【技术实现步骤摘要】
一种用于飞机舱门锁机构可靠性分析的高效自适应方法
本专利技术属于可靠性分析与设计领域,尤其涉及一种用于飞机舱门锁机构可靠性分析的高效自适应方法。
技术介绍
工程中机械类问题往往涉及越来越多的复杂计算,失效概率的评估可能需要非常耗时的计算,如何在保证一定结果精度的情况下使调用机械结构或机构数值模型的计算次数最少成为了亟待解决的重要问题。目前,解决这一问题的常用方法是使用替代模型代替原计算量较大的工程模型来评估该模型的失效概率,常用的基于代理模型的可靠性评估方法有响应面方法、神经网络方法、支持向量机方法和Kriging方法等。由于Kriging模型不仅同时具有局部和全局的统计特性,而且其构造模型所需的样本量一般较少,Kriging模型在可靠性分析与设计领域的应用越来越广泛。从20世纪初Kriging的数学思想出现,到20世纪50年代法国的地质科学家D.G.Krige才将这种思想应用到实践工作,再到Kriging技术在许多领域得以应用,Kriging技术作为一种半参数化的插值技术,几十年中得到了很好的发展和优化。Kriging技术就是通过部分已知的信息去模拟某一点的未知信息,其基本原理是Kriging在某一点进行预测需要借助于在这一点周围的已知点的信息,即通过对这一点一定范围内的信息加权的线性组合来估计这一点未知信息。应用Kriging模型评估可靠性问题具有计算简单、通用性强的特点,适用于计算复杂高维的可靠性分析以及可靠性优化问题。但将Kriging模型应用于可靠性分析中,一般情况下采用的措施是首先应用实验设计方法构造一系列的具有代表性的样本点,然后构造Krig ...
【技术保护点】
一种用于飞机舱门锁机构可靠性分析的高效自适应方法,其特征在于,所述方法包括以下步骤:步骤1、确定设计变量x和极限状态函数G(x);步骤2、确定设计空间;步骤3、生成候选样本集XC和检验样本集XT;步骤4、创建初始DOE并构造Kriging模型;步骤5、构造验证样本集并计算其中样本的分类指标;步骤6、筛选第一候选样本集XFC并确定第一个样本x1;步骤7、构造第二候选样本集XSC并确定第二个样本x2;步骤8、更新DOE并移除相应样本;步骤9、重构Kriging模型并计算误分类数量;步骤10、判断模型输出稳定性,若稳定,则执行步骤11,否则返回执行步骤5;步骤11、生成Monte Carlo样本集并评估失效概率;步骤12、判断失效概率估计值是否稳定,若稳定,则结束,否则,重新设置所述Monte Carlo样本集中的样本数量,并返回执行步骤11。
【技术特征摘要】
1.一种用于飞机舱门锁机构可靠性分析的高效自适应方法,其特征在于,所述方法包括以下步骤:步骤1、确定设计变量x和极限状态函数G(x);步骤2、确定设计空间;步骤3、生成候选样本集XC和检验样本集XT;步骤4、创建初始DOE并构造Kriging模型;步骤5、构造验证样本集并计算其中样本的分类指标;步骤6、筛选第一候选样本集XFC并确定第一个样本x1;步骤7、构造第二候选样本集XSC并确定第二个样本x2;步骤8、更新DOE并移除相应样本;步骤9、重构Kriging模型并计算误分类数量;步骤10、判断模型输出稳定性,若稳定,则执行步骤11,否则返回执行步骤5;步骤11、生成MonteCarlo样本集并评估失效概率;步骤12、判断失效概率估计值是否稳定,若稳定,则结束,否则,重新设置所述MonteCarlo样本集中的样本数量,并返回执行步骤11。2.根据权利要求1所述的方法,其特征在于,所述步骤1具体包括:确定所处理问题的设计变量x=(x1,x2,…,xn)、功能特征量H和失效判据I,建立极限状态函数G(x),其中n为设计变量个数。3.根据权利要求1所述的方法,其特征在于,所述步骤2具体包括:根据设计变量的分布类型和设计要求,确定各设计变量的下限Li和上限Ui,其中i=1,2,...,n,进而确定设计空间。4.根据权利要求1所述的方法,其特征在于,所述步骤3具体包括:在设计空间中,利用均匀抽样分别生成含T个均匀样本的候选样本集XC和检验样本集XT。5.根据权利要求1所述的方法,其特征在于,所述步骤4具体包括:采用拉丁超立方方法生成N0个样本组成实验设计样本集XD,其中N0=3n,调用极限状态函数G(x)计算所述N0个样本的函数值,组成样本点集{(x,G(x))|x∈XD},得到初始DOE,初始化构造模型次数z=1,利用样本点集构造Kriging模型6.根据权利要求1所述的方法,其特征在于,所述步骤5具体包括:从检验样本集XT中筛选出最接近当前Kriging模型极限状态的前T0个样本构成验证样本集XV,其中T0=[T/100],将验证样本集XV中的样本根据其函数值的正负情况分为“+1”和“-1”两类,并根据公式(1)给分类指标赋值7.根据权利要求1所述的方法,其特征在于,所述步骤6具体包括:利用当前Kriging模型分析当前候选样本集XC,筛选出最接近极限状态的前T0个样本作为第一候选样本集XFC;通过公式(2)~(4)计算XFC中样本与当前实验设计样本集XD中样本的最大最小距离L1max-min,然后利用公式(5)确定XFC中等于“最大最小距离”L1max-min的所有样本,选择第一个不为0的k1(i)值对应的XFC中的样本为第一个样本x1加入到当前XD中;
【专利技术属性】
技术研发人员:宋坤苓,张玉刚,宋笔锋,喻天翔,刘敬一,申林杰,
申请(专利权)人:西北工业大学,
类型:发明
国别省市:陕西,61
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。