可靠性灵敏度分析的重要抽样方法

基于重要抽样模拟,提出一种新的求解可靠性参数灵敏度的方法.所提方法依据失效概率对基本变量分布参数偏导数的积分表达式,推导可靠性灵敏度分析的重要抽样计算公式,该公式为一推导的函数在失效域中的数学期望形式,而该数学期望可以利用重要抽样函数获取的落入失效域中的样本来估计.算例结果表明,所提方法在保证同样计算精度的情况下具有比Monte Carlo模拟法更高的计算效率.     

基于混合密度估计的自适应重要抽样可靠性及可靠性灵敏度分析

提出一种高效的基于混合密度函数的自适应重要抽样法,分析结构的失效概率及偏导型可靠性灵敏度.该重要抽样方法运用有限混和密度函数拟合法得到失效域中预抽取样本点的概率密度函数,将之作为重要抽样函数.这些预抽取样本利用马尔可夫链快速模拟得到,相应的重要抽样函数将趋于最优化的重要抽样函数.其次,将所提方法运用到结构可靠性灵敏度的分析中.所提方法具有比传统重要抽样法更高的效率,且可以运用于多模式系统结构的分析,最后给出的算例亦说明文中方法的精度和效率.     

结构可靠度求解的自适应细分-重要抽样法

传统的结构可靠度求解方法在处理呈非正态、多变量、小失效概率以及功能函数非线性的问题时,很难以较低成本获得满意的精度。为克服现有方法的不足,将通用生成函数、自适应细分原理和重要抽样技术相结合,提出结构可靠度求解的自适应细分-重要抽样法。根据自适应细分原理,对临界域进行细分,减少离散区间长度,通过递归操作对随机变量进行非均匀自适应细分,得到失效域概率以及细分后的临界域,并由复合运算获得临界域的结构通用生成函数。临界域失效概率由针对域内热点焦元的重要抽样技术获得,失效域概率与临界域失效概率之和即为结构失效概率估计值。算例分析表明,新方法的计算误差明显小于传统方法,同时借助重要抽样技术提高了计算效率。     

重要抽样可靠性灵敏度的方差分析

利用重要抽样函数获取的样本对结构可靠性灵敏度分析进行无偏估计,可以提高可靠性灵敏度分析的效率.为了比较重要抽样与直接Monte Carlo方法在分析可靠性灵敏度时的收敛性,推导可靠性灵敏度估计量方差和变异系数的计算公式,近似计算重要抽样可靠性灵敏度估计量在给定置信度下的置信区间.算例结果表明,在可接受精度的条件下,重要抽样可靠性灵敏度分析比Monte Carlo可靠性灵敏度分析具有更高的计算效率.     

面向离散化临界状态空间的重要抽样法

对于呈现非正态、小概率、非线性特征的功能函数，传统的结构失效概率计算方法很难以较低成本获得满意精度。为克服现有方法的不足，将通用生成函数与重要抽样原理有机结合，提出面向离散化临界状态空间的UGF-重要抽样法。对随机变量进行低密度离散化，通过复合运算获得结构通用生成函数，由此将随机空间划分为失效域、临界域和可靠域。失效域失效概率由结构通用生成函数直接获得，而临界域失效概率主要借助针对域内热点焦元的重要抽样法求取，两区域失效概率之和即为结构失效概率估计值。数值算例验证了所提方法的合理性和可行性。新方法既能发挥通用生成函数对任意分布随机变量和非线性功能函数的普适性，又借助重要抽样技术避免了组合爆炸，从而为涉及复杂功能函数的结构可靠度快速、精确计算开辟可行途径。     

基于重要抽样马尔可夫链模拟的可靠性灵敏度分析新方法

重要抽样法是一种计算效率高而应用广泛的可靠性分析方法.在采用重要抽样法计算失效概率的前提下,文中基于重要抽样马尔可夫链模拟提出一种可靠性灵敏度分析新方法.所提方法根据计算失效概率积分表达式,将失效概率对基本变量分布参数的偏导数表征的可靠性灵敏度转化为一个特征函数的条件数学期望形式,该数学期望是以基本变量在失效域中的条件概率密度函数为基础的.然后利用重要抽样马尔可夫链模拟,将计算失效概率的重要抽样样本转化为基本变量落在失效域中的条件样本.最后用特征函数在这些条件样本点处的样本均值估计数学期望,进而完成可靠性灵敏度分析.文中方法的主要优点是效率高,只需要在计算失效概率重要抽样法的基础上增加很少的工作量,即可完成可靠性灵敏度分析.另外,由于该方法未引入线性假设,因此它可以较好地考虑极限状态方程非线性对可靠性灵敏度的影响,大量的算例结果充分证明所提方法的这些优点.     

基于自适应重要抽样的可靠性灵敏度分析方法

针对隐式极限状态方程的小失效概率问题,提出基于自适应重要抽样的可靠性灵敏度分析方法,给出该方法的具体实现步骤.所提方法从重要抽样抽取的所有样本点中选取合适的样本,利用回归分析和隐函数求导法则,求取失效概率对基本变量分布参数的灵敏度.所提算法的精度首先用有精确解的问题进行验证,然后在工程实例中进行应用.研究结果表明,与Monte Carlo可靠性灵敏度方法相比,所提方法具有计算精度相近但计算工作量小的优点,这种优点在失效概率小的情况下体现得更加充分.     

多失效模式机械零件可靠性灵敏度估计

机械零件的失效往往存在多种失效模式,且这些失效模式对可靠性灵敏度均有影响,因此在进行可靠性灵敏度估计时,要充分考虑零件的各个潜在失效模式。提出一种多失效模式机械零件可靠性灵敏度分析的数值方法。运用随机摄动技术和四阶矩技术,求得各失效模式功能函数的前四阶矩及可靠性指标,解决了随机变量分布类型未知时,各失效模式的可靠度计算问题。根据机械零件失效模式较少的特点,将零件的潜在失效模式视为串联关系,则零件整体的失效即为失效模式的串联失效。结合灵敏度分析的梯度算法,推导出关于随机变量均值和方差的可靠性灵敏度的计算公式。数值算例表明所述方法可快速有效地估计多失效模式机械零件的可靠性灵敏度,且适用于非线性功能函数的情况。     

基于Latin方抽样和修正的Latin方抽样的可靠性灵敏度估计及其方差分析

运用Latin方抽样(Latin hypercube sampling)方法和经统计相关减小方程修正后的Latin方抽样(updated Latin hypercube sampling)方法对结构进行可靠性灵敏度估计及其方差分析.单模式和多模式的数值及工程算例说明, 可靠性灵敏度分析的Latin方抽样和修正的Latin方抽样在样本容量较小时都可以得到比Monte Carlo抽样方法更稳定的估计结果.采用Latin方抽样可以得到可靠性灵敏度的无偏估计,而修正的Latin方抽样方法在样本容量较小的情况下得到的可靠性灵敏度估计值的方差的分散性较Latin方抽样有进一步的减小.Latin方抽样和修正的Latin方抽样方法对基本变量的分布形式和相关性等均无限定,是适用于结构可靠性灵敏度分析的一种有效而实用的小样本抽样方法.     

线抽样可靠性灵敏度的方差分析

为判别线抽样可靠性灵敏度分析的收敛性,推导了线抽样可靠性灵敏度估计量的方差和变异系数的计算公式,近似计算了线抽样可靠性灵敏度在给定置信度下的置信区间。通过算例比较了线抽样可靠性灵敏度与Monte-Carlo可靠性灵敏度估计值的方差和变异系数。计算结果表明：线抽样可靠性灵敏度分析方法是一种高效率、高精度的方法。