可靠性分析的双加权响应面法

响应面法常用于极限状态函数为隐式的结构可靠度分析中,且结构的响应通常是通过有限元法求得.响应面法采用系数未知的多项式来代替隐式的极限状态方程,多项式通过一些样本点来拟合,拟合点的选取必须减少计算时间但不影响多项式近似值的质量.为了加快响应面的收敛速度,提出了一些改进,响应面采用加权拟合的方法,拟合点加权根据与真实响应面的距离和拟合点到设计点的距离来确定.这种方法的目的就是减少计算的时间而又能得到满意的结果.算例说明:这种方法具有较高的效率和准确性.     

结构可靠度分析的响应面法和随机响应面法的比较

从拟合功能函数方法、计算精度与效率、收敛性等方面对响应面法和随机响应面法进行了系统地分析.算例表明:与响应面法相比,随机响应面法实现了真正意义上的非侵入式分析.响应面法采用二次多项式响应面函数仅仅在验算点附近能较好地拟合真实功能函数,而随机响应面法采用高阶Hermite随机多项式,能在整个空间上很好地拟合真实功能函数.当随机变量个数较少时,随机响应面法的计算精度和效率均优于响应面法.并且随机响应面法可进行自身的收敛性分析,确定最优阶次的计算结果作为精确解,其收敛性也优于响应面法.     

多元指数插值响应面方法分析复杂结构可靠度

引入多元指数型插值基函数,采用正交实验设计和有限元分析生成插值点,建立指数插值响应面函数,采用随机投点法和有限元分析生成校核样本点,以校核样本点原函数值与插值函数值距离最小为优化目标,求解多元指数插值函数的待定参数,并构造迭代求解格式控制求解精度,建立了复杂结构可靠度分析的多元指数插值响应面方法.算例分析结果表明,该方法对非线性程度较强的隐式功能函数具有较高的分析精度和效率.     

结构形状优化响应面方法的改进与应用

为了克服了二维连续体形状优化过程中解析敏度求解困难的问题,利用响应面方法将目标函数和约束函数近似显式化,并建立了位移应力约束下的形状优化序列二次规划模型;为了克服响应面方法不够准确的缺点,将响应面方法进行改造,使其在设计点上取精确值;提出了改良的试验设计方法,达到了以较少的结构分析代价构造约束响应面的目的;通过建立二次评价函数,确定了具有自适应能力的运动极限,形成了具有较少计算量和较高逼近精度的优化策略.算例说明这种策略是有效而稳定的.     

基于样本累积响应面法的防波堤可靠度分析

针对传统响应面法中每次迭代均在当前验算点附近抽取新的样本构造响应面,而摒弃之前所有样本信息导致计算效率较差的不足,提出了响应面构造的改进方法—样本累积法。采用新样本和本次迭代以前所有的样本一起来构造响应面,从而最大程度地利用已有样本点的信息,避免了可靠度迭代陷入局部极值或往复震荡难以收敛的问题,提高了计算效率。如果仅选择离极限状态曲面较近的样本点参与累积和响应面的构造,可以进一步提高计算效率。通过算例验证了样本累积法的准确性和计算效率。最后采用改进方法分析了某核电工程防波堤的稳定可靠性,结果表明:地震荷载作用下,防波堤有一定的失效概率;当开山石堤身底部有淤泥夹层,结构的失效概率会变得很大,这种情况对核电工程的正常运行是非常不利的,值得工程人员重视。     

机械臂运动轨迹可靠性分析的自更新响应面法

为解决机械臂运动轨迹可靠性分析的计算效率和精确性难题,提出自更新响应面法分析机械臂运动轨迹可靠性.首先,根据等效极值思想,将机械臂的运动轨迹可靠性转换为运动误差最大时的轨迹点可靠性;其次,基于粒子群优化算法,求解随机输入在不同样本情况下运动误差达到最大时所对应的时间,利用这些数据构建关于时间的Kriging响应面,在可靠性分析过程中,通过该响应面快速预估机械臂运动误差最大时所对应的时间,以此提高计算效率;第三,基于相对均方预估误差建立自更新机制,通过加入新的样本点来提升Kriging响应面的近似精度,确保可靠性分析结果的精确性.最后,通过案例分析验证所提方法的有效性和正确性.     

基于神经网络的钢管混凝土拱桥可靠度计算

由于在大型复杂结构可靠度分析时存在的功能函数不能显式表达,因此采用基于神经网络的响应面法来研究大跨度钢管混凝土拱桥结构的可靠度.运用均匀设计方法确定试验样本点,进行确定性有限元分析,通过获得的训练样本进行神经网络训练,确定神经网络的结构和参数,并结合常规的可靠度分析方法在神经网络响应面上进行可靠度分析.计算结果表明,引入了均匀设计方法的神经网络可以很好地模拟复杂结构的真实响应,该方法运用于大跨度钢管混凝土拱桥结构的可靠度分析是可行的,且具有较高的效率和精度.     

基于改进Box-Behnken法的随机系统可靠性灵敏度分析方法

针对影响工程系统的随机因素通常服从正态分布的情况,提出一种基于改进的Box-Behnken试验设计法的可靠性灵敏度分析方法.根据工程系统特点,采用含有交互效应的二阶响应面模型来描述因素和响应之间的非线性关系;基于正交性和旋转性原则,在Box-Behnken二阶设计的基础上添加轴点,使试验设计的样本点符合随机因素分布特征;从而,拟合响应面函数,建立系统极限状态方程,进行可靠性灵敏度分析.最后,通过车辆系统平顺性可靠性灵敏度分析实例,说明了该方法在分析随机系统方面的优越性;Monte Carlo仿真实验结果表明,该方法可行有效,计算精度高,可以为工程实际提供指导.     

结构可靠度分析中的混合模拟法及应用

针对具有多维随机变量、隐式功能函数特点的复杂结构可靠度分析问题,结合拉丁超立方抽样(LHS)法与均匀设计响应面法,提出基于拉丁抽样均匀设计的混合模拟法.利用LHS法选取灵敏度较高的输入变量继续作为随机变量.通过Matlab语言编写L2-偏差最小的均匀设计表程序,根据生成的均匀设计表选取随机变量的取样点,在构造响应面方程的迭代过程中利用JC法求解结构失效概率.通过2个经典可靠度算例和1个连续刚构桥可靠度算例验证了混合模拟法的适用性.研究结果表明,采用该方法可以精确、高效地求解具有多维随机变量的结构可靠度问题,提高计算效率.     

基于响应面模型的跨音速转子叶片气动优化设计研究

为了提高优化设计效率,节约成本,将试验设计方法、响应面近似模型与遗传算法优化方法结合在一起应用于跨音速转子叶片气动优化设计中.首先采用拉丁超立方试验设计方法生成样本点构建目标函数的响应面模型,然后利用遗传算法对响应面模型进行目标寻优,并对优化解进行流场分析验证.为了验证方法的可行性,以NASA rotor37转子叶片前缘积迭线弯与掠优化设计为例,总压损失系数为目标函数进行单目标优化设计,优化后总压损失系数降低了0.528%,总耗时20h,算例结果表明基于响应面近似模型的优化设计方法可用于叶片气动优化中,提高了优化设计效率.     

An improved adaptive response surface method for structural reliability analysis

The response surface method (RSM) is one of the main approaches for analyzing reliability problems with implicit performance functions. An improved adaptive RSM based on uniform design (UD) and double weighted regression (DWR) was presented. In the proposed method, the basic principle of the iteratively adaptive response surface method is applied. Uniform design is used to sample the fitting points. And a double weighted regression system considering the distances from the fitting points to the limit state surface and to the estimated design points is set to determine the coefficients of the response surface model. Compared with the conventional approaches, the fitting points selected by UD are more representative, and a better approximation in the key region is also observed with DWR. Numerical examples show that the proposed method has good convergent capability and computational accuracy.     

Vibration reliability analysis for aeroengine compressor blade based on support vector machine response surface method

To ameliorate reliability analysis efficiency for aeroengine components, such as compressor blade, support vector machine response surface method(SRSM) is proposed. SRSM integrates the advantages of support vector machine(SVM) and traditional response surface method(RSM), and utilizes experimental samples to construct a suitable response surface function(RSF) to replace the complicated and abstract finite element model. Moreover, the randomness of material parameters, structural dimension and operating condition are considered during extracting data so that the response surface function is more agreeable to the practical model. The results indicate that based on the same experimental data, SRSM has come closer than RSM reliability to approximating Monte Carlo method(MCM); while SRSM(17.296 s) needs far less running time than MCM(10958 s) and RSM(9840 s). Therefore,under the same simulation conditions, SRSM has the largest analysis efficiency, and can be considered a feasible and valid method to analyze structural reliability.     

Improved response surface method based on sample point selection strategies

In the reliability analysis of complex structures,response surface method(RSM)has been suggested as an efficient technique to estimate the actual but implicit limit state function.A set of sample points are needed to fit to the implicit function.It has been noted that the accuracy of RSM depends highly on the so-called sample points.However,the technique for point selection has had little attention.In the present study,an improved response surface method(IRSM)based on two sample point selection techniques,named the direction cosines projected strategy(DCS)and the limit step length iteration strategy(LSS),is investigated.Since it uses the sampling points selected to be located in the region close to the original failure surface,and since it needs only one response surface,the IRSM should be accurate and simple in practical structural problems.Applications to several typical examples have helped to elucidate the successful working of the IRSM.     

基于网络加权Voronoi图的点群选取

传统基于Voronoi图的算法忽略了点与点之间是通过实际网络距离相连这一事实,针对此缺陷,提出一种基于网络加权Voronoi图的点群选取算法. 1）利用网络扩展法构建点群的网络加权Voronoi图;2）计算每个点对应的网络Voronoi多边形面积及扩展弧段总长度,并以此为依据,为点群中所包含的统计、专题、拓扑和度量信息分别选定量化描述因子;3）提出“同心圆”算法,解决点群取舍问题. 实验结果表明,提出的方法顾及了点群权重以及与点群相关联的道路等级、方向及局部密度对选取结果的影响,较好地保持了原始点群的各类信息,选取结果符合实际地理空间特征.     

基于特征优选和逐步回归的黄土滑坡监测数据融合改进方法

针对滑坡监测多源异构数据融合处理中存在的影响因子筛选难、结果差异大、数据处理复杂程度高等问题,提出一种基于最大互信息系数(MIC)、灰色关联分析(GRA)和逐步回归的黄土滑坡多源多点位异构监测数据融合方法。该方法首先将最大互信息系数和灰色关联分析结合起来,采用基于加权关联度的特征优选方法综合筛选滑坡变形影响因子,提取具有代表性的影响因子并剔除关联性差的影响因子; 然后,通过逐步回归方法赋予各监测点位移和优选后的影响因子对应的重要性权重系数,获取多源异构数据融合序列; 最后,采用甘肃黑方台党川滑坡监测设备所获取的全球卫星导航系统(GNSS)监测数据、裂缝位移计数据及气象数据进行实验验证。结果表明:在滑坡变形影响因子筛选性能方面,基于加权关联度的特征优选方法优于传统的Pearson相关系数法; 基于特征优选和逐步回归的多源多点位异构数据融合模型的预测精度较传统的BP神经网络有所提升,其中均方根误差(RMSE)降低了51.8%,平均绝对百分比误差(MAPE)降低了2.26%,拟合优度达到了0.964。     

梯度相似性的椒盐图像加权中值滤波算法

在对现有椒盐噪声中值滤波算法分析的基础上,提出了基于梯度相似性的椒盐噪声图像加权中值滤波算法。利用灰度图像窗口内各个像素点灰度值的差异,将含有椒盐噪声的图像分为疑似噪声点和信号点,然后利用窗口像素点的梯度相似性对疑似噪声点进行分析,并运用图像极值剪切技术去除噪声点像素的干扰。采用舍弃方差极大值的改进加权中值滤波算法给噪声点赋值。实验表明,该算法对图像的细节保留能力和滤波能力有较大的提高,能取得较好的峰值信噪比。     

基于信息熵的异常检测算法

针对K-means异常检测算法检测性能低的问题,提出了一种结合信息熵与改进K-means算法的异常检测算法。该算法均匀地选出密度大于数据集平均密度的数据对象作为初始聚类中心,避免了初始中心的随机选择。在此基础上,引入了信息熵确定属性权重的方法来计算簇中数据点与该簇聚类中心的加权欧氏距离,通过对比簇中数据点的加权欧氏距离与该簇中所有数据点的平均加权欧氏距离来进行异常检测。实验表明,改进算法具有更高的检测率和更低的误检率,应用于电力负荷数据时检测率达到了90. 5%,能够有效地检测出异常的负荷数据。     

基于模糊聚类的矢量量化的声纹识别研究

采用模糊C-均值聚类算法(FCM)实现声纹码本的矢量量化,使用基于相似系数和的孤立点检测法识别孤立点.试验表明,该方法能有效地减少孤立点对识别结果的干扰,显著降低码本量化误差,从而提高矢量量化声纹识别系统的识别率.     

A Practical Strategy of Unbalance Identification and Correction for 2-DOF Precision Centrifuges

基于加权自适应阈值小波的互连模型降阶插值点选择方法

王新胜,喻明艳

（哈尔滨工业大学 航天学院,哈尔滨 150001）

创新点说明：

提出一种加权自适应阈值Haar小波插值点选择的Krylov子空间模型降阶技术,其能动态的选择插值点的阈值,从而有效保证集成电路互连模型降阶的精度和速度。

研究目的：

有效解决大规模集成电路互连Krylov子空间模型降阶的精度与速度折中问题。

研究方法：

采用加权自适应阈值Haar小波插值点选择Krylov子空间模型降阶技术。

结果：

通过仿真分析大规模集成电路中电源和时钟树网络寄生电路系统,结果表明加权自适应阈值Haar小波插值点选择的Krylov子空间模型降阶技术相比传统的多偏移插值点选择的Krylov子空间模型降阶技术能有效提高降阶精度和降阶速度。

结论：

本文提出一种加权自适应阈值Haar小波插值点选择的Krylov子空间模型降阶技术,其能有效保证集成电路互连模型降阶的精度和速度

关键词：互连模型降阶;Haar小波变换;加权阈值;多偏移Arnoldi方法;电路综合

     

双场景类型遥感图像的配准拼接优化

为了提升包含2种场景类型的遥感图像的配准拼接质量,提出基于误差权重再分配的遥感图像配准拼接优化方法. 使用尺度不变特征变换（SIFT）特征检测算子,提取2幅具有重叠区域的遥感图像的特征点,计算得到初始的单应性矩阵. 针对遥感图像细节丰富,但在某些特定区域分布不均匀的特点,将图像按照网格分割成若干小子块,进行信息熵聚类. 图像熵反映的是灰度分布的分散程度,较大的熵意味着更大的信息量和纹理细节. 按照信息量分布,将图像分隔为2个大的图像区域,每一区域近似代表一种场景类型. 以特征点匹配的残余误差为目标函数,对不同场景区域的特征点分配不同的优化权重,权重来源于各图像子块的信息熵,反映了图像各场景信息量的多少,从而改善拼接效果,使之符合人眼视觉要求. 实验表明,采用该方法可以再分配特征点匹配残余误差,细节丰富区域的匹配残差降低14%,提升细节丰富区域的配准拼接质量,降低随机性,提高了配准过程的稳定度.