基于可能性矩的混合不确定性全局灵敏度分析

在同时包含随机不确定性和模糊不确定性结构系统中,为了分别度量随机输入变量和模糊输入变量对输出响应的统计特征的影响,提出了随机输入变量和模糊输入变量的全局灵敏度新指标。在模糊变量可能性矩定义的基础上,分析了混合不确定性下输出响应的特征。从输出响应可能性矩的角度出发,以输出响应的可能性期望为例,通过比较输出响应有条件和无条件可能性期望的概率密度函数(PDF)的平均差异,分别建立了随机输入变量和模糊输入变量关于输出响应的可能性期望的灵敏度指标。讨论了所提指标的性质,并采用Kriging代理模型来提高混合不确定性全局灵敏度指标的计算效率。最后通过算例验证了本文所提方法的准确性和高效性。     

基于随机与区间分析的状态方程不确定性比较

基于现代控制理论中状态方程的求解算法,对具有参数不确定性的控制系统采用非概率区间分析方法与随机控制理论进行研究。首先明确实际工程应用中不确定性的概念和影响,分别建立了区间值和随机过程2种描述方法,求解系统的响应区间,并分为与初始条件和输入相关的零输入和零状态两部分不确定量。根据区间数学中的区间函数扩张原理和概率统计理论中的切比雪夫不等式,从数学证明和数值计算2个方面,分别用非概率区间分析和概率统计方法求解不确定系统的响应,并对二者进行比较,分析其相容性。结果表明,在由概率统计信息得到不确定性变量的区间向量为系统输入的情况下,非概率区间分析方法得到的响应区间包含由随机控制理论得到的响应区间。     

一种新的矩独立重要性测度分析方法及高效算法

为了更加合理地分析输入随机变量对结构系统失效概率的影响,提出了一种新的矩独立重要性测度分析方法。传统的重要性测度指标只能估计输入随机变量在固定点时对结构系统输出响应的影响,而所提新指标能够充分反映输入随机变量在其分布区域的所有缩减区间上变化时对结构系统输出响应的平均影响程度,更加符合工程实际。为了求解新指标,给出了2种算法:传统的双层重复抽样蒙特卡罗（DLRS MC）方法和自适应超球重要抽样（ARBIS）方法。双层重复抽样蒙特卡罗方法计算结果可以作为对比参照解,但求解效率较低,计算量很大;自适应超球重要抽样方法在满足新指标求解精度的前提下,计算效率得到很大提高。应用数值算例和工程算例证明了所提新指标的意义和所提新算法的高效性。      

基于灵敏度分析的结构-声学鲁棒优化设计

针对工程中普遍存在的结构-声场耦合系统,充分考虑系统本身及外载荷的不确定性,提出了求解系统响应范围的区间有限元分析方法及鲁棒优化设计模型.从耦合系统的平衡方程出发,利用中心差分方法得到了系统响应的灵敏度计算公式.引入区间变量来表征信息不足的不确定参数,借助一阶泰勒展式,可以快速估算系统响应的区间上下界.在结构鲁棒优化设计过程中,通过引入灵敏度指标,将原不确定单目标优化问题转化为确定的多目标优化问题.为保证结构性能更加稳定,利用区间可能度刻画约束条件的鲁棒性.数值算例通过某弹舱模型弹性板厚度的优化设计,验证了所建立的鲁棒优化模型及算法的有效性.      

结构振动主动控制系统的非概率可靠性分析

为了解决结构主动振动控制系统的可靠性问题,考虑结构参数的不确定性,研究了结构振动主动控制系统可靠性分析的非概率方法.对不确定变量用区间数或区间向量进行描述,基于区间数学,提出了含区间不确定参数的闭环控制系统响应的计算方法,在此基础之上结合非概率可靠性分析方法,建立了适用于振动控制系统的非概率可靠性分析方法.该方法无需不确定量的概率信息,只需明确参数所在区间范围即可,对开环系统和闭环控制系统的可靠性分析与基于可靠性的控制器设计具有一定的理论意义.通过数值算例,将非概率可靠性分析方法与蒙特卡洛方法进行了比较,结果表明了本文所提方法的有效性和对复杂结构振动主动控制系统的适用性.      

基于NARX和Kriging的时变可靠性分析双层代理模型

针对具有动态输出性能的结构系统，传统的求解时变可靠性的代理模型方法在建模时只关注当前瞬间作用于系统的随机变量的作用，而忽视了时间累积效果，使得模型对于时变可靠性的预测效果并不理想。基于此，提出了一种基于带外生输入的非线性自回归(NARX)模型和Kriging模型的时变可靠性分析的双层代理模型方法。所提方法在内层利用NARX模型构建给定随机输入变量下输出响应随时间的变化模型，准确模拟系统的动态行为；在外层基于NARX所得极值构建系统极值与随机变量之间的Kriging模型，得到时变结构系统的可靠性。通过3个算例验证了所提方法在处理具有较强波动性输出系统的可靠性问题时的有效性和准确性。     

基于核主成分分析的多输出模型确认方法

目前对于不确定性环境下多个相关的复杂计算模型进行确认的方法存在计算困难及稳定性较差的问题。针对这类复杂计算模型,提出了一种新的基于核主成分分析(KPCA)的多输出模型确认方法。该方法将核主成分分析与面积法的思想相结合,构造了一个新的易于计算且稳定性高的模型确认指标。所提方法通过核主成分分析将相关的输出变量转化为不相关的核主成分,再对每一核主成分进行模型与实验的对比,从而避免了传统多输出模型确认方法中需要求解多个输出的联合累积分布函数的困难。由于核主成分分析(PCA)方法能够有效提取分析对象的非线性成分,因此基于核主成分分析的多输出模型确认方法较基于主成分分析的模型确认方法更为稳定,这表现在相同的实验样本数据下核主成分分析的方法具有更低的出错率。另外核主成分分析通过核主成分提取,可以实现多输出模型的降维,从而降低多输出模型确认的复杂度。所提方法既可以用于一般的多输出模型的确认,也可以用于多确认点的输出模型的确认。最后通过数值算例和工程算例证明了该方法的正确性与有效性。     

空间可展开结构区间模型修正方法

传统的模型修正未考虑工程中存在的几何尺寸、材料参数、间隙等不确定性,修正后有限元模型预测精度较低。为提高有限元模型的预测精度,准确预测结构的静动力学特性,对考虑参数不确定性的模型修正进行了研究,提出了一种基于Kriging模型和泛灰数的区间模型修正方法。首先,通过灵敏度分析确定待修正参数,并以修正参数为变量,构造基于Kriging模型的区间响应目标函数;其次,引入泛灰数将区间优化问题转换为区间上限和区间直径两个全局优化问题;然后,利用Kriging模型结合遗传算法给出修正后的参数区间形式;最后,通过该方法对含铰链间隙的某空间可展开结构进行了模型修正。结果表明,修正后参数区间与真实区间重合度较高,修正后结构响应预测区间与实际区间吻合,验证了方法的有效性,为大型空间可展开结构的模型修正提供了一个有效可行的途径。     

推进剂贮箱区间干涉时变可靠性分析方法

在推进剂贮箱服役期内,由于材料强度退化及外界随机载荷等不确定因素的存在,其可靠性表现为时变特性。基于区间理论与应力-强度干涉理论,为推进剂贮箱时变可靠性分析提供了一种区间干涉时变可靠性分析方法。通过对椭球底圆柱贮箱应力进行分析,根据贮箱等效应力分布与强度幂指数退化模型,将应力与强度转换为时变区间变量的形式。结合应力-强度干涉理论,将任意时刻应力与强度区间转换为标准化区间,根据临界状态函数与标准化区间的位置关系,定义区间干涉时变可靠性指标。结合示例参数对推进剂贮箱时变可靠性进行了分析,并与服从正态分布的应力-强度干涉可靠性方法及区间可靠性方法分析结果进行了对比,验证了所提方法的有效性。      

基于随机模糊参数的结构模糊可靠性分析模型

结构模糊可靠性理论研究主要是建立仅考虑失效准则模糊性的结构模糊可靠性分析模型.在现有结构模糊可靠性分析理论研究的基础上,同时考虑工程中结构参数的随机性和区间模糊性,提出了模糊概率密度函数的概念,并推导相应的模糊概率密度函数公式,给出了反映随机参数区间模糊性的隶属函数的类型和选取方法.建立了同时考虑随机参数区间模糊性和失效准则模糊性的结构模糊可靠性分析模型.讨论了模糊可靠性分析模型与常规的随机可靠性分析模型的相容性.并给出算例进行验证,研究结果表明,采用该结构模糊可靠性分析方法更能全面地利用结构参数信息.     

基于贝叶斯准则的支持向量机预测模型

对实际统计数据中存在的相关性、不确定性和非线性问题,提出贝叶斯支持向量机预测模型方法.构建基于高斯分布的权值分布模型描述信息的不确定性,基于先验概率分布和贝叶斯关系获得后验分布模型,利用极大似然方法和递推迭代算法求解后验分布的最佳参数,从而得到关联向量机.建立起基于参数分布多维时间序列预测模型,将每一步迭代过程中的支持向量机输入作为随机变量,考虑数据不确定性的传递,递推得到贝叶斯支持向量机预测输出.由于贝叶斯支持向量机可以有效反映随机影响及其传递,可以克服数据不确定性和相关性的影响,因此基于贝叶斯支持向量机预测效果更加符合实际.实例表明利用贝叶斯支持向量机预测高科技企业发展趋势与实际发展趋势接近,可以克服数据相关性、不确定性和非线性对信息模型的影响,具有较高的预测精度和预测鲁棒性.     

严格随机正则(3,s)-SAT模型及其相变现象

研究变元和文字出现次数受限制的规则3-SAT问题,提出了一种严格随机正则（3,s）-SAT问题,并给出了该问题的实例产生模型--SRR模型。结合一阶矩方法和生成函数展开项系数的渐近近似技术,证明了严格随机正则（3,s）-SAT问题相变点的上界,即当变元规模N较大且变元出现次数s>11时,严格随机正则（3,s）-SAT实例是高概率不可满足的。实验结果表明：由SRR模型所生成的随机实例中,当N>60且s>11时,所有的（3,s）-SAT实例均是不可满足的,而当N>150且s<11时,所有的（3,s）-SAT实例均是可满足的,即严格随机正则（3,s）-SAT实例的相变点位于s=11处,且在s=11处（子句变元比为11/3）的严格随机正则（3,s）-SAT实例,比在相变点（子句变元比）4.267处同规模的均匀随机3-SAT实例更难求解,因此,SRR模型可以很方便地在s=11处构造难解的随机3-SAT实例。