可靠性分析的FORM和SORM组合法

为了提高极限状态函数具有多极值点时失效概率计算的精度,文章提出了FORM和SORM组合法。该方法根据需要,分别选择FORM或SORM在极值点处进行线性或二次展开计算失效概率,并将二次展开的极限状态函数近似用线性极限状态函数替代,以方便地完成FORM和SORM的组合,实现原极限状态函数失效概率的近似计算。算例表明,文中的方法可以提高失效概率计算的精度。

可靠性分析的FORM和SORM组合法

为了提高极限状态函数具有多极值点时失效概率计算的精度,文章提出了FORM和SORM组合法。该方法根据需要,分别选择FORM或SORM在极值点处进行线性或二次展开计算失效概率,并将二次展开的极限状态函数近似用线性极限状态函数替代,以方便地完成FORM和SORM的组合,实现原极限状态函数失效概率的近似计算。算例表明,文中的方法可以提高失效概率计算的精度。

边坡可靠度分析的支持向量机法

提出了基于支持向量机(SVM)的边坡可靠度分析新算法。该方法采用均匀设计确定样本点,通过一定数量的确定性计算来训练SVM,拟合边坡的功能函数;采用一阶可靠度方法(FORM)和迭代算法优化SVM模型,获得可靠度指标和验算点信息;在SVM模型基础上进一步通过二阶可靠度方法(SORM)和蒙特卡罗模拟(MCS)计算边坡的失稳概率。以两个典型边坡为例,通过与其他方法比较,证明了该方法的准确性和高效性。结果表明:提出的在标准正态空间(U空间)中取样并构建SVM,在原始空间(X空间)中计算功能函数的算法,有效地解决了具有相关非正态分布变量的可靠度分析问题,并且可很容易扩展到SORM的计算。算例结果证明,该方法的精度高于FORM;而效率优于MCS。分析过程中,边坡安全系数计算和可靠度分析相互独立。因此,该方法既适用于具有显式功能函数的简单问题,也适用于需要软件计算安全系数的实际边坡问题。

改进的响应面法及其在可靠度分析中的应用

分析了常用的基于响应面迭代的响应面法之不足,提出了改进的响应面法——一阶可靠性方法–响应面法二步法。该方法在第一步计算中用一阶可靠性方法求解可靠指标,用差分法或有理多项式法来求解求导数值,不需形成显式功能函数。然后,在一阶可靠性方法的验算点处进行常规的响应面拟合,并对此响应面用一阶可靠性方法、二阶可靠性方法或蒙特卡罗模拟法求解可靠指标。此方法在整个求解过程中只需拟合一个响应面,实例计算表明,该方法在计算精度及效率上均比常用的基于响应面迭代的响应面法有所提高。

基于响应面法的边坡稳定二阶可靠度分析

提出了基于响应面法的边坡稳定二阶可靠度分析的实用算法。选择U空间中的随机变量,通过空间变换和相关矩阵分解,计算试验点的功能函数;通过迭代算法构造响应面、以确保通过最小的计算量获得最优精度,并在此基础上进行FORM/SORM计算。以一岩石边坡的平面滑动问题为例,通过与蒙特卡洛模拟、FORM及随机响应面法的比较,证明了该方法的准确性和高效性。分析了参数的相关性及试验点取值范围对计算结果的影响,讨论了可靠度分析结果中参数敏感性和物理属性问题。该方法可为实际边坡问题的可靠度分析提供参考,并可以用来进行基于可靠度分析的加固设计。

边坡稳定的有限元可靠度分析

在边坡的有限元分析中引入强度折减法求边坡的整体安全系数,在此基础上进行边坡的整体可靠度分析.这种方法不需对定值法的有限元分析程序作任何修改,无论是线性有限元问题还是非线性有限元问题都适用,且无需对各有限单元求单元的可靠指标,能一次性得出边坡的整体可靠指标,方便易用.并讨论了求导方法及可靠度分析方法对可靠指标计算结果的影响,指出了中心点法中功能函数型式选择的重要性,提出了验算点法中考虑参数间相关性时新的迭代方法.

元器件性能退化信息的系统性能可靠性评估

性能可靠性方法为解决现代工程实际中的高可靠、长寿命、小子样产品的可靠性建模分析提供了途径。目前的性能可靠性研究主要是针对元器件开展的,对系统性能可靠性进行研究时通常需要将其看作一个元器件,需要得到系统的性能退化数据,在某些情况下,得到系统的性能退化数据比较困难。实际上,由于元器件的性能退化导致系统性能的变化,因而可以利用元器件的性能退化数据研究系统性能可靠性。从元器件性能与系统性能的关系出发,首先给出了系统可靠度的形式化描述,然后给出了系统可靠度计算的Monte-Carlo仿真方法和近似解析方法,最后通过实例分析验证了该方法的适用性。

可靠度分析中梯度求解方法的研究

在岩土工程的可靠度分析中,功能函数的形式非常复杂,甚至是隐式的。而对于常用的可靠度分析方法,如一阶可靠性方法(FORM)、二阶可靠性方法(SORM)等,一个重要的问题是求功能函数对基本随机变量的梯度。因此,对于隐式的或复杂的显式功能函数,必须采用数值微分方法来求解功能函数的梯度。对于可靠度分析中常用的有限差分法(FDM)及有理多项式法(RPT)这两种数值微分方法,本文详细研究了二者间的异同及其求导结果与步长的关系,指出了对于相同的步长控制系数及取样方式,FDM是RPT在线性情况下的特例;对于连续的线性功能函数,可直接用3点FDM求导;对于连续的非线性功能函数,可用5点RPT求导;对于非连续的功能函数,应采用RPT求导。建议取步长控制系数等于1。