考虑相关性的证据理论结构可靠性分析方法

构建了一种考虑相关性的证据理论高效求解模型,讨论了该模型在结构可靠性中的应用。为了提高证据理论进行结构可靠性分析的准确性和效率,引入了非概率凸模型中的椭球模型和一种高效分析方法。通过把非概率凸模型中的椭球模型应用到证据理论中,考虑每对变量的相关系数,把变量的边缘基本可信度分配(BPA)转化为联合基本可信度分配。提出了一种高效计算方法,通过寻找最可能失效点(MPP)将不确定域划分可靠域和待确定域,结构可靠性的求解只需要在待确定域中进行。该方法减少了需要计算的焦元数,提高了证据理论模型求解结构可靠性的效率。     

一种考虑参数相关性的可靠性优化设计方法

在求解具有非线性相关性结构的可靠性设计优化问题时,现有的相关性处理方法在某些情况下可能会得到精度较低的优化结果。基于Copula函数提出了一种可靠性优化设计方法,用于求解存在非线性相关性结构的可靠性优化设计问题。该方法根据已知的样本对各备选Copula函数进行参数估计,并根据AIC准则选出最优Copula函数。根据最优Copula函数,构建联合概率分布函数,最后求解结构可靠性优化设计问题。通过两个数值算例验证了该方法的有效性,并讨论了不同Copula函数对优化结果的影响。     

基于Copula失效相关结构系统的失效概率计算

针对具有相关失效模式的结构系统可靠性分析问题,提出利用Copula计算结构系统的失效概率。Copula函数可以采用多种边缘分布函数来推求联合分布函数,构造随机变量间的相关结构。该方法分别以各失效模式的功能函数值为Copula分析变量,利用MATLAB软件和Monte Carlo模拟法产生的随机抽样数据估计Copula参数,实现各功能函数间的联合概率分布函数的Copula建模,从而可以利用Copula计算结构系统的失效概率。最后用工程算例验证该理论方法的可行性,为具有相关失效模式的结构系统可靠性分析提供新途径。     

考虑不同失效相关性的系统可靠性分配方法

为考虑系统组成单元间不同失效相关性对系统可靠性分配结果的影响,将影响系统可靠性分配的因素分为直接和间接两类,提出将复杂度和失效危害度作为直接影响因素,用于确定组成单元可靠性分配权重的相对大小。将工作环境、技术水平、改进成本等归为间接影响因素,引入相对分散性描述系统组成单元失效相关性,提出基于相对分散性的复杂度和危害度计算方法。基于Vine Copula函数建立考虑组成单元间不同失效相关性的串联系统可靠性分配模型,最后以某型数控机床主轴系统为例,进行不考虑相关性和考虑相关性两种情况下的系统可靠性分配结果对比分析,结果表明不考虑失效相关性得到的分配结果过于保守,增加产品研制费用。使用Vine Copula函数建立的系统可靠性分配模型能够考虑组成单元间不同的失效相关性,分配结果与传统多元Copula函数的分配结果相比更为合理。     

证据理论与模糊分布相结合的可靠性方法研究

工程系统可靠性分析中,某些认知不确定性变量无法采用单一的理论模型进行准确地描述,常存在不确定性信息的丢失。为了准确处理工程系统的可靠性信息,文中提出了一种证据理论结合模糊分布的可靠性分析方法。首先通过对证据理论中的焦元赋予隶属度函数建立起模糊分布的证据理论模型。然后通过融合方法求得相应模糊焦元的BPA(Basic Probability Assignment)和融合后的隶属度函数,并通过归一化因子将融合后的隶属度函数转换为概率密度函数。最后根据BPA和等价概率密度函数建立初始样本点,采用MCMC(Markov Chain Monte Carlo Simulation)子集模拟法来分析工程系统的小概率失效性。通过工程应用说明:相比于单一的模糊理论或证据理论,证据理论与模糊分布相结合的可靠性方法具有更好地处理认知不确定性的能力,计算高效,分析结果精确,适合混合不确定性工程系统可靠性分析。     

基于证据理论的机械结构高效可靠性分析方法

提出一种证据理论与近似模型相结合的机械结构高效可靠性分析方法。首先基于证据理论建立可靠性分析数学模型,然后通过径向基函数构建极限状态函数的近似模型,并利用样本点局部加密来提高近似模型的精度,最后基于一阶近似可靠性分析方法对近似可靠性分析问题进行求解,从而获得衡量机械结构可靠性的可信度和似真度。算例结果表明该方法不但能保证计算结果精度,还提高了计算效率。     

概率信息不全时基于Copula理论的可靠性及基本变量重要性测度分析

针对工程中概率信息不全的可靠性问题,利用Copula理论逼近基本变量的联合分布函数和联合概率密度函数,建立Copula逼近基础上可靠性分析的自适应截断抽样法,并建立Copula逼近基础上基本变量对失效概率影响的重要测度分析的自适应截断抽样法.在所建模型中,基于Spearman相关系数的Copula函数被用来描述模型的相关性部分,其本身不受各个变量边缘分布的限制,比传统的Pearson相关系数具有更强的实用性.而建立在Copula逼近基础上的自适应截断抽样,可以利用自适应寻找设计点过程中的信息来计算失效概率,提高可靠性分析和基本变量重要性分析方法的效率和稳健性.在详细给出建模原理和求解流程方法后,算例用于说明模型的合理性和算法的可行性.     

基于鞍点逼近的机械零件可靠性Copula分析方法

应用鞍点逼近方法可以获得各失效模式功能函数的概率密度函数和分布函数。针对具有相关失效模式的机械零部件,使用鞍点逼近方法求得各功能函数的概率分布函数,利用各功能函数的概率分布函数值优化估计Copula待定参数,实现各功能函数间的联合概率分布函数的Copula建模,从而可以利用鞍点逼近方法和Copula函数实现机械零部件的可靠性分析。在实例计算中,与Monte Carlo法计算结果对比验证该理论方法的可行性,为具有相关失效模式的机械零部件可靠性分析提供新途径。     

基于Copula函数的失效概率灵敏度分解方法

针对工程结构中输入变量存在相关性的失效概率灵敏度分析问题,通过引入Copula函数对输入变量联合概率分布进行描述,可将失效概率灵敏度分解为独立灵敏度和相关灵敏度。针对失效概率灵敏度的计算问题,可将失效概率的偏导数计算转化为边缘概率分布函数和Copula密度函数的核函数计算。通过对常用的概率分布以及Copula函数进行推导,可以得到其核函数的解析表达,进而直接用于失效概率灵敏度的计算。通过数值算例和工程算例对所提算法的合理性进行了验证。     

多源不确定性下基于证据理论的可靠性分析方法

针对同时存在随机、模糊和区间三种输入变量时的可靠性分析问题,提出了一种基于证据理论的统一可靠性分析方法。利用信息熵转化法,将模糊变量的隶属度函数转化为等效随机变量的概率密度函数;基于随机变量的区间化方法,将每个变量离散成有限个小区间,根据变量的概率密度函数求解各小区间的基本概率分配;利用证据理论进行可靠性分析,最终获得可靠度R的置信度Bel(R)和似真度Pl(R)。通过两个工程算例证明了该方法的可行性和有效性。