基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题，本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理，用混合高斯模型逐步逼近最优重要抽样密度函数，并采用AK模型协助逼近过程中混合高斯模型的参数的更新，从而提高了CE-IS方法的计算效率。另外，本文还改进了CE-IS方法的收敛准则，避免了方法的冗余迭代，扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型，因此，本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法，本文方法中引入了重要抽样的思想，因此在Kriging训练点数目基本相同的情况下，大幅缩减小失效概率计算时样本池规模，并且由于利用了混合高斯模型，因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。     

涡轮轴低周疲劳寿命可靠性分析及优化设计方法研究

为保障涡轮轴在多种不确定性因素影响下的可靠性和寿命性能,建立了涡轮轴低周疲劳寿命可靠性分析与优化设计方法.搭建了涡轮轴结构分析、可靠性分析和可靠性优化设计的参数化平台,实现了设计参数的不同访问值处结构分析和可靠性分析的自主调用.提出了改进Monte Carlo结合自适应Kriging的算法(A-MCS-AK),通过多点...     

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。     

Efficient adaptive Kriging for system reliability analysis with multiple failure modes under random and interval hybrid uncertainty

In the field of the system reliability analysis with multiple failure modes, the advances mainly involve only random uncertainty. The upper bound of the system failure probability with multiple failure modes is usually employed to quantify the safety level under Random and Interval Hybrid Uncertainty(RI-HU). At present, there is a lack of an efficient and accurate method for estimating the upper bound of the system failure probability. This paper proposed an efficient Kriging model based on nume...     

Reliability and reliability sensitivity analysis of structure by combining adaptive linked importance sampling and Kriging reliability method

The application of reliability analysis and reliability sensitivity analysis methods to complicated structures faces two main challenges: small failure probability (typical less than 10⁻⁵) and time-demanding mechanical models. This paper proposes an improved active learning surrogate model method, which combines the advantages of the classical Active Kriging – Monte Carlo Simulation (AK-MCS) procedure and the Adaptive Linked Importance Sampling (ALIS) procedure. The proposed procedure can, on the one hand, adaptively produce a series of intermediate sampling density approaching the quasi-optimal Importance Sampling (IS) density, on the other hand, adaptively generate a set of intermediate surrogate models approaching the true failure surface of the rare failure event. Then, the small failure probability and the corresponding reliability sensitivity indices are efficiently estimated by their IS estimators based on the quasi-optimal IS density and the surrogate models. Compared with the classical AK-MCS and Active Kriging – Importance Sampling (AK-IS) procedure, the proposed method neither need to build very large sample pool even when the failure probability is extremely small, nor need to estimate the Most Probable Points (MPPs), thus it is computationally more efficient and more applicable especially for problems with multiple MPPs. The effectiveness and engineering applicability of the proposed method are demonstrated by one numerical test example and two engineering applications.     

A novel method for importance measure analysis in the presence of epistemic and aleatory uncertainties

For structural systems with both epistemic and aleatory uncertainties, research on quantifying the contribution of the epistemic and aleatory uncertainties to the failure probability of the systems is conducted. Based on the method of separating epistemic and aleatory uncertainties in a variable, the core idea of the research is firstly to establish a novel deterministic transition model for auxiliary variables, distribution parameters, random variables, failure probability, then to propose the improved importance sampling(IS) to solve the transition model. Furthermore,the distribution parameters and auxiliary variables are sampled simultaneously and independently;therefore, the inefficient sampling procedure with an ‘‘inner-loop' for epistemic uncertainty and an‘‘outer-loop' for aleatory uncertainty in traditional methods is avoided. Since the proposed method combines the fast convergence of the proper estimates and searches failure samples in the interesting regions with high efficiency, the proposed method is more efficient than traditional methods for the variance-based failure probability sensitivity measures in the presence of epistemic and aleatory uncertainties. Two numerical examples and one engineering example are introduced for demonstrating the efficiency and precision of the proposed method for structural systems with both epistemic and aleatory uncertainties.     

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。     

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。     

一种基于Kriging和Monte Carlo的主动学习可靠度算法

机械结构可靠性分析时,常常会采用代理模型拟合隐式功能函数来解决计算量大的问题,但由于试验设计方案需要同时考虑代理模型的拟合精度和可靠度计算精度的问题。因此,为了能够充分使用较少的样本信息,最大化可靠度计算精度,本文充分发挥Kriging预测的随机特性,提出一种主动学习可靠度计算方法。首先,类似于优化问题中改善函数的选点方式,提出一种基于Kriging预测的学习函数,基于Monte Carlo法生成大量的候选样本点,找出学习函数最小值对应的样本点作为最佳取样点。其次,推导和提出了一种学习停止的条件,保证了Monte Carlo样本点预测符号的正确性且学习次数明显减小。最后,通过2个数值算例分析结果表明,该算法相比其他方法需要更少的样本数量,得到的可靠度计算精度更高,验证了本文算法的正确性和高效性。     

矩独立重要性分析的Kriging代理模型方法

结构重要性分析是结构不确定性分析的重要研究内容之一。作为一种矩独立的重要性测度指标,基于失效概率的重要性测度能够有效地反映输入变量的不确定性对结构失效概率的影响。然而,相比于其他形式的重要性测度,对基于失效概率的矩独立重要性测度进行高效准确的求解仍然存在一定的困难。基于此,结合Kriging代理模型提出了一种高效的矩独立重要性分析的新方法。所提方法首先通过较少的实验设计样本构建能够充分近似真实输入输出响应函数的Kriging代理模型,进而通过数值模拟策略对所构建的Kriging模型进行分析,最终求解得到各个输入变量基于失效概率矩独立重要性测度的主效应和总效应,给出各个输入变量对于失效概率的影响程度排序。相比于现有方法,所提方法由于引入Kriging代理模型极大地降低了对响应函数的计算次数,同时保证了重要性分析的计算精度。两个工程应用实例结果表明了所提方法在计算效率和计算精度方面的优势,体现了所提方法良好的适用性。     

角接触球轴承生热预测方法与灵敏度分析

通过拉丁超立方实验设计法获取角接触球轴承NSK-7015C的结构参数样本数据,采用Newton-Raphson法求解轴承变形几何协调方程、滚动体平衡方程和内圈平衡方程所构成的非线性方程组。应用Kriging和Monte Carlo相结合的方法(AK-MCS)构建样本数据与轴承生热的函数关系,在此基础之上使用全局灵敏度计算方法计算轴承结构参数对轴承生热的影响。研究结果表明:在相同轴承结构参数下,采用AK-MCS法预测的轴承生热与轴承拟静力学分析模型求得的结果差值均小于0.003 W,说明AK-MCS算法的预测结果具有较高的准确性；轴承生热对轴承滚动体直径变化反应最灵敏,轴承内、外圈沟道直径影响次之,轴承内、外圈沟道曲率半径影响最小,该研究能够为轴承结构参数的设计优化和加工精度的选择提供理论依据。      

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。     

共因失效条件下多状态系统选择性维修优化

共因失效（CCF）广泛存在于多状态系统（MSS）中,研究共因失效条件下多状态系统的维修优化问题,对于提高系统任务成功概率、降低故障损失具有重要意义。考虑多状态系统、任务剖面和随机共因失效的模糊特性,采用模糊马尔可夫模型（FMM）和模糊通用生成函数（FUGF）法,建立了模糊随机共因失效条件下模糊多状态系统（FMSS）任务成功概率评估解析模型（AM）,采用Monte Carlo仿真（MCS）方法对模型进行了验证;考虑维修费用约束,建立了模糊随机共因失效条件下模糊多状态系统选择性维修优化模型,为生成最优维修方案提供支持,结合实际案例,分析了随机共因失效对选择性维修优化和系统各状态的模糊概率的影响,验证了模型的有效性。研究结果表明,模糊随机共因失效和各模糊参数的α水平截集可能会影响选择性维修优化的结果,且忽略模糊随机共因失效会高估系统任务成功概率。     

一种改进的航空发动机结构概率风险评估方法

针对航空发动机适航条款FAR33.75中关于发动机限寿件(ELLP)结构失效概率要求,提出了一种基于Kriging和蒙特卡罗半径外重要抽样(MCROIS)混合的结构概率风险评估方法。该方法针对ELLP高维、小失效概率事件以及极限状态函数为隐式、高度非线性的特点,利用Kriging元模型模拟隐式极限状态函数,然后通过主动学习迭代算法,计算最优点(MPP,最接近设计验算点的样本点),更新实验设计(DOE)并提高Kriging元模型的模拟精度。在此基础上,利用Kriging元模型确定最优抽样半径,构造半径外重要抽样密度函数,在最优抽样半径确定区域进行抽样,通过构造主动学习函数,使样本点更多落在抽样半径确定的球区域附近,加速失效概率计算的收敛,并构建了ELLP风险概率模型,解决了高维、小失效概率事件以及隐式、非线性极限状态函数的发动机结构概率风险评估难题,以某型发动机低压压气机轮盘为应用示例,与传统的蒙特卡罗仿真(MCS)方法进行了对比,验证了该方法的高效率、鲁棒性和仿真精度。     

Reliability analysis based on a novel density estimation method for structures with correlations

Estimating the Probability Density Function (PDF) of the performance function is a direct way for structural reliability analysis,and the failure probability can be easily obtained by integration in the failure domain.However,efficiently estimating the PDF is still an urgent problem to be solved.The existing fractional moment based maximum entropy has provided a very advanced method for the PDF estimation,whereas the main shortcoming is that it limits the application of the reliability analysis method only to structures with independent inputs.While in fact,structures with correlated inputs always exist in engineering,thus this paper improves the maximum entropy method,and applies the Unscented Transformation (UT) technique to compute the frac tional moments of the performance function for structures with correlations,which is a very efficient moment estimation method for models with any inputs.The proposed method can precisely estimate the probability distributions of performance functions for structures with correlations.Besides,the number of function evaluations of the proposed method in reliability analysis,which is determined by UT,is really small.Several examples are employed to illustrate the accuracy and advantages of the proposed method.     

基于偏导数的全局灵敏度指标的高效求解方法

在全局灵敏度分析领域,基于偏导数的全局灵敏度指标由于其优良的特性得到了广泛的关注。针对目前求解基于偏导数的全局灵敏度指标计算效率低的问题,提出了一种高效的求解方法。该方法利用乘法降维近似地将响应函数展开为连乘积的形式,从而将求解偏导数全局灵敏度的高维积分问题转化为一维积分的连乘积,在保证计算精度的前提下大大降低了求解基于偏导数的全局灵敏度指标的计算量。在求解特定点的偏导数时,采用了复数步长方法,提高了计算精度。最后,通过算例验证了所提方法的准确性和高效性。     

民用航空发动机顶层故障事件的概率计算研究

为满足民用航空发动机的安全性目标,发动机顶层故障事件(顶事件)的风险应被控制至可接受状态。针对顶事件的风险控制要求,细化为顶事件的预期发生概率应被控制至可接受值以下。基于顶事件的预期发生概率要求,提出了从上到下分析导致顶事件发生的潜在原因并逐级建造故障树的方法,阐述了故障树分析的开展时机及作用。然后,对顶事件发生概率的计算进行了研究,通过考虑顶事件的飞行阶段影响因素、故障树最小割集及其概率、底事件失效率及其风险时间,提出了顶事件发生概率的计算模型。同时,结合示例对顶事件发生概率的计算模型进行了应用,以验证顶事件概率计算方法的可行性。提出顶事件概率计算模型,为发动机顶层故障事件风险控制要求提供有力的技术支撑。     

ACT验证机FBW系统的率模可靠性分析

率模(Profust)可靠度是一种新的可靠性指标,能全面刻划系统的可靠性行为。将ACT验证机FBW系统的故障分为三个等级:影响安全的故障、影响任务的故障和需要维修的故障,从而对该系统进行率模可靠性分析。还基于率模不可靠度定义故障危害度,使得故障危害度不仅可以合理比较不同故障模式的影响大小,而且直接反映故障模式对系统可靠性行为的影响程度。结论是将率模可靠度作为系统的一个设计指标是可取的。     

离散时间T-S动态故障树在民用飞机辅助动力装置系统安全性评估中的应用研究

辅助动力装置（APU）是安装于飞机上的、用于提供辅助动力源的、自成体系的小型发动机。在民用飞机APU系统安全性评估过程中,逐步采用动态故障树对传统故障树进行优化,使故障树分析结果能够更加精确地体现系统失效的动态特性。不同于传统故障树可以根据布尔逻辑求解,动态故障树一般需要转化为同构的状态空间模型才能求解。这种求解过程欠缺通用性,并且存在指数爆炸问题。采用离散时间T S动态故障树计算方法,计算了APU系统故障树中的一段子树的顶事件的失效概率,并与使用马尔可夫模型计算的结果进行比较。计算结果发现随着任务时间分段的增加,相对误差单调下降。当任务时间分段大于5时,相对误差小于1%,在计算精度满足要求的情况下能够显著降低计算成本。