结构可靠度计算中的描述性抽样法

本文提出描述性抽样方法的实质，即利用更少的时间抽取更多的服从要求概率分布的样本点，讨论了该方法的计算步骤和适用范围，并将描述性抽样方法与重要抽样方法结合起来计算多变量多模式的结构失效概率，比较了描述性抽样方法与一般抽样法的方差，算例结果表明描述性抽样方法具有较好的收敛性．     

结构可靠度计算中的描述性抽样法

本文提出描述性抽样方法的实质，即利用更少的时间抽取更多的服从要求概率分布的样本点，讨论了该方法的计算步骤和适用范围，并将描述性抽样方法与重要抽样方法结合起来计算多变量多模式的结构失效概率，比较了描述性抽样方法与一般抽样法的方差，算例结果表明描述性抽样方法具有较好的收敛性．     

弹性力学平面问题可靠度分析的蒙特卡罗边界元法

以样条虚边界元法作为样本试验方法,采用蒙特卡罗法进行弹性力学平面问题可靠度分析.为了提高计算效率,引入Taylor展开和Neumann展开技术,避免在大量样本计算中直接生成影响矩阵及对其进行求逆运算,降低了单次样本计算时间;同时引入重要抽样技术,在相同精度情况下减少了蒙特卡罗法的抽取样本数.算例结果表明,该文提出的Taylor-Neumann展开重要抽样蒙特卡罗样条虚边界元法具有良好的计算精度和相当高的计算效率.     

结构可靠性的纽曼展开蒙特卡罗随机有限元分析

分析计算了复合材料回转结构的可靠性,其间,将纽曼级数展开应用于蒙特卡罗随机有限元,对每一次随机抽样,只需一次形成刚度矩阵,进行前代、回代及矩阵的乘法和加法（减法）运算。同时,在蒙特卡罗抽样中引入了β球法加以改进,缩小了抽样范围。由于,可使计算时间大为缩短,效率大为提高。     

蒙特卡罗方法初步—椭圆内均匀分布的抽样技巧

以简明通俗的语言，避开统计学中抽象的数学公式和符号，介绍了作为计算数学一个独立分支的蒙特卡罗方法的基本思想和概念、蒙特卡罗方法在粒子输运问题中的应用以及最基本的几种抽样方法，最后介绍一种椭圆内均匀分布的蒙特卡罗“压缩”抽样方法及其证明。     

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。     

基于支持向量机替代模型的可靠性分析

建立了基于支持向量机回归算法和分类算法的替代模型可靠性分析方法,与蒙特卡罗法结合,采用拉丁超立方抽样技术,进行隐式极限状态函数的可靠度计算。讨论了相关参数对支持向量机模型性能的影响,并通过遗传算法进行参数优化,为支持向量机模型的参数选择提供了依据。研究了不同训练样本数量对支持向量机模型预测值精度的影响,进一步证实了支持...     

AN IMPROVED RESPONSE SURFACE METHOD BASED ON THE RESONABLE SUBDOMAIN

基于结构可靠性分析理论,给出了合理子域概念.合理子域能够明确在设计点附近对失效概率起主要贡献区域尺寸,且能够保证失效点以一定概率落在其内,解决了对失效概率起主要贡献区域尺寸难以量化问题.基于合理子域概念,给出了一种改进响应面方法.该方法能够保证响应函数在设计点处是无误差的、且在合理子域内对极限状态函数具有较好近似.采取蒙特卡罗重要抽样方法求解失效概率,结合抽样点位置采取分区域评估方法以提高失效概率求解精度.算例表明,所提方法在处理具有显式和隐式极限状态函数的可靠性分析时,均具有较好的计算精度和较高的计算效率.     

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.     

基于合理子域的改进响应面方法

基于结构可靠性分析理论,给出了合理子域概念.合理子域能够明确在设计点附近对失效概率起主要贡献区域尺寸,且能够保证失效点以一定概率落在其内,解决了对失效概率起主要贡献区域尺寸难以量化问题.基于合理子域概念,给出了一种改进响应面方法.该方法能够保证响应函数在设计点处是无误差的、且在合理子域内对极限状态函数具有较好近似.采取蒙特卡罗重要抽样方法求解失效概率,结合抽样点位置采取分区域评估方法以提高失效概率求解精度.算例表明,所提方法在处理具有显式和隐式极限状态函数的可靠性分析时,均具有较好的计算精度和较高的计算效率.      

The reduced‐order hybrid Monte Carlo sampling smoother

Hybrid Monte Carlo sampling smoother is a fully non‐Gaussian four‐dimensional data assimilation algorithm that works by directly sampling the posterior distribution formulated in the Bayesian framework. The smoother in its original formulation is computationally expensive owing to the intrinsic requirement of running the forward and adjoint models repeatedly. Here we present computationally efficient versions of the hybrid Monte Carlo sampling smoother based on reduced‐order approximations of the underlying model dynamics. The schemes developed herein are tested numerically using the shallow‐water equations model on Cartesian coordinates. The results reveal that the reduced‐order versions of the smoother are capable of accurately capturing the posterior probability density, while being significantly faster than the original full‐order formulation. Copyright © 2016 John Wiley & Sons, Ltd.     

子集模拟的混合采样算法

子集模拟是当前可靠度计算领域常用的估计算法,相比于直接蒙特卡罗积分法,极大减少了函数调用的次数。子集模拟法一般使用单一采样器,然而不同采样器适用范围不同。如使用单一椭圆切片采样器,其遍历性较好但函数调用次数较多;而使用单一自适应条件采样时,其采样效率较高但样本容易陷入局部极值。单一采样器由于本身特性面对不同问题时失效概率的积分结果可能出现偏差,模拟效果不稳定。本文首次提出了一种混合采样子集模拟法,在子集模拟的前几层使用椭圆切片采样,此时失效区域收缩程度有限,函数调用次数在可接受的范围内,样本经过采样扩充后能充分探索参数空间,更有效地检测出所有失效区域。当失效区域收缩至一定限度后,使用自适应条件采样,此时种子样本继承了前几层样本较低的相关性,并在此基础上通过自适应条件采样更高效地增殖样本。本文通过四个模拟算例多种维度下的数值积分验证了该算法具有椭圆切片采样器较好的遍历性,同时采样效率位于椭圆切片采样与自适应条件采样之间,对于不同问题拥有良好的通用性。     

Transport of mass and energy of polyatomic gases in magnetic fields computed by a Monte Carlo algorithm

The transport of mass through a rectangular channel and of energy between parallel surfaces of polyatomic gases in the Knudsen regime and in the presence of external magnetic fields is calculated by means of a Monte Carlo algorithm. A four-parameter mathematical model is proposed that takes into account the dynamical aspects of molecule-surface interactions and the influence of external magnetic fields on the angular momentum of polyatomic molecules. The Monte Carlo algorithm makes use of the Latin super-cube sampling method, correlated samplings, and the concept of importance sampling. The four parameters are determined by an optimised method based on the Monte Carlo algorithm and on experimental results for the mass flux rate of the gases N₂ and CO in the presence of external magnetic fields through a rectangular channel with surfaces coated with Au. The optimised values of the parameters are used to determine the behaviour of the mass flux rate through a rectangular channel and the heat flux between two parallel plates for the gases N₂ and CO as a function of the applied magnetic field. The calculated curves fit the experimental data well.Received: 18 February 2003, Accepted: 2 September 2003, Published online: 12 December 2003PACS: 05.60.-k, 51.60. + aCorrespondence to: G.M. Kremer     

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.      

多失效模式重要抽样法的方差分析及应用

在计算结构体系失效概率时,基于Monte-Carlo数值模拟的重要抽样技术已被实践证明是一种非常有效的方法。重要抽样法中估计量的方差是影响收敛速度和计算精度的重要指标,因此重要抽样法的方差分析是非常必要的。对于单模式而言,其方差分析比较容易。对于多模式情况,其方差分析有一定的困难。这有可能影响重要抽样法在多模式结构体系失效概率计算中的应用。本文详细推导了几种常见重要抽样法的方差计算公式。然后用方差分析的概念,阐明了多模式重要抽样法应用中的一些问题。