多项式基函数神经网络的结构可靠性分析

研究了多项式基函数神经网络法的结构可靠性计算.当结构的极限状态函数复杂,非线性程度较高,功能函数为隐式时,传统的结构可靠度分析方法计算困难,多项式基函数神经网络法为解决结构可靠性分析提供了一种新方法.基于多项式逼近理论,利用神经网络模拟逼近能力,将多输入多项式作为网络的激励函数,利用激励函数的广义逆矩阵形式计算网络隐层与输出层的连接权值,拟合结构的功能函数.利用可靠度的一阶可靠性方法计算结构的失效 概率.通过实例计算,表明了本方法计算精度高,同时公式简单,易于编程,具有通用普遍性.     

基于降维算法和Edgeworth级数的结构可靠性分析

针对工程实际中存在功能函数为隐式或高维非线性的复杂结构,本文提出了一种基于降维算法和Edgeworth级数的可靠性分析方法。利用降维算法将n维函数展开为n个一维函数,经变量转换后变量都相互独立且服从均值为0、方差为0.5的正态分布,再结合Gauss-Hermite积分方法计算出一维函数的原点矩,从而得到结构功能函数的中心矩,将所得的矩信息应用到Edgeworth级数展开式中,给出功能函数的累积分布函数表达式,计算得到结构的失效概率。该方法避免了功能函数对变量梯度的要求,仅需少量的确定性重分析计算。数值算例结果表明了本方法的有效性和正确性。