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。     

结构可靠度分析的响应面法及其Matlab实现

对功能函数不能明确表达的问题进行可靠度分析,常采用响应面法。其中以求得验算点为目的迭代的二次多项式序列响应面法应用较为广泛,本文给出了该方法的Mattab源程序。提出了基于Mattab的插值响应面法和BP神经网络响应面法,介绍了其在Mattab环境下的实现方法,并进行了三种方法的对比分析。Mattab语言基本元素是矩阵,提供了各种矩阵的运算和操作,其中包含结构可靠度计算中常用的各种数值计算方法工具箱。采用Mattab语言构造响应面函数,进行结构可靠度计算,可充分发挥其矩阵运算功能及各种工具箱的作用,使编程效率大大提高,且语法简便,易于掌握。Mattab语言在可靠度计算中的应用,会对结构可靠性理论的推广使用起到积极推进作用。     

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。     

基于支持向量机替代模型的可靠性分析

建立了基于支持向量机回归算法和分类算法的替代模型可靠性分析方法,与蒙特卡罗法结合,采用拉丁超立方抽样技术,进行隐式极限状态函数的可靠度计算。讨论了相关参数对支持向量机模型性能的影响,并通过遗传算法进行参数优化,为支持向量机模型的参数选择提供了依据。研究了不同训练样本数量对支持向量机模型预测值精度的影响,进一步证实了支持...     

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。     

基于支持向量机的序列可靠性优化方法

在工程设计中,可靠性优化设计通常计算量较大或精度不够。本文提出了一种基于支持向量机（Support Vector Machine）和MPP（Most Probable Point）的可靠性分析方法。用SVM 在MPP处替代原极限状态函数,并利用极限状态函数的梯度信息,使SVM模型穿过M PP并与原函数相切,再基于SVM采用重要抽样法计算失效概率。然后,将SORA（Sequential Optimization and Reliability Assessment ）与基于SVM 的可靠性分析方法相集成,将传统的双循环可靠性优化算法解耦为单循环,并通过基于SVM 的可靠性分析方法修正了SORA中由于线性近似带来的误差,保证了最优设计点处可靠性分析的精度。算例证明,该方法在处理非线性问题时具有精确度高和计算量适度的特点。     

结构可靠性响应面法的改进遗传算法计算

针对传统的响应面法计算结构可靠度算法复杂、迭代次数多、计算精度不高的情况,本文首先对传统的基因算法进行了改进,其次对结构的极限状态函数是显式和隐式的情况,利用改进的遗传算法生成新的适应度函数,从而确定中心点快速生成响应面函数;然后用一次二阶矩法对结构的可靠度进行计算。算例表明:运用本文算法,在计算精度相同的情况下,运算时间比FORM和RSM极大地减少,具有明显的工程实践意义。     

一种在响应面法中选取样本点的新方法

响应面法中的样本点选取对拟合极限状态曲面的收敛速度及精度至关重要,文中提出了一种区别于通常以插值点为中心展开生成样本点组的新方法:在求解过程中,用插值点逐步替代初始样本点组中距离验算点较远的点,其目的是使所选取的样本点较集中于验算点附近,重新构成下一轮迭代所需的一组样本点,直至满足收敛条件。算例表明,采用新方法可使结构的分析次数显著减少,同时也改善了对于非线性程度很高的极限功能函数求解的收敛性。该方法用于大型复杂结构的可靠度分析中可进一步提高计算效率。     

基于单纯形寻优的响应面可靠性分析方法

结构可靠度计算常采用经典的响应面法拟合隐式功能函数或高维功能函数,而对于强非线性功能函数的实际工程问题,尽管其能够计算出结构可靠度的结果,但此时多项式响应面的拟合精度不够,很容易造成不收敛的现象。为了解决上述问题,将响应面法与单纯形寻优的思路进行结合来探求一种有效的计算方法。本文利用单纯形算法对每次迭代的验算点进行优化;再以优化后的设计验算点为中心进行取样,利用响应面法循环迭代计算;最后,沿着真实响应面逐渐逼近最终的验算点。该方法能够解决高维非线性的隐式极限状态方程可靠度计算收敛性的问题,可以提高计算精度和计算效率,具有一定的工程适用性。     

基于支持向量机回归的结构系统可靠性及灵敏度分析方法

提出了一种基于支持向量机回归近似极限状态方程的系统可靠性分析方法,所提方法首先由支持向量机拟合系统各失效模式的极限状态方程,将复杂或隐式极限状态方程近似等价为显式极限状态方程,然后根据系统各个失效模式的逻辑结构,由高精度的显式极限状态方程方法计算系统的失效概率和参数灵敏度.与线性展开和响应面法近似极限状态方程相比,文中方法由于采用了基于结构风险最小化原理的支持向量机回归,因而在拟合非线性极限状态方程上表现优越,计算精度高.与直接蒙特卡洛模拟相比,由于该方法采用较少的样本即可近似出概率等价的显式极限状态方程,因而计算效率大幅提高.工程实例表明:所提方法可以处理串联、并联和混合系统的可靠性与可靠性灵敏度分析,具有工程运用价值.     

SUPPORT VECTOR MACHINE FOR STRUCTURAL RELIABILITY ANALYSIS

Support vector machine (SVM) was introduced to analyze the reliability of the implicit performance function, which is difficult to implement by the classical methods such as the first order reliability method (FORM) and the Monte Carlo simulation (MCS). As a classification method where the underlying structural risk minimization inference rule is employed, SVM possesses excellent learning capacity with a small amount of information and good capability of generalization over the complete data. Hence, two approaches, i.e., SVM-based FORM and SVM-based MCS, were presented for the structural reliability analysis of the implicit limit state function. Compared to the conventional response surface method (RSM) and the artificial neural network (ANN), which are widely used to replace the implicit state function for alleviating the computation cost, the more important advantages of SVM are that it can approximate the implicit function with higher precision and better generalization under the small amount of information and avoid the "curse of dimensionality". The SVM-based reliability approaches can approximate the actual performance function over the complete sampling data with the decreased number of the implicit performance function analysis (usually finite element analysis), and the computational precision can satisfy the engineering requirement, which are demonstrated by illustrations.     

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.     

基于最优概率配点的向量型层递响应面法分析结构可靠度

概率配点的选取策略是响应面法研究的关键问题之一.论文提出了配点矩阵行满秩原则,据此筛选层递响应面的最优概率配点.首先利用结构总体刚度矩阵和荷载列阵定义预处理随机Krylov子空间,并利用该空间的层递基向量近似展开结构的总体节点位移向量,建立层递响应面表达式;然后利用层递基向量所对应的基本随机变量组合构造随机行向量,并形成配点矩阵,根据配点矩阵行满秩原则筛选确定层递响应面的最优概率配点,进而通过回归分析确定层递响应面的待定系数.分析表明,层递响应面法具有良好的全域性且待定系数极少;基于配点矩阵行满秩原则筛选最优概率配点能够排除大部分作用不大的配点,大幅减少概率配点数目,与传统响应面法及随机响应面法相比,层递响应面法能够取得更好的计算效率和精度.     

Classification using least squares support vector machine for reliability analysis

In order to improve the efficiency of the support vector machine （SVM） for classification to deal with a large amount of samples, the least squares support vector machine （LSSVM） for classification methods is introduced into the reliability analysis. To reduce the coraputational cost, the solution of the SVM is transformed from a quadratic programming to a group of linear equations. The numerical results indicate that the reliability method based on the LSSVM for classification has higher accuracy and requires less computational cost than the SVM method.     

基于Nataf变换的层递响应面法分析结构可靠度

针对现有的随机响应面法(SRSM)和层递响应面法(CRSM)存在的局限性,本文结合预处理随机Krylov子空间法,建立了基于Nataf变换的向量型层递响应面法,并应用于含非高斯型互相关随机变量的结构可靠度分析。首先,利用预处理随机Krylov子空间的层递基向量近似展开结构的总体节点位移向量,建立向量型层递响应面;然后,根据Nataf变换建立非高斯型互相关随机变量与独立标准正态随机变量之间的关系式,将独立标准正态空间内由Hermite多项式的根组合形成的概率配点变换成非高斯空间内的概率配点,并通过回归分析确定层递响应面的待定系数。计算结果表明,本文建立的CRSM属于向量型响应面法,能较好地处理含非高斯型互相关随机变量的结构可靠度分析问题,计算精度和效率均较高,且具有良好的全域性。     

基于响应面法的复合材料连接结构可靠性分析

复合材料的力学性能参数比金属材料呈现出更大的分散性。本文提出采用加权线性响应面法对复合材料单钉连接结构进行可靠性分析。采用三维有限元模型进行复合材料单钉连接的确定性渐进失效分析。单向铺层的力学性能参数和强度参数均考虑为输入随机变量,用于可靠性分析。详细研究了不同失效准则和不同刚度退化方法的影响。结果表明,Olmedo-Santiuste失效准则与Camanho-Matthews刚度退化方法的组合能够给出与试验均值最接近的强度分析结果。另外,还仔细研究了响应面参数f的影响。结果表明,取f=1的线性加权响应面能够为复合材料单钉连接可靠性分析提供较好的统计特性逼近值。