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。     

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。     

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。     

赘余桁架结构可靠性的计算方法

 本文在现有的一些国际流行的有关计算赘余桁架结构可靠性方法的基础上加以改进,提出了计算赘余桁架结构可靠性的强度削减一人造外载法。它将结构的失效看作是一个前后相关的失效过程,而不是象以往的算法那样,将结构的失效看作是一些孤立的状态,因而更真实地反映了赘余结构失效的方式和实质,更准确地计算出了结构真实失效概率的上下界。算例结果表明,本文算法是切实可行的。     

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。     

某型飞机平尾转轴可靠性灵敏度分析

采用了基于改进一次二阶矩法、基于Monte-Carlo直接模拟法、基于重要抽样法的可靠性灵敏度分析方法以及一种基于重要抽样的可靠性灵敏度分析方法,对某型飞机平尾转轴进行可靠性灵敏度的求解,并分析了某型飞机平尾转轴可靠性灵敏度随变异系数变化的趋势,为其可靠性设计提供了参考信息。通过4种方法结果相比较,可以说明各种方法的特点并验证了它们在工程问题上的可行性。     

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。     

保证飞行器可靠性的一个方法

 研究了在飞机器设计和试验研究阶段保证结构可靠性的问题 ,提出了在地面及飞行试验阶段合理选择试验策略和确定试验规模的具体方法 ,并给出了算例。用本文方法所获得的分析结果可以作为飞行器的不同试验阶段可靠性、安全系数与试验规模的一种综合评定     

基于非概率模型的结构稳健可靠性设计方法

 基于非概率可靠性理论,将稳健设计和稳健可靠性的思想和方法用于结构设计,提出了结构的稳健可靠性设计方法。把结构设计归结为满足可靠性要求的多目标优化。其中,以非概率可靠性指标为约束,以极小化结构重量 (或造价)和极大化对不确定因素的稳健性为目标。目的在于使结构在满足可靠性要求的前提下,其重量 (或造价)和对不确定因素的稳健性达到协调最优。在不确定参量的已知数据很少的情况下,本方法为结构的可靠性设计提供了一种可能的选择。数值算例说明了文中方法的应用。     

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。     

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...     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题,本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理,用混合高斯模型逐步逼近最优重要抽样密度函数,并采用AK模型协助逼近过程中混合高斯模型的参数的更新,从而提高了CE-IS方法的计算效率。另外,本文还改进了CE-IS方法的收敛准则,避免了方法的冗余迭代,扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型,因此,本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法,本文方法中引入了重要抽样的思想,因此在Kriging训练点数目基本相同的情况下,大幅缩减小失效概率计算时样本池规模,并且由于利用了混合高斯模型,因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。     

基于概率方法的航天器姿态控制系统参数设计

针对传统航天器控制系统参数设计方法中存在的设计保守、主观经验性较强等缺点,使用概率分布对参数不确定性进行量化描述,采用概率指标代替确定性指标,对参数随机分布的系统进行概率分析,并使用可行域图对设计空间进行表征。在此基础上,应用概率优化方法对控制器参数进行优化设计。最后,通过实例对提出的方法进行仿真验证。仿真结果表明,概率分析方法能够放宽参数的设计空间,通过概率优化方法可以得到满足概率指标要求的设计结果,提高了设计效率。     

基于自适应随机抽样敏度分析的双向渐进结构优化方法

为了解决周期循环结构拓扑优化难题,在传统的双向渐进结构优化方法(BESO)的基础上,引入了一种自适应参数策略和随机抽样的方法,提出了基于自适应随机抽样敏度分析的双向渐进结构优化方法,该方法同样适用于非周期结构.以该方法为基础,对Michell桁架结构进行了拓扑优化设计,得到了与理论解一致的结构,并且相对初始结构质量减少了71.5%,说明了所提方法的正确性.基于此方法对多辐板风扇盘进行了结构拓扑优化设计,得到了三辐板风扇盘结构,相比同等设计条件下的参考风扇盘质量减少了17.12%,进一步说明了此方法具有处理复杂周期循环结构拓扑优化设计问题的能力,另外此方法克服了传统双向渐进结构优化方法中容易产生的振荡问题.      

一种改进的航空发动机结构概率风险评估方法

针对航空发动机适航条款FAR33.75中关于发动机限寿件(ELLP)结构失效概率要求,提出了一种基于Kriging和蒙特卡罗半径外重要抽样(MCROIS)混合的结构概率风险评估方法。该方法针对ELLP高维、小失效概率事件以及极限状态函数为隐式、高度非线性的特点,利用Kriging元模型模拟隐式极限状态函数,然后通过主动学习迭代算法,计算最优点(MPP,最接近设计验算点的样本点),更新实验设计(DOE)并提高Kriging元模型的模拟精度。在此基础上,利用Kriging元模型确定最优抽样半径,构造半径外重要抽样密度函数,在最优抽样半径确定区域进行抽样,通过构造主动学习函数,使样本点更多落在抽样半径确定的球区域附近,加速失效概率计算的收敛,并构建了ELLP风险概率模型,解决了高维、小失效概率事件以及隐式、非线性极限状态函数的发动机结构概率风险评估难题,以某型发动机低压压气机轮盘为应用示例,与传统的蒙特卡罗仿真(MCS)方法进行了对比,验证了该方法的高效率、鲁棒性和仿真精度。     

一种基于Kriging和Monte Carlo的主动学习可靠度算法

机械结构可靠性分析时,常常会采用代理模型拟合隐式功能函数来解决计算量大的问题,但由于试验设计方案需要同时考虑代理模型的拟合精度和可靠度计算精度的问题。因此,为了能够充分使用较少的样本信息,最大化可靠度计算精度,本文充分发挥Kriging预测的随机特性,提出一种主动学习可靠度计算方法。首先,类似于优化问题中改善函数的选点方式,提出一种基于Kriging预测的学习函数,基于Monte Carlo法生成大量的候选样本点,找出学习函数最小值对应的样本点作为最佳取样点。其次,推导和提出了一种学习停止的条件,保证了Monte Carlo样本点预测符号的正确性且学习次数明显减小。最后,通过2个数值算例分析结果表明,该算法相比其他方法需要更少的样本数量,得到的可靠度计算精度更高,验证了本文算法的正确性和高效性。