一种新的多输出重要性测度及其高效计算方法

基本变量重要性测度分析是结构安全评估以及工程优化设计的一项必要工作。本文结合矩独立重要性测度思想和基于方差的重要性测度思想,提出了一种新的适用于多个输出的重要性测度。所提测度利用概率积分转化(Probability integration transformation,PIT),将输出的不确定性由输出的联合分布函数来表征。在多输出情况下,相比单纯基于方差的重要性测度,所提测度能够同时包含各个输出的不确定性及其相关性。而相比单纯的矩独立重要性测度,由于它使用方差来衡量变异性,因而求解过程更为简便。在计算多输出的分布函数时,本文采用基于分数矩的极大熵方法结合Nataf变换法,在保证求解精度的同时大大降低了模型调用次数。数值和工程算例说明了该测度的合理性以及计算方法的高效性。     

基本随机变量的重要性测度及其概率密度演化算法

为进一步完善当前的基本变量的重要性分析,在单一的矩独立的重要性测度指标的基础上,建立了一个新的矩独立的重要性测度指标体系,该体系包括基本变量的总重要性测度、平均总重要性测度、主重要性测度和平均主重要性测度,用以衡量不同要求下基本随机变量对系统或模型输出响应整体不确定性的影响程度.给出了各个重要性测度指标的定义,分析了各个重要性测度指标的工程意义和适用范围.结合概率密度演化方法高效、准确的优点,提出了一种基于概率密度演化方法的重要性测度求解方法.文中算例证明:所提指标体系相比当前指标体系更加全面合理,所提方法能在高精度求得各重要性测度结果的基础上大幅提高计算效率.     

模拟镍基单晶合金复杂应力状态试样型式分析设计

计算分析指出对于以滑移为基本变形机理的镍基单晶合金，受拉扭外载的薄壁圆筒试样其滑移分切应力沿周向不再均匀分布，平板剪切试样其受剪面处于正应力和剪应力共用作用，都不适宜作为复杂应力状态试样。带缺口双剪试样适合于模拟复杂应力状态，但缺口的大小和形状影响受剪面的应力分布。本文在数值计算的基础上，给出了最适宜的试样尺寸及变形量的计算公式；针对国产DD3单晶，进行了初步的试验。     

涡轮叶片流固耦合协作优化方法

针对结构和流场相互影响的流固耦合多学科设计问题,提出一种耦合量曲面拟合的协作优化方法。其特点是用曲面函数拟合结构-流场界面耦合量(温度、气压和变形)的空间分布,并用曲面拟合参数的一致性代替原有耦合量界面分布的学科一致性。涡轮叶片的算例表明:曲面拟合函数可以表征结构和流场界面的耦合量;用拟合参数的一致性代替界面直接耦合是可行的;该协作优化方法是可以用来解决流固耦合多学科优化设计问题的。     

同时考虑基本变量和失效域模糊性的广义失效概率数字计算方法

针对基本变量和失效域均具有模糊性的广义可靠性分析问题,提出了一种基于模拟退火优化的高效数字计算方法。在数字模拟的过程中,由模拟退火优化的Metropolis准则逐渐优化提取样本的重要抽样密度函数。由于基本变量和失效状态均含有模糊不确定性,因此所提算法在构造重要抽样函数时考虑了两个因素的影响,其一是基本变量的等价联合概率密度函数,其二是状态变量对模糊失效域的隶属函数,从而使得对广义失效概率贡献大的样本出现的概率较大,提高了抽样效率和计算精度。所提算法在模拟退火逐渐寻优的过程中,充分利用了过程中的信息,进一步提高了计算的效率,算例的结果也表明本文所提方法是合理可行的。     

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。      

基于核主成分分析的多输出模型确认方法

目前对于不确定性环境下多个相关的复杂计算模型进行确认的方法存在计算困难及稳定性较差的问题。针对这类复杂计算模型,提出了一种新的基于核主成分分析(KPCA)的多输出模型确认方法。该方法将核主成分分析与面积法的思想相结合,构造了一个新的易于计算且稳定性高的模型确认指标。所提方法通过核主成分分析将相关的输出变量转化为不相关的核主成分,再对每一核主成分进行模型与实验的对比,从而避免了传统多输出模型确认方法中需要求解多个输出的联合累积分布函数的困难。由于核主成分分析(PCA)方法能够有效提取分析对象的非线性成分,因此基于核主成分分析的多输出模型确认方法较基于主成分分析的模型确认方法更为稳定,这表现在相同的实验样本数据下核主成分分析的方法具有更低的出错率。另外核主成分分析通过核主成分提取,可以实现多输出模型的降维,从而降低多输出模型确认的复杂度。所提方法既可以用于一般的多输出模型的确认,也可以用于多确认点的输出模型的确认。最后通过数值算例和工程算例证明了该方法的正确性与有效性。