变量相关情况下基于马尔可夫链样本模拟的线抽样可靠性灵敏度分析方法

针对变量具有相关性的可靠性灵敏度分析问题,提出了一种变量相关情况下基于马尔可夫链样本模拟的线抽样可靠性灵敏度分析方法。在所提方法中,首先将相关变量等价转换为独立正态变量,然后采用基于马尔可夫链样本模拟的线抽样方法,求解失效概率对等价独立正态变量分布参数的偏导数,最后利用等价变换前后变量分布参数之间的解析关系和复合函数求导法则,求得失效概率对相关变量分布参数的可靠性灵敏度。为了解所提方法的效率和精度,对所提方法的可靠性灵敏度估计值进行了方差分析。由于所提方法采用马尔可夫链快速产生失效域中的条件样本,这些失效域中的样本可用来准确获取重要方向,并可作为线抽样的随机样本,因而该方法具有很高的抽样效率。算例结果表明,所提方法是一种计算相关变量可靠性灵敏度的高效率、高精度方法。     

相关变量模糊可靠性灵敏度分析的线抽样方法

 依据失效域具有模糊性时模糊失效概率的定义,提出了相关变量模糊可靠性灵敏度的分析方法。针对线性功能函数、正态基本变量和正态型隶属函数情况,推导了相关变量的模糊可靠性灵敏度计算的解析表达式。对于工程中的一般情况,给出了可靠性灵敏度分析的数字模拟方法。尽管数字模拟法适用范围广,但该方法的效率较低,尤其是针对高维和小失效概率问题。为了解决数字模拟方法效率低的问题,提出了相关变量模糊可靠性灵敏度分析的线抽样方法。通过离散模糊失效概率积分区域,建立了相关变量模糊可靠性灵敏度与离散区域随机可靠性灵敏度的关系,进而可以利用相关变量随机可靠性灵敏度分析的线抽样方法求得模糊可靠性灵敏度。相关变量模糊可靠性灵敏度分析线抽样方法的基本原理、计算公式及实现步骤被详细给出,文中算例充分验证了其精度高、收敛快及适用于高维和小失效概率等优点。     

考虑变量相关性的非概率可靠性灵敏度分析方法

基于不确定性的凸模型描述,研究考虑变量相关情况下非概率可靠性指标及其参数灵敏度求解方法.从非概率可靠性指标的物理意义出发,建立了相关变量和相互独立变量情况下的非概率可靠性统一模型,在此基础上基于Monte-Carlo法,在变量的标准化扩展空间内通过全局抽样得到结构失效域内距离原点最近的设计点,然后通过迭代策略求解得到非概率可靠性指标的收敛解.在此基础上基于差分理论,提出了非概率可靠性参数灵敏度分析方法.数值算例验证了所提出方法的可行性和有效性.     

基于密度权重的可靠性灵敏度分析方法

为了提高可靠性灵敏度求解数字模拟法的效率,提出了一种变量空间确定性低偏差均匀抽样与样本点处联合概率密度函数构造权重相结合的方法,来估计可靠性灵敏度。该方法通过均匀样本点处联合概率密度函数的权重保证了可靠性灵敏度的估计值收敛于真值,而由低偏差抽样代替原问题中的联合概率密度抽样则可以保证更低的误差阶以及在小失效概率条件下抽得的样本有更高的可能性落入失效域,从而保证了所提方法具有更高的收敛速度。另外,所提方法可以采用与独立变量相同的步骤来估计相关变量情况下的可靠性灵敏度,计算简便,适用范围广。算例充分证明了所提方法的优越性。     

基于密度权重的可靠性灵敏度分析方法简

 为了提高可靠性灵敏度求解数字模拟法的效率,提出了一种变量空间确定性低偏差均匀抽样与样本点处联合概率密度函数构造权重相结合的方法,来估计可靠性灵敏度。该方法通过均匀样本点处联合概率密度函数的权重保证了可靠性灵敏度的估计值收敛于真值,而由低偏差抽样代替原问题中的联合概率密度抽样则可以保证更低的误差阶以及在小失效概率条件下抽得的样本有更高的可能性落入失效域,从而保证了所提方法具有更高的收敛速度。另外,所提方法可以采用与独立变量相同的步骤来估计相关变量情况下的可靠性灵敏度,计算简便,适用范围广。算例充分证明了所提方法的优越性。     

可靠性全局灵敏度求解的Meta-IS-AK算法

可靠性全局灵敏度（GRS）可以衡量输入变量对结构系统失效概率的平均影响,但目前仍然缺乏具有广泛适应性的高效算法。针对此问题,本文将在元重要抽样和可靠性全局灵敏度的贝叶斯算法基础上建立一种新的高效算法。所提算法首先利用已有的贝叶斯算法,将可靠性全局灵敏度转换成由无条件失效概率及输入变量失效域条件下的概率密度函数（PDF）表达的形式,然后分3步来完成算法的组织。第1步是利用元重要抽样的迭代策略抽取失效域的重要抽样样本;第2步是在已有的元重要抽样法中嵌入自适应Kriging模型,高效计算出无条件失效概率;第3步是利用Metropolis-Hastings准则,将失效域的重要抽样样本转化成为原始密度函数在失效域的样本点,进而同时求得各个输入变量在失效域中的条件概率密度函数,并最终求得可靠性全局灵敏度。由于所提算法充分利用了已有的可靠性全局灵敏度贝叶斯算法的维度独立性、元重要抽样法对隐式多失效域的适应性以及元重要抽样法中嵌入式Kriging模型的高效性,因此所提算法具有广泛的适用范围和较高的效率,该结论得到了算例结果的充分验证。     

可靠性灵敏度分析的一种新方法

基于极限状态函数矩估计的失效概率计算,提出一种新的可靠性灵敏度分析方法。推导极限状态函数的矩对基本变量分布参数的偏导数,并进而利用失效概率与极限状态方程矩的关系,推导失效概率对基本变量分布参数的偏导数,从而得到可靠性灵敏度。与改进一次二阶矩可靠性灵敏度分析方法相比,所提方法不用求极限状态方程的设计点,因而不需用到极限状态函数对基本变量的梯度函数,适用于隐式极限状态方程的可靠性灵敏度分析,算例结果也充分显示所提方法的合理性和精度。     

基于交叉熵和空间分割的全局可靠性灵敏度分析

基于失效概率的全局灵敏度分析可以度量各个基本随机变量的不确定性对失效概率的影响程度,对如何降低结构的失效概率具有指导意义。基于交叉熵方法和空间分割提出一种新全局可靠性灵敏度分析方法。该方法采用交叉熵法自适应的确定重要抽样密度函数,有效地回避了传统重要抽样中设计点位置和个数求解的困难。基于评估失效概率所使用的样本,利用空间分割方法计算各个输入随机变量的全局可靠性灵敏度指标,能够提高样本的利用率和计算效率。文中利用一个数值算例和两个工程算例验证了所提方法的计算效率和精度。     

小失效概率情况下的全局可靠性灵敏度分析的高效方法

针对目前很多算法都无法准确、高效地计算小失效概率（10^-4,甚至更小）情况下的全局可靠性灵敏度问题,本文提出了一种高效求解小失效概率情况下的全局可靠性灵敏度新算法。所提算法通过扩大标准差构造重要抽样密度函数来进行空间分割（SP）,再与无迹变换（UT）结合,利用函数在分割后的子空间内非线性程度的降低和无迹变换方法可以高效计算低非线性程度函数的前二阶矩,来高效准确地计算小失效概率情况下的全局可靠性灵敏度。所提算法的优点有：重要抽样密度函数的选择可以使得空间分割时向重要区域偏移,并且在分割区域内功能函数的复杂性被降低,从而可以利用无迹变换方法高效计算失效概率,进而高效求得全局可靠性灵敏度。与已有的算法相比,算例说明了本文所提方法的优势。     

基于树形马氏链模型的可靠性分析方法

复杂系统的极限状态函数非线性程度较高，在进行可靠性分析时，易导致失效概率的计算误差大、效率低，针对上述问题，提出了树形马氏链（TMC）算法和基于该算法的可靠性分析方法。树形马氏链是对原始马尔可夫链的改进，其状态转移过程更加灵活，具备局部多链并行和自适应探索失效域边界的特性。树形马氏链通过多候选状态点扩大对失效域信息的收集，生成能充分反映失效分布特征的样本，对该样本进行自适应核密度估计得到近似最优的重要抽样分布密度函数，从而提高计算结果的准确度。文末的数值算例和工程算例验证了算法性能，计算结果表明算法对设计点、抽样起点的位置不敏感，处理强非线性及复杂串联系统问题时，能在少样本量下得到相对高准确度的计算结果，且在样本量改变时，计算结果相对稳定可靠；工程算例给出了所提方法在实际问题下的效率，体现了所提方法的工程应用价值。     

模糊随机可靠性灵敏度分析方法

 依据模糊随机可靠性灵敏度的基本概念,提出了模糊随机可靠性灵敏度分析的通用数字模拟法,推导了模糊随机可靠性灵敏度数字模拟解的方差和变异系数的计算公式。当模糊变量的隶属函数为正态型时,可以将模糊随机可靠性灵敏度转化为随机可靠性灵敏度,并利用复合函数求导法则求解模糊随机失效概率对正态型隶属函数分布参数的灵敏度。对于工程中常用的对称三角型隶属函数,提出了两种近似等价正态化变换基础上的模糊随机可靠性灵敏度分析方法,这两种将对称三角型隶属函数近似等价为正态型的方法分别是“3σ规则”法和“最大最小”法。算例结果表明：由于“最大最小”法比“3σ规则”法所得的等价正态隶属函数能在形状上更好地近似对称三角型隶属函数,因而“最大最小”变换法更适用于对称三角型隶属函数情况下模糊随机可靠性灵敏度的近似计算。     

考虑状态与基本变量随机模糊性的广义响应面可靠性分析

针对复杂结构、机构可靠性分析中的隐式极限状态方程,建立了可以同时考虑基本变量和失效一安全状态随机模糊双重不确定性因素的广义响应面可靠性分析方法。该方法采用模糊基本变量的等效随机化变换,在不改变基本变量模糊分布的情况下,建立了基于有限元分析的复杂结构、机构多个随机一模糊基本变量情况下的广义响应面法,利用广义响应面函数和模糊随机事件概率的计算公式,定义了复杂结构、机构广义失效概率的计算公式,并给出了多个模式情况下体系同时考虑状态和基本变量随机模糊性的广义失效概率计算公式。在弹性连杆机构强度刚度多模式广义可靠性分析的应用算例说明了所提方法的合理性。     

渐变结构系统模糊可靠性灵敏度分析的矩方法(英文)

For a degradable structural system with fuzzy failure region, a moment method based on fuzzy reliability sensitivity algorithm is presented. According to the value assignment of performance function, the integral region for calculating the fuzzy failure probability is first split into a series of subregions in which the membership function values of the performance function within the fuzzy failure region can be approximated by a set of constants. The fuzzy failure probability is then transformed into a sum of products of the random failure probabilities and the approximate constants of the membership function in the subregions. Furthermore, the fuzzy reliability sensitivity analysis is transformed into a series of random reliability sensitivity analysis, and the random reliability sensitivity can be obtained by the constructed moment method. The primary advantages of the presented method include higher efficiency for implicit performance function with low and medium dimensionality and wide applicability to multiple failure modes and nonnormal basic random variables. The limitation is that the required computation effort grows exponentially with the increase of dimensionality of the basic random vari- able; hence, it is not suitable for high dimensionality problem. Compared with the available methods, the presented one is pretty competitive in the case that the dimensionality is lower than 10. The presented examples are used to verify the advantages and indicate the limitations.     

某型飞机平尾转轴可靠性灵敏度分析

采用了基于改进一次二阶矩法、基于Monte-Carlo直接模拟法、基于重要抽样法的可靠性灵敏度分析方法以及一种基于重要抽样的可靠性灵敏度分析方法,对某型飞机平尾转轴进行可靠性灵敏度的求解,并分析了某型飞机平尾转轴可靠性灵敏度随变异系数变化的趋势,为其可靠性设计提供了参考信息。通过4种方法结果相比较,可以说明各种方法的特点并验证了它们在工程问题上的可行性。     

ABCLS method for high-reliability aerospace mechanism with truncated random uncertainties

The random variables are always truncated in aerospace engineering and the truncated distribution is more feasible and effective for the random variables due to the limited samples available.For high-reliability aerospace mechanism with truncated random variables, a method based on artificial bee colony(ABC) algorithm and line sampling(LS) is proposed.The artificial bee colony-based line sampling(ABCLS) method presents a multi-constrained optimization model to solve the potential non-convergence problem when calculating design point(is also as most probable point, MPP) of performance function with truncated variables; by implementing ABC algorithm to search for MPP in the standard normal space, the optimization efficiency and global searching ability are increased with this method dramatically.When calculating the reliability of aerospace mechanism with too small failure probability, the Monte Carlo simulation method needs too large sample size.The ABCLS method could overcome this drawback.For reliability problems with implicit functions, this paper combines the ABCLS with Kriging response surface method,therefore could alleviate computational burden of calculating the reliability of complex aerospace mechanism.A numerical example and an engineering example are carried out to verify this method and prove the applicability.