基于Kriging代理模型的失效机会测度算法

结构输入变量中同时存在随机输入变量和模糊输入变量情况下,失效机会测度可以很好地衡量结构的安全程度。但是,现有的混合模拟法计算失效可信度是一个双层循环过程,需要调用大量的功能函数。尤其对于大型复杂结构来说,混合模拟法的计算量是难以接受的。因此,本文将混合模拟法和自适应Kriging代理模型相结合,发展了一种失效机会测度的高效算法。通过U学习函数来自适应地选择训练样本点,进而可以自适应地构建功能函数的Kriging代理模型。在备选样本池中自适应训练至收敛的Kriging代理模型可以以要求的精度区分备选样本池中每个样本点的状态是失效还是安全的。因此,可以用收敛的Kriging代理模型代替真实的功能函数,进而通过混合模拟计算失效机会测度,这极大地降低了功能函数调用次数。最后,本文通过两个算例来验证本文发展算法的精确性和高效性。     

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。     

基于密度权重的可靠性灵敏度分析方法简

 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。     

结构非概率可靠性灵敏度分析方法

 结构非概率可靠性的灵敏度分析对工程中非概率问题的分析预测和优化具有重要的指导作用。基于结构非概率可靠性指标理论,提出了结构非概率可靠性的灵敏度分析方法。针对极限状态函数为线性的情况,推导出了非概率可靠性灵敏度的解析解。在此基础上,结合函数线性化理论,提出了求解极限状态函数为非线性情况的非概率可靠性灵敏度的近似解析方法。基于求解非概率可靠性指标的优化方法,并结合差分理论,提出了求解非概率可靠性灵敏度的优化方法。给出了算例分析,结果表明了所提方法的可行性。