涡轮叶片模糊响应面可靠性分析方法

为提高涡轮叶片可靠性分析的精度,在考虑输入变量模糊性和极限状态模糊性的基础上,提出了结构可靠性分析的模糊响应面法(fuzzy response surface method,FRSM)。首先,采用等价转换的方法,将带有模糊性的输入变量转换为当量随机变量;然后,基于二次多项式响应面函数,建立结构可靠性分析的模糊响应面数学模型。利用蒙特卡洛法对该模型进行大量的联动抽样,得到叶片应力、径向变形的均值及方差;最后,基于概率积分法计算事件失效概率及模糊随机可靠性指标。分析结果表明,叶片的可靠性指标随模糊系数的增大而减小;与传统基于随机变量的方法相比,该方法对不确定性的描述更为合理,理论上对可靠性的评估更为准确。     

基于响应面方法的结构非概率可靠性分析

响应面方法可以用来建立工程结构极限状态函数的显式数学表达式,而椭球模型和区间模型则是计算结构非概率可靠性指标的两种基本模型.笔者基于响应面方法,用二次多项式近似拟合结构的极限状态函数,然后分别采用椭球模型和区间模型对结构的非概率可靠性指标进行计算,最后以悬臂梁作为算例,对不同模型计算出的可靠性指标进行了比较.结果表明:在对结构进行非概率可靠性设计时,使用区间模型要比椭球模型更安全.     

基于随机响应面法的隔震桥梁抗震可靠性分析

利用ANSYS建立考虑桩土相互作用的隔震桥梁模型,假定场地土地基系数的比例系数m的取值具有随机性,运用基于正交多项式的随机响应面法对该类桥梁进行了抗震可靠性计算和分析。计算结果表明,桩基础中各层土性参数m的取值范围和方式对隔震简支梁桥的抗震可靠性有较大影响,在桥梁抗震设计中需得到高度重视。同时,计算结果也表明该桥的抗震设计满足规范要求。     

基于Hermite正交多项式逼近法的重力坝可靠度分析

提出了结构可靠度分析的Hermite正交多项式逼近法.首先介绍了Hermite多项式的基本性质,通过数值检验,证明Hermite正交多项式可以很好地逼近各种经典理论分布的概率密度函数曲线,尤其在宽区间两端拟合得非常好,一般来说,4阶Hermite多项式就可以达到满意的精度;其次,给出了基于Hermite正交多项式的结构可靠度计算步骤;最后以重力坝可靠度问题为例证明了所提方法的正确性和有效性.结果表明:Hermite正交多项式逼近法是重力坝可靠度分析的一种有效方法,Hermite正交多项式逼近法可以方便地分析输出随机响应量的统计参数以及输出响应量和输入变量间的相关性.     

超静定结构可靠性分析的一种方法

本文用结构分析的有限元法求得超静定构架结构元件的内力,并用结构刚度矩阵的奇异性来判定结构是否失效.提出了系统地形成结构失效模式中确认主要失效模式的一种新方法,然后根据确认的主要失效模式求得超静定构架结构失效概率的上下限.数值例题表明,方法相当有效.这种方法为需要大量进行可靠性分析的基于可靠性的结构优化设计提供了较好的基础.     

具有相关变量结构的失效分析

本文对具有相关变量结构的失效概率进行了计算.假定结构中的某些变量服从正态分布,且是相关的随机变量,该结构在随机载荷的作用下,按可靠性理论建立极限状态方程,方程中由于存在相关变量,因此最先将其化为相互独立的随机变量,然后采用Rackwitz-Fiessler快速概率积分法,经迭代求出安全指标β,计算每个构件的失效概率;依据概率统计方法,求出该结构失效概率的上、下限.本文的分析,为相关变量结构失效概率的计算提供了一个方法;最后引入一个数值例子,说明该分析的有效性和计算过程.     

基于LS-SVM的结构可靠度响应面分析方法

金伟良，袁雪霞 针对实际工程中常见的功能函数不能显式表达的可靠性分析问题，提出了一种基于最小二乘支持向量机（LS-SVM）的结构可靠度响应面分析方法.采用正交试验设计和有限元程序生成学习样本，并依据各随机变量的概率分布抽样得到检测样本;利用LS SVM的高度非线性映射能力，建立了结构响应量与随机变量之间的映射关系.进而结合Monte-Carlo原理，计算结构的失效概率.新方法可直接应用现有的有限元分析程序，对大型结构进行可靠性分析.通过典型工程结构的算例分析，结果表明该方法具有较好的效率和精度.     

基于ANSYS的SRC框架结构侧移限值的可靠度

用蒙特卡罗法和响应面法计算风荷载作用下型钢混凝土结构侧移控制的失效概率及其可靠指标时,蒙特卡罗法需要循环模拟次数太多,而响应面法无法准确求出小失效概率,提出的假定位移分布模式的直接积分法能较好地解决此问题.可靠度分析结果表明,现行《规程》可靠指标偏低.     

边坡系统可靠度分析智能响应面法框架

多失效模式情况下,边坡体系可靠性分析较为复杂.提出了基于计算机试验结合机器学习理论建立边坡系统(体系)可靠度分析智能响应面法的一般框架.边坡体系可靠性分析智能响应面法步骤包括:样本生成、模型参数优化、智能响应面建立、蒙特卡罗模拟计算失效概率.对支持向量机、高斯过程等多种智能机器学习理论用于建立智能响应面的性能进行了对比分析.通过典型边坡的体系可靠度分析,验证了小样本情况下智能响应面法在边坡体系可靠性分析中的可行性和优越性.     

基于移动最小二乘法的隧道支护稳定可靠度分析

提出了一种基于移动最小二乘法(MLSM)的隧道开挖可靠度分析方法,该方法利用MLSM构建功能函数的代理模型,解决了实际工程中功能函数需借助数值方法求解的问题;通过均匀设计构造MLSM函数,在此基础上,采用一阶可靠度方法(FORM)计算不同极限状态的可靠度指标和失效概率.以一个存在3种不同失效模式的隧道开挖支护稳定问题为例,通过与多项式响应面法和直接FORM法比较,验证了该方法的精度和效率.讨论了不同失效模式下参数的敏感性以及隧道支护安装位置和参数相关性对不同模式下隧道失效概率的影响规律.     

Structural Reliability Analysis for Implicit Performance with Legendre Orthogonal Neural Network Method

In order to evaluate the failure probability of a complicated structure, the structural responses usually need to be estimated by some numerical analysis methods such as finite element method (FEM). The response surface method (RSM) can be used to reduce the computational effort required for reliability analysis when the performance functions are implicit. However, the conventional RSM is time-consuming or cumbersome if the number of random variables is large. This paper proposes a Legendre orthogonal neural network (LONN)-based RSM to estimate the structural reliability. In this method, the relationship between the random variables and structural responses is established by a LONN model. Then the LONN model is connected to a reliability analysis method, i.e. first-order reliability methods (FORM) to calculate the failure probability of the structure. Numerical examples show that the proposed approach is applicable to structural reliability analysis, as well as the structure with implicit performance functions.     

结构可靠度分析的人工智能响应面法及程序

为了进行各种极限状态方程不明确的大型结构可靠度分析,提出了人工智能响应面法.利用BP网络来模拟响应面,基于遗传算法的优化法来进行可靠指标计算,确定性有限元分析采用ANSYS软件进行.综合VC与Matlab混合编程技术、基于VC和APDL的ANSYS二次开发技术及M atlab的遗传算法(GA)和神经网络(NN)工具箱函数,编制了可以适应各种复杂工程结构的可靠度分析程序.算例分析表明本文方法计算精度高.本文方法与程序适用于随机变量数目较多,功能函数为隐式时的复杂结构可靠度分析.     

神经网络在框架结构损伤诊断中的应用研究

应用人工神经网络技术,采用分步诊断的方法,提出了反映结构损伤位置和程度的健康诊断方法。文中通过模态分析得到基于固有频率和位移模态的网络输入特征参数,分别利用概率神经网络和BP网络对结构损伤的位置和程度进行识别,结果显示该分步诊断的方法能够对结构的损伤正确识别。     

基于免疫优化的产品系统可靠性参数区间预测方法

针对当前系统可靠性预测方法的不足,提出一种基于免疫优化的区间预测方法.构建可靠性参数预测神经网络模型,由极端学习机（ELM）算法进行训练,并以修正BFGS法对网络的左侧权值和阈值进行调整.在由该网络得到的预测点值和网络权重的基础上,根据非线性回归模型构建可靠性参数的区间预测值（PI）,PI的质量取决于网络结构和权衰减调节参数.结合PI的覆盖率和平均区间比例长度提出一种新的PI综合评价指标,以此衡量PI的质量;引入免疫优化算法优化区间预测值和网络结构,以最小化综合评价指标为成本函数,寻求决策变量,即网络隐层神经元个数和权衰减调节参数的最优值.将提出的方法和理论应用于某系列数控车床的可靠性参数平均无故障时间的预测,证明了其预测性能优于传统方法.     

具有高区分度的视频火焰检测方法

为了在视频监控系统中准确地判断火焰区域并预测火灾的发生,提出一种新的基于人工神经网络的视频火焰检测方法.该方法在分析火焰的运动和三维颜色特征的基础上,分别通过傅里叶变换和圆形度分析、角点检测的方法研究火焰的闪烁频率、几何形状对应的时空域特征,采用获得的各类特征构成概率向量作为人工神经网络分类模型的输入,输出表示火灾发生的概率.在保持检测准确率的同时,该方法通过实验选择最优的参数组合解决神经网络容易陷入局部极值及收敛慢的问题.该方法可以区分大空间（隧道、仓库、博物馆等建筑物）中闪烁的车灯和真实火焰,能够避免在实际的视频监控系统应用中将闪烁车灯误判为火焰,有效减少环境光对检测结果的影响,降低火灾火焰的误报率.实验结果表明,采用该方法在保持检测实时性的同时,能够达到96%的检测正确率.     

基于径向基函数神经网络响应面法的装载机动臂疲劳可靠性

采用解析法与有限元软件ANSYS相结合的方法对装载机的工作过程进行计算,根据雨流法建立工作过程中装载机动臂的应力及应变的时间历程,通过局部应力应变分析得到结构的疲劳寿命。运用神经网络响应面来拟合结构的极限状态函数及其偏导数,利用可靠度理论分析了装载机动臂的疲劳寿命可靠性。     

利用神经网络扩充数控机床可靠性数据

针对数控机床可靠性研究过程中可靠性数据收集周期长、费用较高的问题,提出了基于人工神经网络理论和算法的数控机床可靠性数据扩充方法。在对收集的少量可靠性数据进行初步分析的基础上,对人工神经网络网络进行训练,并应用训练后的神经网络对原始可靠性数据进行扩充。扩充后的可靠性数据与原始可靠性数据具有相同的失效分布规律。对扩充后的可靠性数据通过应用最小二乘法和K-S检验法进行分析,可以确定数控机床可靠性数据分布模型。以9台某型号数控车床3个月的可靠性数据为例证明该方法能够在可靠性数据较少的情况下实现对数控机床可靠性数据分布模型的确定,同时分布模型的拟合更加准确。     

Response-surface-based structural reliability analysis with random and interval mixed uncertainties

Traditional reliability analysis requires probability distributions of all the uncertain parameters. However, in many practical applications, the variation bounds can be only determined for the parameters with limited information. A complex hybrid reliability problem then will be caused when the random and interval variables coexist in a same structure. In this paper, by introducing the response surface technique, we develop a new hybrid reliability method to efficiently compute the interval of the failure probability of the structure due to the probability-interval hybrid uncertainty. The present method consists of a sequence of iterations. At each step, a response surface model is constructed for the limit-state function by using a quadratic polynomial and a modified axial experimental design method. An approximate hybrid reliability problem is created based on the response surface model, which is subsequently solved by an efficient decoupling approach. An updating strategy is suggested to improve the quality of the response surface and whereby ensure the reliability analysis precision. A computational procedure is then summarized for the whole iterations. Four numerical examples and also a practical application are provided to demonstrate the effectiveness of the present method.     

结构失效面上的复合蒙特卡罗方法

为了提高采用蒙特卡罗方法计算结构可靠度的效率和精度，提出了一种部分解析的失效面上的复合蒙特卡罗方法.通过对结构极限状态方程中某一变量或变量表达式的解析求解，将抽样点投影到结构失效面上.结合重要抽样方法，分别导出了原始空间（X空间）和旋转的正交正态空间（V空间）的算法.将抽样点投影到失效面上，不仅保证了抽样的有效性，而且使算法对高度非线性失效面具有更强的适应性.解析解的引入，降低了抽样维数，减小了计算结果的随机性，提高了计算精度.理论推导和数值计算证明了该方法的有效性.     

基于BP神经网络算法的结构振动模态模糊控制

为了更合理、方便地控制土木工程结构地震动力反应,提出基于反向传播(back propagation, BP)神经网络的结构振动模态模糊控制算法。以结构地震动力反应数据训练神经网络建立结构分析模型,以时域模态坐标作为被控变量,实现系统降阶,使建立模态模糊控制规则所需要的模糊推理数量处于可接受范围内,并以体系能量最小作为控制目标制定控制规则。建立结构动力反应模糊控制数值模型,根据计算地震动力反应评价所提出算法的减震效果。结果表明:经过训练的BP神经网络可以准确地预测结构的地震动力反应,并可以据此建立模糊控制规则。仅对结构第一阶振型采用模态模糊控制就能达到满意的减震效果。采用主动质量驱动(active mass driver, AMD)最优控制力幅作为各楼层控制力的论域时,模态模糊控制减震效果与其存在差距;增大控制力的论域,可以得到更好的减震效果。