截断正态分布情况下失效概率计算的截断重要抽样法

截断重要抽样法是在传统的重要抽样方法的基础上,引入截断抽样函数来计算结构的失效概率,本文运用此方法来解决工程中普遍存在的截断分布问题。首先将截断分布情况下的可靠性模型转化为非截断分布情况下的多模式并联系统的可靠性模型,然后采用截断重要抽样法求解,推导了截断分布可靠性估计值的方差分析公式。文中给出的算例结果表明:截断重要抽样法适用于截断分布的可靠性分析,且在相同的计算精度下,截断重要抽样法比传统的重要抽样法效率要高。     

基于β面的截断重要抽样法

提出一种基于β面的截断重要抽样法求解结构单失效模式的失效概率。该方法通过在设计点处作失效面的虚拟切面-β面,将变量空间分割成重要抽样区域R和非重要抽样区域S。在R和S区域分别建立相应的截断重要抽样密度函数hR(x)和hs(x),从hR(x)和hs(x)中抽取的样本量按照R和S区域对失效概率的贡献来分配,由迭代模拟计算得...     

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.     

结构可靠性分析的多平面组合近似方法研究

应用AFOSM法获得最大可能概率失效点和最大可能失效区域,对最大可能失效区域边界进行了近似界定.采用超单位超球坐标构造搜索方向,利用黄金分割法快速求得线性化点,提出一种新的多近似平面的构造方法,避免了构造近似平面的盲目性和无序性.针对多近似平面组成系统的特性,提出基于AFOSM的逐次等效主近似平面方法计算结构的失效概率.算例结果表明,本方法可行有效且效率高,是一种精度较高的结构可靠性近似分析方法.     

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.     

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.     

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.      

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。     

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。     

可靠性敏度分析方法及其在非线性蠕变疲劳失效模型中的应用

针对非线性极限状态方程,发展了两种基本随机变量为非正态情况下的可靠性敏度分析方法:基于改进一次二阶矩的近似解析法和基于Monte-Carlo的数字模拟法.近似解析法中非正态变量首先被等价变换为正态变量,然后用正态变量的敏度分析法和隐函数求导法则来得到失效概率对非正态变量分布参数的灵敏度,求解敏度的数字模拟法是从计算失效概率的所有样本点中选取合适的抽样点,利用回归分析和隐函数求导法则来求取可靠性灵敏度的.所提方法被用于非线性蠕变疲劳失效模式的可靠性灵敏度分析,近似解析法和数字模拟法结果的一致说明了所提方法的合理可行.蠕变疲劳失效的可靠性灵敏度随参数的变化趋势分析为工程设计提供了有益指导.