發(fā)布時(shí)間：2024-09-17 14:54

　　 為提高小失效概率及耗時(shí)的復(fù)雜結(jié)構(gòu)可靠性評(píng)估精度和效率,提出了一種基于PC-Kriging(polynomial-chaos-based Kriging)模型與自適應(yīng)k-means聚類分析相結(jié)合的結(jié)構(gòu)可靠性分析方法.PCKriging的回歸基函數(shù)采用稀疏多項(xiàng)式最優(yōu)截?cái)嗉�合來近似�?shù)值模型全局行為,并用Kriging來處理模型輸出的局部變化.在基函數(shù)的建立上,PC-Kriging采用最小角回歸(LAR)計(jì)算功能函數(shù)可能的多項(xiàng)式基函數(shù)集的數(shù)量,同時(shí)用Akaike信息準(zhǔn)則(AIC)來確定最優(yōu)多項(xiàng)式形式.自適應(yīng)k-means聚類分析確保每次迭代添加若干個(gè)對(duì)失效概率貢獻(xiàn)較大的樣本點(diǎn).通過兩個(gè)數(shù)值算例分析,結(jié)果表明所提出方法在能夠保證失效概率估計(jì)值的有效性和準(zhǔn)確性的同時(shí)減小結(jié)構(gòu)功能函數(shù)的評(píng)估次數(shù).

【文章頁數(shù)】：6 頁

【部分圖文】：

圖1失效概率與相對(duì)誤差變化趨勢

選用文獻(xiàn)[17]懸臂式圓柱筒結(jié)構(gòu)(圖2)，它是一個(gè)擁有9個(gè)隨機(jī)變量的高維非線性的工程結(jié)構(gòu)實(shí)例，該結(jié)構(gòu)的9個(gè)輸入隨機(jī)變量分別為t,d,L1,L2,F1,F2,P,T,S．其分布特征如表2所示．圖2懸臂式圓筒結(jié)構(gòu)

圖2懸臂式圓筒結(jié)構(gòu)

圖1失效概率與相對(duì)誤差變化趨勢圖2中懸臂式圓筒結(jié)構(gòu)受到外力F1,F2,P和扭矩T的作用，其功能函數(shù)表示為屈服強(qiáng)度S和最大應(yīng)力σmax的差:

圖3失效概率與相對(duì)誤差變化趨勢

首先，采用Nataf變換將上述隨機(jī)變量映射到標(biāo)準(zhǔn)正態(tài)空間，并在[-5,5]9立方體內(nèi)抽取N0=11個(gè)拉丁超立方隨機(jī)樣本點(diǎn)，再應(yīng)用所提算法評(píng)估懸臂式圓柱筒的可靠性．所提算法與其他現(xiàn)有算法所得失效概率估計(jì)值隨迭代次數(shù)的變化趨勢如圖3所示，其中橫坐標(biāo)為迭代次數(shù)Nit，縱坐標(biāo)為失效概率估....

圖2-2AK-MCS算法優(yōu)化策略1

AK-MCS可靠性分析算法的可靠性分析方法都有著較高的準(zhǔn)確度和效率,但均為基于單一代理模型研發(fā)的可靠性分析方法。由于不同的代理模型各有優(yōu)勢與缺點(diǎn),而針對(duì)具有隱性工程實(shí)際功能而言,在設(shè)計(jì)前難以了解其特性,如何選取合適的代理模型是一個(gè)難題。因此,Kai[31]等提出了一種基于PCE、....

本文編號(hào)：4005617