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。     

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。     

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。     

Markov随机跳变系统的传感器系统误差估计

 针对Markov随机跳变系统的系统误差估计问题,提出一种基于马尔可夫链蒙特卡罗(MCMC)和最大似然估计相结合的在线系统误差估计方法。利用最大似然估计给出系统误差等效后验概率分布函数,采用Metropolis-Hastings抽样方法从该概率分布函数中进行抽样;利用系统误差估计和状态估计互为因果的关系,采用期望极大化(EM)方法迭代估计出最优的系统误差;分别对时变和时不变系统误差场景进行仿真分析,结果表明,在考虑系统误差统计特性的同时,所提方法对解决目标运动模型难以建立情况下的系统误差估计问题具有可行性和有效性。     

高维小失效概率下的改进线抽样方法

 针对隐式极限状态方程的可靠性分析，提出了一种基于失效域样本模拟的高效线抽样法。该法采用马尔可夫链来快速得到失效域中的条件样本，利用这些失效域中的样本可以得到线抽样的重要方向，并且这些样本还可以作为线抽样的样本，来得到隐式极限状态方程失效概率的估计值。由于该法可以较准确地得到线抽样方法的重要方向，因此线抽样的效率可以得到提高，另外失效域的样本又可以作为线抽样的样本，从而进一步降低所提方法的计算工作量。算例表明所提算法的计算精度和效率均高于传统线抽样方法。     

飞机整体驱动发电机可靠性与维修策略探究

针对飞机整体驱动发电机可靠性分析手段缺乏、故障样本小且维修策略相对保守的问题,提出了以历史故障数据为驱动的贝叶斯和马尔可夫链融合的可靠性分析方法。首先,利用蒙特卡洛方法对故障数据预处理以增大样本空间,并通过最大信息熵法求解飞机整体驱动发电机的先验分布;其次,利用马尔可夫链方法对复杂后验分布进行解算;最后,以可靠性为中心给出飞机IDG的维修建议。经过数值仿真软件计算后得IDG的累计失效函数参数估计误差分别为0.121 3和0.001 3,误差较小。仿真结果表明,提出的可靠性分析方法适用于小样本空间的飞机IDG可靠性分析,并根据结果给出了维修建议。     

航空发动机限寿件疲劳可靠度计算新方法

针对目前的航空发动机限寿件（ELLP）疲劳可靠性分析中的小失效概率事件以及其极限状态函数具有较强非线性的特点，提出了一种具有自更新机制的半径外自适应重要抽样（AUMCROAIS）疲劳可靠性分析方法。该方法首先利用蒙特卡罗自适应重要抽样（MCAIS）快速逼近真实设计验算点（MPP）附近，随后以近似设计验算点为中心进行极坐标抽样，并依次构造主动学习函数，对近极限状态函数和抽样半径进行最优选取，从而实现最优抽样半径的更新，通过不断的更新确定出最优抽样半径，加速失效概率计算的收敛。本方法提高了设计验算点的收敛速度同时保证了计算精度，解决了小失效概率事件以及强非线性极限状态函数可靠度计算难题，最后以某型发动机压气机轮盘为对象应用本方法，并与传统的蒙特卡罗仿真（MCS）方法、蒙特卡罗半径外自适应重要抽样法（MCROAIS）和一阶可靠性方法（FORM）进行了对比，验证了本方法的高效率、鲁棒性和仿真精度。     

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。     

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。     

同时考虑基本变量和失效域模糊性的广义失效概率数字计算方法

针对基本变量和失效域均具有模糊性的广义可靠性分析问题,提出了一种基于模拟退火优化的高效数字计算方法。在数字模拟的过程中,由模拟退火优化的Metropolis准则逐渐优化提取样本的重要抽样密度函数。由于基本变量和失效状态均含有模糊不确定性,因此所提算法在构造重要抽样函数时考虑了两个因素的影响,其一是基本变量的等价联合概率密度函数,其二是状态变量对模糊失效域的隶属函数,从而使得对广义失效概率贡献大的样本出现的概率较大,提高了抽样效率和计算精度。所提算法在模拟退火逐渐寻优的过程中,充分利用了过程中的信息,进一步提高了计算的效率,算例的结果也表明本文所提方法是合理可行的。     

结构系统可靠性及可靠性灵敏度分析的改进子集模拟法

在再生自适应子集模拟(RASS)法的基础上,提出了一种改进的再生自适应子集模拟(MRASS)法以用于结构系统的可靠性及可靠性灵敏度分析。MRASS法继承了RASS法中马尔可夫链再生、延迟拒绝、自适应马尔可夫过程及分量各自采样等优点,并改进了自适应采样过程。MRASS法通过对产生的样本点的接受率与最佳接受率进行比较,有针对性地寻找合适的建议分布方差,提高了抽样的效率。工程算例的数值结果表明:MRASS法相比于RASS法及传统的子集模拟(SS)法,在处理具有高维随机变量、小失效概率及高度非线性特点的结构系统时,有更好的适应性、稳健性及精度。     

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。     

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。     

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。     

Reliability estimation of mechanical seals based on bivariate dependence analysis and considering model uncertainty

The reliability estimation of mechanical seals is of crucial importance due to their wide applications in pumps in various mechanical systems. Failure of mechanical seals might cause leakage, and might lead to system failure and other relevant consequences. In this study, the reliability estimation for mechanical seals based on bivariate dependence analysis and considering model uncertainty is proposed. The friction torque and leakage rate are two degradation performance indicators of mechanical seals that can be described by the Wiener process, Gamma process, and inverse Gaussian process. The dependence between the two indicators can be described by different copula functions. Then the model uncertainty is considered in the reliability estimation using the Bayesian Model Average (BMA) method, while the unknown parameters in the model are estimated by Bayesian Markov Chain Monte Carlo (MCMC) method. A numerical simulation study and fatigue crack study are conducted to demonstrate the effectiveness of the BMA method to capture model uncertainty. A degradation test of mechanical seals is conducted to verify the proposed model. The optimal stochastic process models for two performance indicators and copula function are determined based on the degradation data. The results show the necessity of using the BMA method in degradation modeling.     

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.