一种平均矩独立重要性指标及其拒绝抽样方法

在矩独立重要性分析过程中,重要性指标往往用于衡量结构系统输出不确定性向输入变量不确定性的逆向分配问题。假设输入参数的方差可以减缩一定比例因子,那么矩独立重要性指标可以定义为该缩减因子的函数。同时,假设输入参数的方差缩减因子为一随机变量,那么可以取矩独立重要性指标函数的均值定义一个新的平均矩独立重要性指标。由于使用Sobol方法计算平均矩独立重要性指标的模型需要循环抽样,计算量很高,故引入拒绝抽样（RS）方法,通过重复利用矩独立重要性分析中的一组输入输出样本,就可以额外计算得到矩独立指标函数和平均矩独立重要性指标,这大大节约了计算成本。本文所提指标函数及平均指标的有效性和RS方法的准确性、高效性通过数值和工程算例得以验证。      

一种高效计算各类基于方差灵敏度指标的方法

为同时计算各类基于方差的灵敏度指标,提出了基于空间分割和无迹变换(UT)的计算方法,其可以重复利用一组样本点近似计算出基于方差的全局灵敏度指标(Sobol指标)、基于方差的区域灵敏度指标以及基于方差的W指标。除此之外,还对基于方差的W指标进行了改进,改进的基于方差的W指标除包含原始指标所提供的信息外,还包含了输入变量取不同实现区间时对输出响应方差影响的变异性,可以更合理地反映调整输入变量的不同取值区间对输出离散程度的平均影响。数值算例以及工程算例的计算结果表明了本文方法在计算上的准确性以及改进的基于方差的W指标的合理性。      

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。     

结构输出响应概率密度估计中分数矩求解方法

鉴于概率不确定性背景下基于分数矩极大熵准则的结构可靠性分析方法具有较大的效率与精度优势,综合研究并给出了可以用于极大熵准则中约束条件输出响应分数矩求解的3种分数矩求解方法,包括降维积分(DRI)方法、稀疏网格积分(SGI)方法和无迹变换(UT)方法。阐述了分数矩求解原理及过程,给出了方法的计算效率,并分析了方法的适用性。3种分数矩求解方法在确保计算精度的同时可以很大程度减少结构输入-输出模型的调用次数,大幅提高统计分析效率。通过与Monte Carlo仿真分析法对比,验证了3种分数矩求解方法的正确性与高效性。      

基于规则灵敏度的模糊逻辑系统结构简化方法

基于规则灵敏度给出了模糊逻辑系统结构简化的一种方法.首先引入规则灵敏度的概念,在此基础上构造一个新的函数,并将其作为罚函数加入目标函数作为新的性能指标.通过优化性能指标来调整模糊逻辑系统的参数,使其输出在逼近期望输出的同时,有尽可能多的规则灵敏度接近于0.通过消去灵敏度接近于0的规则可达到简化系统结构的目的.仿真结果证实了所给方法的有效性.     

基于不确定性的航空装备体系保障性评估

针对航空装备体系结构复杂、要素繁多、耦合性强的特点，对其保障流程进行了研究。采用多Agent建模技术开展航空装备体系保障性仿真建模，并进行分析评估；考虑到保障过程中大量存在的主客观不确定性因素，分别采用模糊变量和随机分布2种变量形式予以描述；为符合客观变量动态时变的特点，将基于交叉熵的最大似然估计和哈密顿蒙特卡罗方法相结合，实现基于信息更新的仿真参数描述，优化航空装备体系保障仿真模型。以一个典型战训任务为例，验证了所提方法的可行性和准确性。      

基于方差的保障时间不确定性分析

装备的保障过程由于受到保障活动参数的影响存在着较大的不确定性.针对保障过程的不确定性问题,建立了基于方差的保障活动不确定性重要度作为保障过程全局敏感性分析指标;根据保障过程工期的GERT（Graphic Evaluation and Review Technique）模型,设计了一种基于方差的保障时间不确定分析方法来计算保障活动的时间不确定性重要度,并对该方法进行解析求解,给出了具体步骤.最后,将舰载机航空保障作为案例,验证了方法的有效性.     

压力传感器动态特性参数不确定度评定

压力传感器动态特性参数的不确定度是表征其动态测量性能的重要指标。提出了一种压力传感器动态特性参数的不确定度评定方法。首先,使用激波管动态校准系统产生阶跃压力信号激励压力传感器,得到传感器的输出信号;其次,采用基于经验模态分解（EMD）的传感器输出信号预处理方法,减小动态校准过程中噪声的影响;然后,根据传感器的输入输出信号,采用自适应最小二乘法建立压力传感器的数学模型,进而得到其时频域动态特性参数;最后,针对重复校准实验得到的动态特性参数序列的小样本特点,采用自助法计算参数的扩展不确定度和相对不确定度。采用激波管系统对压力传感器进行多次重复动态校准实验,计算时频域动态特性参数的不确定度,并与现有方法进行对比。实验结果表明:本文方法可以弥补贝塞尔法在处理小样本量数据中的不足,且与蒙特卡罗法的不确定度评定结果相对误差小于10%,说明本文方法可以有效地评定压力传感器动态特性参数的不确定度。分析时频域动态特性参数的相对不确定度得到传感器的工作频带和超调量受噪声的影响较大,为动态校准实验条件的改善提供了重要依据。      

多种失效模式履带车辆扭力轴可靠性稳健设计

履带车辆扭力轴通常存在多种失效模式,因此对其进行灵敏度设计分析时需要充分考虑不同失效模式的影响。提出一种多失效模式机械零件可靠性灵敏度分析的数值方法,运用随机摄动理论和四阶矩技术,求得各个失效模式状态函数的前四阶矩和可靠性指标,有效解决了结构随机变量参数分布未知时,不同失效模式下构件可靠度的计算问题。根据机械零件发生一种失效模式即整体失效的具体特点,研究含相关性的不同失效模式机械零件的可靠度计算方法。结合灵敏度分析的梯度算法,推导出关于随机变量均值和方差的灵敏度计算公式,进而根据灵敏度的分析结果,提出多种失效模式下多目标优化的可靠性稳健设计模型。数值算例表明,本文方法可以高效迅速地估计多失效模式下机械构件的可靠性灵敏度。最后还对其进行了可靠性稳健优化设计研究。      

漂浮基闭链双臂空间机器人抓持系统动力学及载荷力/位置混合控制的模糊变结构控制器设计

讨论了载体位置、姿态均不受控制的漂浮基双臂空间机器人抓物系统的动力学建模和控制问题. 利用拉格朗日方法和牛顿欧拉法分别建立了双臂空间机器人及负载的非线性动力学模型, 结合空间机器人固有的特性及闭合链约束关系, 得到抓持系统合成动力学方程. 以此为基础, 考虑到空间机器人系统结构的复杂性及某些参数的变动性, 根据具有较强鲁棒性的变结构控制理论, 针对该抓持系统惯性空间轨迹跟踪设计了全局滑模控制方案及相应的PI内力控制方案, 从而达到位置、力的混合控制. 为克服滑模控制器抖振的缺点, 附加设计了模糊控制器, 根据系统的输出来动态调节滑模控制器的参数, 从而既可确保系统的快速响应又可降底原有的抖振. 系统数值仿真证明了上述控制方案的有效性与准确性.      

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.