截断相关正态变量情况下可靠性模型及其求解的自适应超球抽样法

针对工程中含截断相关正态变量的问题,建立了其可靠性和可靠性灵敏度的分析模型,并采用自适应超球抽样对分析模型进行了求解。在所建分析模型中,利用截断相关正态变量密度函数与非截断相关正态变量密度函数的关系,并通过将变量的截断区域当作一种失效模式来处理,进而可以将原截断相关正态变量情况下的可靠性和灵敏度分析问题转化为一般的相关正态变量情况下的可靠性和灵敏度问题。由于超球抽样算法具有高效和稳健的优点,它被用来求解原问题的可靠性和可靠性灵敏度。文中的超球抽样采用的是一种自适应寻找超球半径的策略,可以进一步地提高算法的稳健性。在详细给出建模原理和模型的求解步骤后,算例被用来说明模型的合理性和算法的可行高效性。

相关正态变量情况下基于自适应超球重要抽样的可靠性灵敏度分析的转换法

在将相关正态变量转换成独立正态变量的基础上,首先建立了基于Monte Carlo模拟的相关正态变量可靠性灵敏度分析的转换法,并对其可靠性灵敏度估计值作了方差分析.其次将Monte Carlo转换法与自适应超球重要抽样法相结合,建立了相关正态变量可靠性灵敏度分析的自适应超球重要抽样转换法.所建立方法利用抽样样本提供的信息,通过迭代逐步确定最优超球半径,极大地提高了算法的稳健性和效率.由于自适应超球重要抽样转换法融合了Monte Carlo法的普适稳健性和超球重要抽样的高效性,因此它对于高度非线性隐式极限状态方程、多个失效模式串、并及混联系统、多个最可能失效点问题均具有很强的适应性,算例结果充分证明了这些优点.

基于自适应神经网络的多模式小失效概率分析方法

针对水陆两栖飞机的襟翼运动机构小失效概率可靠性分析问题,首先通过开展气动载荷模拟分析得到注水灭火典型剖面的载荷历程曲线,并将其简化加载于襟翼运动机构模型中进行仿真分析。然后考虑摩擦系数、装配位置等因素的随机不确定性,建立了具有襟翼机构卡滞和运动精度不足两种失效模式的可靠性模型。为了提升分析效率,建立了一种基于自适应神经网络的可靠性分析方法。通过引入超球抽样使得样本点在整个标准正态空间内均匀分布,利用最优超球面将样本空间进行划分,大大缩减了样本空间。同时提出了一种新的学习函数来避免对不重要的区域进行探索,以找到最佳训练点进行模型更新。最后通过数值算例验证算法的计算效率和精度,进而实现了水陆两栖飞机襟翼运动机构可靠性的高效高精度分析。