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。     

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。     

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。     

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。     

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。     

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。     

含有正态相关变量的多设计点/多失效模式情况下的方向抽样可靠性灵敏度分析

针对含有正态相关变量的多设计点/多失效模式系统的可靠性问题,提出了两种有效的基于方向抽样的可靠性灵敏度分析方法。可靠性灵敏度分析方法的基本思路是首先将正态相关变量进行等价独立标准正态变换,利用改进的方向抽样可靠性灵敏度分析方法得到独立标准正态空间的可靠性及灵敏度结果;通过复合求导法则,将独立标准正态空间的可靠性及灵敏度结果转化到正态相关空间,得到失效概率对相关正态变量分布参数(均值、标准差和相关系数)的偏导数,并对所推导的可靠性及灵敏度估计值进行了方差分析。与经典的MonteCarlo数字模拟法相比较,文中所列的数值算例和简单工程算例的分析结果验证了所提方法的可行性与有效性。     

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。     

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.     

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.     

基于灵敏度的可靠性优化解耦方法

针对航空结构可靠性优化设计问题,提出了一种基于灵敏度的可靠性优化(RBO)解耦方法。首先将高效求解的可靠性灵敏度用于失效概率函数(FPF)的快速构建,其优点在于仅需要一次可靠性分析即可得到失效概率函数的局部近似,克服了常规求解方法中需要多次可靠性分析的缺点;然后将得出的FPF近似代入RBO模型中,将原问题解耦成确定性优化子问题,可用常规优化方法来求解。另外,采用了序列近似优化策略来保证可靠性优化解的正确性。文中给出了复合材料梁和机翼三盒段结构的优化求解算例来说明本文方法的可行性和正确性。     

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。     

基于乏信息失效数据的可靠性评估方法

基于乏信息失效数据,提出了机械产品可靠性的最大熵评估模型.根据可靠性经验值公式,获得失效数据的可靠性经验值向量,并逆推出离散失效频率向量即获得统计直方图;基于区间映射的牛顿迭代方法获得具有最大熵的概率密度函数,对其积分获得失效概率分布函数,进而得到可靠性估计真值函数.仿真案例和试验案例研究证明该方法可以很好地评估已知分布的可靠性并有效地解决只有失效数据而没有概率分布任何先验信息的可靠性评估问题.在寿命给定时,最大熵方法获得的可靠性取值与已知分布获得的可靠性取值之间的差值非常小仅为3.40%.