新型结构可靠性分析自适应加点策略

为了在进行结构可靠性分析时,能够构建高精度、高效率的代理模型,提出了一种面向多种代理模型的基于通用学习函数(GLF)的结构可靠性分析自适应加点策略.该策略被视为一个多目标优化过程,GLF考虑了样本点间的平均距离和最小距离、是否分布在极限状态函数的附近以及联合概率密度函数等因素,使得自适应添加的样本点能稳健、高效地提升代理模型对失效概率的估计精度.数值案例和工程案例结果表明,针对不同的代理模型,GLF能够利用少量的样本点,高精度、高效率地估计出结构的失效概率.     

基于序列代理模型的结构可靠性分析方法

工程中部件或系统的性能函数通常是隐函数形式,该文提出基于高效代理模型的结构可靠性分析方法,构造新增样本点学习函数,并用于指导在序列迭代过程中的样本点选择。所提出的学习函数考虑了变量权重并保证所选的样本点相互之间有一定的距离且分布在极限状态方程周围。算例分析表明该方法有较好的精度和鲁棒性,不仅适用于性能函数为隐函数时的结构可靠性分析,而且也适用于现有的各种代理模型（神经网络、支持向量机、响应面等）,为结构可靠性分析提供新途径与新方法。     

基于重要抽样马尔可夫链模拟的可靠性参数灵敏度分析方法

针对重要抽样法求解失效概率的问题,提出了一种基于重要抽样马尔可夫链模拟的快速可靠性参数灵敏度分析方法。该方法首先采用Metropolis准则和马尔可夫链模拟,将重要抽样法抽取的落入失效域中的样本点转化为条件样本点,这些条件样本点是落在失效域中的基本变量的实现,它们服从失效域条件下基本变量的概率分布,利用这些样本点替代Monte Carlo法抽取的条件样本点,可以通过加权回归分析快速得到隐式极限状态方程的近似,进而得到可靠性灵敏度。所提方法的显著优点是效率高,它只要在重要抽样法计算失效概率的结果中增加非常小的工作量,即可以快速得到可靠性参数灵敏度,算例结果充分说明所提方法的效率和合理性。     

一种用于结构可靠性分析的Kriging学习函数

为提高基于Kriging模型的结构可靠性分析方法的效率,分析现有学习函数的不足,提出一种新的自适应学习函数VF.该学习函数同时考虑学习点的Kriging方差和联合概率密度函数值对失效概率估计精度的影响,避免对概率密度函数值过小的区域抽样造成的样本点浪费,提高了学习效率.根据Monte Carlo方法生成大量候选样本点,定义学习函数最大值点为最佳样本点;提出一种适合该学习函数的学习停止条件,既保证失效概率的精度又保证学习选点次数较少;分析两个数值算例.结果表明:与其他方法相比,所提出方法能够在较少样本数量的情况估计出较准确的失效概率值,其在迭代收敛速度、准确性及稳定性方面都具有较好的效果,且该方法能够应用于工程中隐式且非线性程度较高情况.     

一种大型复杂建筑结构抗震可靠性分析方法

计算复杂结构的抗震可靠度需要进行大量仿真分析因而计算成本较高,使用代理模型拟合功能函数可以提高计算效率,但如何在提高工程结构可靠性分析效率的同时保证计算精度是一个值得研究的问题。提出一种基于Kriging模型的可靠性分析方法,其以较少次功能函数的计算建立Kriging代理模型,通过加点采样来提高功能函数代理模型的精度,结合Monte Carlo模拟得到失效概率的近似值。分析了2个数值算例,结果表明该方法是高效的和准确的。将其应用于巨-子型有控结构的抗震可靠度计算中,其中考虑了结构和地震作用的随机性,分析结果表明该方法是一种适用于复杂建筑结构可靠性分析的有效方法。     

基于优化样本点的双重Kriging模型的重要性测度求解方法

针对工程实际中极限状态函数往往是隐式的问题,提出了基于优化样本点的双重Kriging模型的重要性测度求解方法。该方法首先以少量初始样本点建立基本变量与响应值间的Kriging代理模型,通过全局优化的方法寻优找到Kriging预测值不确定性较大的点,并将其加入到初始样本点,从而在尽量少样本点的情况下建立满足精度的Kriging代理模型。该方法将基本变量与功能函数值以及基本变量与条件失效概率间的隐式关系以Kriging代理模型替代,在保证精度的情况下大大降低了矩独立的基本变量对失效概率重要性测度求解过程的计算量,数值算例和工程算例说明了该方法的工程适用性和可行性。     

失效概率计算的截断重要抽样法

在结构可靠性分析中,传统的重要抽样法通过将抽样中心移到设计点处,从而提高了抽样效率。在传统的重要抽样方法基础上,通过引入截断的重要抽样函数,提出了失效概率计算的截断重要抽样法。与传统的重要抽样法相比,所提方法将重要抽样的区域控制在以均值点为球心的超球之外,从而进一步提高了抽样效率。推导了截断重要抽样方法的失效概率估计值的方差和变异系数计算公式。算例结果表明:在相同的抽样次数下,截断重要抽样法比传统的重要抽样法具有更小的失效概率估计值变异系数,而在相同的计算精度下,截断重要抽样法所需的样本数更小,这说明截断重要抽样法比传统重要抽样法具有更高的效率。     

基于改进Kriging代理模型的土质边坡稳定可靠度分析方法

提高土质边坡稳定可靠度计算的精度和效率对工程设计具有重要的意义,为此提出了基于改进Kriging代理模型的土质边坡稳定可靠度分析方法。首先采用基于模拟退火的粒子群算法优化Kriging模型相关参数,并以一典型算例验证了该模型的良好函数拟合能力。接着将改进的Kriging模型作为边坡极限状态函数的代理,通过拉丁超立方抽样获得样本点,并由有限差分强度折减法计算样本点对应的响应值,利用基于熵理论的学习函数逐步更新代理模型,直至达到精度要求,进而基于该模型通过蒙特卡洛模拟评估边坡失效概率。最后,以一双层土质边坡问题为例,研究了所提方法的有效性。结果表明:所提方法不仅能够逐步提高计算精度,且极大地降低了计算量,为复杂边坡稳定可靠度问题提供了一种高效的评估方法。     

基于证据理论和代理模型的QMU分析

针对结构可靠性或性能评估中的随机和认知不确定性同时存在的情况,根据性能裕量与不确定性量化的概念,提出了基于证据理论和Kriging代理模型的性能裕量与不确定性量化分析计算方法。该方法首先对随机变量进行抽样并通过优化求解证据焦元内结构性能响应极值分布并生成训练样本空间,通过最大置信水平期望提高加点准则构建并更新Kriging代理模型,提高裕量与不确定性量化分析过程中不确定性传播的效率和精度,在此基础上通过计算置信因子实现结构可靠性或性能评估度量。最后通过算例比较研究了基于置信因子度量结构可靠性和结构非概率可靠性之间的差异。     

基于蒙特卡洛法的火灾下钢结构失效概率分析

建立了火灾下钢结构失效概率的计算模型，它结合结构可靠性工程中的蒙特卡洛法和钢结构抗火性能分析法来分析火灾随机性和确定性的双重耦合过程．该模型首先确定火灾随机场景，根据建筑物内火灾随机参数的概率分布，利用蒙特卡洛的混合同余法和反函数法产生火灾随机场景的抽样样本，然后利用0Zone软件进行火灾下抽样样本的性能模拟，通过大量样本的模拟实现。了结构在火灾下的失效概率分析．基于这一模型，分析了单室住宅火灾下钢梁在不同防火涂料厚度下的失效概率，为定量分析建筑结构火灾风险提供了新的方法和思路．     

结构可靠性分析的LCVT-SVR方法

为了克服结构可靠性分析中隐式极限状态函数和高计算量问题,提出LCVT-SVR结构可靠性分析方法.该方法利用拉丁质心Voronoi网格化（LCVT）抽样方法生成空间均匀性较好的训练样本,采用均匀映射得到一定数量的失效样本.基于训练样本,建立极限状态函数的支持向量机回归（SVR）代理模型,用于结构可靠性分析.在同一组SVR训练参数条件下,对多种抽样方法进行对比研究.结果表明,基于LCVT样本构建的SVR代理模型具有精度高和鲁棒性好的特点.利用2个工程算例,验证了所提方法的性能及实用性.     

Structural Reliability Analysis for Implicit Performance with Legendre Orthogonal Neural Network Method

In order to evaluate the failure probability of a complicated structure, the structural responses usually need to be estimated by some numerical analysis methods such as finite element method (FEM). The response surface method (RSM) can be used to reduce the computational effort required for reliability analysis when the performance functions are implicit. However, the conventional RSM is time-consuming or cumbersome if the number of random variables is large. This paper proposes a Legendre orthogonal neural network (LONN)-based RSM to estimate the structural reliability. In this method, the relationship between the random variables and structural responses is established by a LONN model. Then the LONN model is connected to a reliability analysis method, i.e. first-order reliability methods (FORM) to calculate the failure probability of the structure. Numerical examples show that the proposed approach is applicable to structural reliability analysis, as well as the structure with implicit performance functions.     

基于LS-SVM的结构可靠度响应面分析方法

金伟良，袁雪霞 针对实际工程中常见的功能函数不能显式表达的可靠性分析问题，提出了一种基于最小二乘支持向量机（LS-SVM）的结构可靠度响应面分析方法.采用正交试验设计和有限元程序生成学习样本，并依据各随机变量的概率分布抽样得到检测样本;利用LS SVM的高度非线性映射能力，建立了结构响应量与随机变量之间的映射关系.进而结合Monte-Carlo原理，计算结构的失效概率.新方法可直接应用现有的有限元分析程序，对大型结构进行可靠性分析.通过典型工程结构的算例分析，结果表明该方法具有较好的效率和精度.     

含相关非正态变量边坡可靠度分析的子集模拟方法

提出了分析含相关非正态变量高维小失效概率可靠度问题的子集模拟方法,采用Nataf变换方法成功地解决了输入变量相关时子集模拟方法样本点的模拟问题.编写了基于MATLAB语言的计算程序SUBSETREL,并以岩质边坡稳定可靠度问题为例证明了所提方法的有效性.结果表明:该子集模拟方法能够有效地分析含相关非正态变量高维小失效概率的边坡可靠度问题.子集模拟方法的计算精度和蒙特卡洛模拟方法相当,计算效率远远高于传统的蒙特卡洛模拟方法.此外,该方法在分析含有复杂的隐式及非线性功能函数的边坡可靠度问题方面体现出明显的优越性.研究成果极大地拓展了子集模拟方法在边坡可靠度分析中的应用.     

A robust and efficient structural reliability method combining radial-based importance sampling and Kriging

Simulation based structural reliability analysis suffers from a heavy computational burden, as each sample needs to be evaluated on the performance function, where structural analysis is performed. To alleviate the computational burden, related research focuses mainly on reduction of samples and application of surrogate model, which substitutes the performance function. However, the reduction of samples is achieved commonly at the expense of loss of robustness, and the construction of surrogate model is computationally expensive. In view of this, this paper presents a robust and efficient method in the same direction. The present method uses radial-based importance sampling (RBIS) to reduce samples without loss of robustness. Importantly, Kriging is fully used to efficiently implement RBIS. It not only serves as a surrogate to classify samples as we all know, but also guides the procedure to determine the optimal radius, with which RBIS would reduce samples to the highest degree. When used as a surrogate, Kriging is established through active learning, where the previously evaluated points to determine the optimal radius are reused. The robustness and efficiency of the present method are validated by five representative examples, where the present method is compared mainly with two fundamental reliability methods based on active learning Kriging.     

带抗风夹直立锁缝屋面系统抗风揭可靠度分析

为评估带抗风夹直立锁缝屋面系统安全水平,构建了一种高效的带抗风夹直立锁缝屋面系统抗风揭可靠度分析方法。首先建立了带抗风夹直立锁缝屋面系统力学模型并获取相应失效准则;随后基于等价极值事件、扩展型共轭无迹变换法和最大熵原理建立了多失效模式下带抗风夹直立锁缝屋面系统抗风揭可靠度分析方法;最后,结合工程算例验证了本文方法的可行性。结果表明:相比于MCS法,本文方法计算的可靠指标最大相对误差为0.63%,而计算时间仅为MCS的0.04%,可准确高效地进行多失效模式下带抗风夹直立锁缝屋面系统可靠度分析;带抗风夹直立锁缝屋面系统屋面板撕裂破坏概率最大,支座破坏次之,脱扣破坏概率为0,添加抗风夹后能有效防止直立锁缝屋面系统发生脱扣破坏;单一失效模式下带抗风夹直立锁缝屋面系统结构失效概率比多失效模式偏小,为保证结构安全性,建议考虑多失效模式反映其可靠指标。     

结构失效面上的复合蒙特卡罗方法

为了提高采用蒙特卡罗方法计算结构可靠度的效率和精度，提出了一种部分解析的失效面上的复合蒙特卡罗方法.通过对结构极限状态方程中某一变量或变量表达式的解析求解，将抽样点投影到结构失效面上.结合重要抽样方法，分别导出了原始空间（X空间）和旋转的正交正态空间（V空间）的算法.将抽样点投影到失效面上，不仅保证了抽样的有效性，而且使算法对高度非线性失效面具有更强的适应性.解析解的引入，降低了抽样维数，减小了计算结果的随机性，提高了计算精度.理论推导和数值计算证明了该方法的有效性.     

结合同伦代理模型的静力贝叶斯随机模型修正

为了使用随机静力位移测量数据对结构有限元模型进行修正,并保证计算效率,提出了一种同伦代理模型与贝叶斯抽样方法结合的随机模型修正方法。首先以结构静力位移构建目标函数,然后采用延缓拒绝自适应抽样算法对修正参数的后验概率密度进行估计。抽样过程中,采用同伦代理模型替代有限元模型对结构静力位移进行计算。数值算例和试验结果表明：进行变截面梁的有限元模型修正时,与二次响应面模型相比,在静力贝叶斯模型方法中利用同伦代理模型,修正参数的后验概率密度能更准确地复现结构随机响应,使修正后的结构随机响应与测量结果概率密度函数更加吻合。即使在随机测量误差的变异系数较大、先验信息与真实修正参数之间差异较大时,所提方法仍能够快速得到修正参数的后验概率密度,使修正参数计算的结构随机位移响应与测量结果的概率密度函数保持一致。同伦代理模型结合贝叶斯抽样算法能在概率框架内快速而准确地对结构进行随机模型修正。