结构可靠性分析的高效自适应重要抽样方法

提出了一种基于自适应Metropolis算法和快速高斯变换技术的结构可靠性分析高效自适应重要抽样方法。该方法首先利用自适应Metropolis算法高效生成结构失效域样本,然后运用自适应宽核密度估计方法构造重要抽样密度函数,最后采用快速高斯变换加速重要抽样过程中核函数的计算。自适应Metropolis算法能够在相同计算量条件下提供更多结构失效域信息从而改善计算精度,即为求得给定精度问题的解,可有效减少样本生成过程中的结构分析次数,从而提高方法的计算效率;快速高斯变换大幅降低核密度估计的计算复杂度从而大幅缩减重要抽样的计算耗时。通过数值算例可以看出本文方法具有较高的计算精度和效率。     

A WAVELET THRESHOLDING DENSITY-BASED ADAPTIVE IMPORTANCE SAMPING METHOD

提出了一种基于小波阈值密度估计的结构可靠性分析高效自适应重要抽样方法.该方法利用非线性小波收缩方法对结构失效域样本进行密度估计,并以此作为重要抽样密度进行可靠性分析.与传统基于核密度估计的重要抽样方法比,由于非线性小波阈值密度估计具有较好局部适应性和最优收敛速度,且克服了核密度估计中计算精度严重依赖于参数选择的缺陷,因此以较少的预抽样样本就能获得与传统方法相当的精度,有效提高计算效率.数值算例表明所提方法对工程中常遇到的多设计点及噪音功能函数可靠性问题具有良好适应性.     

基于小波阈值密度的自适应重要抽样方法

提出了一种基于小波阈值密度估计的结构可靠性分析高效自适应重要抽样方法.该方法利用非线性小波收缩方法对结构失效域样本进行密度估计,并以此作为重要抽样密度进行可靠性分析.与传统基于核密度估计的重要抽样方法比,由于非线性小波阈值密度估计具有较好局部适应性和最优收敛速度,且克服了核密度估计中计算精度严重依赖于参数选择的缺陷,因此以较少的预抽样样本就能获得与传统方法相当的精度,有效提高计算效率.数值算例表明所提方法对工程中常遇到的多设计点及噪音功能函数可靠性问题具有良好适应性.      

含模糊随机变量的多模式系统广义失效概率计算的内插迭代线抽样方法

通过正则化基本变量的度量空间,定义了单个基本变量同时具有模糊和随机双重不确定性时的广义失效概率.在广义失效概率的计算中,模糊随机变量被等价变换为随机变量.从而使得广义失效概率的计算变换为随机失效概率的计算.当模糊随机变量的密度函数和隶属函数均为正态型时,推导了其等价概率密度函数的形式和参数.采用自适应线抽样方法对基本变量同时具有模糊和随机不确定性时的多模式广义失效概率进行了计算,并采用数值算例对自适应线抽样广义失效概率计算方法的效率和精度进行了验证.算例分析表明该方法的计算结果是合理的,并且由于自适应线抽样法具有较高的效率和精度,因而所提方法具有一定的工程意义.     

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。     

失效概率矩独立全局灵敏度指标的高效算法

基于失效概率的矩独立全局灵敏度指标能够有效地分析输入变量的不确定性对结构系统失效概率的影响程度. 然而,目前以抽样方式来计算该灵敏度指标的方法都不能最大程度地利用样本. 因此,研究了在准确计算该指标的基础上如何提高样本的利用率. 基于所证明的连续区间上的全方差公式,提出了基于空间分割及重要抽样法来高效计算该指标的方法,其仅需一组样本,且计算量与输入变量的维数无关. 该方法首先通过重要抽样密度抽取一组样本,使得抽取到的样本以较大的概率落入失效域从而加快计算的收敛速度,其次,通过重复利用这一组样本来计算出各个输入变量的基于失效概率的矩独立全局灵敏度指标,大大提高了样本的利用率和计算效率. 验证算例的计算结果,说明了所提方法在计算效率、计算精度、收敛性及稳健性方面都较已有同类方法高,具有更好的工程适用性.      

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.     

基于子集模拟法的风机叶片可靠度分析

风机叶片是风机机组中最重要的组件之一,其可靠性对整个发电系统的健康运行十分关键。传统的蒙特卡罗法可靠度计算效率较低,本文将子集模拟法应用到风机叶片的可靠度计算中,通过合理选取中间失效事件临界值和建议概率密度函数,采用Metropolis算法模拟产生一系列的样本,极大地提高了抽样效率。结果表明,子集模拟法在风机叶片可靠度计算中精度较高,且结构的失效概率越小,相比于传统蒙特卡罗法效率更高,可以极大地减轻计算压力。     

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。     

Classical Limit for a System of Non-Linear Random Schrödinger Equations

This work is concerned with the semi-classical analysis of mixed state solutions to a Schrödinger–Position equation perturbed by a random potential with weak amplitude and fast oscillations in time and space. We show that the Wigner transform of the density matrix converges weakly and in probability to solutions of a Vlasov–Poisson–Boltzmann equation with a linear collision kernel.Aconsequence of this result is that a smooth non-linearity such as the Poisson potential (repulsive or attractive) does not change the statistical stability property of the Wigner transform observed in linear problems.We obtain, in addition, that the local density and current are self-averaging, which is of importance for some imaging problems in random media. The proof brings together the martingale method for stochastic equations with compactness techniques for non-linear PDEs in a semi-classical regime. It relies partly on the derivation of an energy estimate that is straightforward in a deterministic setting but requires the use of a martingale formulation and well-chosen perturbed test functions in the random context.     

基于Copula理论的模糊可靠度隶属函数求解的自适应截断抽样法

针对工程中同时存在随机和模糊基本变量且随机概率信息不全的可靠性问题,利用Copula理论逼近随机基本变量的联合分布函数和联合概率密度函数,进而建立了Copula逼近基础上的模糊可靠度隶属函数求解的自适应截断抽样法。所建模型在Copula逼近基础上采用优化建模和迭代策略,交替考虑模糊不确定性和随机不确定性对功能函数的影响...     

基于单元子分法的结构多尺度边界单元法

建立在基于单元子分法的一种有效自适应格式以及多区域边界元三步求解技术基础上提出了一种计算结构多尺度问题的多区域边界元法。首先,通过高斯积分误差分析公式确定边界单元在满足精度要求下所需要的高斯点数,当所需高斯点数超过规定数目时该单元就被自动划分成一定数量的子单元,从而消除结构多尺度所引起的近奇异性。在单元子分技术的基础上采用多区域边界元三步求解技术来处理材料非均质问题:第一步消除各子域的内部未知量,第二步消除各子域独自拥有的边界未知量,第三步根据位移相容性条件和面力平衡条件建立系统方程组并求解公共界面节点位移以及每个子域的其他未知量。数值算例结果表明本方法可以用较少的计算时间得到满意的结果,是处理结构多尺度问题的一种有效方法。     

基于拉氏变换的弹性动力学插值型重构核粒子法

插值型重构核粒子法的形函数具有离散点插值特性和不低于核函数的高阶光滑性,因而不仅可以直接施加本质边界条件,同时也保证了较高的计算精度．本文将弹性动力学方程作拉氏变换后,在变换域内用插值型重构核粒子法求解,最后再借助Durbin数值反演方法求得时间域的解．针对典型的弹性动力学问题,给出了插值型重构核粒子法的数值算例,并验证了本文方法的有效性．     

结构可靠度计算中的描述性抽样法

本文提出描述性抽样方法的实质，即利用更少的时间抽取更多的服从要求概率分布的样本点，讨论了该方法的计算步骤和适用范围，并将描述性抽样方法与重要抽样方法结合起来计算多变量多模式的结构失效概率，比较了描述性抽样方法与一般抽样法的方差，算例结果表明描述性抽样方法具有较好的收敛性．