非线性随机响应单侧尾部分布的代理模型算法

对于大型复杂结构的非线性随机响应,随机模拟法是较为实用的工程分析方法。然而对于需要大量样本的尾部概率估计,高昂的计算成本限制了该类方法的应用。为了降低计算成本,开发了基于主动学习的高斯过程代理模型算法,但其主动学习优化策略仍需进一步完善,以满足工程中对单侧尾部概率分布估计精度的需求。为此提出了一种具有智能关注功能的搜索函数,构建了针对工程中事故风险极高的单侧尾部的算法。以地铁隧道环梁和衬砌间复杂粘结滑移行为为例,验证了该算法的有效性。相比原有算法,本文算法对单侧尾部概率的估计误差降低了30%。本文算法能更精确地估计复杂结构随机响应分布的单侧尾部概率,进而估计极端事故的发生概率,为风险测度和防灾管理决策提供量化分析依据。

基于GPR代理模型和GA-APSO混合优化算法的软基水闸底板脱空反演

软基水闸底板脱空是水闸在长期服役期间受水流侵蚀等环境因素影响所产生的一种危害极大且难以察觉的病害。由于其病害部位于水下,传统方法难以检测,该研究提出一种基于高斯过程回归(Gaussian process regression,GPR)代理模型和遗传-自适应惯性权重粒子群(genetic algorithm-adaptive particle swarm optimization,GA-APSO)混合优化算法的水闸底板脱空动力学反演方法,用于检测软基水闸底板脱空。首先,构建表征软基水闸底板脱空参数和水闸结构模态参数之间非线性关系的GPR代理模型;其次,基于GPR代理模型与水闸实测模态参数建立脱空反演的最优化数学模型,将反演问题转化为目标函数最优化求解问题;最后,为提高算法寻优计算的精度,提出一种GA-APSO混合优化算法对目标函数进行脱空反演计算,并提出一种更合理判断反演脱空区域面积和实际脱空区域面积相对误差的指标—面积不重合度。为验证所提方法性能,以一室内软基水闸物理模型为例,对两种不同脱空工况开展研究分析,结果表明,反演脱空区域面积和模型实际设置脱空区域面积的相对误差分别为8.47%和10.77%,相对误差值较小,证明所提方法能有效反演出水闸底板脱空情况,可成为软基水闸底板脱空反演检测的一种新方法。