RESEARCH ON RELIABILITY GROWTH FOR SYNCHRONOUSLY DEVELOPED MULTI-SYSTEMS

IntroductionAMSAA model could evaluate reliability growth test for mono-system perfectly[1-8].Butfor multi-systems,especially for synchronously developed multi-systems,the model parametersneed to be estimated by developing some newmethods.AMSAA-BISE model…     

大型结构静强度可靠性分析程序及其应用

本文全面介绍了大型结构静强度可靠性分析程序的原理，功能特点及应用实例。     

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。     

结构体系的非概率可靠性分析方法

结构体系的可靠性与结构的失效模式有关。在非概率条件下 ,结构体系的可靠性取决于非概率可靠性指标最小的最危险失效模式。最危险失效模式的识别及相应极限状态方程的建立是结构体系非概率可靠性计算的关键问题。文中考虑了结构参数及强度、外载荷等参量的不确定性 ,基于随机可靠性方法中常用的优化准则法 ,提出了非概率结构体系主要失效模式的枚举准则。可在只需枚举出少量主要失效模式的情况下 ,不漏掉最危险失效模式。并提出用区间增量载荷法生成主要失效模式的极限状态方程。算例分析表明文中方法是实用和有效的。     

结构的非概率可靠性方法和概率可靠性方法的比较

对文[8]中提出的非概率可靠性方法和广泛使用的传统的概率可靠性方法，在建模思想、模型结构和基于可靠性的结构优化设计等方面进行了比较研究。进一步阐释了有关概念。得到了一些有益的结论。说明了非概率可靠性方法的有效性和实用性。由于非概率可靠性模型对已知数据的要求较低，计算过程较为简便，从而可使结构可靠性分析和设计中获取数据的难度大大降低。并有效降低计算工作量。在所掌握的原始数据较少的情况下，非概率可靠性方法为结构的可靠性计算提供了一种较好的选择。     

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.     

基本变量区域重要性测度及其稀疏网格解

为了提高现有基本变量对样本均值贡献的区域重要性测度指标的稳定性和收敛性, 提出了一个新的衡量基本变量内部各个区域对输出均值影响的重要性测度指标.并将其进一步扩展提出了一个衡量基本变量内部各个区域对输出总方差分解式中一阶方差影响的区域重要性测度指标.分析了所提指标的性质, 并探讨了它们与现有基本变量对样本均值贡献区域重要性测度指标和对样本方差贡献的区域重要性测度 指标之间的关系. 另外, 针对所提指标的特点, 还建立了其求解高效的稀疏网格积分法.算例结果表明, 所提新的基本变量对输出均值贡献的区域重要性测度指标不仅继承了现有指标的优点, 而且比现有指标具有更高的收敛性和稳定性.所提基本变量对一阶方差贡献的区域重要性指标能够在基本变量对样本方差贡献区域重要性测度的基础上, 进一步提供基本变量内部各个区域对总方差的一阶分量的影响信息.而所建稀疏网格积分法可以在保证计算精度的同时大幅度提高基本变量区域重要性分析的效率.     

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。     

Advanced response surface method for mechanical reliability analysis

Based on the classical response surface method (RSM), a novel RSM using improved experimental points (EPs) is presented for reliability analysis. Two novel points are included in the presented method. One is the use of linear interpolation, from which the total EPs for determining the RS are selected to be closer to the actual failure surface; the other is the application of sequential linear interpolation to control the distance between the surrounding EPs and the center EP, by which the presented method can ensure that the RS fits the actual failure surface in the region of maximum likelihood as the center EPs converge to the actual most probable point (MPP). Since the fitting precision of the RS to the actual failure surface in the vicinity of the MPP, which has significant contribution to the probability of the failure surface being exceeded, is increased by the presented method, the precision of the failure probability calculated by RS is increased as well. Numerical examples illustrate the accuracy and efficiency of the presented method.     

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.