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。     

基于土质边坡塑性极限分析条分法的可靠度计算方法研究

从土塑性极限分析上限定理出发,以土质边坡塑性极限分析条分法为基础,在引入可靠性分析方法(JC法)后,建立了土质边坡塑性极限分析条分法可靠度极限状态方程,并推导得到了塑性极限分析条分法可靠度计算公式。这种方法实现了定值计算向不确定性计算的转变,同时可靠度指标β的计算结果具有概率的意义。     

一般大气环境下锈蚀钢筋混凝土梁的时变可靠度分析

根据一般大气环境下锈蚀钢筋混凝土梁中的钢筋截面损失时变模型和抗剪、抗弯承载力退化模型,建立了考虑其随机性的极限状态方程。基于概率守恒原理分析得到满足该极限状态方程的概率密度演化方程,并引入吸收边界条件,提出了梁时变可靠度的计算方法。以受对称集中荷载的锈蚀钢筋混凝土简支梁为例,展示了目标函数的概率密度演化过程,并讨论了配置不同直径箍筋和不同厚度保护层时的时变可靠度。结果表明,在保证梁具有足够初始抗剪强度和抗弯强度的前提下,适当增大保护层厚度和箍筋直径(具有相同配箍率)能延缓混凝土构件力学性能的退化。通过和100万次蒙特卡洛模拟结果的对比可知,选用本文方法能在以付出较小计算代价的前提下,获得计算精度良好的分析结果。     

基于概率密度演化方法的地下结构可靠度分析

本文提出基于概率密度演化方法的地下结构可靠度分析,通过求解极限状态函数的概率密度演化方程,可以得到响应量的概率密度函数曲线.相比于传统的随机模拟方法,概率密度演化方法考虑了样本点之间的概率联系,因此在求解效率以及精度上都得到大大提高.文中结合上海市轨道交通M6线地铁下程进行了基于概率密度演化方法的可靠度分析,与随机模拟的结果相比表明,基于概率密度演化方法的地下结构可靠度分析方法具有更好的效果.文中还介绍了基于等价极值事件的结构体系可靠度分析方法,并将等价极值事件的基本思想推广到复杂失效准则下地下结构的可靠性分析之中.结果表明此方法可以对地下结构可靠度给出较为准确的评价.     

结构动力响应分析的三阶显隐式时程积分方法

基于泰勒级数展开式提出了一种用于结构动力响应分析的高精度时程积分方法,该方法假设t时刻的速度和加速度由t-Δt时刻、t时刻、t+Δt时刻的速度和加速度加权表示,并可根据求解需要调节权值,将积分算法构造成隐式格式或显式格式。通过理论分析和数值算例,计算讨论了该算法的稳定性和精度,确定了最佳的权值和允许的时间步长。结果表明:本文算法最高具有三阶精度,且具有振幅衰减率低、周期延长率极小等优点。最后结合一个铁道工程实例,表明本文算法适用于大型非线性动态响应的精确快速求解。     

有理多项式技术有工程结构可靠度分析中的应用

给出了在相关空间中改进JC方法计算结构可靠指标的迭代格式,并采用有理多项式技术计算功能函数的偏导数,以模拟实际工程中常见的功能函数不能明确的可靠度计算问题。因此,功能函数无论是线性或非线性,显式或隐式,该方法都简单且适用。数值结果表明本文方法具有较好的效率和精度。     

基于概率密度演化方法的随机结构可靠度分析

随机结构反应的概率密度演化方法能够给出随机荷载作用下随机结构反应的概率密度函数。在此基础上,根据给定的正常使用位移限值要求,直接进行积分给出了随机结构的正常使用可靠度及其失效概率。在实例分析中,与一类情况下的精确解答及基于反应正态分布假定的二阶矩方法分析结果进行了比较。研究表明：基于密度演化方法的随机结构可靠度分析具有很高的精度,而二阶矩方法的可靠度分析结果则往往具有一定的偏差,在失效概率较低时可能给出虚假的失效概率。     

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。     

非结构隐式方法在空心弹丸流场模拟中的应用

采用非结构网格的LU-SGS隐式算法计算三维Euler方程,数值模拟了不同马赫数以及不同攻角下某空心弹丸绕流流场,分析了流场的波系结构及其升阻力特性,计算结果表明空心弹丸的阻力系数比同口径的普通弹丸的阻力系数大约小30％,空心弹丸的阻力系数以及升力系数随攻角的变化规律与普通弹丸一致．     

高置信水平结构逆可靠度分析与优化方法研究进展

不确定性客观存在于工程结构生产制造以及服役等各环节之中并对结构的承载性能影响显著.特别是对于服役条件苛刻的航空航天承载装备,在设计阶段考虑多源不确定性的影响对于结构安全至关重要.在众多不确定性分析方法中,逆可靠度分析方法在效率和稳健性方面具有一定优势.为此,国内外学者在高置信水平结构逆可靠度分析与优化方法方面开展了大量研究并取得了长足进步,包括自适应迭代控制算法、先进可靠度优化策略与非充分样本下的高置信水平设计方法等.本文首先对国内外逆可靠度分析与优化方法取得的进展进行了系统梳理与总结,特别是逆可靠度分析方法的发展历程以及面临的挑战问题,主要包括强非线性功能函数、多设计点以及低失效概率问题.进一步,针对长期困扰可靠度方法实际应用的小样本问题,重点从结构高置信水平可靠度分析与优化理论角度开展系统介绍,详细论述了小样本诱发的认知不确定性到可靠度置信水平的传播链条.最后,基于现有成果和国家重大前沿需求,重点围绕航天装备可重复使用需求对结构可靠度未来研究方向进行了思考与展望,期望相关研究成果能够进一步助力我国航空航天结构实现高可靠性与极致轻量化设计.     

基于神经网络技术的管道机电阻抗健康状况定量评估研究

将机电阻抗法用于管道法兰和主干结构健康监测,并利用BP神经网络对结构损伤进行定量评估.首先实验研究了管道法兰与主干结构健康状况对阻抗谱的影响,不同的结构损伤可通过阻抗分析仪测量的阻抗实部谱变化反映出来;然后利用BP神经网络技术对管道不同工况下得到的阻抗实部谱进行定量分析.采用阻抗值实部作为输入样本对神经网络进行训练,并使用受训的神经网络实现了对管道中不同结构损伤状况的定量评估.研究结果表明,将机电阻抗法与神经网络数据处理技术结合起来用于复杂管道的结构健康监测,不仅可实现对不同类型损伤的定量评估,同时还具有较高的稳定性.     

基于神经网络改进WENO-Z重构方法

本文通过使用深度神经网络对WENO-Z格式的非线性权重进行改进,提出了一种新的WENO-Z-NN格式．新格式首先用神经网络去随机扰动有限体积系数集,然后用代表偏微分方程解的波形生成的数据,采用L2正则化来学习扰动的最优函数,最后引入测试函数并结合最小总变差和最小总偏差作为评估依据进行后处理,从而得到新的权重．一维波动方程和一维Euler方程的数值结果表明,无论是在粗网格还是在细网格,本文所提出的WENO-Z-NN格式的激波捕捉能力明显优于传统的WENO-Z和WENO-JS-NN格式．     

基于BP神经网络的条纹级数插值方法

数据采集是光测力学数据处理自动化的关键和难点，特别是对条纹稀疏和低级数区．针对上述困难，本文利用ＢＰ神经网络能对函数进行逼近的特征，对条纹插值进行了探讨；经研究改进后的算法，其收敛速度明显提高．作为例子，给出了一幅光弹性等差线条纹图的插值实验，获得了令人满意的结果．     

结构体系可靠度计算的复合抽样半解析法

建筑结构作为一个整体完成预定的功能,作为设计者最终关注的应是结构体系的可靠度而非单个构件的可靠度。本文提出的复合抽样半解析方法,基于最简单的结构功能函数,结合运用改进的系统抽样和对偶变数抽样、指数多项式法以及验算点法来求解结构体系的可靠度。算例表明该方法大大降低了结构计算失效概率的方差,仅用较少的样本数就可以达到较好的精度。     

BPNN用于含氮、硫杂环润滑油添加剂抗磨性能的定量构效关系研究

采用反向传播神经网络法(Back Propagation Neural Network,简称:BPNN)对31种含氮、硫的2-烷基黄原酸酯类润滑油添加剂的抗磨性能进行了摩擦学定量构效关系(Quantitative Structure Tribo-ability Relationship,简称:QSTR)的研究,得到了具有良好的稳定性和预测能力的BPNN-QSTR模型(R~2=0.998 4,R~2(LOO)=0.695 9,q~2=0.879 1).参考输入层的12种2D和3D结构描述符的敏感度,对影响抗磨性能的分子结构进行了相应的探讨.结果表明:分子中的N和S杂原子对其抗磨损性能有显著的影响;同时,分子长度、所含双键S原子和芳香环数量以及分子支化程度等都是影响抗磨性能的主要因素.     

索网结构可靠指标β的计算方法

以索网结构内力分析的结点位移法和结构可靠度分析的验算点法为基础,给出了索网结构中索系可靠指标β的计算方法。     

确定裂纹尖塑性区的神经网络方法

通过构造反向传播神经网络，对裂纹尖端的应力场进行学习，进而实现对裂纹尖端应力场函数的逼近。经过学习的网格具有相当的联想、记忆能力和一定的稳定性，并且可以快速、准确地计算实际情况中带裂纹构件的裂纹尖端应力场，确定裂纹尖端的塑性区。便于分析带裂纹构件裂纹的扩展。     

结构损伤的小波分形神经网络检测

用神经网络进行结构损伤检测、分析的有效性在很大程度上取决于训练样本的好坏。小波变换在时域和频域都具有表征信号局部特征的能力,小波包分析利用可以伸缩和平移的可变视窗能够聚焦到信号的任意细节,因此对有损伤的结构的非线性动力特性能进行有效的分析。利用分形几何方法不依赖于系统的数学模型的特点,将分形维数与小波分析相结合,建立了结构损伤的小波分形神经网络检测方法。研究结果表明,结构不同状态下的振动信号的各频段分形维数有明显的不同,可以将振动信号的各频段分形维数作为结构损伤检测的特征量,并用神经网络将结构的不同状态模式识别出来。     

基于复数神经网络的粘弹性材料动态模量拟合方法

固体火箭发动机药柱粘弹性材料除具有弹塑性特性,还具有粘滞性,这一特性使得材料变形具有明显的时间效应,本构关系复杂,进行动态力学分析时,动态模量难以有效拟合．本文提出了一种基于(Levenberg-Marquardt, L-M)算法的复数神经网络拟合粘弹性材料动态模量的方法．通过广义Maxwell模型推导得到材料的动态模量表达式,以此构造未定网络参数为复数的神经网络,从而提供了一种输入、输出样本均为复数的神经网络解决方法．将实数L-M训练算法进行改进,衍生到复数领域,提出复数L-M训练算法．通过粘弹性材料实验,将实验数据时温等效转换,获得复数神经网络的训练及测试样本．通过对神经网络进行训练,实现粘弹性材料动态模量的高精度拟合．数值算例表明,与传统神经网络拟合方法相比,所提方法在训练速度和泛化能力方面都有其优越性．