全局灵敏度分析的支持向量机方法

结构全局灵敏度分析中存在隐式极限状态函数和高计算量困难问题,提出支持向量机和蒙特卡洛方法相结合的一种新的全局可靠性灵敏度分析方法。该方法采用支持向量机拟合输入变量与输出响应之间的关系,同时采用均匀映射得到更多数量的失效样本以获得高精度的代理模型,故仅需少量样本即可将隐式极限状态函数显式表达,与直接蒙特卡罗方法相比,可显著提高计算效率。数值算例和工程算例表明所提方法具有一定的工程应用价值。     

复杂结构体系可靠性分析主要失效模式枚举的工程准则法

在考虑复杂结构的材料性能、外部载荷的随机性基础上，首次建立了以概率相对重要度为指标的枚举复杂结构系统强度、刚度主要失效模式的工程准则，此准则考虑了模式各类变量均值对概率相对重要度的影响，也考虑了元件强度和允许位移值的变异性。最后给出某型飞机全动平尾转轴体系可靠性分析算例。     

塑性材料专用ELID磨削液的研制

结合已有的两种ELID专用磨削液的研制经验,通过增添表面活性剂和调整无机盐等成分的比例关 系,优化出适合塑性材料ELID磨削最佳状态的专用ELID磨削液(BJUTY-SX1型).     

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。     

基于失效概率的涡轮后机匣全局灵敏度分析

涡轮后机匣是航空发动机安全的关键部件,但是其具有工况复杂、不确定性因素多的缺点。为了探究输入随机变量的不确定性对涡轮后机匣结构失效概率的影响,建立参数化有限元模型进行确定性分析。考虑材料性能、几何参数及外部载荷的不确定性,对涡轮后机匣两种典型失效模式：强度失效以及刚度失效建立极限状态函数;通过构造自适应Kriging 代理模型并结合重要抽样方法评估涡轮后机匣结构失效概率,利用基于失效概率的全局灵敏度方法对涡轮后机匣结构可靠度的不确定性来源进行分析,对各输入随机变量重要性进行排序,构建一种涡轮后机匣全局灵敏度分析框架。结果表明：涡轮后机匣在两种失效模式以及系统失效模式下,发动机推力以及线性膨胀系数对结构失效概率影响最为显著,应对其重点考虑;内外机匣长度以及材料弹性模量对涡轮后机匣结构失效概率影响较小,可对其适当忽略。     

最大熵准则识别材料疲劳寿命分布

疲劳寿命具有很大的分散性,是工程结构设计中必须考虑的因素。为了降低主观不确定性的引入,得到更合理的疲劳寿命分布类型,提出一种用于识别疲劳寿命概率分布类型的一般计算方法。该方法首先根据疲劳试验样本信息确定疲劳寿命的前四阶统计矩;基于统计矩信息,利用最大熵准则确定疲劳寿命的概率分布类型。在基于最大熵准则识别疲劳寿命分布时,利用Lagrange乘子法求解最大熵分布。采用已有的航空铝合金2024-T351板件疲劳裂纹扩展试验数据验证所提计算方法的合理性和有效性。结果表明:所提方法能够高效地识别材料疲劳寿命分布类型,并且不局限于单峰标准分布类型。     

小子样场合下估算母体百分位值置信下限和可靠度置信下限的Bootstrap方法

将Bootstrap方法引入到小子样场合下母体百分位值置信下限的计算中,并与传统的单侧容限系数法和新单侧容限系数法进行了大量的对比计算,算例表明Bootstrap方法明显优于其他两种方法,在较高可靠度和置信度要求下母体百分位值置信下限不会出现负值的情况,而且计算得到的结果更接近真值。发展了一种半参数Bootstrap方法用于计算可靠度的置信下限,模拟计算表明半参数Bootstrap方法很好地克服了置信度较高时,新旧单侧容限系数计算出的可靠度置信下限过低的局限性,而且半参数Bootstrap方法的计算结果均有较高的精度。     

增广拉格朗日子集模拟优化方法

传统的工程结构优化设计方法在求解多设计变量、多约束条件的结构优化设计问题时,存在诸多不足,针对上述问题,基于增广拉格朗日约束处理方法和子集模拟优化方法发展一种新的结构优化设计方法——增广拉格朗日子集模拟优化方法(ALSSO).该方法首先利用拉格朗日乘子法处理多重约束条件,然后利用子集模拟优化方法对转化后的无约束优化问题进行求解;对罚函数因子的更新方法进行改进,以保证收敛过程的稳定性;利用两个算例对该方法的计算精度、稳健性以及计算效率进行验证,并与其他优化方法进行对比.结果表明:增广拉格朗日子集模拟优化方法具有非常优秀的寻优性能.     

支持向量回归机在结构可靠性分析中的应用

 评估结构的可靠度常常遇到隐式功能函数，对于此种情况经典的结构可靠性分析方法难以实施。目前，响应面和人工神经网络等回归方法已经广泛地用来构建显式函数替代隐式功能函数进行结构可靠性分析。支持向量回归机是一种与人工神经网络类似的新回归方法，目前很少用于结构可靠性分析。鉴于支持向量回归机出色的小样本学习性能、良好的泛化性能，本文提出了基于支持向量回归机的两种适用于隐式功能函数的可靠性分析方法：基于支持向量回归机的Monte-Carlo模拟法和基于支持向量回归机的一次二阶矩法。算例表明支持向量回归机可以在抽样范围内很好的逼近真实的隐式功能函数，减少结构分析次数。失效概率计算结果与经典方法的对照说明所提方法的计算精度较高，具有一定的实用价值。