多点激励下减震桥梁结构抗震可靠度分析的哈密顿蒙特卡洛子集模拟法

减震桥梁结构在地震激励下的可靠度分析为一典型的局部非线性动力可靠度问题。随机模拟法对于求解非线性动力可靠度问题具有普遍适用性,但对于实际工程问题,其应用存在计算工作量巨大的问题。随机模拟法计算时间主要取决于所需样本数目及单次样本计算效率。为提高减震桥梁结构抗震可靠度计算效率,基于精细时程积分法、Newton迭代法建立了多点激励下减震桥梁的运动方程及相应的时域显式降维迭代解格式,提高了单次样本的计算效率;引入基于哈密顿蒙特卡洛算法的子集模拟法,减少了所需样本个数。数值算例表明:与传统随机模拟法相比,所建立的方法可有效地提高减震桥梁结构非线性动力可靠度计算效率。     

基于子集模拟法的非线性结构动力可靠度计算

子集模拟法是计算结构动力可靠度的新方法。该文在子集模拟法的基本思想上,适应性的选取子失效域的反应界限,合理的选取建议概率密度函数,应用修正的Metropolis算法产生计算条件失效概率时所需的随机变量样本,给出了所需样本的具体个数,并通过上述关键点总结给出了子集模拟法的具体计算步骤。最后应用子集模拟法首先计算了受平稳高斯白噪声作用的单自由度Duffing体系的失效概率,当确定落入失效域的样本时,需计算结构的非线性反应,该文采用迭代的数值逐步积分法进行计算;随后计算了受平稳高斯白噪声作用的采用三线型恢复力模型的三自由度结构的失效概率,结果表明:子集模拟法计算非线性结构动力可靠度时具有高效及高精度的特点,尤其适用于小失效概率的计算。     

结构动力可靠度计算的修正条件反应法

基于反应时程分解的子集模拟法是计算受随机激励作用的结构小失效概率的高效算法,该法将失效域划分为子集序列,通过分解反应时程来生成子集计算所需的样本。条件反应法计算动力可靠度时,通过线性反应来估计非线性反应,或通过单自由度结构的反应来估计多自由度结构的反应。该文将基于反应时程分解的子集模拟法用于条件反应法中,提出修正的条件...     

非平稳地震作用下随机结构动力可靠度计算

对非平稳地震作用下的含随机参数结构,建议了一类结构体系动力可靠度的数值模拟求解方法.把结构动力方程写成状态方程形式,采用精细积分法对状态方程进行数值求解,将结构响应表达为一系列随机系数和离散时刻处随机激励乘积的和形式.随机系数为结构随机参数的函数,反映结构随机参数对随机响应的影响.在确定性结构非平稳随机响应时域分析方法的基础上,采用不含交叉项的二次多项式对该随机系数进行重构,获得了结构响应关于结构随机参数和离散时刻处随机激励的显式表达式.基于该显式表达式,利用数值模拟技术可以方便地进行首次超越失效准则下结构体系动力可靠度的求解.对一榀非平稳地震作用下的含随机参数框架进行了结构体系动力可靠度分析,并在计算精度和计算效率上与传统蒙特卡罗法进行了比较,结果显示所提出的方法具有理想的精度和相当高的效率.     

基于蒙特卡罗模拟的高效边坡可靠度修正方法

传统的蒙特卡罗模拟方法在分析由于参数不确定性修正而引起的可靠度修正问题时效率较低。为此,提出了一种基于蒙特卡罗模拟的高效边坡可靠度修正方法,该方法主要包括2个关键步骤:1)根据参数初始分布利用蒙特卡罗模拟方法计算边坡的失效概率,并输出蒙特卡罗模拟的失效样本;2)利用参数统计特征值修正后的联合概率密度函数和蒙特卡罗模拟失效样本计算修正后边坡的失效概率。以两个边坡问题为例说明了所提方法的有效性。结果表明:所提出的方法在计算修正的失效概率过程中无需重新执行蒙特卡罗模拟,计算过程简单、计算效率高。此外,所提方法能够适用于隐式表达功能函数的边坡可靠度修正问题,并能够有效地解决单变量和多变量修正的边坡可靠度修正问题。     

磁浮车辆-桥梁耦合系统随机振动分析的时域显式方法研究

轨道不平顺所引起的磁浮车辆-桥梁耦合系统随机振动问题是磁浮列车行驶过程中需要关注的重点问题之一,传统的随机振动方法在解决这类问题时存在工作量大、计算效率低等问题。分别从磁浮车辆系统和桥梁系统出发,建立磁浮车辆系统响应和桥梁系统响应关于车桥相互作用电磁力的时域显式表达式;利用车轨间的电磁力方程及几何相容条件,构建电磁力关于轨道不平顺的时域显式表达式;进一步推导得到轨道不平顺作用下磁浮车辆系统和桥梁系统关键动力响应显式表达式。在此基础上,利用统计矩运算法则,直接获得磁浮车辆系统和桥梁系统关键响应的演变统计矩;也可以利用轨道不平顺的数字生成技术,结合随机模拟法,获得车桥耦合系统关键响应的统计信息。在上述过程中,由于车桥耦合系统关键动力响应的显式表达式已先行构建完毕,因此大幅提升了随机振动分析的计算效率。以二自由度磁浮车辆与桥梁耦合模型为例,阐明了方法列式过程。磁浮列车过多跨简支梁桥的数值算例结果表明,时域显式法具有理想的计算精度和效率。     

平稳随机激励下随机结构动力可靠度分析的多项式逼近法

针对平稳随机激励下随机结构动力可靠度分析问题,在分裂法和Hermite多项式逼近的基础之上,建立了一种新的计算随机结构动力可靠度的方法.所提方法运用分裂法的思想将多维动力可靠度响应函数转换成一维问题,并采用Hermite多项式逼近单随机变量的动力可靠度响应函数,最后利用Monte Carlo法求解显式化后的无条件动力可靠度,并通过两个算例考察了该方法的有效性和可行性.     

一种新的体系可靠度的近似计算方法

提出了一种新的体系可靠度的近似计算方法。首先将一个线性失效模式在另一线性失效模式失效前提下的条件失效模式近似为一个等价的线性失效模式,然后利用条件概率的基本原理并结合所推导的等价失效模式的理论表达式,提出了一种并联体系可靠度的近似计算方法,从而将求解一组失效模式交集失效概率的复杂问题转化为求解一组线性等价失效模式失效概率乘积的简单问题。由于串联体系以及串并联混合体系均可表示为一系列失效模式交集的线性组合,因此方法可以很方便地应用于串联体系以及串并联混合体系的体系可靠度计算。此算法计算过程简单、计算量小、计算精度高,适合于大型结构体系的体系可靠度计算。     

非平稳地震作用下强非线性结构动力可靠度分析

针对结构-地震动双重不确定影响下强非线性结构地震可靠度难以精确求解的问题,基于极值分布理论,提出了一种非平稳地震作用下非线性结构地震可靠度分析的高效数值方法。首先采用随机函数的降维思想对非平稳地震动进行降维模拟,将谱表达方法模拟非平稳地震动时需要的上千个高维随机变量减少到2个基本随机变量,大大减少了概率空间的维数;然后提出了一种改进的伪相关性折减拉丁超立方抽样方法确定积分点,从而对结构非线性地震响应极值分布分数矩进行有效估计,最后采用分数阶矩最大熵原理获得结构非线性地震响应极值分布,实现了小失效概率水平下非线性结构地震可靠度的精确估计。数值算例表明,该方法通过300次的动力分析就能够对结构-地震动双重不确定影响下强非线性结构地震响应的极值分布进行估计,其能够在兼顾效率和计算精度时对小失效概率水平下结构的动力可靠度进行精确计算,与既有方法相比,其计算量仅为现在方法的1/5,该方法能够为结构的地震风险评估提供一种有效途径。     

结构动力可靠度计算的区域分解法和重要抽样法

Lambros Katafygiotis提出的区域分解法和S.K.Au提出的重要抽样法,被用来计算受高斯随机过程作用的线性动力体系的失效概率.在以上两种方法的基础上,给出了非平稳随机地震作用下,单自由度线性体系动力可靠度的区域分解法和重要抽样法的计算步骤,对以上两种方法补充给出了选取失效域下标的措施;其中区域分解法将结构反应用离散脉冲响应函数表示,补充给出了极限状态函数系数的具体确定方法.通过算例对比分析了区域分解法和重要抽样法的计算效率,结果表明当计算小失效概率时,区域分解法的计算效率同重要抽样法一样高效,而对比Monte-Carlo法有显著提高,且两种方法的计算精度接近.     

Subset simulation for structural reliability sensitivity analysis

Based on two procedures for efficiently generating conditional samples, i.e. Markov chain Monte Carlo (MCMC) simulation and importance sampling (IS), two reliability sensitivity (RS) algorithms are presented. On the basis of reliability analysis of Subset simulation (Subsim), the RS of the failure probability with respect to the distribution parameter of the basic variable is transformed as a set of RS of conditional failure probabilities with respect to the distribution parameter of the basic variable. By use of the conditional samples generated by MCMC simulation and IS, procedures are established to estimate the RS of the conditional failure probabilities. The formulae of the RS estimator, its variance and its coefficient of variation are derived in detail. The results of the illustrations show high efficiency and high precision of the presented algorithms, and it is suitable for highly nonlinear limit state equation and structural system with single and multiple failure modes.     

基于拒绝抽样算法的结构体系可靠度更新

该文着重研究基于观测信息的结构体系可靠度更新模型及其拒绝抽样算法。基于Bayesian理论建立考虑观测信息的结构体系失效概率更新模型,根据观测信息事件类型建立不等式和等式观测信息条件下随机变量的似然函数并推导其后验概率密度函数;基于观测信息域确定随机变量后验样本的拒绝抽样策略,探究拒绝抽样算法的抽样效率,推导更新后结构体系失效概率估计值及其标准差的计算公式;将上述方法应用于刚架结构发生塑性失效时体系可靠度更新计算。研究表明:考虑观测信息的结构体系条件失效概率更新模型可转化为随机变量后验概率密度在失效域上的积分,构造满足观测信息域的先验样本作为随机变量后验样本的抽样策略是可行的,该抽样策略可以处理多随机变量、多观测信息条件下结构体系可靠度更新;与抗力相关随机变量检测值增大及验证荷载值提高均可以降低更新后结构体系的失效概率,与抗力相关的随机变量还需控制其检测误差的标准差,以降低观测信息的不确定性。     

脉动风速连续随机场的降维模拟

基于标准正交随机变量的波数谱表示,通过定义标准正交随机变量集的随机函数形式,建立了连续时空随机场模拟的波数谱-随机函数方法。同时,引入快速傅里叶变换（FFT）的算法,极大地提高了波数谱-随机函数方法的模拟效率。在波数谱-随机函数模拟方法中,仅需两个基本随机变量即可在概率密度层次上描述时空随机场的概率特性,并利用数论方法选取基本随机变量的代表性点集,实现对连续时空随机场模拟的降维表达。数值算例表明,当模拟相同数量的样本时,综合考虑模拟的效率和精度两方面,该文方法与传统的波数谱表示方法不分伯仲,但该文方法所需的基本随机变量最少,生成的代表性样本数量少且构成一个完备的概率集,从而可结合概率密度演化理论实现结构随机动力反应及动力可靠度的精细化分析。最后,结合Kaimal风速谱及Davenport空间相干函数模型,模拟了水平向脉动风速连续随机场,验证了该文方法的有效性和优越性。     

Time-variant reliability global sensitivity analysis with single-loop Kriging model combined with importance sampling

This paper develops a novel failure probability-based global sensitivity index by introducing the Bayes formula into the moment-independent global sensitivity index to approximate the effect of input random variables or stochastic processes on the time-variant reliability. The proposed global sensitivity index can estimate the effect of uncertain inputs on the time-variant reliability by comparing the difference between the unconditional probability density function of input variables and the conditional probability density function in failure state of input variables. Furthermore, a single-loop active learning Kriging method combined with metamodel-based importance sampling is employed to improve the computational efficiency. The accuracy of the results obtained by Kriging model is verified by the reference results provided by the Monte Carlo simulation. Four examples are investigated to demonstrate the significance of the proposed failure probability-based global sensitivity index and the effectiveness of the computational method.     

非线性结构动力学系统的首次穿越

在结构动力学系统的可靠性分析中,动力学系统的首次穿越失效一直是研究重点问题之一。在     

基于失效概率积分和马尔可夫链模拟的可靠性灵敏度分析

可靠性灵敏度可以被表达为失效概率对基本随机变量分布参数的偏导数的形式,利用失效概率为基本变量的联合概率密度函数在失效域上的积分表达式,并且利用马尔可夫链能够高效模拟感兴趣区域样本的性质,一种针对单个失效模式和系统多个失效模式的可靠性灵敏度分析方法被提出。由于可靠性参数灵敏度可以表达为一个与联合概率密度函数相关的函数在失效域中的数学期望的形式,所提方法采用马尔可夫链来高效模拟失效域中的样本,进而采用样本均值替代总体均值的方法来得到可靠性灵敏度的估计值。与已有的基于Monte-Carlo模拟的可靠性灵敏度分析方法相比,所提方法在保证计算精度的基础上计算效率有显著提高,尤其是针对小失效概率的可靠性灵敏度分析问题。该算例充分说明了所提方法的合理可行性。     

基于地震碰撞易损性的相邻结构临界间距研究

提出了一种基于近似解析的地震碰撞易损性确定相邻结构临界间距的方法。首先根据基于性能的抗震设计理论,将碰撞事件表示为单势垒首次超限可靠度问题;其次,通过随机振动理论得到不同地震动强度下结构体系的条件失效概率;然后,结合相邻结构的地震碰撞易损性,将临界间距的计算表述为逆可靠性问题,求出在结构设计使用年限内,某一具体目标碰撞概率所对应的临界间距值,通过蒙特卡洛数值模拟方法进行的相关验证,证实了上述理论的适用性与有效性。     

A multi-mode failure boundary exploration and exploitation framework using adaptive kriging model for system reliability assessment

Various adaptive reliability analysis methods based on surrogate models have recently been developed. A multi-mode failure boundary exploration and exploitation framework (MFBEEF) was proposed for system reliability assessment using the adaptive kriging model based on sample space partitioning to reduce computational cost and use the characteristics of the failure boundary in multiple failure mode systems. The efficiency of the adaptive construction of kriging model can be improved by using the characteristics of the center sample of the small space to represent the characteristics of all samples in the small space. This method proposes a failure boundary exploration and exploitation strategy and a convergence criterion based on the maximum failure probability error for a system with multiple failure modes to adaptively approximate the failure boundary of a system with multiple failure modes. A multiple-failure-mode learning function was used to identify the optimal training sample to gradually update the kriging model during the failure boundary exploration and exploitation stages. In addition, a complex failure boundary-oriented adaptive hybrid importance sampling method was developed to improve the applicability of the MFBEEF method to small failure probability assessments. Finally, the MFBEEF method was proven to be effective using five system reliability analysis examples: a series system, a parallel system, a series–parallel hybrid system, a multi-dimensional series system with multiple failure modes, and an engineering problem with multiple implicit performance functions.     

Reliability analysis of structures using neural network method

In order to predict the failure probability of a complicated structure, the structural responses usually need to be estimated by a numerical procedure, such as finite element method. To reduce the computational effort required for reliability analysis, response surface method could be used. However the conventional response surface method is still time consuming especially when the number of random variables is large. In this paper, an artificial neural network (ANN)-based response surface method is proposed. In this method, the relation between the random variables (input) and structural responses is established using ANN models. ANN model is then connected to a reliability method, such as first order and second moment (FORM), or Monte Carlo simulation method (MCS), to predict the failure probability. The proposed method is applied to four examples to validate its accuracy and efficiency. The obtained results show that the ANN-based response surface method is more efficient and accurate than the conventional response surface method.     

Modified Metropolis-Hastings algorithm with reduced chain correlation for efficient subset simulation

Simulation of Markov chain samples using the Metropolis-Hastings algorithm is useful for reliability estimation. Subset simulation is an example of the reliability estimation method utilizing this algorithm. The efficiency of the simulation is governed by the correlation between the simulated Markov chain samples. The objective of this study is to propose a modified Metropolis-Hastings algorithm with reduced chain correlation. The modified algorithm differs from the original in terms of the transition probability. It has been verified that the modified algorithm satisfies the reversibility condition and therefore the simulated samples follow the target distribution for the correct theoretical reasons. When applied to subset simulation, the modified algorithm produces a more accurate estimate of failure probability as indicated by a lower coefficient of variation and a lower mean square error. The advantage is more significant for small failure probability. Examples of soil slope with spatially variable properties were presented to demonstrate the applicability of the proposed modification to reliability estimation of engineering problems. It was found that the modified algorithm produces a more accurate estimator over the range of random dimensions studied.