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。     

模糊随机可靠性分析的统一模型

针对基本变量和状态变量的不确定性可能既有随机性又有模糊性的情况，通过 引入规一化因子和模糊变量隶属函数的等效概率密度函数转换，建立了同时考虑随机和模糊 两种不确定性因素的统一可靠性模型. 由于该模型将模糊变量等价转换成了随机变量，并且 这种等价变换没有改变模糊变量的可能性分布，因而随机可靠性模型的所有方法均可用于统 一模型，并且其可靠度和失效概率的计算将是准确的. 所提模型不仅适用于只有应力和强度 两个基本变量的情况，而且也适用于多个变量的情况. 用算例对所提模型与前人的采 用截集并在截集中引入人为分布的模型进行了对比，结果表明该方法更适于工程应用.     

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。     

考虑状态模糊性时广义失效概率计算的鞍点逼近方法

针对状态具有模糊性的广义可靠性分析问题,提出了一种广义失效概率计算的鞍点逼近方法.所提方法首先将广义失效概率的积分区域依据功能函数的取值离散化,在离散的积分区域中,功能函数对模糊失效域的隶属函数近似保持为常数,从而将模糊可靠性问题转化为随机可靠性问题,进而利用近似的鞍点逼近方法求得广义失效概率.该文给出了所提方法的实现步骤和原理,并用算例验证了所提方法的合理性和可行性.由于基于鞍点逼近的考虑状态模糊性时广义失效概率的计算方法具有较高的效率和精度,因而所提方法具有一定的工程意义.     

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.     

基本变量对失效概率重要性测度分析的新方法

在研究矩独立基本变量对响应分布影响的重要性测度的基础上,定义了基本变量对失效概率的重要性测度.基本变量对失效概率的重要性测度可以直接全面地给出基本变量对结构安全影响的重要程度,因而该重要性测度将更具有工程指导作用.文中分析了所定义基本变量对失效概率影响重要性测度的基本性质,并基于鞍点线抽样在求解可靠度时不受随机变量分布形式的限制及其效率和精度较高的优点,提出了求解该重要性测度的鞍点线抽样方法.     

????????Ч?????????????????·???

在研究矩独立基本变量对响应分布影响的重要性测度的基础上,定义了基本变量对失效概率 的重要性测度. 基本变量对失效概率的重要性测度可以直接全面地给出基本变量对结构安全 影响的重要程度,因而该重要性测度将更具有工程指导作用. 文中分析了所定义基本变量对 失效概率影响重要性测度的基本性质,并基于鞍点线抽样在求解可靠度时不受随机变量分布 形式的限制及其效率和精度较高的优点,提出了求解该重要性测度的鞍点线抽样方法.     

枚举模糊随机主要失效模式的准则法

基于模糊不确定性向随机不确定性的等价转换和有限元分析计算，建立了以失效模式相对重要度为依据的广义主要失效模式枚举的工程准则法．该方法可以综合考虑材料参数、结构几何以及外载荷等基本变量的随机和模糊两种不确定性因素对失效模式相对重要度的影响，通过合理选择门槛值，可以在保证计算精度的基础上尽可能的减小计算工作量．以平尾转轴的模糊随机可靠性分析为算例，给出了门槛值的经验值，并说明了所建工程准则法的合理性．     

结构可靠性分析高效自适应重要抽样方法

提出了一种基于自适应Metropolis算法和快速高斯变换技术的结构可靠性分析高效自适应重要抽样方法. 该方法首先利用自适应Metropolis算法高效生成结构失效域样本, 然后运用自适应宽核密度估计方法构造重要抽样密度函数, 最后采用快速高斯变换加速重要抽样过程中核函数的计算. 与传统方法相比, 自适应Metropolis算法能够在相同计算量下提供更多结构失效域信息从而改善计算精度, 即为求得给定精度问题的解, 可有效减少样本生成过程中的结构分析次数, 提高方法的计算效率; 快速高斯(Gauss)变换大幅降低核密度估计的计算复杂度从而大幅缩减重要抽样的计算耗时. 通过数值算例可以看出该方法具有较高的计算精度和效率.      

结构可靠性分析的高效自适应重要抽样方法

提出了一种基于自适应Metropolis算法和快速高斯变换技术的结构可靠性分析高效自适应重要抽样方法。该方法首先利用自适应Metropolis算法高效生成结构失效域样本,然后运用自适应宽核密度估计方法构造重要抽样密度函数,最后采用快速高斯变换加速重要抽样过程中核函数的计算。自适应Metropolis算法能够在相同计算量条件下提供更多结构失效域信息从而改善计算精度,即为求得给定精度问题的解,可有效减少样本生成过程中的结构分析次数,从而提高方法的计算效率;快速高斯变换大幅降低核密度估计的计算复杂度从而大幅缩减重要抽样的计算耗时。通过数值算例可以看出本文方法具有较高的计算精度和效率。