【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及機(jī)械結(jié)構(gòu)可靠性分析，具體涉及基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法及系統(tǒng)。
技術(shù)介紹
1、隨著機(jī)械行業(yè)的發(fā)展和節(jié)能減排等方面的要求，機(jī)械正在向輕量化的方向發(fā)展，導(dǎo)致制造材料的力學(xué)性能得到了充分的利用，很多重要的機(jī)械零部件，尤其是航空航天等方面的裝備，其材料的力學(xué)性能發(fā)揮到了極致。然而，因?yàn)闄C(jī)械結(jié)構(gòu)的材料組織分布的不均勻性、裝備制造安裝誤差的隨機(jī)性和人為操作使用的主觀不確定性等原因，導(dǎo)致機(jī)械結(jié)構(gòu)在使用過程中的響應(yīng)具有很大的不確定性，這給機(jī)械裝備的使用來帶了很大的安全隱患，因此，在設(shè)計(jì)之初，就需要對(duì)機(jī)械結(jié)構(gòu)進(jìn)行可靠性分析，防止出現(xiàn)重大的安全事故。
2、機(jī)械結(jié)構(gòu)的功能函數(shù)g(x)通常是隱式的，需要進(jìn)行大規(guī)模的有限元計(jì)算，通常無法直接進(jìn)行可靠性分析。因此有眾多學(xué)者對(duì)其進(jìn)行了多年的研究，機(jī)械結(jié)構(gòu)可靠性分析方法有了快速的發(fā)展，主要分為：數(shù)值逼近方法、仿真模擬方法和代理模型方法。數(shù)值逼近方法主要有一階可靠性分析方法(first?order?relibility?method,form)和二階可靠性分析方法(second?order?relibility?method,sorm)等，此類方法基于迭代優(yōu)化的方法，利用taylor展開逼近可靠性分析的極限狀態(tài)方程h(x)(g(x)＝0)，從而求解處機(jī)械結(jié)構(gòu)的最可能失效點(diǎn)，對(duì)機(jī)械結(jié)構(gòu)的可靠性進(jìn)行評(píng)估；此類方法需要求解機(jī)械結(jié)構(gòu)的極限狀態(tài)方程的導(dǎo)數(shù)，但機(jī)械結(jié)構(gòu)往往使用有限元法來求解工作時(shí)的響應(yīng)，因此，限制了數(shù)值逼近方法的使用，并且taylor展開只能在局部逼近極限狀態(tài)函數(shù)，
技術(shù)實(shí)現(xiàn)思路
1、為了解決以上技術(shù)問題，本專利技術(shù)提供了基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，所述方法包括：
2、獲取影響機(jī)械結(jié)構(gòu)失效的影響因素，選取影響因素作為可靠性分析的輸入變量，收集所述輸入變量的相關(guān)數(shù)據(jù)，通過概率統(tǒng)計(jì)分析方法，得到所述輸入變量的概率分布特征和參數(shù)；
3、分析待進(jìn)行可靠性分析機(jī)械結(jié)構(gòu)的工作條件和受載情況，確定失效形式，結(jié)合結(jié)構(gòu)安全工作的條件與要求，確定機(jī)械結(jié)構(gòu)的功能函數(shù)和極限狀態(tài)方程；
4、對(duì)所述輸入變量的概率分布特征和參數(shù)使用等概率轉(zhuǎn)換方法進(jìn)行轉(zhuǎn)換，生成蒙特卡洛可靠性分析樣本；
5、生成初始擬合樣本，將初始擬合樣本逆變換后，計(jì)算樣本的功能函數(shù)值，得到初始響應(yīng)矩陣，基于所述初始擬合樣本逆變換和所述初始響應(yīng)矩陣，得到初始代理模型；
6、使用先驗(yàn)可靠圓環(huán)樣本縮減方法對(duì)所述初始擬合樣本進(jìn)行候選樣本的選取以及可靠性分析；
7、使用原點(diǎn)距約束的學(xué)習(xí)函數(shù)，從新擬合樣本中選取試驗(yàn)樣本；
8、計(jì)算所述試驗(yàn)樣本的響應(yīng)值，更新擬合樣本和響應(yīng)值變量，根據(jù)新擬合樣本和所述響應(yīng)值變量更新代理模型；
9、使用更新后的代理模型對(duì)機(jī)械結(jié)構(gòu)的可靠性進(jìn)行分析。
10、可選的，對(duì)所述輸入變量的概率分布特征和參數(shù)使用等概率轉(zhuǎn)換方法進(jìn)行轉(zhuǎn)換，生成蒙特卡洛可靠性分析樣本具體包括：
11、基于所述輸入變量的概率分布特征和參數(shù)，使用等概率轉(zhuǎn)換方法，將所述輸入變量轉(zhuǎn)換到標(biāo)準(zhǔn)正態(tài)空間中，然后根據(jù)輸入變量的數(shù)量n，生成n維空間的蒙特卡洛可靠性分析樣本。
12、可選的，生成初始擬合樣本的方法具體包括：
13、在標(biāo)準(zhǔn)正態(tài)空間中，使用下式生成4n個(gè)初始擬合樣本：
14、xinii＝[z1,z2,z3...zi±m(xù)...zn](i＝1,2,3...n)
15、其中，xinii是第i個(gè)初始擬合樣本，z1＝0，z2＝0,z3＝0....zn＝0，得到初始樣本矩陣xini：
16、xini＝[-2en；2en；-4en；4en]
17、其中，en是n階單位方陣。
18、可選的，得到初始代理模型具體包括：
19、將初始擬合樣本通過逆變換轉(zhuǎn)化到函數(shù)空間中，分別計(jì)算每一個(gè)樣本的功能函數(shù)值，得到初始響應(yīng)矩陣gini＝[g1,g2,g3……g4n]，利用初始擬合樣本矩陣xini和初始響應(yīng)矩陣gini擬合代理模型，得到初始代理模型hini(x)。
20、可選的，使用先驗(yàn)可靠圓環(huán)樣本縮減方法對(duì)所述初始擬合樣本進(jìn)行候選樣本的選取以及可靠性分析的具體方法包括：
21、計(jì)算蒙特卡洛可靠性分析樣本xmcs的半徑：
22、ri＝||xmcsi||2，按照從小到大的順序?qū)mcs重新排序，得到排序樣本xrmcs和序列號(hào)η，其中，xmcsi為xmcs的第i個(gè)樣本，xrmcs為對(duì)mcs樣本排序后的樣本；
23、按照排序樣本xrmcs計(jì)算代理模型函數(shù)值，記錄第一個(gè)函數(shù)值為負(fù)數(shù)的序列號(hào)η；
24、對(duì)0.8η進(jìn)行向下取整得到整數(shù)ηini，對(duì)于序號(hào)小于ηini的排序樣本xrmcs進(jìn)行舍棄，使用序號(hào)大于ηini的排序樣本xrmcs進(jìn)行可靠性分析后作為候選樣本。
25、可選的，使用原點(diǎn)距約束的學(xué)習(xí)函數(shù)，從所述候選樣本中選取試驗(yàn)樣本的方法具體包括：
26、所述原點(diǎn)距約束的學(xué)習(xí)函數(shù)包括面約束、距約束和域約束；
27、所述面約束要求實(shí)驗(yàn)樣本接近極限狀態(tài)方程，使用代理模型實(shí)現(xiàn)面約束：
28、s(xn)＝h(xn)
29、其中，xn為待確定的新擬合樣本,s(xn)為面約束函數(shù)，h(xn)為代理模型函數(shù)，xn為待確定的新擬合樣本；
30、距約束要求實(shí)驗(yàn)樣本保持距離，在每一個(gè)新的樣本在加入試驗(yàn)樣本時(shí)，用新的樣本到所有已有擬合樣本的最小距離保持?jǐn)M合樣本間的距離：
31、
32、其中，d(xn)是距約束函數(shù)，xi是已有擬合樣本的第i個(gè)變量；
33、試驗(yàn)樣本到原點(diǎn)的距離r(xn)作為域約束：
34、
35、其中，r(xn)是域約束函數(shù)，基于三個(gè)控制函數(shù)，定義原點(diǎn)距約束學(xué)習(xí)函數(shù)cor(xn)為：
36、
37、其中，v是域約束系數(shù)，用于調(diào)節(jié)域約束在學(xué)習(xí)函數(shù)中的權(quán)重。...
【技術(shù)保護(hù)點(diǎn)】
1.基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，其特征在于，對(duì)所述輸入變量的概率分布特征和參數(shù)使用等概率轉(zhuǎn)換方法進(jìn)行轉(zhuǎn)換，生成蒙特卡洛可靠性分析樣本具體包括：
3.根據(jù)權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，其特征在于，生成初始擬合樣本的方法具體包括：
4.根據(jù)權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，其特征在于，得到初始代理模型具體包括：
5.根據(jù)權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，其特征在于，使用先驗(yàn)可靠圓環(huán)樣本縮減方法對(duì)所述初始擬合樣本進(jìn)行候選樣本的選取以及可靠性分析的具體方法包括：
6.根據(jù)權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，其特征在于，使用原點(diǎn)距約束的學(xué)習(xí)函數(shù)，從所述候選樣本中選取試驗(yàn)樣本的方法具體包括：
7.基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析系統(tǒng)，所述系統(tǒng)用于實(shí)現(xiàn)權(quán)利要求1-6任意一項(xiàng)所述的機(jī)械結(jié)構(gòu)可
8.根據(jù)權(quán)利要求7所述的基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析系統(tǒng)，其特征在于，所述分析樣本生成模塊包括轉(zhuǎn)換子模塊和樣本生成子模塊：
...【技術(shù)特征摘要】
1.基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，其特征在于，對(duì)所述輸入變量的概率分布特征和參數(shù)使用等概率轉(zhuǎn)換方法進(jìn)行轉(zhuǎn)換，生成蒙特卡洛可靠性分析樣本具體包括：
3.根據(jù)權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，其特征在于，生成初始擬合樣本的方法具體包括：
4.根據(jù)權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，其特征在于，得到初始代理模型具體包括：
5.根據(jù)權(quán)利要求1所述的基于主動(dòng)學(xué)習(xí)代理模型的機(jī)械結(jié)構(gòu)可靠性分析方法，其特征在于，使用先驗(yàn)可靠圓環(huán)樣本縮減方法對(duì)所述初始擬合樣本...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：魏彥旭，張世龍，李文勝，張彥杰，
申請(qǐng)(專利權(quán))人：太原理工大學(xué)，
類型：發(fā)明
國(guó)別省市：
還沒有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。