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.      

基于小波阈值密度的自适应重要抽样方法

提出了一种基于小波阈值密度估计的结构可靠性分析高效自适应重要抽样方法.该方法利用非线性小波收缩方法对结构失效域样本进行密度估计,并以此作为重要抽样密度进行可靠性分析.与传统基于核密度估计的重要抽样方法比,由于非线性小波阈值密度估计具有较好局部适应性和最优收敛速度,且克服了核密度估计中计算精度严重依赖于参数选择的缺陷,因此以较少的预抽样样本就能获得与传统方法相当的精度,有效提高计算效率.数值算例表明所提方法对工程中常遇到的多设计点及噪音功能函数可靠性问题具有良好适应性.      

A WAVELET THRESHOLDING DENSITY-BASED ADAPTIVE IMPORTANCE SAMPING METHOD

提出了一种基于小波阈值密度估计的结构可靠性分析高效自适应重要抽样方法.该方法利用非线性小波收缩方法对结构失效域样本进行密度估计,并以此作为重要抽样密度进行可靠性分析.与传统基于核密度估计的重要抽样方法比,由于非线性小波阈值密度估计具有较好局部适应性和最优收敛速度,且克服了核密度估计中计算精度严重依赖于参数选择的缺陷,因此以较少的预抽样样本就能获得与传统方法相当的精度,有效提高计算效率.数值算例表明所提方法对工程中常遇到的多设计点及噪音功能函数可靠性问题具有良好适应性.     

含模糊随机变量的多模式系统广义失效概率计算的内插迭代线抽样方法

通过正则化基本变量的度量空间,定义了单个基本变量同时具有模糊和随机双重不确定性时的广义失效概率.在广义失效概率的计算中,模糊随机变量被等价变换为随机变量.从而使得广义失效概率的计算变换为随机失效概率的计算.当模糊随机变量的密度函数和隶属函数均为正态型时,推导了其等价概率密度函数的形式和参数.采用自适应线抽样方法对基本变量同时具有模糊和随机不确定性时的多模式广义失效概率进行了计算,并采用数值算例对自适应线抽样广义失效概率计算方法的效率和精度进行了验证.算例分析表明该方法的计算结果是合理的,并且由于自适应线抽样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.     

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。     

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.     

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。     

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.     

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。     

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。     

结构可靠性优化的多输出高斯过程代理模型

对于具有多失效模式的结构,基于可靠性的结构优化计算成本是比较昂贵的。本文利用多输出高斯过程MOGP(Multiple Output Gaussian Process)代理模型以降低计算成本,首先利用Bucher方法生成初始样本,然后结合均匀训练样本和学习函数对MOGP代理模型进行构建。学习函数可在大范围内筛选出较为满意的训练样本,能够确保MOGP代理模型具有较好的全局精度,在整个优化过程中不再重新构建MOGP代理模型。利用协方差矩阵,MOGP代理模型能够考虑各失效模式的相关性,对多输入多输出系统具有良好的预测性能。数值算例表明,本文方法具有较好的计算结果,且计算效率较高,尤其是设计变量数目与失效模式数目较多时效率提升明显。     

基于减基概念的凸集结构可靠性分析方法

针对椭球凸集参数域结构的可靠性分析问题,提出了一种基于减基概念的快速求解方法。首先,将椭球参数域进行坐标正交变换,获得标准的椭球域及其相应的矩形域,在矩形域采样且通过坐标逆向变换获得原椭球参数域的样本参数点集,并以此构建结构的减基空间及其相应的减基算法;随后,在标准椭球域产生均匀的等概率抽样点,并通过坐标逆向变换和相应的减基算法进行蒙特卡洛减基模拟来分析结构的可靠度及其可靠域。由于是在低维的逼近空间中进行椭球参数域结构的位移向量解分析,故而较之有限元法能够获得较高的计算效率。算例测试验证了本文方法的有效性。     

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。     

基于快速Fourier变换的可靠性分析方法

提出了一种用于非线性隐式功能函数可靠性分析的快速Fourier变换方法.首先利用高效多维数值积分方法或基于响应面法的卷积积分求解功能函数的分布函数的特征函数,也就是进行Fourier正变换;然后利用快速Fourier逆变换数值求解功能函数的概率密度函数,进而求得失效概率.给出的算例表明此法具有精度和计算效率较高的优点.     

基于主动学习Kriging模型与序列重要抽样的随机-区间混合可靠性分析

针对随机-区间混合可靠性分析中复杂功能函数的高非线性和多设计点问题,本文提出了一种结合主动学习Kriging模型与序列重要抽样方法的混合可靠性分析方法.在序列重要采样方法中采用高斯混合分布作为提议分布进行逐级采样,逐步逼近最优重要抽样函数的采样样本;结合序列重要抽样方法的特点,提出了主动学习Kriging模型的两步学习方案,保证算法精度的前提下显著提高了效率.通过数值算例将本文方法与已有的混合可靠性分析方法对比,验证本文方法的准确性和高效性.     

基于更新径向基函数网络模型的广义Pareto分布函数拟合

广义Pareto分布函数GPD(Generalized Pareto Distribution)是一种针对随机参数尾部进行渐进插值的方法,能够对高可靠性问题进行评估。但这种方法要求样本空间较大,计算成本较高,尽管可以通过径向基函数网络RBFNN(Radial Basis Function Neural Network)辅助抽样的方法削减计算成本,但对于非线性程度较高的问题,RBFNN精度问题使得辅助抽样方法失效。针对这类问题,根据GPD的特点,提出了高效的更新RBFNN训练样本的方法,改善了RBFNN在功能函数分布尾部的精度,将RBFNN辅助抽样方法推广应用到非线性程度较高的问题,准确地得到了所有需要的尾部样本,基于该尾部样本集的GPD拟合结果与基于直接计算所有样本的GPD拟合结果完全一致。     

基于多线性支持向量机的样本点正确分类与复杂失效方程稳步模拟

为克服一般响应面方法重构复杂隐式失效方程所需样本数量较多、精度较差的不足,提出了一种基于多线性支持向量机的结构失效方程模拟方法。该方法的显著特点是应用了样本点正确分类技术,因而其求解精度随着样本点数量的增多而稳步趋近于真实失效方程。其主要求解过程为,(1)结合均匀设计方法,生成均匀的紧邻极限状态曲面的失效和可靠样本点。(2)依据样本点向量模和样本点向量间夹角余弦值将总体空间划分成多个子空间,确保每个子空间内的样本点能由一个线性支持向量机完全分开。(3)采用一种基于扩充样本点对的迭代算法不断更新样本点集合,从而逐步修正模拟的多个线性失效方程。算例分析表明,无论失效方程为强非线性函数还是多个失效模式组成的分段函数,该方法的计算精度与效率均较为稳定。这为具有复杂失效方程结构的可靠度分析提供了有益参考。     

基于子集模拟和重要抽样的可靠性灵敏度分析方法

针对工程实际中大量存在的小失效概率问题,提出了基于子集模拟和重要抽样的可靠性灵敏度分析方法. 在子集模拟重要抽样可靠性分析方法中,通过引入合理的中间失效事件,将小的失效概率表达为一系列较大的条件失效概率的乘积,而较大的条件失效概率则可通过构造中间失效事件的重要抽样密度函数来高效求解. 基于子集模拟重要抽样可靠性分析的思想,论文将可靠性灵敏度转化为条件失效概率对基本变量分布参数的偏导数形式,推导了基于子集模拟和重要抽样的可靠性灵敏度估计值及估计值方差的计算公式,并采用算例对所提方法进行了验证. 算例结果表明所提方法具有较高的计算精度和效率,并且适用单个和多个失效模式系统.      

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.