一种基于Kriging和Monte Carlo的主动学习可靠度算法

机械结构可靠性分析时,常常会采用代理模型拟合隐式功能函数来解决计算量大的问题,但由于试验设计方案需要同时考虑代理模型的拟合精度和可靠度计算精度的问题。因此,为了能够充分使用较少的样本信息,最大化可靠度计算精度,本文充分发挥Kriging预测的随机特性,提出一种主动学习可靠度计算方法。首先,类似于优化问题中改善函数的选点方式,提出一种基于Kriging预测的学习函数,基于Monte Carlo法生成大量的候选样本点,找出学习函数最小值对应的样本点作为最佳取样点。其次,推导和提出了一种学习停止的条件,保证了Monte Carlo样本点预测符号的正确性且学习次数明显减小。最后,通过2个数值算例分析结果表明,该算法相比其他方法需要更少的样本数量,得到的可靠度计算精度更高,验证了本文算法的正确性和高效性。     

结构的概率-非概率混合可靠性模型

将影响结构可靠性分析的不确定性因素用概率和非概率两种方式模拟。并基于结构可靠性分析中的概率可靠性模型和非概率集合可靠性模型,提出一种新的结构可靠性分析的概率-非概率混合模型。该模型首先通过将功能函数进行非概率可靠性分析,然后将标准化区间变量空间所有区域的可靠度进行求和计算,从而给出结构的可靠度。并根据相同的不确定信息,由混合可靠性模型与概率可靠性模型得到的结果是相等的,证明了方法的有效性。最后,通过一个典型结构和一个机翼下壁加筋板与传统概率可靠性模型进行比较,表明该混合模型对于结构的分析和设计更为合理,能够更好地保证结构的安全性。     

基于截尾概率-非概率混合模型的可靠性优化算法

针对工程中截尾概率变量与非概率变量同时存在的情况,给出一种新的截尾概率与非概率混合可靠性模型。在该混合可靠性模型基础上,按照可靠性指标(RIA)法给出双层嵌套可靠性优化模型,并采用改进搜索策略后的ST-Powell优化算法在外层搜索设计变量的最优值,内层采用能保证收敛的改进的有限步长迭代法求解混合可靠性指标。数值算例表明,改进搜索策略后的ST-Powell优化算法的全局寻优性得到显著提升;改进搜索策略后的ST-Powell优化算法与改进的有限步长迭代法相结合求解双层嵌套混合可靠性优化模型的正确性得到验证,且对于非线性程度较高的极限状态函数同样能够得到满足截尾概率与非概率混合可靠性模型指标要求的最优解,并对工程结构算例具有很好的适应性。     

主动学习基自适应PC-Kriging模型的复合材料结构可靠度算法

针对复合材料机翼随机固有频率可靠性分析复杂、高维、高度非线性和计算时间长的问题,本文提出了一种主动学习基自适应PC-Kriging模型的可靠度算法。在基自适应PC-Kriging模型中,采用一种基自适应策略来确定多项式混沌展开部分的正交多项式基,以近似数值模型的全局响应,Kriging用于高阶非线性插值以近似数值模型的局部响应。在主动学习可靠度计算框架中,引入加权K均值聚类,在一次迭代中添加K个对失效概率贡献较大的候选样本点以减少迭代次数和加快收敛速度。通过一个高度非线性的数值算例分析,证明了所提方法的有效性和准确性。将该方法应用于复合材料板和复合材料机翼的随机固有频率可靠性分析,获得了准确高效的可靠度计算结果。     

含缺陷结构非概率可靠性分析方法研究

将基于分段描述的结构非概率可靠性模型引入含缺陷结构的可靠性分析,结合断裂判据,并用分段描述模型刻画未确知变量,实现了非概率的断裂力学分析,克服了概率断裂力学方法对原始数据要求高的局限和未确知信息区间均匀分布模型过于保守的缺陷,有效解决了含裂纹结构在小样本、贫信息场合的可靠性评定问题.通过算例,对文中方法的可行性和有效性...     

结构非概率可靠性灵敏度分析方法

 结构非概率可靠性的灵敏度分析对工程中非概率问题的分析预测和优化具有重要的指导作用。基于结构非概率可靠性指标理论,提出了结构非概率可靠性的灵敏度分析方法。针对极限状态函数为线性的情况,推导出了非概率可靠性灵敏度的解析解。在此基础上,结合函数线性化理论,提出了求解极限状态函数为非线性情况的非概率可靠性灵敏度的近似解析方法。基于求解非概率可靠性指标的优化方法,并结合差分理论,提出了求解非概率可靠性灵敏度的优化方法。给出了算例分析,结果表明了所提方法的可行性。     

考虑变量相关性的非概率可靠性灵敏度分析方法

基于不确定性的凸模型描述,研究考虑变量相关情况下非概率可靠性指标及其参数灵敏度求解方法.从非概率可靠性指标的物理意义出发,建立了相关变量和相互独立变量情况下的非概率可靠性统一模型,在此基础上基于Monte-Carlo法,在变量的标准化扩展空间内通过全局抽样得到结构失效域内距离原点最近的设计点,然后通过迭代策略求解得到非概率可靠性指标的收敛解.在此基础上基于差分理论,提出了非概率可靠性参数灵敏度分析方法.数值算例验证了所提出方法的可行性和有效性.     

基于概率方法的航天器姿态控制系统参数设计

针对传统航天器控制系统参数设计方法中存在的设计保守、主观经验性较强等缺点,使用概率分布对参数不确定性进行量化描述,采用概率指标代替确定性指标,对参数随机分布的系统进行概率分析,并使用可行域图对设计空间进行表征。在此基础上,应用概率优化方法对控制器参数进行优化设计。最后,通过实例对提出的方法进行仿真验证。仿真结果表明,概率分析方法能够放宽参数的设计空间,通过概率优化方法可以得到满足概率指标要求的设计结果,提高了设计效率。     

一种改进的航空发动机结构概率风险评估方法

针对航空发动机适航条款FAR33.75中关于发动机限寿件(ELLP)结构失效概率要求,提出了一种基于Kriging和蒙特卡罗半径外重要抽样(MCROIS)混合的结构概率风险评估方法。该方法针对ELLP高维、小失效概率事件以及极限状态函数为隐式、高度非线性的特点,利用Kriging元模型模拟隐式极限状态函数,然后通过主动学习迭代算法,计算最优点(MPP,最接近设计验算点的样本点),更新实验设计(DOE)并提高Kriging元模型的模拟精度。在此基础上,利用Kriging元模型确定最优抽样半径,构造半径外重要抽样密度函数,在最优抽样半径确定区域进行抽样,通过构造主动学习函数,使样本点更多落在抽样半径确定的球区域附近,加速失效概率计算的收敛,并构建了ELLP风险概率模型,解决了高维、小失效概率事件以及隐式、非线性极限状态函数的发动机结构概率风险评估难题,以某型发动机低压压气机轮盘为应用示例,与传统的蒙特卡罗仿真(MCS)方法进行了对比,验证了该方法的高效率、鲁棒性和仿真精度。     

基于LMD和RBF相结合的尾桨台传动系统滚动轴承故障诊断方法

提出了局部均值分解(Local mean decomposition,简称LMD)方法和径向基函数神经网络(Radial Basis Function Neural Network,简称RBF)相结合的滚动轴承故障诊断方法.LMD方法是一种新的自适应时频分析方法,能够有效地提取故障特征.该方法首先采用LMD对滚动轴承振动信号进行分解,计算分解得到的PF分量能量比,作为特征向量输入到RBF神经网络中,进行故障分类和识别.通过真实滚动轴承数据的故障诊断实验,验证了该方法的有效性.     

基于贝叶斯因子和二阶概率方法的圣地亚热传导模型确认挑战问题

针对美国圣地亚国家实验室为促进模型确认方法的发展所提出的热传导挑战问题,根据现代模型确认思想总结了该挑战问题解答中应包含的核心内容。在确认度量环节采用贝叶斯因子考察了实验数据是否支持所给模型,在此基础上通过二阶概率方法得到了模型预测的分布,以此计算出模型预测结论的置信度。该过程中考虑了模型参数的随机不确定性和认知不确定性,最后通过灵敏度分析辨识了模型参数的不确定性对模型预测的影响。研究表明该挑战问题中的实验数据支持所给模型,模型预测受导热系数的不确定性影响最大,模型预测材料在调控条件下的失效概率不满足调控要求,该结论的置信度为99.97%。     

概率安全评估和可靠性分析中故障树的重要度分析

概率安全评估中故障树的临界重要度和可靠性分析中全局灵敏度指标都可以用来表征基本事件的重要程度。两种重要度分析之间有哪些区别和联系?首先,简述概率安全评估中故障树的定性及定量分析过程;然后,介绍故障树问题在可靠性评估中的失效概率计算及全局灵敏度指标的定义;最后,通过对三个飞机系统的故障树进行分析。结果表明:概率安全分析与可靠性分析得出的系统故障的概率基本一致,而由于引入基本事件发生概率的随机性,使得基本事件的重要性排序发生变化,甚至带来颠覆性的重要性排序,并且随机分布类型和分布参数对全局灵敏度指标的影响也是需要考虑的。     

对称随机循环应力作用时零件的疲劳可靠度和寿命的预测方法

以Ｍｉｎｅｒ理论为基础，考虑到影响疲劳损伤的主要物理量实际上为随机变量，提出单个循环的疲劳损伤量δ、零件的疲劳损伤强度Ｋ、零件的总疲劳损伤量Ｄ的计算式。从这３个随机变量出发，建立了一种疲劳累积损伤的概率模型。在对称随机循环应力作用时，可用该模型计算零件的可靠度和疲劳寿命。     

基于SWT模型的概率寿命分析体方法

为了研究大应力体积对航空发动机轮盘低周循环疲劳破坏的影响,提高轮盘概率寿命预估精度,针对应变体方法对中、长寿命轮盘预测精度不准的缺陷,提出基于SWT模型的概率寿命分析体方法。该方法以最大主应变平面为临界面的SWT模型为基础,结合考虑尺寸效应的体方法,且不需要进行平均应力修正。通过对某风扇盘进行概率寿命分析,得到的轮盘中值寿命与试验结果吻合良好,预测精度高于应变点方法、应力修正系数法得到的结果。表明基于SWT模型的概率寿命分析体方法可以用来预估航空发动机轮盘概率寿命。     

基于分支深度强化学习的非合作目标追逃博弈策略求解

为解决航天器与非合作目标的空间交会问题,缓解深度强化学习在连续空间的应用限制,提出了一种基于分支深度强化学习的追逃博弈算法,以获得与非合作目标的空间交会策略。对于非合作目标的空间交会最优控制,运用微分对策描述为连续推力作用下的追逃博弈问题;为避免传统深度强化学习应对连续空间存在维数灾难问题,通过构建模糊推理模型来表征连续空间,提出了一种具有多组并行神经网络和共享决策模块的分支深度强化学习架构。实现了最优控制与博弈论的结合,有效解决了微分对策模型高度非线性且难于利用经典最优控制理论进行求解的难题,进一步提升了深度强化学习对离散行为的学习能力,并通过算例仿真检验了该算法的有效性。     

基于深度学习的非合作航天器姿态估计

针对空间非合作航天器姿态测量时受光照和地球背景影响大的问题,提出了一种基于卷积神经网络的端到端姿态估计方法.在该方法中,主干网络采用AlexNet与ResNet.首先,移除主干网络末端的全连接层,并列连接3个全连接层,采用三分支网络分别对姿态角进行估计.然后,设计了将分类问题与回归问题相结合的损失函数,通过分类方法将姿态估计限定在某一范围内,再使用回归方法进一步微调姿态.姿态分类损失函数确定姿态角度基准点,姿态回归损失函数对估计角度进行微调.相较于仅采用回归方法进行姿态估计,此方法能够有效减小姿态估计平均绝对误差、标准差与最大误差.实验对比了不同主干网络的测量精度,平均绝对误差在0.376°～0.746°之间,最优标准差为0.474°.     

竞争性故障模型可靠性评估的非参数估计方法

针对航空发动机现场数据的可靠性评估面临着小子样与随机删失问题,对可靠性评估中的非参数估计方法进行了对比分析.应用蒙特卡罗方法,在竞争性故障模型下,设计了一种对比可靠性评估方法优劣性的仿真方法.该方法以三重威布尔分布为例,通过模拟产生具有随机删失特点的航空发动机现场故障数据,分别对比4种可靠性评估非参数估计方法的优劣性.最后通过一个工程应用案例验证了模型的有效性.仿真结果表明:在三重威布尔竞争性故障模型下,非参数估计方法的优劣顺序依次是Kaplan-Meier估计、平均秩次法、Herd-Johnson估计、Nelson-Aalen估计.      

基于非参数统计方法的飞机部件可靠性分析

提出了一种适用于复杂部件的非参数估计方法,采用Kaplan-Meier和Nelson-Aalen估计得出部件在不同时间点的可靠度和失效率,进而计算部件的期望寿命和可靠度的置信区间.最后,通过对计算结果的分析,求出部件进行拆修或报废的时限.经实例验证,该方法在实际应用中是有效的.     

基于交叉熵和空间分割的全局可靠性灵敏度分析

基于失效概率的全局灵敏度分析可以度量各个基本随机变量的不确定性对失效概率的影响程度,对如何降低结构的失效概率具有指导意义。基于交叉熵方法和空间分割提出一种新全局可靠性灵敏度分析方法。该方法采用交叉熵法自适应的确定重要抽样密度函数,有效地回避了传统重要抽样中设计点位置和个数求解的困难。基于评估失效概率所使用的样本,利用空间分割方法计算各个输入随机变量的全局可靠性灵敏度指标,能够提高样本的利用率和计算效率。文中利用一个数值算例和两个工程算例验证了所提方法的计算效率和精度。     

基于LC理论和概率神经网络的损伤识别

本文提出了结构健康监测中一种新颖的方法用于时变系统的损伤识别,选取FS-TARMA(函数基时变自回归移动平均)时间序列模型应用于一种随机振动信号中,这种振动信号在时变系统中用来估计TAR/TMA参数和创新方差。基于一种特征值分解技术,被估计的TAR/TMA参数和创新方差能够为损伤估计提供更多信息和数据,从而形成了一种新的理论LCs(潜在成分)。LCs被组合和分解成数值,接着输入概率神经网络中进行损伤识别。将这种新方法用于三自由度时变系统中进行评估,根据质量和弹簧刚度的降低来模拟不同级别的损伤。这种方法能够找出系统参数的时变性质和质量及刚度变化引起的损伤级别。结果表明:使用这种方法,与其他的非降维和普通的特征提取方法相比,识别的成功率有相当大的提高。