一种新的结构非概率可靠性分析方法

摘 要：为了有效处理试验数据欠缺情况下结构可靠性问题,提出了一种新的结构非概率可靠性分析方法。该方法考虑了结构非概率可靠性计算中非线性系统区间运算带来的不确定性,利用泛灰数代替参数不确定区间变量参与可靠性运算,成功克服了区间运算不确定对结构可靠性结果的影响。通过三个数值算例表明,当存在区间运算不确定时,文中方法得到结构非概率可靠度要小于基于区间的非概率可靠性模型得到的结果,这是由于后者未考虑区间运算的不确定所致。在缺少试验数据的情况下,文中所提方法可以得到较保守的结构可靠性结果,能够更加客观、真实地反映结构的实际安全状况,更加适于实际工程应用。     

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。     

椭球凸模型非概率可靠性度量和区间安全系数的关系

研究了椭球凸模型非概率可靠性度量和区间模型安全系数的关系。根据基于椭球凸模型的非概率可靠性指标和非概率可靠度的定义,建立了两者之间的函数关系;按照区间模型安全系数的定义,给出了由椭球参数确定的3种区间模型安全系数,分析了它们的意义;建立了非概率可靠性指标和区间模型安全系数之间的解析关系,讨论了它们在评估结构可靠性或安全程度上的意义;通过数值算例验证了分析结果。     

非概率可靠指标和可靠度定义的比较研究

首先对几种主要的非概率可靠指标、可靠度进行了整理介绍;然后针对区间和椭球两个基本模型,对非概率可靠指标和可靠度的定义、几何意义以及计算公式进行了系统的比较分析。结果表明:线性情况下,区间可靠指标对结构功能函数具有不唯一性,椭球可靠指标与结构功能函数一一对应。因此,基于均值和离差之比定义的非概率可靠指标不适用于区间模型用来衡量结构的可靠程度。本文还将区间可靠指标与可靠度、椭球可靠指标与可靠度进行了比较,并将非概率可靠度与服从均匀分布、正态分布的概率可靠度以及服从三角形分布的非精确概率可靠度进行了比较,结果表明:区间模型相对于其他模型较为保守,椭球可靠度与概率可靠度和三角形分布下的非精确概率可靠度相接近。     

基于非概率集合可靠性的结构优化设计

在结构非概率集合可靠性模型的基础上,考虑结构系统中的参数不确定性,提出了基于非概率可靠性的结构优化方法。该方法将不确定量看作是区间数,通过区间运算得到结构的非概率可靠性,并以结构的非概率可靠性小于指定可靠性指标为约束条件,利用乘子法对结构的优化问题进行求解。最后应用本文方法对一桁架结构进行总质量优化,优化结果验证了本文...     

基于区间模型的结构非概率可靠性优化

采用区间变量描述不确定参数,研究了结构非概率可靠性优化问题。基于区间模型描述不确定信息这一前提,针对Elishakoff的非概率可靠性指标,给出了其几何解释和求解方法。建立了以结构重量为目标函数、以非概率可靠性指标为约束条件的非概率可靠性优化模型。算例分析表明:该非概率可靠性优化方法能够考虑不确定信息的影响,对结构重量进行合理分配。该方法为结构非概率可靠性优化提供了一种新的思路。     

含概率与区间混合不确定性的系统可靠性分析方法

系统可靠性问题中通常存在大量的不确定参数,传统方法一般是基于概率模型对系统进行可靠性分析,但是实际工程中由于数据缺乏或试验条件的限制往往难以得到参数的精确概率分布.本文将结构体系一部分样本信息充足的不确定变量用随机变量进行描述,而另一部分样本缺乏的用区间表示,并提出了一种新的含概率与区间混合不确定性的系统可靠性分析方法.首先,基于一个高效求解方法获得单失效模式下结构的最小可靠度指标;再针对多失效模式下含概率与区间混合不确定性问题建立了系统可靠性分析模型;考虑各失效模式之间的相关性,通过线性相关度计算方法求得相关系数矩阵;最后提出了串联体系和并联体系可靠度求解方法.3个数值算例表明,该方法可以实现含概率与区间混合的多个非线性失效模式下系统可靠度的计算.通过对比传统的概率可靠性分析方法,本文方法只需要少量的不确定信息便可确保系统更加安全,更适合复杂结构系统可靠性的分析和设计.     

关于结构非概率可靠性模型中安全评估

考虑区间变量非概率可靠性模型,采用非概率可靠性指标、安全系数和集合可靠度三类确定性参数描述结构的可靠性和安全程度。通过几何描述,明确地给出了三类参数的物理意义,指出了各自的取值范围和实用区间。从设计思想、度量方法及表现形式方面分析了三类度量的区别,并建立了它们之间的函数关系。研究结果拓展了结构非概率设计理论,并通过具体优化算例对三类度量所得到的结果进行了讨论。     

基于微粒群算法的区间模型非概率可靠性指标的计算

把工程实际中的不确定参数考虑为区间变量,研究基于微粒群算法的区间模型非概率可靠性指标的计算。利用非概率可靠性指标只存在于过标准化区间变量张成的空间顶点和原点的直线与功能函数的交点,建立基于微粒群算法的优化模型,并对目标函数进行改进,使其更利于优化计算。一系列数值算例和与以前方法的比较证明了该方法计算简便,结论较为精确,具有一定的可行性。     

结构非概率可靠性指标的求解方法

在结构的非概率可靠性方法中,结构的可靠性是用非概率可靠性指标来度量的。本文研究了区间变量的一般运算规则,给出了非概率可靠性指标的三种求解方法：定义法、转换法和优化法。给出了定义法的具体描述和实现方法,并给出了转换法的一般求解步骤和一种可通用的区间优化算法的实现过程。三种方法的给出,基本上解决了结构可靠性分析中非概率可靠性指标的求解问题。实例计算表明所提方法是有效和可行的。     

基于动态预测的深水爆炸试验容器可靠性分析

为了确保深水爆炸试验容器在服役期间的安全性,提出了一种基于智能预测的随机-区间动态可靠性模型,通过动态测试数据建立了容器响应的广义回归神经网络（general regression neural network,GRNN）预测模型,获得了容器的最大应变区间变量,同时考虑容器结构的随机特性,开展了现役深水爆炸试验容器的可靠性分析,并分别采用3种方法进行了可靠性指标计算。分析结果表明,对于深水爆炸试验容器这类高可靠性且缺乏样本数据的结构,建立基于动态预测的混合可靠性模型,并通过区间计算可靠性指标的方法简便、可行;模型的区间变量随着结构动态测试数据的变化而变化,且对结构的不确定性分析也是动态的,因此得到的容器可靠性也随着其服役过程不断推进,具有动态特性,可以更好地反映容器在服役期间的性能变化,为容器的使用维护提供决策依据。     

随机边界元法在薄板可靠性分析中的应用

本文利用Taylor级数展开，将结构的材料随机性化为一个等效随机外载荷来处理，从而利用相应同一结构确定性问题的基本解，分别建立关于响应的均值和偏差的边界积分方程；结合一阶二次矩法，应用随机边界元法分析了材料弹性常数的随机性和薄板厚度不均匀性对薄板结构可靠性的影响，对计算结果分析看出；（1）对于同一种单元划分和同一相关长度，可靠性指数保持了对具体相关模式的少敏感性；（2）对于同一种单元划分和同一相关模式，可靠性指数随相关长度的增大而减小。     

考虑空间变异性的框架结构可靠度分析方法

空间变异性是结构参数的固有属性,对于工程结构的随机响应和可靠度分析具有重要影响。结合随机场离散的局部平均理论和随机响应分析的摄动随机有限元法,提出一种考虑参数空间变异性的平面框架结构可靠度分析方法,并定量分析了参数空间变异性对结构可靠度的影响规律。首先,考虑随机因素的空间变异性,采用二维线性随机场离散的局部平均理论将平面框架结构的连续随机场离散为一组随机变量,并通过理论推导建立了随机场局部平均间协方差矩阵的二重积分表达式;然后,采用摄动随机有限元法分析结构随机响应及其对基本随机变量的梯度向量,并利用可靠度分析的梯度优化法计算结构可靠指标,从而提出了一种考虑参数空间变异性的平面框架结构可靠度分析方法。分析表明,该方法具有较高的计算精度和计算效率;随机场离散的局部平均理论对相关结构类型不敏感;随着随机场相关偏度和变异性的增大,框架结构的可靠指标逐渐减小,说明结构参数的空间变异性对结构可靠度的影响不容忽视。     

基于FOSM法的预应力钢桁架系统可靠性分析

基于一次二阶矩法(FOSM)建立了索张拉预应力钢桁架任意单元失效模式可靠性指标的计算模型,并分别根据点估计法和窄界限法得到了整体结构失效概率的计算公式,随机内力统计特性-均值和标准差则根据随机摄动理论确定.该计算模型中的基本随机参数包括任意折线索单元和桁架单元的截面面积 (或综合刚度) 、张拉钢索的预拉力、外荷载及弹性约束刚度等.利用本文计算模型编写的计算程序对工程中普遍采用的结构形式进行了可靠性分析,并对影响结果的有关参数进行了讨论,为索张拉预应力钢结构整体可靠性设计奠定了一定的基础.分析表明,窄限法得到的整体可靠性指标与点估计法(PNET)所确定的基本一致, 这是因为本文计算模型中各失效模式间的相关系数较小之故.此外,随机变量的相关性对预应力钢结构不同阶段可靠性指标有不同的影响,其中加载阶段影响更大.     

基于区间模型的结构非概率稳健优化设计

采用区间模型描述不确定参数,在考虑传统约束条件基础上,增加了可靠性指标作为约束条件,研究结构的稳健性优化设计。从非概率可靠性指标的几何意义出发,寻找非概率可靠性指标目标值与不确定参数的波动范围的关系,将非概率的稳健优化设计转化为两层优化模型。对于非线性功能函数,内层优化根据非概率可靠性指标的波动范围最小化功能函数,从而避免了内层优化直接计算非概率可靠性指标难的问题。对于线性功能函数,不确定性参数可以表示为非概率可靠性指标目标值的显示表达式,两层稳健优化转化为确定性的单层优化。该方法优化描述明确清晰,计算公式简便,计算效率高。算例验证了本文所提方法的可行性和正确性。     

平面结构可靠性预测的随机边界元逆分析法

在结构可靠性计算的随机边界元理论和逆分析法基础上,用随机边界元方程结合改进的卡尔曼滤波算法来预测结构的可靠性,提出了用于平面机械结构可靠性预测的边界元逆分析法理论;并将方法应用于同时存在未知缺陷和随机边界载荷模型,进行了结构可靠性预测,在识别缺陷的同时预测出随机边界载荷的分布参数及结构体上各点的结构可靠度指标,给出了平面结构模型的数值示例。     

全非平稳地震作用下地下空间结构随机反应及可靠度分析

为研究全非平稳地震作用下地下空间结构的随机地震反应特征及可靠度分析方法,本文基于非均匀调制演变随机过程,建立了一种同时考虑强度非平稳和频率非平稳的全非平稳随机地震动输入功率谱分析模型;利用频响函数和脉冲响应函数间的傅里叶变换关系,推导出了适用于地下空间结构随机反应分析的响应功率谱计算表达式,可结合有限元方法对全非平稳地震作用下地下空间结构进行随机反应分析．基于穿越过程为泊松过程假定,采用分部积分方法,进一步推导出了适用于首次超越破坏可靠度计算的互相关函数解析表达式．然后,本文以上海某两层三跨地铁车站为工程背景,建立土-地铁车站结构相互作用体系有限元模型,对全非平稳地震作用下地铁车站结构进行了随机反应分析和中柱可靠度分析．结果表明：在非均匀调制演变功率谱作用下,结构的响应功率谱也具有明显的演变特征;利用文中给出的互相关函数计算公式,可避开调制函数的数值微分,提高计算精度．     

Reliability Against Defect Generated Fracture

ABSTRACT

The subject of this study is the reliability determination for structures that may fail due to fracture generated from some material defect among a random number of small random defects distributed in some way throughout the body of the structure. The considered failure mechanism may be characterized as a weakest link mechanism with a random number of links. The calculation technique is based on some previously published general narrow probability bounds for unions of small probability events. In the case of high reliability structures, as are usually of interest in structural engineering, some very useful conclusions may be drawn from the study. Given only the defect fracture probability corresponding to the actual stress field and the mean number of defects per unit volume both as functions of the space coordinates, a sufficiently accurate assessment of the total reliability may be calculated. With rare exceptions, no dependency information is needed and no information about the defect point process is needed except its mean function. The reliability is insensitive to very large variations of these properties. If there is doubt about the dependency level being too high to neglect it, conditioning followed by fast probability integration may be useful. This is illustrated in the last section of the paper.