基于改进拉丁超立方抽样的高墩铁路桥梁地震可靠度分析方法

为高效准确地量化非线性结构的关键地震响应极值分布以及构件失效概率,在考虑结构和地震双重不确定的前提下发展一种有效的结构动力可靠度评估框架。首先详细阐述和发展了地震可靠度分析的理论方法,主要包括非平稳地震动的降维模拟,分数矩的单循环最大熵理论,以及与中心L2偏差相结合的拉丁超立方抽样方法三部分。然后通过一个三层非线性混凝土框架结构对所提出的方法进行初步验证。最后将提出的可靠度分析方法运用于西部山区某高墩大跨铁路刚构桥,开展高墩大跨刚构桥关键构件的地震可靠度分析,并与蒙特卡洛模拟结果进行对比,进一步验证该方法的高效性与适用性,为山区高墩大跨铁路桥梁抗震设防提供技术支撑。

基于拉丁超立方抽样的有限元可靠度程序开发及应用

在地下工程结构可靠性分析中,岩土体参数离散性大,功能函数非线性程度高,常为隐式函数,因此,对可靠度计算方法提出了很高的要求。针对传统蒙特卡罗抽样方法计算量非常大,难以满足工程要求的问题,基于拉丁超立方抽样技术,结合了Matlab和有限元软件Abaqus各自的优点,编制了Matlab-Abaqus联合计算的有限元可靠度程序,该程序具有节省样本空间、提高抽样效率的显著特点。通过对某圆形隧道的结构可靠性分析,表明该程序能很快达到收敛,能够满足地下工程结构可靠性计算分析的要求。

电力系统可靠性评估中的改进拉丁超立方抽样方法

将拉丁超立方抽样方法与重要抽样方法相结合,提出了一种应用于电力系统可靠性评估的改进拉丁超立方抽样方法。该方法首先通过重要抽样改变原系统样本空间的概率分布,然后对新概率分布进行拉丁超立方抽样,降低了抽样方差,避免了系统正常状态的大量重复抽样。应用该方法对IEEE-RTS系统与IEEE-RTS修改系统进行可靠性评估,并与常规非序贯蒙特卡洛抽样方法和传统拉丁超立方抽样方法的结果进行了比较。比较结果验证了所提出的方法在保证一定计算精度的条件下,可降低抽样方差,提高抽样效率,并且可适用于高可靠性的系统可靠性评估。

基于拉丁超立方抽样的边坡可靠度分析非侵入式随机有限元法

提出了基于拉丁超立方抽样的边坡可靠度分析非侵入式随机有限元法。采用有限元滑面应力法计算边坡稳定安全系数,通过Hermite随机多项式展开拟合边坡安全系数与输入随机变量间隐式函数关系,采用拉丁超立方抽样技术产生配点计算随机多项式展开系数。研究了该方法在锦屏I级水电站左岸边坡稳定可靠度分析中的应用。结果表明:基于拉丁超立方抽样的非侵入式随机有限元法实现了边坡可靠度分析和边坡稳定有限元分析过程不耦合,该方法计算精度高,为复杂高陡边坡可靠度问题求解提供了一条有效的途径。基于拉丁超立方抽样技术计算随机多项式展开系数,所需样本点数目约等于待定系数数目,其计算效率高于常用的概率配点方法。锦屏I级左岸边坡断层f42-9的内摩擦角敏感性程度最大,它对边坡稳定性具有重要的影响,其次为III2类岩体的内摩擦角,其余变量对边坡稳定性影响不明显。表征输入参数敏感性的Sobol指标为边坡加固方案的制定提供了参考依据。

基于进化算法改进拉丁超立方抽样的概率潮流计算

在对电力系统安全风险评估时所需概率潮流计算的模拟法中,基于拉丁超立方抽样(Latin hypercube sampling,LHS)的蒙特卡罗(Monte Carlo,MC)模拟比简单MC模拟效率更高。但针对概率潮流问题,目前在相关性控制方面仍待改善。为提高基于LHS法的MC模拟在概率潮流计算中的效率,从两方面改进算法:一方面,对随机变量间相关系数矩阵非正定情况提出含进化算法的改进中值拉丁超立方抽样法;另一方面,为顾及概率分布的尾部特征,提出拉丁超立方重要抽样技术。对IEEE 30和IEEE 118节点系统进行考虑发电机无功出力约束的局部相关性试验,所提方法能有效地控制相关性,并具有良好的收敛性。试验结果表明该方法是有效和合理的。

铁道供电系统信息流延时的拉丁超立方抽样蒙特卡洛模拟

针对铁道供电系统信息流处理中的延时问题,建立主备模式的通信预处理队列模型、并列服务器实时队列模型和服务器轮询队列模型。利用拉丁超立方抽样技术和蒙特卡洛方法对信息流服务过程进行研究,运用统计学方法得出排队参数概率分布、置信区间和模拟次数之间的关系。以2M光纤通信为例,取平均到达率1 024kB·s-1和平均服务率1 500kB·s-1进行蒙特卡洛模拟。结果表明:报文字节处理服务延时可控制在2～3ms左右;验证了用拉丁超立方抽样代替随机抽样,可减少蒙特卡洛模拟的次数。比较并列服务器和单服务器的实时处理队列平均等待时间模拟结果可知:相同条件下单服务器的实时处理队列平均等待时间超出10ms的概率为82.95%,超出13ms的概率为56.08%,均大于并列服务器实时处理队列平均等待时间的概率。因此,采用并列服务器配置方式可减少铁道供电系统信息流实时处理中的平均等待延时。

拉丁超立方抽样在非能动系统可靠性分析中的应用与发展

拉丁超立方抽样(Latin Hypercube Sampling,LHS)方法具有较好的空间填充特性和良好的概率性质,广泛应用于计算机仿真领域,以解决复杂系统计算机仿真的巨大运算代价问题和复杂系统的精确替代模型建立问题。本文介绍了LHS方法在非能动系统可靠性分析中的优势,综述了LHS的改进方法、优化方法及样本扩展方法,给出LHS方法在核能领域的应用及存在的问题。最后,指出LHS方法应用于非能动系统可靠性分析中的发展趋势与方向。

基于拉丁超立方抽样及响应面的结构模糊分析

在对边值模糊分析方法和优化边值模糊分析方法研究的基础上,将拉丁超立方抽样和响应面方法引入结构模糊分析,提出一种基于拉丁超立方抽样及响应面的模糊分析方法。讨论这种方法的数学运算,并与Monte Carlo方法进行比较。最后基于这种方法,对一个用隐式方程描述的有限元悬臂梁模型进行模糊分析,得到变形模糊结果。

船体总纵极限强度可靠性分析的拉丁超立方抽样法(英文)

本文将拉丁超立方抽样法与条件期望和对偶变数方差减缩技术组合用于分析船体总纵极限强度可靠性。在一系列不同的极限状态函数条件下 ,对随机抽样法和拉丁超立方抽样法以及是否使用方差减缩技术进行了比较研究。使用组合方法获得了稳定的结果和较大的方差减缩。最后 ,基于极限强度 。

改进拉丁超立方抽样选波法对RC框架结构地震易损性影响研究

在结构地震易损性研究中,传统选波方法存在结果离散性大、计算量大等问题。拉丁超立方抽样方法可以有效减少抽样数,提高抽样代表性,但将其运用于离散样本抽样时,容易出现抽样失败。为此,该文对传统的拉丁超立方抽样方法加以改进,在剔除空区格后进行排序随机选点,以替代传统的坐标分量组合选点,并将其应用于基于离散地震动强度指标的地震波抽样中,以提高易损性分析效率和选取地震波的代表性。为探究该方法对结构易损性分析的影响,对改进拉丁超立方抽样和随机抽样两种选波方法进行对比,以3个不同层数的典型RC框架结构为算例,首先选取500条地震波作为输入得到基准结构易损性曲线,随后以不同维度的改进拉丁超立方抽样方法抽取5、10、15和20条地震波,以随机抽样选波方法抽取5、10、15、20、40、60、80和100条地震波,分别得到对应的易损性曲线,并比较其与基准易损性曲线的差异性和离散性。结果表明:在同等抽样精度下,改进拉丁超立方选波相对随机选波可以减少67%~80%的计算量。

基于拉丁超立方抽样的改进型多链DRAM算法求解地下水污染反问题

针对运用贝叶斯统计方法求解地下水污染反问题时,经典MCMC算法(Metropolis算法)求解结果受样本初始点影响且计算效率低的问题,提出了一种基于拉丁超立方抽样方法的改进型多链延迟拒绝自适应Metropolis算法(DRAM)。将贝叶斯统计方法与二维水质对流-扩散方程相耦合,建立地下水污染源识别模型。构建一个污染物在地下水含水层中瞬时排放的算例,分别运用Metropolis算法、多链Metropolis算法以及改进型多链DRAM算法对污染源信息(污染源强度、排放位置(x,y)和排放时长)进行反求。算例研究表明,Metropolis算法受样本初始点影响,容易出现反演结果局部最优或者反演结果难以收敛的问题;多链Metropolis算法虽然显著提高了反演结果的准确性,但是反演效率相对低下;改进型多链DRAM在保证反演准确性的条件下,可显著提高反演效率(相对于多链Metropolis算法提高68%),实现反演结果准确性与效率的双提高。

适用于不同随机变量的主动配电网拉丁超立方抽样法概率谐波潮流计算

随着分布式电源的大量接入,不可避免地将大量谐波带入主动配电网,对主动配电网中谐波的特性及谐波在主动配电网中的分布情况进行研究具有重要意义。针对主动配电网,提出了一种适用于不同随机变量的拉丁超立方抽样概率谐波潮流计算方法。介绍了基于回路分析法的基波潮流计算方法以处理主动配电网的弱环网性,为处理主动配电网的PV节点问题,提出了一种严格的PV节点修正方法;针对独立随机变量、相关随机变量及离散数据,分别提出了一种相应的拉丁超立方抽样方法以实现对谐波谱数据的抽样,从而模拟了谐波潮流中的不确定性;基于14节点配电网络进行了算例研究,验证了方法的有效性和可行性。

基于Copula理论和切片采样技术结合拉丁超立方抽样的概率潮流计算

为评估大规模新能源并网对电力系统概率潮流的影响,提出一种Copula理论、切片采样及拉丁超立方采样相结合的MCMC概率潮流计算方法。利用Copula理论建立计及输入变量相关性的概率分布模型,采用Kendall秩相关系数作为相关性测度,通过切片采样算法产生初始样本,引入拉丁超立方抽样技术对初始样本进行处理,提高算法的计算效率。以改造后的IEEE-14节点测试系统为算例,验证了文中方法的准确性和有效性,研究了风、光出力相关性对电力系统概率潮流的影响。结果表明风、光互补提高了系统运行的可靠性和经济性,考虑风、光相关性可以更合理地评估风、光并网对电力系统概率潮流的影响。

基于改进非参数核密度估计和拉丁超立方抽样的电动公共客车负荷模型

为了建立更精确的电动公共客车充电负荷模型,对起始荷电状态和起始充电时间的概率分布和抽样方法进行研究。首先针对概率分布,提出采用边界核的自适应非参数核密度估计算法,该方法无需概率分布的任何假设,能有效解决边界偏差和缺乏局部适应性的问题,从而提高了起始荷电状态和起始充电时间概率分布的准确度和适应性。其次针对抽样环节,提出结合三次样条插值法的改进拉丁超立方抽样算法,该方法不仅可以解决累积分布函数的反函数较难求解的问题,而且具有准确度高、抽样规模小等优点。最后,以这两种算法为基础,建立电动公共客车充电负荷模型,并将其与实测数据和传统参数估计方法所得结果进行对比。仿真结果证明了所提方法的适应性和有效性。

拉丁超立方抽样评估方法改进研究

为克服拉丁超立方抽样方法在均匀性方面的不足,对拉丁超立方抽样方法进行改进。引入均匀性评价参数G(L),给出了对于G(L)上限值的限定G_(max),并通过模拟试验的方式,对G_(max)与抽样维数N、样本数M进行了拟合,得到相应的函数关系。该方法满足了抽样均匀性的要求,并且可以保证样本均值与样本方差与原概率分布的均值与方差足够接近。

基于最优拉丁超立方抽样的动车组轴箱弹簧稳健设计

传统的动车组轴箱弹簧设计方法不易确定其性能的主要影响因素,设计盲目性较大,且不能较好反映各关键技术参数波动对弹簧性能的影响。为此,引入权重系数,将弹簧刚度和疲劳强度同时作为考核弹簧性能的综合指标,建立其望小特性的稳健设计模型,采用最优拉丁超立方抽样的方法求出各设计参数对综合性能指标的贡献率,以此提高弹簧的设计质量。分析结果表明:簧条直径对弹簧综合性能指标影响最大;当权重系数选择在0.5~0.65,并且簧条直径变异系数控制在0.5~1.2%时,弹簧综合性能影响最小。

基于拉丁超立方抽样的导弹快速精度分析与误差补偿方法

针对导弹精度分析耗时长,补偿量计算与实际发射脱节的问题,提出一种快速计算导弹射击精度和误差补偿量的新方法。其将拉丁超立方抽样与对偶变数法相结合的抽样方法引入导弹精度分析,保证仿真精度的同时减少抽样次数。设计了拉丁超立方试验,并对导弹精度进行确定性仿真分析,得到导弹落点偏差与各制导工具误差系数的简化函数关系式,建立了导弹射前补偿量的快速计算公式。仿真实例表明该方法可以有效的缩减计算时间。

基于拉丁超立方抽样和场景消减的居民用户基线负荷估计方法

作为需求响应的重要形式,激励型需求响应(incentive based demand response,IBDR)对提升电力系统运行的灵活性具有重要作用。用户基线负荷(customer baseline load,CBL)是计算IBDR参与者经济补偿的依据,其估计准确性会直接影响项目参与者和提供者的利益。在现有CBL估计方法中,对照组法通过不参与需求响应(demand response,DR)项目的用户的实际负荷来估计DR参与者的CBL,相比于其他方法通常估计精度更高。然而当对照组用户数量不足够多时,该方法的估计精度将会急剧下降、甚至完全失效。为解决这一问题,该文提出一种基于拉丁超立方抽样和场景消减的居民用户CBL估计方法。首先基于拉丁超立方抽样和场景消减,生成每个时段的代表性负荷场景,再通过迭代消减融合将单时段场景连接形成日负荷曲线场景,以此增加对照组样本多样性。以伦敦居民用户实测负荷数据为例,验证了该文所提方法具有可行性。

拉丁超立方抽样的自适应高斯小孔成像蝴蝶优化算法

针对蝴蝶优化算法存在种群多样性差、寻优精度低、收敛速度慢的不足,提出了拉丁超立方抽样的自适应高斯小孔成像蝴蝶优化算法。首先利用拉丁超立方抽样种群初始化策略以提高种群的多样性,从而增强算法的全局搜索能力;然后引入在不同进化时期自动调节搜索范围的自适应最优引导策略,平衡算法的全局和局部搜索能力,从而提升算法的寻优精度;最后采用高斯小孔成像策略,对最优个体进行扰动,使得种群个体向最优个体靠近,以进一步提升算法的寻优精度并加快算法的收敛速度。通过对14个基准测试函数进行仿真实验以及Wilcoxon秩和检验,结果表明改进算法的寻优精度、收敛速度、稳定性和可扩展性等性能均得到了较大提高。

一种基于拉丁超立方抽样和聚类分析的改进MOPSO算法

针对基本的MOPSO算法的可能导致局部最优和难以输出代表性非支配解的问题,在MOPSO算法的基础上,运用拉丁超立方抽样和聚类分析对算法进行改进。应用拉丁超立方抽样指导MOPSO算法种群初始化,使初始化种群可以均匀遍布整个空间,避免了基本的MOPSO算法可能会导致的局部最优等问题。为了加强非支配解集的分布性和多样性,同时考虑在众多非支配解中自动挑拣代表性非支配解,增加聚类分析环节,对输出解集进行聚类处理,以挑选代表性非支配解。与基本的MOPSO算法相比较,改进的MOPSO算法求解的Pareto解集在寻优效果及代表性解筛选方面具有一定优势。