一种面向结构可靠性分析的通用动态追踪序列采样方法技术

技术编号:18458666 阅读:46 留言:0更新日期:2018-07-18 12:39
本发明专利技术属于结构可靠性分析领域,并具体公开了一种面向结构可靠性分析的通用动态追踪序列采样方法,包括如下步骤:建立结构极限状态函数,确定随机变量及随机变量分布信息;构建随机点并将随机变量及随机点转换至标准正态空间中以确定目标采样区域;构建训练点,形成训练数据集并建立代理模型;对目标采样区域进行划分,识别出最敏感区域;开采最敏感区域,获得一个新的训练点,更新训练数据集及代理模型,然后计算预测失效概率;计算所有局部区域的最大相对误差及预测失效概率的变异系数,根据最大相对误差和变异系数判断是否终止采样,以此完成结构可靠性的分析。本发明专利技术具有操作步骤简单、效率高、自适应强等优点。

A universal dynamic tracing sequential sampling method for structural reliability analysis

The invention belongs to the field of structural reliability analysis, and discloses a general dynamic tracking sequence sampling method for structural reliability analysis, which includes the following steps: establishing the limit state function of the structure, determining the distribution information of random variables and random variables, constructing random points and converting random variables and random points to the standard. The target sampling area is determined in the quasi normal space, the training point is constructed, the training data set is formed and the agent model is established. The target sampling area is divided and the most sensitive area is identified; the most sensitive area is mined, and a new training point is obtained, the training data set and the generation model are updated, and then the prediction failure probability is calculated. The maximum relative error of all local areas and the coefficient of variation of the predicted failure probability are calculated, and whether the sampling is terminated according to the maximum relative error and the coefficient of variation is judged, so as to complete the analysis of structural reliability. The invention has the advantages of simple operation steps, high efficiency and strong adaptability.

【技术实现步骤摘要】
一种面向结构可靠性分析的通用动态追踪序列采样方法
本专利技术属于结构可靠性分析领域,更具体地,涉及一种面向结构可靠性分析的通用动态追踪序列采样方法。
技术介绍
可靠性是衡量复杂结构服役性能的关键概率指标,不同于确定性分析,可靠性分析充分考虑影响结构失效的各方面不确定因素,例如材料属性、载荷条件、加工工艺、装配环境等。近年来,一系列的结构可靠性分析理论方法已经应用于航空航天、远洋装备、基础设施等领域,随着人们对结构服役性能的要求与日俱增,高可靠性复杂结构装备已成为中国制造迈向高精尖化的一个重要标志,而可靠性分析理论则在其中扮演核心角色。尽管可靠性分析理论已经取得了飞速发展,但是当大型结构装备越来越复杂、服役要求越来越高时,结构的极限状态函数(也称为功能函数)通常具有高度非线性特点,甚至是未知隐式的。此时常规的解析法(如一次二阶矩法)、蒙特卡洛模拟法及其改进方法均不再适用,而代理模型则可以很好地解决此类复杂黑箱问题。基于代理模型的可靠性分析方法通常采用某种实验设计方法选取一系列的训练点来构造原始极限状态函数的近似代理模型,并用该近似代理模型进行后续的分析评估。常用的代理模型包括:多项式响应面、多项式混沌展开、Kriging、径向基函数、支持向量回归、神经网络等。对于实际工程问题,获取每一个训练点的真实响应值都需要进行仿真实验或者物理实验,这个过程非常耗时。因此,决定此类方法使用效率的关键在于,借助合理有效的实验设计方法,用尽可能少的训练点构建出能够满足可靠性分析精度要求的代理模型。现有的面向结构可靠性分析的实验设计方法主要包括一次采样和序列采样。一次采样为了获得在整个设计空间内拥有较高全局精度的代理模型,通常会使所构造的训练点均匀分布在整个空间内。但是对于可靠性分析而言,只有精确地拟合出极限状态边界才能获取准确的失效概率结果,当代理模型仅仅只是具有较好的全局精度时,失效评估的结果并不完全准确,对于一些小失效概率的复杂结构,失效评估的结果有时甚至是错误的。此外,一次采样的使用往往还受限于训练点集大小的确定,在不了解结构黑箱内部机理的情形下预先设置好训练点的数目很困难。不同于一次采样,序列采样主要构建一个在极限状态边界足够精确的局部代理模型,并尽量保证全局精度,从而使代理模型适应可靠性分析的需求。但是,现有的采样策略往往过于依赖某一种代理模型,对不同问题不具有很好的适应性;并且,它们在增加新的训练点时并没有充分利用对于可靠性分析有用的迭代信息,评估结果没有实时地反馈到训练点的获取和停止更新模型上。因此,针对基于代理模型的高效可靠性分析,提出一种步骤简单、适应性强、高度符合可靠性分析需求、关键区域精度高且耗时短的自适应序列采样方法具有重要意义。
技术实现思路
针对现有技术的以上缺陷或改进需求,本专利技术提供了一种面向结构可靠性分析的通用动态追踪序列采样方法,其目的在于弥补面向可靠性分析的序列采样方法适应性不强、不能紧密联系可靠性分析需求的短板,提供一种操作步骤相对简单、效率较高且能满足可靠性分析需求的自适应序列采样分析方法,具有操作步骤简单、效率高、自适应强等优点。为实现上述目的,本专利技术提出了一种面向结构可靠性分析的通用动态追踪序列采样方法,包括如下步骤:S1建立待分析结构的极限状态函数,确定极限状态函数中的随机变量及随机变量的分布信息;S2根据极限状态函数及随机变量的分布信息构建随机点,并将随机变量及随机点转换至标准正态空间中以确定目标采样区域;构建Nsample个训练点形成训练数据集,并建立代理模型,根据代理模型计算预测失效概率;S3根据训练点对目标采样区域进行划分以获得多个局部区域,计算每个局部区域的预测失效概率误差,以识别出最敏感区域;S4开采步骤S3得到的最敏感区域,获得第Nsample+1个训练点,更新训练数据集以及代理模型,然后重新计算预测失效概率;S5根据S3每个局部区域的预测失效概率误差计算最大相对误差,并计算S4得到的预测失效概率的变异系数,根据最大相对误差和变异系数判断是否终止采样,以此方式完成整个采样过程。作为进一步优选的,步骤S3中计算每个局部区域对预测失效概率精度的影响以识别出最敏感区域具体为:采用公式(1)计算每个局部区域的预测失效概率误差,预测失效概率误差最大的区域即为最敏感区域,所述公式(1)如下:其中,是从训练点集中去掉一个训练点xi得到的预测失效概率误差,为预测失效概率,是去掉训练点xi以重新构建一个代理模型,并利用该代理模型计算得到的预测失效概率,N是当前训练点的个数。作为进一步优选的,步骤S4中开采最敏感区域获得第Nsample+1个训练点具体采用如下方式开采:其中,表示随机点到局部区域中心xi的距离,m表示随机点处的预测响应的m次幂,选取值最小的随机点作为第Nsample+1个训练点。作为进一步优选的,步骤S5中根据S3每个局部区域的预测失效概率误差计算最大相对误差具体为:其中,P为最大相对误差。作为进一步优选的,步骤S5中计算S4得到的预测失效概率的变异系数具体为:其中,为预测失效概率的变异系数,为步骤S4重新计算的预测失效概率,为预测失效概率的方差。作为进一步优选的,根据最大相对误差和变异系数判断是否终止采样具体为:S51判断最大相对误差P是否小于等于相对误差极限值εr,若是,则转入步骤S52;若否,则返回步骤S3;S52判断是否小于5%,若是,则终止采样;若否,则返回步骤S2,构建更多的随机点以扩大采样区域继续进行分析,直至满足终止条件。总体而言,本专利技术所构思的以上技术方案通过重建采样区域缩小采样建模范围,建立预测失效概率误差以动态追踪对极限状态拟合精度最敏感的区域,构造简单的响应距离公式对局部区域进行有效开采等操作构建了一个自适应序列采样的闭环回路。通过与现有技术对比,本专利技术具有以下优点:本专利技术充分考虑了随机变量的统计信息、最可能提升预测失效概率精度的迭代信息、局部敏感区域内随机点的个体信息,有效结合了这些与可靠性分析息息相关的信息来指导训练点的获取和停止更新代理模型。本专利技术不局限于任何一种代理模型,任意代理模型都可以很好地与本专利技术提供的技术方案相结合。本专利技术不局限于所提供的局部区域勘探方案,现有技术所提出的开采策略均可以运用于本专利技术中;且本专利技术设计的开采策略适应性最广,其相对误差较低,效果较好。总之,本专利技术提供了一种高效的通用动态追踪序列采样方法,对于复杂结构可靠性分析问题具有很好的适应性。附图说明图1为本专利技术实施例提供的一种面向结构可靠性分析的通用动态追踪序列采样方法的流程框图;图2(a)和(b)为本专利技术实施例1确定采样区域示意图;图3为本专利技术实施例1划分圆形采样区域示意图;图4(a)和(b)为本专利技术实施例1开采局部区域示意图;图5为本专利技术实施例1采样结果和极限状态边界模拟图;图6(a)和(b)为本专利技术实施例2屋顶桁架结构示意图;图7为本专利技术实施例2预测失效概率收敛图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本专利技术进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本专利技术,并不用于限定本专利技术。此外,下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。本专利技术实施例提本文档来自技高网
...

【技术保护点】
1.一种面向结构可靠性分析的通用动态追踪序列采样方法,其特征在于,包括如下步骤:S1建立待分析结构的极限状态函数,确定极限状态函数中的随机变量及随机变量的分布信息;S2根据极限状态函数及随机变量的分布信息构建随机点,并将随机变量及随机点转换至标准正态空间中以确定目标采样区域;构建Nsample个训练点形成训练数据集,并建立代理模型,根据代理模型计算预测失效概率;S3根据训练点对目标采样区域进行划分以获得多个局部区域,计算每个局部区域的预测失效概率误差,以识别出最敏感区域;S4开采步骤S3得到的最敏感区域,获得第Nsample+1个训练点,更新训练数据集以及代理模型,然后重新计算预测失效概率;S5根据步骤S3中计算的每个局部区域的预测失效概率误差计算最大相对误差,并计算步骤S4中得到的预测失效概率的变异系数,根据最大相对误差和变异系数判断是否终止采样,以此方式完成整个采样过程。

【技术特征摘要】
1.一种面向结构可靠性分析的通用动态追踪序列采样方法,其特征在于,包括如下步骤:S1建立待分析结构的极限状态函数,确定极限状态函数中的随机变量及随机变量的分布信息;S2根据极限状态函数及随机变量的分布信息构建随机点,并将随机变量及随机点转换至标准正态空间中以确定目标采样区域;构建Nsample个训练点形成训练数据集,并建立代理模型,根据代理模型计算预测失效概率;S3根据训练点对目标采样区域进行划分以获得多个局部区域,计算每个局部区域的预测失效概率误差,以识别出最敏感区域;S4开采步骤S3得到的最敏感区域,获得第Nsample+1个训练点,更新训练数据集以及代理模型,然后重新计算预测失效概率;S5根据步骤S3中计算的每个局部区域的预测失效概率误差计算最大相对误差,并计算步骤S4中得到的预测失效概率的变异系数,根据最大相对误差和变异系数判断是否终止采样,以此方式完成整个采样过程。2.如权利要求1所述的面向结构可靠性分析的通用动态追踪序列采样方法,其特征在于,步骤S3中计算每个局部区域的预测失效概率误差以识别出最敏感区域具体为:采用公式(1)计算每个局部区域的预测失效概率误差,预测失效概率误差最大的区域即为最敏感区域,所述公式(1)如下:其中,是从训练点集中去掉一个训练点xi得到的预测失效概率误差,为步骤S2计算获得的预测失效概率,是去掉...

【专利技术属性】
技术研发人员:邱浩波蒋琛高亮陈力铭杨赞
申请(专利权)人:华中科技大学
类型:发明
国别省市:湖北,42

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1