基于多项式混沌展开的边坡稳定可靠性分析

合集下载

基于Kriging和MCMC的结构可靠性主动学习算法

基于Kriging和MCMC的结构可靠性主动学习算法
calculation results with fewer sample pointsꎬ and reduce the calculation cost.
Key words: reliabilityꎻ Krigingꎻ MCMCꎻ active learningꎻ failure probability
is combined with the learning functionꎬ and an active learning reliability analysis and calculation
method is proposed. This method finds the sample points with the best learning effect to update the
为 Kriging 模 型 由 多 项 式 和 随 机 分 布 两 部 分
y( x) = g( x) β + z( x) .

若序列 x0 ꎬx1 ꎬx2 ꎬꎬx k + 1 产生于{ x k + 1 | x k } 的
条件概率分布ꎬ且条件概率满足:
1 Kriging 模型的基本原理
组成:
模拟.
μ G ( x) = G(
(4)



-1
-1

σ ( x) = σ (1 + u( x) ( G R G) u( x) -


r( x) T R - 1 r( x) ) .
(5)

-1
-1

-1

式中:β = ( G R G) G R Y 为极大似然估计
因子ꎻR = ( R( x i ꎬx j ꎻθ) ) N × N ꎻ γ = R - 1 ( Y - Gβ^ ) ꎻ

含多项式取绝对值函数的混沌系统分析与应用

含多项式取绝对值函数的混沌系统分析与应用

含多项式取绝对值函数的混沌系统分析与应用
高正中;杜翔
【期刊名称】《复杂系统与复杂性科学》
【年(卷),期】2024(21)1
【摘要】为获得更复杂的动力学特性,设计了一种含有三次多项式取绝对值函数的混沌系统,该混沌系统的理论模型由含有3个状态变量的非线性方程组描述。

分析了该系统的基本属性,以及相轨图、时域波形、Lyapunov指数、Poincaré映射、分岔图等动力学特性。

系统在一定的参数条件下存在周期和混沌的特性,初值对称时存在共存吸引子或聚合吸引子。

此外,某些系统参数变化时,系统存在恒定的动力学特性,状态变量初值变化时系统的动力学特性也是恒定的。

电路仿真验证了理论的正确性。

基于新设计的混沌系统设计了一种加密方案,对加密性能进行了分析,表明了加密方案的有效性。

【总页数】11页(P74-84)
【作者】高正中;杜翔
【作者单位】山东科技大学电气与自动化工程学院
【正文语种】中文
【中图分类】TP271.62
【相关文献】
1.基于混沌DE算法和PP多项式函数的洪灾评估
2.含三角函数的Chebyshev多项式的封闭形和式
3.含多吸引和调幅特性的新混沌系统分析与实现
4.径向基函数-稀疏多项式混沌展开混合代理模型可靠性分析方法
因版权原因,仅展示原文概要,查看原文内容请购买。

基于多项式混沌展开的钢结构局部裂纹识别

基于多项式混沌展开的钢结构局部裂纹识别

基于多项式混沌展开的钢结构局部裂纹识别
岳鑫鑫
【期刊名称】《洛阳理工学院学报(自然科学版)》
【年(卷),期】2024(34)2
【摘要】裂纹预测是结构健康监测领域的重要研究内容之一。

利用多项式混沌展开代理模型(Polynomial chaos expansion, PCE),对钢梁结构的局部损伤情况进行了预测。

代理模型采用初始样本建立响应与损伤参数的联系,以替代原有的结构响应及其物理参数,在损伤识别时有效降低了重复调用有限元软件划分网格的频率以及有限元计算所需的时间,提高了识别效率,并采用Bregman迭代和贪心坐标下降法结合的稀疏PCE构造算法。

数值算例和实验研究表明:PCE模型预测精度和计算效率均远远高于蝴蝶优化-人工神经网络模型(BOA-ANN)、粒子群优化-人工神经网络模型(PSO-ANN)和遗传优化-人工神经网络模型(GA-ANN),在简支梁结构和板结构中效果显著,为工程结构损伤识别与评估提供了理论方法。

【总页数】7页(P37-43)
【作者】岳鑫鑫
【作者单位】安徽科技学院建筑学院
【正文语种】中文
【中图分类】TU392
【相关文献】
1.基于混沌多项式展开的机械结构可靠性分析
2.基于多项式混沌展开的冲压不确定性分析
3.基于多项式混沌展开的电力系统概率可用输电能力评估
4.基于混合蒙特卡洛/多项式混沌展开方法的多参数随机等离子体不确定性分析
5.基于稀疏多项式混沌展开模型的钢筋混凝土结构长期挠度预测
因版权原因,仅展示原文概要,查看原文内容请购买。

基于多项式混沌展开法的随机多孔介质内流体自然对流不确定性研究

基于多项式混沌展开法的随机多孔介质内流体自然对流不确定性研究

JIANG Chang-wei, WANG Xue-zhong, WANG Qiao-peng, WU Wei
(School of Energy and Power Engineering,Changsha University of Science and Technology,Changsha 410114 »China)
姜昌伟,等:基于多项式混沌展开法的随机多孔介质内流体自然对流不确定性研究
63
Key words: uncertainty quantification; random porous media; polynomial chaos expansion; natural convection; stochastic finite element
近年来,研究者提出了许多不确定度分析方 法,如:蒙特卡罗法、矩方程法、谱法和随机有限元 法,其中多项式混沌展开法就是其中之一⑷。
解的统计结果。该方法的预测结果与蒙特卡罗方法得到的结果进行比较表明,多项式混沌方法可以有效地 模拟不确定性在多孔介质流体流动与传热中的传播。
关键词:不确定性分析;随机多孔介质;多项式混沌展开;自然对流;随机有限元
中图分类号:TK124
文献标识码:A
Uncertainty quantification of natural convection of fluid in random porous media based on polynomial chaos expansion method
基于多项式混沌展开法的随机多孔介质内 流体自然对流不确定性研究
姜昌伟9王学忠9王乔蓬ห้องสมุดไป่ตู้乌卩伟
(长沙理工大学能源与动力工程学院,湖南长沙410114)

边坡稳定性预测的混沌神经网络方法

边坡稳定性预测的混沌神经网络方法

Abstract
The parameters in the slope system are uncertain and random due to the complexity of slope,and a
series of chaos will appear in the course of the slope evolution. In order to provide a nonlinear method for slope stability analysis,the chaotic neural network method is established based on the combination of the chaotic theory and the neural network technology. The establishment of the prediction model and the process of application are discussed in detail. The application of the method to 64 cases of slopes shows its high precision. Key words engineering geology,chaotic neural network,slope,prediction of stability 法之一[1
ky (t ) − αg ( f ( y (t ))) + a (t ) 式中: a(t ) 为分支函数,有 a(t ) = (1 − k )[ A(t ) − θ ] 则单元的输出可表示为 x(t + 1) = f ( y (t + 1))

边坡可靠度分析的随机响应面法及程序实现

边坡可靠度分析的随机响应面法及程序实现

语言的随机响应面法计算程序。以岩质边坡平面滑动破坏模式为例证明随机响应面法在边坡可靠度分析中的有效
性。研究结果表明,基于 Nataf 变换的随机响应面法能够有效分析含有相关非正态变量的边坡可靠度问题。随机
响应面法的计算精度优于传统的 FORM 方法,其计算效率高于传统的蒙特卡罗模拟方法,其收敛性在数学意义上
是有保证的。随机多项式展开的阶数几乎对边坡安全系数均值的估计没有影响,但是在边坡失效概率的计算中要
选择适当的随机多项式展开的阶数。在基于随机响应面法的可靠度分析框架内,边坡安全系数计算和可靠度分析
2 个过程分开独立进行,同时计算安全系数和失效概率能够更加系统地进行边坡稳定性分析。研究成果为拓展随
机响应面法在边坡可靠度分析中的应用奠定了一定的基础。
Wuhan,Hubei 430072,China)
Abstract:This paper aims at proposing a stochastic response surface method(SRSM) for reliability analysis involving correlated random variables. The Nataf transformation is adopted to effectively transform the correlated nonnormal random variables into the independent standard normal variables,which facilitates the collocation points associated with the correlated random variables and reliability computation using the SRSM. Explicit polynomials are derived for fourth-order to sixth-order Hermite polynomial chaos expansions of any number of random variables. A C#-language based computer program WHUSRSM (Wuhan University SRSM) is developed. An example of reliability analysis of rock slope stability with plane failure is presented to demonstrate the validity and capability of the proposed SRSM. The results indicate that the proposed SRSM can evaluate the reliability of rock slope stability involving correlated random variables efficiently. The proposed SRSM has a higher accuracy than the conventional first-order reliability method;and its efficiency is higher than Monte Carlo simulations.

混沌稳定性分析及应用研究

混沌稳定性分析及应用研究

混沌稳定性分析及应用研究第一章引言混沌理论作为一种新的动力学理论,在短短的几十年里就得到了广泛的应用,尤其是对于非线性系统的分析和控制方面有着重要的影响。

混沌是指一种复杂的非周期运动模式,它的运动是不可预测的,但时间上有一定的规律性。

混沌的数据具有很高的随机性和复杂性,其具有的分形、自相似、自组织等特征也被广泛研究和应用。

在混沌理论的基础上,混沌稳定性分析也是一个重要的方向。

本文将围绕混沌稳定性分析及应用展开论述。

首先介绍混沌的基本特征和分形等基础理论,随后详细讲解混沌系统的稳定性分析方法,包括李雅普诺夫指数法和分岔分析法,并且结合实例进行说明。

接着将介绍混沌控制方面的最新进展,包括开环控制、闭环控制和混沌同步控制等,最后将探讨混沌稳定性分析在现代科技中的广泛应用。

第二章混沌的基础理论2.1 混沌的定义与基本特征混沌是一个相对于周期运动和随机运动介于两者之间的动力学模式。

具体地,混沌的运动是非周期且具有确定的统计规律性,但是由于其敏感依赖于初始条件的特性,在长时间内其运动是不可预测的。

混沌现象的出现是由于非线性动力学系统的普遍性质,由此产生的混沌现象通常来源于系统参数的变化。

混沌数据具有分形、自相似、自组织等基本特征,同时其系统的规模、拓扑结构、耦合方式等都能影响混沌运动的特性。

在混沌理论的基础上,深入研究系统的拓扑结构和耦合方式等,可以实现对非线性系统的控制和优化等,具有重要的理论和实践意义。

2.2 分形与自相似混沌现象中最显著的特征之一就是其分形特性。

分形是指在不同尺度下具有相似结构的物体形态,例如树枝、云朵等。

分形是一种在几何形态上表现出层次性、自相似性、比例不变性、无限可再性等性质的图形。

混沌系统中的分形性与自相似也具有相似性,其非线性动力学方程正好代表了一种此类分形模型,例如Lorenz模型、Henon映射等。

分形和自相似的出现不仅在于此类系统的特性,更重要的是其应用于许多自然系统中,例如天气系统、经济系统、生态系统等,这些系统的结构和行为与分形有着密切的关系。

边坡整体稳定的可靠性分析方法

边坡整体稳定的可靠性分析方法

边坡整体稳定的可靠性分析方法作者:韩玉芳, 刘德辅, 董胜, HANG Yu-fang, LIU De-fu, DONG Sheng作者单位:韩玉芳,HANG Yu-fang(南京水利科学研究院,河港所,江苏,南京,210024), 刘德辅,董胜,LIU De-fu,DONG Sheng(青岛海洋大学,工程学院,山东,青岛,266003)刊名:海岸工程英文刊名:COASTAL ENGINEERING年,卷(期):2001,20(4)被引用次数:13次1.港口工程结构可靠度设计统一标准 19932.魏汝龙土坡圆弧稳定分析电算程序 19743.麦远俭岸坡稳定的安全度与可靠度[期刊论文]-水运工程 1996(08)4.孙万禾;杨金良土的抗剪强度指标统计方法的分析 19965.门玉明土坡稳定性的极限分析方法 19966.LI K S;LumpP Probabilistic design of slopes[外文期刊] 19877.港口工程结构可靠度 19921.李隐.邓建.彭泽基于蒙特卡罗模拟的边坡可靠度评价[期刊论文]-采矿技术 2010(1)2.冉昌国.尹小涛.吴长富基于概率方法的土质边坡稳定性分析[期刊论文]-矿业研究与开发 2007(4)3.张富荣四川宝兴水电站进水口边坡稳定性分析与治理[期刊论文]-地质灾害与环境保护 2007(3)4.吴海真.张文捷参数互相关条件下土石坝边坡稳定的随机模拟[期刊论文]-江西水利科技 2007(2)5.郑维忠土性参数的相关性对边坡可靠度影响分析[期刊论文]-福建建设科技 2006(2)6.颜永国基于条分模式的边坡可靠性分析方法研究及其工程应用[学位论文]硕士 20067.带(水)压开采安全评价技术及其发展方向[期刊论文]-煤田地质与勘探 2005(z1)8.章宝华.鄢玉英.李华军重力式挡土墙失效模式与可靠度界限分析[期刊论文]-南昌工程学院学报 2005(2)9.刘金升高速铁路高路堤稳定性分析及工后沉降预测[学位论文]硕士 200510.曾晟平面破坏型岩质边坡稳定可靠度研究及其应用[学位论文]硕士 200511.刘世建基于分项系数极限状态设计的水闸结构设计分项系数套改研究[学位论文]硕士 200512.蒋德勇水闸抗滑稳定目标可靠指标校准与分项系数研究[学位论文]硕士 200513.李亮.张丙强c,φ相关性对边坡整体稳定性的影响[期刊论文]-铁道科学与工程学报 2004(1)本文链接:/Periodical_hagc200104002.aspx。

径向基函数-稀疏多项式混沌展开混合代理模型可靠性分析方法

径向基函数-稀疏多项式混沌展开混合代理模型可靠性分析方法

Journal of Mechanical Strength2023,45(5):1108-1116DOI :10.16579/j.issn.1001.9669.2023.05.014∗20211225收到初稿,20220217收到修改稿㊂国家自然科学基金项目(51905146,12102122),河北省博士后择优资助基金(B2021005004)资助㊂∗∗赵子达,男,1997年生,河北保定人,汉族,河北工业大学硕士研究生,主要研究方向为工业机器人可靠性分析㊂∗∗∗欧阳衡(通信作者),男,1992年生,湖南衡阳人,汉族,河北工业大学机械工程学院讲师,主要研究方向为可靠性分析与设计理论㊂径向基函数-稀疏多项式混沌展开混合代理模型可靠性分析方法∗RELIABILITY ANALYSIS ON HYBRID SURROGATE MODEL OF RADIAL BASIS FUNCTION AND SPARSE POLYNOMIALCHAOS EXPANSION赵子达∗∗1㊀张德权1㊀欧阳衡∗∗∗1㊀武泽平2(1.河北工业大学机械工程学院省部共建电工装备可靠性与智能化国家重点实验室,天津300401)(2.国防科技大学空天科学学院,长沙410073)ZHAO ZiDa 1㊀ZHANG DeQuan 1㊀OUYANG Heng 1㊀WU ZePing 2(1.Key Laboratory of Reliability and Intelligence of Electrical Equipment ,School of Mechanical Engineering ,Hebei University of Technology ,Tianjin 300401,China )(2.College of Aerospace Science and Engineering ,National University of Defense Technology ,Changsha 410073,China )摘要㊀为解决现有代理模型在可靠性分析中存在的普适性差㊁分析精度低的问题,提出一种融合径向基函数(Radial Basis Function,RBF)和稀疏多项式混沌(Sparse Polynomial Chaotic Expansion,SPCE)展开的混合代理模型,实现功能函数的快速准确预示,从而提高可靠性分析的工程适用性和计算精度㊂采用正交匹配追踪技术求解多项式混沌(Polynomial Chaotic Expansion,PCE)展开中的重要项,获得SPCE 展开模型,并将其增广到RBF 代理模型中,形成RBF-SPCE 展开混合代理模型,提高代理模型的预测精度,进而结合蒙特卡洛模拟(Monte Carlo Simulation,MCS)方法开展复杂结构的可靠性分析㊂三个数值算例对比了所提方法与传统RBF 方法及增广RBF 方法的具体差异㊂结果表明,所提方法对结构可靠性分析具有更高的精度和效率㊂最后,汽车侧面碰撞的工程算例说明所提方法对复杂问题具有良好的工程适用性㊂关键词㊀径向基函数㊀稀疏多项式混沌展开㊀混合代理模型㊀可靠性分析㊀计算效率中图分类号㊀TB114.3Abstract ㊀To resolve the poor universality and low accuracy of the existing surrogate models for reliability analysis,a hybridsurrogate model based on radial basis function (RBF )and sparse polynomial chaotic expansion (SPCE )was proposed.Itrealized rapid and accurate prediction of performance functions to improve the engineering applicability and the accuracy of structural reliability analysis.Importantly,the orthogonal matching pursuit technology was applied to obtain the important terms inPCE,and an SPCE model could be established directly to form the RBF-SPCE model for improving the prediction accuracy of surrogate model.Subsequently,the reliability analysis of complex structures is carried out based on Monte Carlo simulation(MCS).In this work,three simulation cases were implemented to compare the performance of the proposed method with the traditional RBF model and augmented RBF model.The results illustrated that the proposed method has higher accuracy andefficiency for structural reliability analysis.Finally,a vehicle side impact engineering example illustrated that the proposedmethod has good engineering applicability for complex problems.Key words ㊀Radial basis function ;Sparse polynomial chaotic expansion ;Hybrid surrogate model ;Reliabilityanalysis ;Computational efficiencyCorresponding author :OUYANG Heng ,E-mail :ouyangheng @ ,Tel :+86-22-60202050The project supported by the National Natural Science Foundation of China (No.51905146,12102122),and the HebeiProvincial Department of Human Resources and Social Security of China (No.B2021005004).Manuscript received 20211225,in revised form 20220217.㊀第45卷第5期赵子达等:径向基函数-稀疏多项式混沌展开混合代理模型可靠性分析方法1109㊀㊀0㊀引言㊀㊀在航空航天设备㊁特种装备㊁土木结构等复杂工程设计问题中,广泛存在着因材料差异㊁几何特性和边界条件所引入的各类不确定性因素,导致产品实际性能与设计状态之间存在偏差,进而可能影响结构可靠性与安全性[1-4]㊂结构可靠性通过定量分析这些不确定性的影响,合理评估失效概率,以保证结构安全㊂大型工程结构中由于涉及的各种不确定性变量与实际模型之间的响应关系复杂㊂因此,在对复杂工程结构进行可靠性分析时,通常需要采用有限元分析方法来得到实际模型的对应响应,计算成本较高㊂为降低有限元分析所导致的昂贵成本,各类代理模型迅速发展起来,并在实际工程中得到了广泛应用[5]㊂经典的代理模型包括响应面模型(Response Surface Method,RSM)㊁Kriging模型㊁径向基函数(Radial Basis Function,RBF)㊁多项式混沌展开(Polynomial Chaos Expansion,PCE)等[6-7],其中,RBF 能够以较高的拟合精度拟合高度非线性的极限状态函数,从而有效地处理高维非线性问题㊂张天龙等[8]引入了基于主动学习的RBF代理模型方法,提高了模型计算的效率与稳定性,解决了强度折减法在边坡系统可靠性分析当中计算成本过高的问题㊂刘鑫等[9]基于RBF建立了乘员约束系统的代理模型,并应用于近似可靠性优化设计问题中,高效准确地为汽车乘员约束系统匹配最佳的设计参数㊂然而,传统的RBF方法无法较好地拟合线性系统[10],将多项式增广到RBF 模型可以有效解决该问题,该方法能够充分利用所有样本点,广泛应用于结构可靠性分析和设计领域㊂WEI Y等[11]针对含隐式和非线性极限状态函数的可靠性分析问题,提出了一种基于协同主动学习策略的增广RBF代理模型,用于含隐式和非线性功能函数的可靠性分析㊂胡常福等[12]针对结构极限承载力的可靠性分析中计算成本过高的问题,将不同次数增广基多项式引入到RBF响应面模型,有效减少了计算成本㊂WU Z P等[13]为了解决工程中的全局敏感性分析问题,提出一种正交增广RBF方法来估计Sobol指数,提高了RBF模型拟合复杂极限状态函数的适应性㊂近年来,PCE方法作为一种流行的代理模型,采用不同正交多项式近似替代原复杂模型,广泛应用于不确定量化分析及敏感性分析等领域㊂黄悦琛等[14]为了对无人机飞行性能展开不确定性分析,基于广义PCE方法建立了代理模型,较蒙特卡洛方法大幅提升了计算效率㊂刘安民等[15]针对气动力参数对翼伞飞行性能的不确定性量化评估问题,采用PCE方法建立代理模型,在不降低精度的前提下提高了计算效率㊂李阳天等[16]针对求解PCE系数中出现的过拟合问题,提出一种改进的PCE方法,有效解决了PCE系数过拟合的问题㊂ZHANG X F等[17]提出一种有效的结构不确定性分析的PCE方法,克服了一般多项式混沌展开过程中存在的维数问题㊂赵威等[18]为解决传统PCE方法的多重共线性问题,提出一种稀疏偏最小二乘回归-多项式混沌展开代理模型方法,实现了较高精度的结构可靠度分析㊂TORII A J等[19]提出了一种解决基于风险和可靠性的设计优化问题的方法,该方法结合PCE与梯度算法进行失效概率评估和灵敏度分析,从而减轻此类问题所需的计算负担㊂PAN Q等[20]为了克服最小二乘法求解容易产生过拟合的缺点,利用贝叶斯分析给出的预测均值和方差,提出了一个学习函数选择信息量最大的样本构建PCE,以提升计算效率㊂然而,目前代理模型研究领域中,仍缺乏将RBF 和PCE两者优点相结合所发展的可靠性分析方法㊂PCE方法通过正交多项式的线性组合逼近真实模型,具有正交特性,能够表征模型响应的全局行为,并与输入随机变量的联合分布相联系㊂同样,RBF方法采用基函数的线性组合来近似模型响应㊂因此,融合RBF 与PCE的代理模型方法能够兼具两种方法的优点,提高模型预测能力㊂本文提出一种径向基函数和稀疏多项式混沌(RBF and Sparse Polynomial Chaotic Expansion,RBF-SPCE)相融合的混合代理模型的可靠性分析方法,将SPCE中重要的基函数项增广到RBF 代理模型,结合两种模型各自优势,在减少样本点的前提下提高计算效率㊂1㊀多项式混沌展开及径向基函数代理模型1.1㊀多项式混沌展开代理模型㊀㊀PCE是用一组与输入变量分布类型相应的正交多项式之和来近似隐式函数的高精度代理模型㊂该模型在概率论框架下具有表达任意有限方差随机响应的能力,且对于光滑的输入输出关系能够迅速收敛㊂PCE模型利用不同正交多项式来分别对应不同变量分布,对应关系如表1所示㊂因此,PCE模型可表示为[21]597-617y=f(x)=ðm j=1λj p j(x)(1)式中,j为PCE项数;λj为第j个待求解的PCE系数;m为PCE的总项数;pj(x)为第j维标准随机变量所对应的一维正交多项式基函数的乘积,可采用式(2)表征㊂pj(x)=ᵑd k=1ϕj k(x k)(2)式中,k为随机变量维数;ϕj k(x k)为第k维随机变量x k㊀1110㊀机㊀㊀械㊀㊀强㊀㊀度2023年㊀所对应的一维正交多项式基函数;d 为随机变量维数㊂PCE 的总项数m 由PCE 的最高阶数p 和随机变量维数d 共同决定,具体函数关系可表示为m =(d +p )!d !p !(3)表1㊀不同分布类型对应的典型正交多项式Tab.1㊀Typical orthogonal polynomials correspondingto different distribution types分布类型Distribution type概率密度函数Probability density function正交多项式Orthogonal polynomial高斯分布Gaussian distribution1/2πexp(-x 2/2)埃尔米特Hermite 均匀分布Uniform distribution1/2勒让德Legendre 伽玛分布Gamma distributionx a e-x拉盖尔Laguerre 贝塔分布Beta distribution(1-x )a (1+x )bB(a )B(b )雅可比Jacobi依据变量的不同分布类型选取对应的正交基函数构建PCE 模型,其中PCE 模型系数的求解是该方法中关键步骤,决定了代理模型的精度,从而影响到可靠性分析的精度㊂一种方法是基于Galerkin 投影法,利用正交多项式基函数的正交性,将PCE 模型依次投影到混合多项式上,获得PCE 模型的系数;另一种方法是基于线性回归法,利用最小二次回归估算PCE 模型系数㊂回归法相比于Galerkin 投影法,PCE 模型收敛速度更快,算法步骤如下:步骤1:实验设计㊂通过拉丁超立方抽样(LatinHypercube Sampling,LHS)得到一组输入变量的样本X =(x 1,x 2, ,x n )T (n 为样本点个数),并计算所得样本点处原模型的响应值F =(f (x 1),f (x 2), ,f (x n ))T ㊂步骤2:求取PCE 模型的展开系数㊂将样本X =(x 1,x 2, ,x n )T 和对应的响应值F =(f (x 1),f (x 2), ,f (x n ))T分别代入式(1)PCE 模型左端和右端得p 1(x 1)p 2(x 1) p m (x 1)p 1(x 2)p 2(x 2) p m (x 2)︙︙︙p 1(x n )p 2(x n )p m (x n )éëêêêêêêùûúúúúúúλ1λ2︙λm éëêêêêêêùûúúúúúú=f (x 1)f (x 2)︙f (x n )éëêêêêêêùûúúúúúú(4)式(4)可简写为Pλ=F(5)式中,P =p 1(x 1)p 2(x 1) p m (x 1)p 1(x 2)p 2(x 2) p m (x 2)︙︙︙p 1(x n )p 2(x n )p m (x n )éëêêêêêêùûúúúúúú,λ=λ1λ2︙λm éëêêêêêêùûúúúúúú,F =f (x 1)f (x 2)︙f (x n )éëêêêêêêùûúúúúúú(6)㊀㊀PCE 模型的展开系数向量λ的计算式为λ=(PP T )-1P T F(7)㊀㊀步骤3:采取蒙特卡洛模拟(Monte CarloSimulation,MCS)方法,利用步骤2获得的PCE 模型进行可靠性分析㊂在求解PCE 模型系数过程中,PCE 模型总项数随着随机变量维数和最高阶数的增加而急剧增加,从而导致 维数灾难 ,大幅增加了计算成本㊂为平衡计算效率和计算精度,应采取更加高效的方法求解PCE 展开系数㊂根据稀疏效应准则[22],对PCE 模型结果影响较大的展开式主要是单一输入变量的多项式基函数和变量之间的低阶交叉项,其余混合多项式对应的PCE 模型系数趋近于0,对PCE 模型精度影响较小,从而减少混合基函数的选取数量,提高建立PCE 模型的效率㊂为了高效地求解PCE 模型展开系数,采取正交匹配追踪算法[23]进行重要基函数的选取㊂1.2㊀RBF 代理模型㊀㊀RBF 代理模型可表示为[24]f R (x )=ðn i =1w iφ( x-x i )(8)式中,φ为径向基函数; x -x i 为两点间的欧氏距离;w i 为待求解未知权重系数㊂将样本点代入RBF 模型后,可得AW =F(9)其中,A =φ( x 1-x 1 )φ( x 1-x 2 ) φ( x 1-x n )φ( x 2-x 1 )φ( x 2-x 2 )φ( x 2-x n )︙︙︙φ( x n -x 1 )φ( x n -x 2 )φ( x n -x n )éëêêêêêùûúúúúú,W =λ1λ2︙λn éëêêêêêêùûúúúúúú,F =f (x 1)f (x 2)︙f (x n )éëêêêêêêùûúúúúúú(10)㊀㊀RBF 代理模型的待求解权重系数向量W 为W =(AA T )-1A T F(11)㊀㊀由于使用了高度非线性的径向基函数,式(8)中的RBF 模型可以精确拟合非线性响应,但仍无法较好拟合线性响应㊂为了解决该问题,将多项式增广到RBF 代理模型中,表示如下:f (x )=ðni =1w iφ( x-x i )+ðqj =1b jc j(x )(12)㊀第45卷第5期赵子达等:径向基函数-稀疏多项式混沌展开混合代理模型可靠性分析方法1111㊀㊀式中,b j 为由于多项式项而在插值中引入的q 个未知系数;c j (x )为增广多项式中的第j 项,对于二维问题,增广多项式中的单项依次为[1,x ,y ,x 2,xy ,y 2, ]T ㊂式(12)中引入的额外q 个未知系数的数量取决于多项式阶数和问题维数d ,其函数关系为q =1常数q =d +1线性多项式q =(d +1)(d +2)/2二次多项式q =(d +1)(d +2)(d +3)/6三次多项式ìîíïïïïï(13)㊀㊀RBF 模型的增广可采用线性或二次多项式等函数,本文只研究增广线性多项式(Linear Polynomial,LP)函数的RBF 模型㊂在本文余下部分,皆用RBF-LP 表示增广线性多项式函数的RBF 模型㊂式(12)中存在n 个方程,n +q 个未知系数,未知系数数量大于可用方程数量㊂因此,由下列q 个正交约束条件可得到附加的q 个方程,从而求解附加未知系数:ðni =1w i c j(x i)=0(14)式中,j =1,2, ,q ㊂结合式(12)㊁式(14),可得到(n +p )个方程,其矩阵形式表示为A C C T()W B()=F()(15)式中,C =c 1(x 1)c 2(x 1) c q (x 1)c 1(x 2)c 2(x 2) c q (x 2)︙︙︙c 1(x n )c 2(x n )c q (x n )éëêêêêêêùûúúúúúú,B =b 1b 2︙b q éëêêêêêêùûúúúúúú(16)㊀㊀求解式(15)的方程组得到W ㊁B ,表示为W B()=A C CT()-1F()(17)㊀㊀由式(8)㊁式(12)可以看出,RBF 模型在抽样点上预测的函数值与对应的真实函数值相等㊂因此,方差分析法无法检验RBF 模型的准确性,应使用非设计点对RBF 模型进行评估㊂非设计点的均方根误差R RMSE 为R RMSE =ðti =1[f (x i)-f ᶄ(x i )]2/t(18)式中,t 为非设计点的个数;f (x i )为第i 个非设计点的真实函数值;f ᶄ(x i )为RBF 模型在第i 个非设计点处的预测函数值㊂式(8)㊁式(12)分别为RBF 和RBF-LP 代理模型的表达式,在构建模型并求出未知系数后,这两个代理模型都具有显式的函数表达式,任意输入都可以通过构建好的RBF 模型求出对应的响应,可采用MCS 方法求解失效概率[25]:P ^f ʈ1N ðNi =1I [f (x i )ɤ0](19)式中,P ^f 为预测失效概率;N 为MCS 的样本数;I [㊃]为指示函数,表示为I [㊃]=1f (x i )ɤ0f (x i )>0{(20)2㊀RBF-SPCE 代理模型㊀㊀现有径向基函数代理模型研究中主要采取多项式增广㊂PCE 模型不仅能够拟合线性响应,还具有良好的全局拟合能力,与径向基函数代理模型相结合的方法已在全局敏感性分析和可靠性优化领域得到应用[21]597-617[26]㊂为了减少样本点数量并提高代理模型预测精度,从而保证可靠性分析的求解效率,本文采用SPCE 模型代替RBF-LP 模型中的线性多项式项,RBF-SPCE 模型的表达式为f (x )=ðn i =1w iφ( x-x i )+ðmj =1λj p j(x )(21)式中,φ( x -x i )㊁p j (x )分别为径向基函数和正交PCE 多项式㊂在本方法中,利用RBF 模型逼近强非线性多项式,利用PCE 模型逼近弱非线性多项式㊂在RBF 项中,最优形状参数c 的确定是一个全局优化问题,采用粒子群优化[27](Particle Swarm Optimization,PSO)算法求解㊂该方法通过模拟鸟类群集或鱼群的行为从而在问题空间中寻找最优解决方案㊂具有惯性权值的PSO 算法能保证较好的全局收敛性,因此本文采用该算法,主要步骤如下:v ij (t +1)=wv ij (t )+c 1r 1(t )[p ij (t )-x ij (t )]+c 2r 2(t )[p g j (t )-x ij (t )](22)式中,x ij (t +1)=x ij (t )+v ij (t +1)(23)式中,c 1㊁c 2均为学习因子;r 1㊁r 2均为[0,1]范围内的均匀随机数;i =1,2, ,N ,其中N 为粒子个数;j =1,2, ,D ,其中D 为搜索空间维数;v ij 为粒子速度;x ij为当前迭代中的粒子;p ij 为存储第i 个粒子当前搜索到的最优位置,即个体极值;p g j 为存储整个粒子群当前搜索到的最优位置,即全局极值;w 为惯性权重,表示当前迭代速度与上一次迭代速度的关系㊂采用较多的是动态惯性权重,表达式为w =w max -(w max -w min )tT max(24)式中,T max 为最大进化代数;w max ㊁w min 分别为最大和最小惯性权重,在本文中取w max =0.9,w min =0.4;t 为当㊀1112㊀机㊀㊀械㊀㊀强㊀㊀度2023年㊀前迭代次数㊂式(21)存有n 个方程,n +m 个未知系数,未知量大于可用方程㊂因此,由下列m 个正交约束条件可得出附加的m 个方程,从而求解附加系数为ðni =1w i p j(x i)=0(25)式中,j =1,2, ,m ㊂结合式(21)和式(25),得到(n +m )个方程,其矩阵形式表示为A P P T()W λ()=F0()(26)式中,P =p 1(x 1)p 2(x 1) p m (x 1)p 1(x 2)p 2(x 2) p m (x 2)︙︙︙p 1(x n )p 2(x n )p m (x n )éëêêêêêêùûúúúúúún ˑm,λ=λ1λ2︙λm éëêêêêêêùûúúúúúú,F =f (x 1)f (x 2)︙f (x n )éëêêêêêêùûúúúúúú(27)㊀㊀RBF-SPCE 代理模型的待求解系数向量W 和展开系数向量λ可求得W λ()=A P P T()-1F()(28)㊀㊀在求解出RBF-SPCE 代理模型系数后,采用MCS 方法求解失效概率,具体算法过程如下:步骤1:生成具有n 个样本点的初始样本集,初始迭代次数设置为k =1,采用LHS 方法生成RBF-SPCE 代理模型的初始样本集㊂步骤2:对步骤1中生成的初始样本集求得原计算模型对应的响应值㊂对于实际问题,需采用有限元法计算模型响应㊂步骤3:更新样本集从而包含所有样本点,n =n +m ㊂在第一次迭代中,k =1,m =0,不添加额外的样本点㊂步骤4:采用正交匹配追踪算法筛选出RBF-SPCE 模型中重要的基函数㊂步骤5:使用样本点集n ,采用式(17)构建RBF-SPCE 代理模型㊂步骤6:采用MCS 方法计算第k 次迭代时RBF-SPCE 代理模型的失效概率P f ㊂步骤7:判断是否满足收敛准则㊂如果满足收敛准则,则迭代停止;否则,继续执行步骤8㊂本文中采用的收敛准则是失效概率P f 在两个连续迭代步的相对误差小于容许值,容许值设置为1%㊂步骤8:生成带有m 个样本点的额外样本集,更新迭代次数k ,进行下一轮迭代㊂步骤9:对步骤8生成的额外样本集m 求取原模型对应的响应值,返回步骤3㊂基于RBF-SPCE 代理模型的可靠性分析方法具体流程如图1所示㊂图1㊀RBF-SPCE 代理模型运算流程Fig.1㊀Flowchart of RBF-SPCE surrogate model3㊀数值算例㊀㊀算例1:该算例为二维问题,功能函数为g X ()=exp(0.2x 1+6.2)-exp(0.47x 2+5.0)(29)式中,x 1㊁x 2均为不确定变量,具体分布如表2所示㊂表3中给出了不同可靠性方法在求解算例1问题的结果㊂由表3可以看出,直接采用MCS 方法得到的失效概率为0.9372%,相比于RBF 模型和RBF-LP 模型的22次功能函数调用次数,RBF-SPCE 模型在调用20次㊀第45卷第5期赵子达等:径向基函数-稀疏多项式混沌展开混合代理模型可靠性分析方法1113㊀㊀功能函数后就达到稳定,且相对误差0.619%也小于RBF 和RBF-LP 模型㊂图2给出了在初始样本点相同的情况下,随着不断迭代增加样本点,三种方法计算得到失效概率的变化情况㊂表2㊀算例1不确定变量分布Tab.2㊀Distributions of uncertain variables for example 1变量Variable 均值Mean 标准差Standard deviation分布类型Distribution x 11正态分布Gaussian distributionx 201正态分布Gaussian distribution表3㊀不同可靠性方法求解算例1问题的对比Tab.3㊀Comparison of different reliability methods in example 1方法Method 失效概率Failure probability /%相对误差Relative error /%功能函数调用次数Number of performance functionRBF0.89804.18322RBF-LP 0.92201.62222RBF-SPCE 0.94300.61920MCS0.9372图2㊀算例1迭代过程中失效概率的变化情况Fig.2㊀Failure probability in the iteration process of example 1算例2:该算例包含交叉项二次多项式和线性多项式的二维问题,其不确定变量分布如表4所示,功能函数表达式为[28]g X ()=(x 1-x 2)210-x 1+x 22+52(30)㊀㊀表5中给出了不同可靠性方法求解算例2问题的结果,图3给出了在初始样本点相同的情况下,随着不断迭代增加样本点,三种方法计算得到失效概率的变化情况㊂由此可以看出,由于该算例中包含线性多项式,RBF 模型计算得到的失效概率相比于MCS 方法误差较大㊂RBF-LP 模型计算得到的结果相对准确,但两种模型的功能函数调用次数相当㊂相比于RBF 模型和RBF-LP 模型,RBF-SPCE 模型仅调用8次功能函数就达到稳定的计算结果,所得失效概率的相对误差也最小,仅为0.523%㊂表4㊀算例2不确定变量分布Tab.4㊀Distributions of uncertain variables for example 2变量Variable 均值Mean 标准差Standard deviation分布类型Distribution x 11正态分布Gaussian distributionx 201正态分布Gaussian distribution表5㊀不同可靠性方法求解算例2问题的对比Tab.5㊀Comparison of different reliability methods in example 2方法Method 失效概率Failure probability /%相对误差Relative error /%功能函数调用次数Number of performance functionRBF0.39805.42026RBF-LP0.42400.76025RBF-SPCE 0.42300.5238MCS0.4208图3㊀算例2迭代过程中失效概率的变化情况Fig.3㊀Failure probability in the iteration process of example 2算例3:该算例是一个包含线性多项式的七维可靠性分析问题,其不确定变量的分布如表6所示,功能函数为g X ()=x 2x 3x 4-x 23x 24x 5x 6x 7-x 1(31)㊀㊀表7中给出了不同可靠性方法在求解算例3问题的结果,图4给出了在初始样本点相同的情况下,随着不断迭代增加样本点,三种方法得到的失效概率的变化㊂由此可以看出,RBF㊁RBF-LP㊁RBF-SPCE 三种方法都在调用40次功能函数以后达到稳定,其中,RBF-SPCE 方法得到的失效概率与MCS 方法的相对误差最小,仅为1.128%㊂㊀1114㊀机㊀㊀械㊀㊀强㊀㊀度2023年㊀表6㊀算例3不确定变量分布Tab.6㊀Distributions of uncertain variables for example 3变量Variable 均值Mean 标准差Standard deviation分布类型Distribution x 10.010.003正态分布Gaussian distributionx 20.30.015正态分布Gaussian distributionx 336036正态分布Gaussian distributionx 4 2.26ˑ10-41.13ˑ10-5正态分布Gaussian distributionx 50.50.05正态分布Gaussian distributionx 60.120.006正态分布Gaussian distributionx 7406正态分布Gaussian distribution表7㊀不同可靠性方法求解算例3问题的对比Tab.7㊀Comparison of different reliability methods in example 3方法Method 失效概率Failure probability /%相对误差Relative error /%功能函数调用次数Number of performance functionRBF0.301010.65640RBF-LP0.36107.15340RBF-SPCE 0.33311.12840MCS0.3369图4㊀算例3迭代过程中失效概率的变化情况Fig.4㊀Failure probability in the iteration process of example 34㊀汽车侧面碰撞工程算例㊀㊀汽车抗撞击能力对于保证乘客的安全至关重要㊂在所有汽车交通事故中,侧面碰撞是导致乘客死亡的主要因素,仅次于正面碰撞㊂对于车身来说,车身两侧的机械性能相对较弱,汽车侧面碰撞的缓冲面积相对较小,其碰撞变形易对乘客造成严重伤害,针对汽车侧面碰撞问题[29]做可靠性分析具有重要意义㊂汽车侧面碰撞问题如图5所示[30]㊂针对汽车侧面碰撞问题,以B 柱处前门的速度作为性能函数,验证本文所提方法的工程适用性㊂表8给出了不确定变量的统计特性㊂汽车侧面碰撞功能函图5㊀汽车侧面碰撞Fig.5㊀Vehicle side impact数表达式为g X ()=0.489x 3x 7+0.843x 5x 6-0.0432x 9x 10+0.0556x 9x 11+0.000786x 211-0.75(32)表8㊀汽车碰撞问题不确定变量分布Tab.8㊀Distributions of uncertain variablesfor vehicle side impact变量描述Variable description变量Variable 均值Mean 标准差Standard deviation分布类型DistributionB 柱内侧B-pillar innerx 110.05正态分布Gaussian distribution B 柱加固件B-pillar reinforcementx 210.05正态分布Gaussian distribution地板侧面内侧Floor side innerx 310.05正态分布Gaussian distribution横梁Cross membersx 410.05正态分布Gaussian distribution车门防撞梁Door beamx 510.05正态分布Gaussian distribution门带加固件Door belt line reinforcementx 610.05正态分布Gaussian distribution车顶纵梁Roof railx 710.05正态分布Gaussian distributionB 柱内侧材料Material of B-pillar innerx 80.30.006正态分布Gaussian distribution地板侧面内侧材料Material of floor side innerx 90.30.006正态分布Gaussian distribution障碍高度Barrier heightx 10010正态分布Gaussian distribution撞击位置Barrier hitting positionx 11010正态分布Gaussian distribution表9中给出了RBF 模型㊁RBF-SPCE 模型以及MCS 方法在求解汽车侧面碰撞问题的结果,直接采用MCS 方法得到的失效概率为0.0107%㊂由表9可以㊀第45卷第5期赵子达等:径向基函数-稀疏多项式混沌展开混合代理模型可靠性分析方法1115㊀㊀看出,RBF方法在调用12次功能函数的情况下,失效概率为0.0140%,与MCS 方法的相对误差较大,为30.841%㊂而RBF-SPCE 模型在调用10次功能函数的情况下就达到稳定的结果,且计算得到的失效概率为0.0111%,相对误差3.738%远小于RBF 模型㊂图6给出了在初始样本点相同的情况下,随着不断迭代,增加样本点的失效概率变化情况㊂表9㊀不同可靠性方法求解汽车侧面碰撞问题的对比Tab.9㊀Comparison of different reliability methodsfor vehicle side impact方法Method 失效概率Failure probability /%相对误差Relative error /%功能函数调用次数Number of performance functionRBF0.014030.84112RBF-SPCE 0.01113.73810MCS0.0107图6㊀汽车侧面碰撞问题迭代过程中失效概率的变化情况Fig.6㊀Failure probability in the iteration process of vehicle side impact5㊀结论㊀㊀本文以RBF 与SPCE 展开的正交组合为基础,提出一种可有效解决结构可靠性分析问题的混合代理模型㊂1)该方法SPCE 展开增广到RBF 代理模型中,一定程度上弥补了RBF 拟合线性响应能力差的问题,将RBF 的局部拟合能力与SPCE 展开的全局拟合能力有机结合,在降低计算成本的同时提高了代理模型的预测精度㊂2)数值算例表明,与现有方法相比,本文所提方法在处理高维㊁强非线性问题时呈现出较高的计算效率和计算精度㊂3)汽车侧面碰撞的工程算例表明,本文所提方法可准确预测汽车侧面碰撞问题的失效概率,有效减少了有限元分析所需的样本点,表明本文方法具有良好的工程适用性㊂参考文献(References )[1]㊀OUYANG H,LIU J,HAN X,et al.Correlation propagation foruncertainty analysis of structures based on a non-probabilisticellipsoidal model[J].Applied Mathematical Modelling,2020(88):190-207.[2]㊀刘㊀俊,安子军.基于改进的响应面法的双激波套筒活齿传动接触疲劳强度模糊可靠性分析[J].机械强度,2020,42(6):1362-1368.LIU Jun,AN ZiJun.Fuzzy reliability analysis of contact fatiguestrength of double shock sleeve movable teeth transmission based onan improved RSM [J].Journal of Mechanical Strength,2020,42(6):1362-1368(In Chinese).[3]㊀OUYANG H,LIU J,HAN X,et al.Non-probabilistic uncertaininverse problem method considering correlations for structural parameter identification [J ].Structural and MultidisciplinaryOptimization,2021:1-16.[4]㊀白㊀斌,张俊一,周㊀策,等.基于T-S 模糊故障树的工业机器人可靠性分析[J].机械强度,2021,43(6):1348-1358.BAI Bin,ZHANG JunYi,ZHOU Ce,et al.Reliability analysis ofindustrial robot using T-S fuzzy fault tree[J].Journal of MechanicalStrength,2021,43(6):1348-1358(In Chinese).[5]㊀李永欣,常㊀涛,杨立明,等.基于组合代理模型的三角履带轮多工况疲劳优化[J].机械强度,2021,43(5):1088-1094.LI YongXin,CHANG Tao,YANG LiMing,et al.Fatigueoptimization of triangle track wheel under multi-working conditions based on ensemble of surrogate model [J].Journal of MechanicalStrength,2021,43(5):1088-1094(In Chinese).[6]㊀韩忠华.Kriging 模型及代理优化算法研究进展[J].航空学报,2016,37(11):3197-3225.HAN ZhongHua.Kriging surrogate model and its application todesign optimization:a review of recent progress [J ].ActaAeronautica et Astronautica Sinica,2016,37(11):3197-3225(InChinese).[7]㊀陈㊀哲,杨旭锋,程㊀鑫.基于改进Kriging 模型的主动学习可靠性分析方法[J].机械强度,2021,43(1):129-136.CHEN Zhe,YANG XuFeng,CHENG Xin.Active learning methodbased on improved Kriging model for reliability analysis[J].Journalof Mechanical Strength,2021,43(1):129-136(In Chinese).[8]㊀张天龙,曾㊀鹏,李天斌,等.基于主动学习径向基函数的边坡系统可靠度分析[J].岩土力学,2020,41(9):3098-3108.ZHANG TianLong,ZENG Peng,LI TianBin,et al.Systemreliability analyses of slopes based on active-learning radial basisfunction[J].Rock and Soil Mechanics,2020,41(9):3098-3108(In Chinese).[9]㊀刘㊀鑫,陈㊀德,周振华,等.基于概率-区间混合模型的汽车乘员约束系统可靠性优化设计[J].振动与冲击,2021,40(20):240-246.LIU Xin,CHEN De,ZHOU ZhenHua,et al.Reliability-baseddesign optimization for an occupant restraint system based on a probability and interval hybrid model[J].Journal of Vibration andShock,2021,40(20):240-246(In Chinese).[10]㊀FANG H B,HORSTEMEYER M F.Global response approximationwith radial basis functions[J].Engineering Optimization,2006,38(4):407-424.[11]㊀WEI Y,BAI G,SONG L K.A novel reliability analysis approachwith collaborative active learning strategy-based augmented RBF metamodel[J].IEEE ACCESS,2020(8):199603-199617.。

基于混沌多项式展开的机械结构可靠性分析

基于混沌多项式展开的机械结构可靠性分析

所以,本文利用混沌多项式理论分析机械结构的
可靠性。 首先简单介绍混沌多项式的基本理论,然后
对失效相关可靠性的计算方法进行叙述。 同时给出基
于混沌多项式理论的失效相关可靠性计算过程。 最
后,以蜗轮蜗杆⁃齿轮二级减速装置为例,计算分析了
不同零件和不同失效模式的可靠性。 对不同失效模式
下 PCE 和 MCS 的计算结果进行对比分析,并对失效
的,而会随着时间逐渐退化。 因此,所有的结构都会存
法、模型以及相关技术得到广泛的关注
[1⁃2]
。 在机械产
品的设计、制造、维修等各个阶段都需要对可靠性进行
在这样一个极限状态,当外部载荷低于此极限状态时,
结构正常工作,否则将发生破坏。 这种极限状态可以
∗20210120 收到初稿, 20210303 收到修改稿。 国家自然科学基金项目 (51565032) 资助。

∗王智明, 男, 1969 年生, 甘肃天水人, 汉族, 兰州理工大学副教授, 博士。 主要研究方向为系统可靠性建模, 可靠性评估, 机械可靠性优化
设计和评估。
∗∗∗郑 雷 ( 通信作者) , 男, 1995 年 3 月生, 甘肃陇南人, 汉族, 兰州理工大学硕士研究生。 主要研究方向为结构可靠性。
(2)
则 V 就能够表示成一系列的相互独立的标准随
机变量的函数。 对于一般机械结构问题,都满足平方
可积的这种特性。 所以,PCE 可用于机械结构分析。
度低等问题。 基于代理模型的方法本质上也是一种近
内积空间中,在给定一组完备正交基的情况下,给
似方法,它将极限状态方程用特定形式代替,构建代理
定的任何一个向量都可以由这组正交基表示出来。 当

基于多项式混沌展开的非线性系统试验不确定度评定方法

基于多项式混沌展开的非线性系统试验不确定度评定方法

基于多项式混沌展开的非线性系统试验不确定度评定方法余慧杰;朱悦晨;王海华;王神龙;徐世鹏;丁晓红【期刊名称】《机械强度》【年(卷),期】2022(44)4【摘要】非线性系统试验结果的不确定性分析表征了试验结果的分散性。

提出一种基于多项式混沌展开的非线性系统试验不确定度评定方法,通过Ishigami测试模型将该评定方法与国家标准《用蒙特卡罗法评定测量不确定度》中规定的方法进行了比较,结果表明,提出的方法拥有更高的精度及效率。

以座椅安全带固定点试验为例,采用多项式混沌展开法建立试验的代理模型,实现了安全带固定点试验的测量不确定度的评定。

针对样本数不足的问题,分别采用改进的双曲线截断技术以及基于多项式混沌展开模型的Sobol灵敏度分析对模型简化,结果表明,提出的两种简化方法均能明显降低模型对样本的需求。

研究结果表明,提出的多项式混沌展开及其简化方法可广泛用于各种产品试验的不确定度评定中。

【总页数】9页(P772-780)【作者】余慧杰;朱悦晨;王海华;王神龙;徐世鹏;丁晓红【作者单位】上海理工大学机械工程学院;延锋安道拓座椅有限公司【正文语种】中文【中图分类】TG707;TB9【相关文献】1.基于多项式混沌理论的不确定度评定与分析2.测量不确定度基本原理和评定方法及在材料检测中的评定实例第七讲材料检测结果测量不确定度的评定实例(拉伸试验结果的测量不确定度评定)3.测量不确定度基本原理和评定方法及在材料检测中的评定实例第八讲材料检测结果测量不确定度的评定实例(脱碳层深度及原子吸收分光光度计测定铜浓度的试验结果的测量不确定度评定)4.压力测量不确定度评定基础知识讲座(七)第七讲航空发动机试验中电子扫描压力测量不确定度评定——电子扫描压力测量系统示值误差的测量不确定度评定5.基于多项式混沌展开方法的翼伞飞行不确定性因版权原因,仅展示原文概要,查看原文内容请购买。

二阶混沌多项式的概率密度精确计算及其结构可靠度应用

二阶混沌多项式的概率密度精确计算及其结构可靠度应用

二阶混沌多项式的概率密度精确计算及其结构可靠度应用刘腾;翁叶耀;张玄一;赵衍刚【期刊名称】《防灾减灾工程学报》【年(卷),期】2024(44)1【摘要】混沌多项式展开是一种广泛使用的方法,用于建立功能函数的代理模型,以方便对随机结构进行不确定性量化及可靠度分析。

然而,在某些可靠度分析问题中经常需要混沌多项式展开模型的概率密度函数作为随机变量的完整表达,但在一般情况下难以准确计算混沌多项式展开模型的概率密度函数。

为研究二阶混沌多项式展开模型的概率密度函数计算方法,通过正交变换消除模型中的交叉项,推导出二阶混沌多项式展开其特征函数的显式表达式,然后利用快速傅里叶变换求得二阶混沌多项式展开的概率密度函数,并通过数值算例验证了所提方法在结构可靠度应用中的准确性和适用性。

研究结果表明:所提方法能获得二阶混沌多项式模型的概率密度函数与累积分布函数,计算结果与理论精确解吻合,获得的非中心卡方分布的累积分布函数尾部可与精确值在10^(-8)水平上保持一致,且适用于高维情形。

同时,所提方法能高效准确地给出不同响应阈值下的结构失效概率,即使是在10^(-8)水平上的小失效概率情形。

相较于前四阶矩方法,所提方法计算精度更高,对于输出变量具有强非高斯性的情况依然适用。

此外,由于二阶混沌多项式展开模型代理强非线性功能函数存在一定误差,因此所提方法对于强非线性问题存在一定局限性。

【总页数】11页(P28-38)【作者】刘腾;翁叶耀;张玄一;赵衍刚【作者单位】北京工业大学城市建设学部【正文语种】中文【中图分类】U213.2【相关文献】1.正交多项式拟合概率密度函数在可靠度计算中的应用2.基于稀疏混沌多项式的边坡可靠度分析方法3.优质护理服务在老年性脑梗塞护理中的应用效果探究4.利用多项式混沌展开的结构可靠性分析因版权原因,仅展示原文概要,查看原文内容请购买。

混沌多项式展开法

混沌多项式展开法

混沌多项式展开法
混沌多项式展开法是一种强大的数学工具,可以用来研究各种复杂的问题。

它是一种非线性系统,可以通过混沌多项式展开法来分析其行为及特征。

第一步:了解混沌多项式展开法
混沌多项式展开法是一种基于混沌理论的数学工具。

混沌理论是指非线性系统在某些条件下会表现出无法预测的异常行为。

混沌多项式展开法利用了这种混沌性质,将混沌多项式展开为一组基函数的线性组合,从而可以对非线性系统进行建模和分析。

第二步:掌握混沌多项式展开法的基本原理
混沌多项式展开法基于的基本方法是线性组合法。

将待求解函数表示为一组基函数的线性组合形式,利用其满足的条件,逐步确定基函数的系数,进而得到待求解函数的表示式。

第三步:应用混沌多项式展开法建模与分析
混沌多项式展开法可以应用于各种复杂的问题,如金融市场的波动、天气预报的不确定性、物理系统的混沌现象等。

在建模时,需要先将实际问题转化为一个合适的数学模型,在此基础上运用混沌多项式展开法进行建模与分析。

第四步:优化混沌多项式展开法模型
在进行混沌多项式展开法模型的优化时,需要考虑以下三个方面:第一是精度问题,即模型的预测误差;第二是速度问题,即模型所需的计算时间;第三是可扩展性问题,即模型是否具有较好的拓展性,可以适用于不同的问题。

总之,混沌多项式展开法是一种非常有用的数学工具,在研究各种复杂的问题时都有广泛的应用。

对于想要深入了解混沌多项式展开法的人来说,可以通过学习相关理论、模拟模型进行实践等方式来提高自己的能力。

基于混沌理论的矿山边坡岩体变形规律与安全预警系统

基于混沌理论的矿山边坡岩体变形规律与安全预警系统

基于混沌理论的矿山边坡岩体变形规律与安全预警系统薛锦春;李夕兵;刘志祥【期刊名称】《中南大学学报(自然科学版)》【年(卷),期】2013(044)006【摘要】通过建立露天矿边坡安全监测系统,采用基于重构相空间的混沌理论揭示露天矿边坡岩体的变形规律,并建立基于重构相空间的边坡岩体变形的混沌神经网络预测模型,实现边坡岩体变形的精确预测,同时根据露天矿开采特征,建立边坡岩体变形的安全预警系统.研究结果表明:露天矿开采过程中,边坡岩体受节理裂隙、开采强度、地下水、地表降雨等多因素的影响,其变形受其内在确定性动力学机制所支配,表现出混沌特性,是边坡工程固有影响因素对边坡岩体综合作用的结果.边坡岩体变形安全预警系统不仅可预测边坡岩体的变形量和所处的安全区域,而且可反映出露天开采强度的合理性,为矿山调节产量和安全生产提供技术保障.%Through establishing the safety monitoring system in an open-pit slope,and using the chaos theory of phase space reconstruction,the deformation laws of rock mass in open-pit slope were revealed.Based on the reconstructed phase space,a deforming prediction model of chaotic neural network in slope rock mass was established,and thus the high accuracy prediction of slope deformation was realized.Meanwhile,analyzing the characteristics of open-pit mining,an early safe waming system of slope deformation was set up.The results show that in open-pit mining process,influenced by jointed,mining intensity,underground water,surface rainfall and other factors,the deformation of slope rock mass is dominated by its intrinsicdeterministic dynamics mechanism,and has shown the features of chaos as a result of the engineering inherent impacts.The safe warning system can not only predict the slope rock mass deformation and the security zone,but also reflects the rationality of open-pit mining intensity,which provides technical support for regulating mine production and ensuring production safety.【总页数】6页(P2476-2481)【作者】薛锦春;李夕兵;刘志祥【作者单位】中南大学资源与安全工程学院,湖南长沙,410083;江西理工大学南昌校区,江西南昌,330013;中南大学资源与安全工程学院,湖南长沙,410083;中南大学资源与安全工程学院,湖南长沙,410083【正文语种】中文【中图分类】TU452.1【相关文献】1.基于混沌理论及神经网络的高速铁路安全风险预测 [J], 徐文秀;万超2.基于TQM理论的无菌物品安全追溯与预警系统研究 [J], 马静;石玉芳;张瑾3.基于混沌检测理论的车载微波测速测距安全预警系统的研究 [J], 尹成群;赵华;尚秋峰;耿玉静4.基于Logistic的混沌理论在物联网安全监理中的应用 [J], 朱方方;刘宏志5.基于模糊理论的学生安全预警系统设计 [J], 钱永林;付祥因版权原因,仅展示原文概要,查看原文内容请购买。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

Reliability analysis of slope stability based on polynomial chaos expansion
ZHANG Hong-tao1, ZHAO Yu-fei2, LI Chen-feng3, JI Hong-guang4, WANG Jin-an4
(1. Department of Civil Engineering, North China University of Technology, Beijing 100041, China; 2. China Institute of Water Resources and Hydropower Research, Beijing 100044, China; 3. Civil & Computational Engineering Centre, School of Engineering, Swansea University, Swansea SA2 8PP, U. K. ; 4. Department of Civil Engineering, Beijing University of Science and Technology, Beijing 100083, China)
第 32 卷 2010 年
第8期 .8 月






Chinese Journal of Geotechnical Engineering
Vol.32 No.8 Aug. 2010
基于多项式混沌展开的边坡稳定可靠性分析
张宏涛 ,赵宇飞 ,李晨峰 ,纪洪广 ,王金安
1 2 3 4 4
(1. 北方工业大学土木工程系,北京 100041;2. 中国水利水电科学研究院,北京 100044;3. Civil & Computational Engineering Centre, School of Engineering, Swansea University, Swansea SA2 8PP, U. K. ;4. 北京科技大学土木工程系,北京 100083)
土参数 c, ϕ 和 u 可以作为随机变量来进行分析。下 面将对引入随机变量后的式(1)进行求解。
1
边坡稳定上限分析方法
图 2 塑性剪切带的能量耗散 Fig. 2 Energy dissipation on shear band
图 1 所示的失效边坡,外力 T 作用在 L 边界,阴 影区域表示真实的滑坡体 V , 真实破坏滑面 Γ ,V * 表 示假设的塑性破坏区, Γ * 为假设破坏滑面。由上限 分析定理可对图 1 所示的滑坡体建立虚功平衡方程:

要:利用 Mohr-Coulomb 屈服准则和塑性力学的上限定理,通过对离散条块边坡体构建机动许可速度场,建立了边
坡稳定的虚功方程,其中岩土强度参数为随机变量,虚功方程为非线性随机平衡方程,安全系数成为随机变量的函数。 再用多项式混沌展开和随机 Galerkin 算法对上述方程进行求解,优化得到了边坡临界滑面及其失效概率和稳定系数, 得出了基于多项式混沌展开的岩土边坡可靠性的分析方法。数值算例表明该方法能对不确定性参数的岩土边坡稳定性 进行有效评估和预测。 关键词:边坡稳定;极限分析;多项式混沌;非线性随机方程;失效概率 中图分类号:TU45;TD853.34 文献标识码:A 文章编号:1000–4548(2010)08–1253–07 作者简介: 张宏涛(1978– ), 男, 山东青州人, 讲师, 从事边坡及岩石力学研究。 E-mail: zhanghongtao95@。
论研究了边坡稳定可靠性[18-21]。 极限平衡方法是通过在一系列垂直条块上建立力 和力矩的平衡方程,并进行滑面参数优化后得到边坡 安全系数, 该方法通常需要添加一些附加条件和假设。 相比极限平衡方法,极限分析方法具有更坚实的物理 背景和力学基础。该方法通过构建机动许可速度场建 立边坡破坏体的虚功平衡方程,而且已经在中国水电 工程的边坡和坝基稳定分析中获得了应用[8,10]。 结合边坡稳定上限分析研究以往的工作,本文提
*
* i
,r-Coulomb 屈服 准则,滑动边坡在底滑面上的速度场 v 与底滑面的夹 角大小为摩擦角 ϕ ,如图 2 所示。这样底滑面上的塑 性耗散能为 dDs = τ vs + σ n vn = (τ cos ϕ + σ n sin ϕ ) v 式中,τ 和 σ n 是底滑面上的剪应力和正应力,vs 和 vn 分别是速度向量的切向和法向分量,黏聚力 c 和摩擦 角 ϕ 为岩土的抗剪强度参数,u 为孔隙水压力。 ru 为 孔隙水压力系数, γ 为岩土重度,z 为土层厚度。 式 (2) 表明可以在不知道塑性区应力场情况下得 到底滑面上的能量耗散。这里的岩土抗剪强度参数 c,
第8期
张宏涛,等. 基于多项式混沌展开的边坡稳定可靠性分析
1255
ˆ * )的夹角等于折减后的摩擦角 ϕ (或 ϕ ˆie )。 块界面 Γ i ie 这里引入 θ 和 θˆ 分别表示从 x 轴正方向逆时针旋转到
i i
g (ξ (ω )) =
∑ g H (ξ (ω ))
i i i =1
+∞

(8)
Fmin 即为边坡稳定的安全系数,所对应的破坏模式即
为临界滑动模式。如果 Fmin > 1 则边坡是安全的。 2.2 边坡离散和机动速度场的获得 为了求解式(1)中的能量耗散和外力功,需要对
图 1 失效边坡的塑性区 Fig. 1 Slope failure at plastic limit
边坡进行离散。 如图3为边坡的某一破坏离散模式, 机 动许可塑性区 V * 被分成 q 个斜条块 Vi * ( i = 1, 2, 底滑面 Γ 被 q 条线段 Γ ( i = 1, 2,
出了具有随机性岩土参数边坡稳定的上限分析方法。 利用 Mohr-Coulomb 屈服准则和塑性力学的上限定 理,岩土参数作为随机变量,通过构建边坡离散条块 的机动许可速度场,建立了含有随机变量的边坡稳定 虚功非线性方程,安全系数成为随机变量的函数。通 过利用多项式混沌展开和随机算法对上述方程进行求 解,优化得到了边坡临界滑面及其失效概率和安全系 数。算例和工程实例表明该方法有效可靠,可以为工 程设计提供依据和安全评价。
条块 Vi * 相对底滑面 Γ i* 以刚体速度 vi 运动,同时 ˆ * 有一 ˆ 与条块界面 Γ 相邻条块 V * 和 V * 的相对速度 v
i i +1 i
i
ϕ 和孔隙水压力 u 在以往的分析中一般取平均值,但
实际上由于加载历史和岩土参数固有的不确定性,岩
夹角。根据相关联流动法则和 Mohr-Coulomb 屈服准 ˆi )和底滑面 Γ i* (或条 则,速度场 vi (或相对速度 v
= ( c cos ϕ − u sin ϕ ) v = ( c cos ϕ − ru γ z sin ϕ ) v
, q )分割。
, (2)
图 3 边坡机动许可塑性区的离散 Fig. 3 Discretization of a kinematically-admissable plastic zone
ˆ * 的角度。 Γ i* 和 Γ i
强度参数折减后的离散域 ∪Vi* 内的能量平衡方
i =i
q
式中, gi 为确定常数, H i (ξ (ω )) 为随机向量 ξ (ω ) 的 Τ Hermite 多项式。 ξ (ω ) 的概率密度函数为 e −1 2ξ ξ / Τ (2π)n 2 ,混沌多项式 H i (ξ (ω )) 与 e−1 2ξ ξ (2 π)n 2 具有 正交性,即
2
2.1
边坡稳定概率分析方法
边坡稳定的安全系数指标

V*
σ :ε dV + ∫ dDs = ∫ T v ds + ∫ Wv dV , (1)
* * * * *
Γ*
L
V*
式中,ε 和 v 为假设的塑性许可应变率和速度场,σ 为依据正交流动法则确定的塑性应力场,Ds 为底滑面
*
*
*
的能量耗散,W 为滑坡体自重。式(1)的左边表示 滑坡体内部和底滑面的塑性能量耗散,右边表示由重 力和外载引起的外力功。
在边坡稳定分析中, 边坡失效通常是自重引起的, 一般采用安全系数作为边坡稳定的评价标准,本文的 安全系数通过岩土强度参数的折减系数来定义[8]。一 般,折减后的岩土强度参数为 c ⎫ ce = , ⎪ ⎪ F (3) ⎬ tan ϕ ⎪ tan ϕe = , ⎪ F ⎭ 式中,F 为折减系数。在边坡稳定上限分析方程(1) 中,通过在所有可能破坏塑性区中寻找最小折减系数
0


岩土边坡的稳定性在岩土工程界一直广受关注。 例如利用经典的极限平衡[1-5]和极限分析[6-11]方法研究 岩土边坡的稳定性;以及利用弹塑性有限元[12-13]和极 限分析有限元 [14-16] 方法研究岩土结构的承载能力和 边坡稳定性等。 Duncan[17]对这些传统的边坡稳定确定 性分析方法进行了综述,这些方法较好的解决了确定 性的岩土工程稳定问题。 但是,岩土参数的不确定性在岩土工程中一直存 在,如何将参数不确定性引入到确定性分析方法中自 然引起了学者的注意。一些学者通过直接假定岩土参 数具有某种随机概型分布 (如高斯分布或对数分布等) , 然后利用边坡稳定分析的极限平衡方法结合可靠度理
─────── 基金项目:国家自然科学基金项目(50809003) ;国家科技支撑计划 (2008BAB33B03-04) ; 国 家 高 技 术 研 究 发 展 计 划 (863 计 划 ) (2008AA062104);中英科研合作项目 收稿日期:2009–05–04
1254






2010 年
相关文档
最新文档