变量样本点代入极限状态方程,从而混合可靠性模型转变为纯概率可靠性模型;利用Laplace渐进积分法对每个极限状态方程进行失效概率求解,统计结果的最大值和最小值,得到失效概率的上、下界,研究了凸集变量的个数对结果的影响,通过失效概率的变异系数描述计算结果的稳定性;通过三个算例验证了计算结果的精度,并采用混合模型的蒙特卡洛法进行对比计算。研究表明：本文所提方法计算精度和效率均较高;凸集模型的类型会对结果产生较大影响;为使结果趋于稳定,椭球模型所需的凸集样本点个数多于区间模型;若凸集样本点数目相同,椭球模型的失效概率计算结果变异系数较小,稳定性高于区间模型。     

一种基于凸集-概率混合模型的结构可靠性分析法

本文建立一种凸集-概率混合模型下的结构可靠性分析方法。考虑椭球模型和区间模型两种不同类型的凸集模型，在标准空间内通过拉丁超立方抽样生成样本点，通过矩阵变换将其转换到凸集空间内，得到凸集变量的样本点；将凸集变量样本点代入极限状态方程，从而混合可靠性模型转变为纯概率可靠性模型；利用Laplace渐进积分法对每个极限状态方程进行失效概率求解，统计结果的最大值和最小值，得到失效概率的上、下界，研究了凸集变量的个数对结果的影响，通过失效概率的变异系数描述计算结果的稳定性；通过三个算例验证了计算结果的精度，并采用混合模型的蒙特卡洛法进行对比计算。研究表明：本文所提方法计算精度和效率均较高；凸集模型的类型会对结果产生较大影响；为使结果趋于稳定，椭球模型所需的凸集样本点个数多于区间模型；若凸集样本点数目相同，椭球模型的失效概率计算结果变异系数较小，稳定性高于区间模型。     

RELIABILITY ASSESSMENT OF STRUCTURAL SYSTEMS BASED ON DIRECTIONAL VECTOR SIMULATION TECHNIQUE

The new improved directional vector simulation method for analyzing the reliability of structural systems failure probability is researched. This paper also points out the defects of general directional vector simulation, and gives rise to a new higher accuracy approximate integral formula of structural systems failure probability. A new geometric meaning of characteristic function is obtained. A new simple method of generating uniformly distributed random vector samples inn-dimensional unit hyper-spherical surface is put forward and strictly proved. This method is easy to put into practice. Numerical examples are given to show the applicability and effectiveness of the suggested approach to structural systems reliability problems. Supported by Chinese Postdoctor Fund([1998]6, 23).