随机空间柔性多体系统动力学分析

轻质、高精度的柔性多体系统被广泛应用于实际工程领域中.由于实际设计公差、制造误差及环境温度等多种不确定因素的存在,使得柔性多体系统的结构参数(物理参数和几何参数)表现出随机性.具有随机结构参数的动力学模型能够客观地反映出真实系统的动力学行为,且结构参数的不确定性对空间柔性多体系统动力学响应的影响是不容忽视的.针对具有多个随机参数的空间柔性多体系统,提出了一种基于广义alpha算法的非侵入式随机柔性多体系统动力学计算方法.采用绝对节点坐标公式(absolute node coordinate formulation, ANCF)来描述柔性体, 推导建立多体系统动力学模型.利用混沌多项式展开(polynomial chaos expansion, PCE)法构建系统随机动力学方程的代理模型,然后将随机响应面法(stochastic response surface method, SRSM)嵌入广义-alpha方法中,分别采用改进抽样的回归方法(regression method of improved sampling, RMIS)和单项求容积法则(Monte Carlo simulation, MCR)来确定样本点.将数值计算结果与蒙特卡洛模拟(Monte Carlo simulation, MCS)结果进行对比, 验证了所提算法的有效性.在相同的定积分精度的条件下,根据单项求容积法则确定的样本点的计算结果稳定性更强, 且其计算效率更高.      

基于神经网络的核电厂设备易损性分析

核电结构的易损性分析是核电厂地震安全评估中至关重要的一环, 但是由于核电结构的复杂性以及考虑土?结相互作用SSI时较大的计算规模, 使得计算核电厂设备易损性曲线十分耗时. 为发展高效的核电厂设备易损性分析方法, 本文采用核电结构土?结相互作用分析的分区计算方法, 并利用有限的SSI分析结果建立神经元模型ANN代替有限元模型, 分别基于对数正态假定的回归法和蒙特卡洛法进行了设备易损性分析. ANN数值模拟包括了以下内容: (1)基于半偏相关系数选择最相关的地震动参数作为ANN输入, 并通过交叉检验建立神经元模型; (2)量化研究ANN数值模拟的预测不确定性, 其中包含了由于简化地震动输入引起的随机不确定性和训练样本缺失引起的认知不确定性; (3)基于ANN模型预测结果分别采用蒙特卡洛法和基于对数正态假定的回归法进行设备的易损性分析. 本文探讨了不同的地震强度指标以及土层材料的不确定性对易损性曲线的影响, 同时验证了回归法中对数正态模型假定的基本合理性, 为核电厂设备易损性分析提供了一种可能方向.      

DYNAMICS ANALYSIS OF STOCHASTIC SPATIAL FLEXIBLE MULTIBODY SYSTEM 1)

轻质、高精度的柔性多体系统被广泛应用于实际工程领域中.由于实际设计公差、制造误差及环境温度等多种不确定因素的存在,使得柔性多体系统的结构参数(物理参数和几何参数)表现出随机性.具有随机结构参数的动力学模型能够客观地反映出真实系统的动力学行为,且结构参数的不确定性对空间柔性多体系统动力学响应的影响是不容忽视的.针对具有多个随机参数的空间柔性多体系统,提出了一种基于广义alpha算法的非侵入式随机柔性多体系统动力学计算方法.采用绝对节点坐标公式(absolute node coordinate formulation, ANCF)来描述柔性体, 推导建立多体系统动力学模型.利用混沌多项式展开(polynomial chaos expansion, PCE)法构建系统随机动力学方程的代理模型,然后将随机响应面法(stochastic response surface method, SRSM)嵌入广义-alpha方法中,分别采用改进抽样的回归方法(regression method of improved sampling, RMIS)和单项求容积法则(Monte Carlo simulation, MCR)来确定样本点.将数值计算结果与蒙特卡洛模拟(Monte Carlo simulation, MCS)结果进行对比, 验证了所提算法的有效性.在相同的定积分精度的条件下,根据单项求容积法则确定的样本点的计算结果稳定性更强, 且其计算效率更高.     

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。     

仿真转台伺服系统动态模型辨识与计算

仿真转台广泛应用于光电制导导引头及其对抗的仿真,对某型仿真转台进行高精度模型辨识可以有效提高系统的动态控制精度和设计效率。基于此,提出了一种转台伺服系统频率特性自动测试方法,根据测试数据采用参数递阶辨识方法分段拟合得到了被控对象的高精度传递函数模型。辨识结果与实测数据相比:在体现伺服系统重要特征的中低频段,幅度绝对误差1 d B,相位绝对误差2°;在高频段,得到了复杂的机械谐振环节特性,验证了被控对象传递函数模型的准确性。对于转台的动态精度计算,采用频率设计分析建模方法,结合被控对象高精度传递函数和实际校正环节模型得到了转台的动态精度计算模型,通过比较同一输入情况下实测动态误差与模型输出误差数据验证了模型准确性,结果表明了该方法的有效性。建立的动态精度计算模型能够反映实际系统的动态过程和动态误差变化规律,也为同类设备伺服系统的模型辨识和动态精度分析计算提供了方法。     

叶片径向变形的动态概率分析方法

为了有效地进行高压涡轮叶片设计和优化,提高叶尖径向运行间隙设计和控制的合理性,本文考虑了材料属性和边界条件的非线性、载荷的动态性、变量的随机性,在确定性分析的基础上对叶片径向变形进行了动态概率分析.首先,介绍了高效率动态概率分析的极值响应面法(Extremum Response Surface Method,ERSM)及其数学模型;其次,将该方法应用到叶片径向变形的动态概率分析中,得出了各输入输出随机变量的分布特征及影响叶片径向动态变形的主要因素,即燃气温度和转子转速;最后,通过对三种方法进行比较.结果表明:ERSM的计算精度与Monte Carlo法基本保持一致,比传统响应面法稍高;其计算时间为Monte Carlo法的1/66、为传统响应面法的1/3.以此验证了该方法在叶片径向变形动态概率分析方面的可行性和有效性,为叶片径向变形的优化设计和叶尖径向运行间隙设计提供了参考.     

组合杂交法与ANSYS软件计算精度比较研究

为探索8节点六面体组合杂交元方法(CHH(0-1))的计算效率和精度, 并正确认识ANSYS 软件计算结果的可靠性, 本文以板弯曲模型为例, 分别用CHH(0-1)元、ANSYS软件中的8节 点brick元、20节点brick元对该模型进行求解．经过对位移及应力计算结果的比较分析, 得知ANSYS软件中的8节点brick元实际是Wilson brick元, 当网格规则时位移计算结果可靠, 但应力计算结果精度差, 20节点brick元计算 非常耗时, 应力计算精度也不高, 而CHH(0-1)元用较少的计算量便可得到高精度的位移、应 力计算结果．     

极值型风荷载作用下大型结构可靠性分析

研究了在极值型风荷载作用下大型结构的可靠性。结构的破坏以结构刚度矩阵奇异为依据，首先列举结构的主要破坏模式，其次利用增量载荷法求出的结构的安全余量方程，然后将极值型风荷载正态化，计算出各主要破坏模式的破坏概率，并用二阶窄界限理论计算大型结构的可靠性。最后以一大型输电塔为例进行了可靠性计算     

基于Kriging代理模型的迭代更新高效反演方法

为提高混凝土坝等大体积结构参数反演效率和精度,减少由于应用有限元进行大量正分析而产生的计算机时,建立了一种结合Kriging代理模型和粒子群优化(PSO)算法的迭代更新反演方法。通过拉丁超立方抽样(LHS)方法确定初始样本点的空间分布,并使用有限元正分析获取对应的响应值,构建粗糙的初始代理模型,结合具有全局寻优能力的PSO算法,反演大体积结构的分区弹性模量,随之再代入有限元模型中,计算获取新的位移响应,并将其作为新样本加入到样本集中,通过迭代更新获得局部更高精度的代理模型。工程实际算例表明,该方法对混凝土坝等大体积结构参数反演精度较高和适用性好,且能大幅减少传统有限元模型反演方法所需消耗的正分析机时,提高反演效率。     

结构可靠性仿真方法研究

可靠性仿真是对复杂结构系统进行可靠性分析计算最为有效的方法,引起了研究者越来越广泛的关注.综合目前结构可靠性仿真方法研究现状,介绍了蒙特卡罗(Monte-Carlo,MC)法、极限状态方程重构法、随机有限元法(stochastic finite element method,SFEM)进行结构可靠性仿真计算的特点及发展现状,归纳了固体火箭发动机(solid rocket motor,SRM)结构可靠性的特点及当前进行仿真的方法;并在此基础上分析了目前结构可靠性仿真方法及对SRM结构可靠性进行仿真分析计算时存在的不足及需要进一步研究的内容.     

基于Kriging模型的结构可靠性分析

在结构极限状态方程(LSF)未知的情况下,通常采用响应面法(RSM)模拟结构的极限状态方程,逐步修正求解。由于响应面法对于极限状态方程的多项式假定,使其在计算精度上存在一定的缺陷。本文通过随机选取的部分结构响应,采用K rig ing模型模拟未知状态的结构响应,然后附以最优化的方法求解可靠性指标。该方法突破了极限状态方程的形式对于可靠性计算的制约,避免数学表达式的不同对于可靠性计算的影响。通过数值算例,可以看到本文的方法具有较高的精度和稳定性。     

基于支持向量机的序列可靠性优化方法

在工程设计中,可靠性优化设计通常计算量较大或精度不够。本文提出了一种基于支持向量机（Support Vector Machine）和MPP（Most Probable Point）的可靠性分析方法。用SVM 在MPP处替代原极限状态函数,并利用极限状态函数的梯度信息,使SVM模型穿过M PP并与原函数相切,再基于SVM采用重要抽样法计算失效概率。然后,将SORA（Sequential Optimization and Reliability Assessment ）与基于SVM 的可靠性分析方法相集成,将传统的双循环可靠性优化算法解耦为单循环,并通过基于SVM 的可靠性分析方法修正了SORA中由于线性近似带来的误差,保证了最优设计点处可靠性分析的精度。算例证明,该方法在处理非线性问题时具有精确度高和计算量适度的特点。     

Classification using least squares support vector machine for reliability analysis

In order to improve the efficiency of the support vector machine （SVM） for classification to deal with a large amount of samples, the least squares support vector machine （LSSVM） for classification methods is introduced into the reliability analysis. To reduce the coraputational cost, the solution of the SVM is transformed from a quadratic programming to a group of linear equations. The numerical results indicate that the reliability method based on the LSSVM for classification has higher accuracy and requires less computational cost than the SVM method.     

无网格动力分析的循环卷积神经网络代理模型

在无网格动力分析中,除了无网格形函数本身构造复杂引入的计算成本,还需要逐步递推求解每个时间步的动力响应,因而计算效率较为低下.本文通过研究无网格离散数据与机器学习训练样本、无网格动力分析递推计算过程与循环卷积神经网络序列信息传递模式之间的本征联系,构建了与无网格法相匹配的循环卷积神经网络设计方法,进而提出了一种无网格动...     

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.     

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。     

基于多重子域代理模型的结构可靠性分析

基于合理子域概念，构建多重代理模型。多重代理模型在合理子域内采用经典响应面模型，在合理子域外采用经典Kriging模型，能够充分利用两种经典模型各自的优势。多重代理模型能够合理规避经典响应面模型中响应函数采取事先假定形式带来的可靠度评估风险，同时能够有效避免经典Kriging模型中试验点组合爆炸的问题。相比经典响应面模型，多重代理模型所需试验点数量并未增加，计算效率与经典响应面模型大体相同。算例表明，本文方法的计算结果与MCS的计算结果几乎一致，具有较好的计算精度。     

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。     

给出不确定性激励下的动态响应边界——一种非随机振动分析方法

提出了一种非随机振动分析方法,可给出系统在不确定性激励下的动态响应边界,从而为实验信息相对缺乏的不确定性振动分析及未来的可靠性设计提供一种新的计算工具.采用非概率凸模型过程而非传统的随机过程描述不确定性动态激励,仅需知道激励在任意时刻点的边界信息而非精确概率分布,从而有效降低对大样本量的依赖性.针对单自由度和多自由度系统,建立了相应的非随机振动分析算法,以求解系统在不确定性动态激励下的响应区间;另外,也给出了蒙特卡罗仿真方法,为非随机振动提供一种最为一般的分析工具.最后,通过3个数值算例验证了本文方法的有效性.非随机振动分析方法可以作为传统随机振动理论的补充,在工程不确定性结构动力学分析及结构可靠性设计领域发挥作用.