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。     

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。     

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。     

基于优化Kriging模型和重要抽样法的结构可靠度混合算法

 结构可靠度分析计算通常采用多项式响应面拟合隐式极限状态函数,但对于复杂航空航天机械结构产品极限状态方程往往表现出高度非线性,此时多项式响应面的模拟精度不够就会造成计算不收敛。为了提高结构可靠度计算的精度、效率和收敛性,提出了基于优化Kriging模型和重要抽样法的结构可靠度计算方法。首先,利用人工蜂群算法对Kriging模型的参数进行优化;再用优化后的模型模拟隐式极限状态函数,结合重要抽样法不断修正抽样重心,逐步提高模拟精度以达到给定要求;最后,结合一阶矩法(FORM)/二阶矩法(SORM)经典算法求解结构可靠度。该方法提高了高度非线性隐式极限状态方程可靠度计算的精度和收敛性,并且具有较高的计算效率。     

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。     

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.     

基于IGA算法优化的RBF神经网络应用

提出了一种基于改进遗传算法(Improved Genetic Algorithm,IGA)优化的径向基函数(RBF)神经网络,将实数编码的自适应交叉和变异操作的遗传算法与梯度下降法混合交互运算,作为RBF网络的学习算法,并应用于非线性函数的逼近和导弹故障模式的识别问题。仿真结果表明,基于IGA算法的RBF神经网络不仅结构简单,而且具有较好的网络泛化性能。     

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。     

Reliability and Sensitivity Analysis of Transonic Flutter Using Improved Line Sampling Technique

The improved line sampling (LS) technique, an effective numerical simulation method, is employed to analyze the probabilistic characteristics and reliability sensitivity of flutter with random structural parameter in transonic flow. The improved LS technique is a novel methodology for reliability and sensitivity analysis of high dimensionality and low probability problem with implicit limit state function, and it does not require any approximating surrogate of the implicit limit state equation. The improved LS is used to estimate the flutter reliability and the sensitivity of a two-dimensional wing, in which some structural properties, such as frequency, parameters of gravity center and mass ratio, are considered as random variables. Computational fluid dynamics (CFD) based unsteady aerodynamic reduced order model (ROM) method is used to construct the aerodynamic state equations. Coupling structural state equations with aerodynamic state equations, the safety margin of flutter is founded by using the critical velocity of flutter. The results show that the improved LS technique can effectively decrease the computational cost in the random uncertainty analysis of flutter. The reliability sensitivity, defined by the partial derivative of the failure probability with respect to the distribution parameter of random variable, can help to identify the important parameters and guide the structural optimization design.     

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。     

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。     

基于神经网络的机械系统可靠性评价模型

机械系统相关失效的存在,严重地削弱了冗余结构的安全作用。从系统层的应力强度—干涉模型出发,通过Monte-Carlo仿真不同冗余系统的各阶失效概率,获得失效数据。利用BP神经网络算法的函数逼近功能、非线性映射功能和容错能力对系统相关失效概率模型进行离散化处理,建立系统失效概率与零件失效数据之间的非线性关系,进而构建基于神经网络的机械系统可靠性评价的参数化模型。利用该模型可以预测系统中的任意阶相关失效概率。实例给出其应用方法并与实验结果进行对比,表明该方法准确可靠。     

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...     

混合变量系统基于MCMC的自适应重要抽样法

 系统关键故障的发生,会导致系统处于各种离散性能降级状态.针对传统的基于马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)的自适应重要抽样法只适用于连续变量系统的不足,提出考虑混合变量的基于MCMC的自适应重要抽样法,以支持系统性能可靠性的高效仿真.该方法首先将由关键故障产生的不同失效域组成失效空间,并通过初始样本点在失效空间中随机游走构造马尔可夫链模拟样本;然后综合考虑连续变量与离散变量,利用核密度估计构建混合核抽样密度函数;再根据该密度函数进行重要抽样仿真并计算系统的性能可靠性;最后对该方法的仿真效率进行理论分析.通过电液舵机(Electro-Hydrostatic Actuator,EHA)案例对方法的正确性和仿真效率进行验证.     

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。     

基于深度神经网络的空中目标作战意图识别

传统基于空中目标特征状态推理作战意图的方法,需要大量的领域专家知识对特征状态的权重、先验概率等进行量化,明确特征状态与意图之间的对应关系,而神经网络可以在领域专家知识不足条件下,通过自身训练得到特征状态与意图之间的规则。针对反向传播（BP）算法在更新网络节点权值时收敛速度慢、容易陷入局部最优的问题,通过引入ReLU（Rectified Linear Unit）激活函数和自适应矩估计（Adam）优化算法,设计了基于深度神经网络的作战意图识别模型,提高了模型收敛速度,有效地防止陷入局部最优。仿真结果表明,所提方法能够有效识别空中目标作战意图,获得更高的识别率。     

飞机舱门锁机构多失效模式可靠性分析方法

如何提高飞机舱门锁机构关闭系统的可靠性计算效率,减少计算时间,降低舱门故障率是亟待解决的 问题。选取某型飞机舱门锁机构为研究对象,通过 LMS建立飞机舱门锁机构仿真模型,研究锁机构关闭过程 中最大液压力失效和关锁时间失效模式的影响因素,考虑两种失效模式之间的相关性,基于重要抽样法和 B-P 神经网络方法,计算飞机舱门锁机构多失效模式下的可靠性;将这两种方法仿真计算结果与传统蒙特卡罗方法 计算结果进行对比,结果表明:以上两种计算飞机舱门锁机构可靠性的方法是合理的,其误差范围均在3%以 内,且两种方法的计算效率相较于传统方法均有所提高;其中,B-P神经网络方法比重要抽样法计算精度和效 率更高,更适用于研究飞机舱门锁机构的可靠性问题。     

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。     

PSO-RBF神经网络在舵机系统故障诊断中的应用

文章建立了基于RBF神经网络的故障观测器模型,提出了一种将粒子群优化算法(PSO)与正则化正交最小二乘法(ROLS)相结合的2级RBF学习方法,并将该RBF网络观测器应用于导弹舵机系统的故障诊断.实验结果表明,基于该RBF神经网络的故障观测器能够有效地实现导弹舵机系统的故障检测.     

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。