多源不确定信息下的履带起重机臂架结构动态可靠性方法技术

本发明专利技术涉及多源不确定信息下的履带起重机臂架结构动态可靠性方法，属于电数字数据处理技术领域，通过履带起重机臂架机构实例，研究复杂服役环境下的失效机理动态演化历程与交互作用

【技术实现步骤摘要】
多源不确定信息下的履带起重机臂架结构动态可靠性方法


[0001]本专利技术属于电数字数据处理
，具体涉及多源不确定信息下的履带起重机臂架结构动态可靠性方法
。

技术介绍

[0002]已有学者在起重机或其臂架结构可靠性优化方面做了一定的研究，但在设计过程中多是只考虑特定工况下初始时刻的静态设计，无法表征起重机使用过程中的工况
、
可靠性行为
(
性能退化
、
维修和保养
)
等对设计结果的影响，从而导致设计的起重机与实际需求差别甚大
。
[0003]因此，现阶段需设计多源不确定信息下的履带起重机臂架结构动态可靠性方法及存储介质，来解决以上问题
。

技术实现思路

[0004]本专利技术目的在于提供多源不确定信息下的履带起重机臂架结构动态可靠性方法及存储介质，用于解决上述现有技术中存在的技术问题，开展考虑使用过程中的可靠性行为
、
任务到达与执行时间随机性的动态可靠性优化设计
。
切实保障起重机的安全服役
。
[0005]为实现上述目的，本专利技术的技术方案是：
[0006]多源不确定信息下的履带起重机臂架结构动态可靠性方法，包括以下步骤：
[0007]步骤
S1、
混合不确定因素下臂架结构的动态可靠性优化设计建模；
[0008]分析臂架动态可靠性模型确认指标的特点与表达，以臂架机构的轻量化和传感器网络预测精度最大化为目标，可靠性和寿命为约束，构建寿命周期可靠性优化设计模型；
[0009]步骤
S2、
自适应
Kriging
‑
HDMR
混合代理模型构建；
[0010]分析
Kriging
模型表达
HDMR
组成函数的构造方法，分析
MPP
点与结构可靠度的关联性，基于
FORM
和惩罚函数法，建立自适应函数
、
学习准则和收敛条件；基于均匀设计的无偏性和均匀性，分析更新样本取值范围与
Kriging
‑
HDMR
混合代理模型的关联性，分析基于代理模型更新策略以及有效的模型更新算法，并分析其失效性和精度；
[0011]步骤
S3、
基于可靠性约束转化的双层代理模型解耦优化算法；
[0012]分析结合多项式指数函数和移动最小二乘法表达失效概率的近似方法，基于自适应
Kriging
‑
HDMR
代理模型可靠性分析方法，分析可靠性约束与设计变量映射关系的构建方法；分析初始设计域的确定方法；基于均匀设计的无偏性和均匀性，更新可靠性约束与设计变量映射关系的抽样点产生机制，分析优化设计终止准则
。
[0013]进一步的，步骤
S1
中
ADT
方案设计具体如下：
[0014]分析臂架结构输出性能的相关性，建立反映相关性的
Copula
函数；研究
Copula
函数在时间域上的演化规律，建立动态
Copula
函数；研究动态
Copula
函数的渐进稳定性，构建渐进稳定
Copula
函数对应结构体的边界与时间以及失效阈值关系的代理模型；依据代理模型，研究确定失效阈值
、
应力水平
、
样本数量以及试验截止时间参数的
ADT
方案制订方法
。
[0015]进一步的，步骤
S1
中动态可靠性优化设计模型构建具体如下：
[0016]针对臂架结构安全性要求，分析各要害部件的可靠性要求，研究以轻量化为目标的优化分配模型；探讨要害部件对系统可靠性的影响，研究要害部件尺寸可靠性优化设计模型构建方法；研究上述两个优化设计模型的内在联系，建立多源不确定因素下的动态可靠性优化设计模型
。
[0017]进一步的，步骤
S2
具体如下：
[0018]为建立多源不确定信息下的动态可靠性响应极值的代理模型，采用多元函数极值理论，将可靠性性能函数转化为极值模型；研究
HDMR
的函数结构，采用
Kriging
代理模型构造
HDMR
的组成函数，构建
Kriging
‑
HDMR
混合代理模型；基于
MPP
点与采样点失效概率的关联性，利用
FORM
和惩罚函数法构建可以涵盖采样点失效概率的自适应学习函数；将最小化自适应学习函数作为学习准则和选择主动学习样本的依据；以代理模型的可靠度指标变化量作为代理模型的精度评价指标；基于自适应学习函数准则逐步搜索采样点失效概率最大的样本点，也是对
Kriging
‑
HDMR
混合代理模型精度贡献最大的点，即每次迭代的
MPP
点，用均匀设计来更新
Kriging
‑
HDMR
混合代理模型，如此迭代直至精度评价指标不超过收敛条件，最终建立符合精度要求的自适应
Kriging
‑
HDMR
混合代理模型
。
[0019]进一步的，步骤
S3
中解耦优化算法具体如下：
[0020]基于非线性规划方法，多项式指数函数使用任意精度逼近结构的失效概率，而移动最小二乘法作为普通最小二乘法的一种演变方法，为无网格采样点构建多项式提供更好的逼近性能；研究采用最小二乘法构造多项式指数函数中多项式的表达方法，结合动态可靠性分析方法，构建设计变量与可靠度约束之间的映射关系，将可靠性约束转化为确定性约束；利用均匀设计产生设计变量训练样本点，并通过不断地等效优化和动态可靠性分析更新训练样本来完善可靠度约束的代理模型，直至满足可靠度优化设计的收敛准则，得到整个设计域内的满足精度要求的最优设计解
。
[0021]一种存储介质，所述存储介质上存储有计算机程序，所述计算机程序被运行时执行如上述的多源不确定信息下的履带起重机臂架结构动态可靠性方法
。
[0022]与现有技术相比，本专利技术所具有的有益效果为：
[0023]本方案其中一个有益效果在于，通过履带起重机臂架机构实例，研究复杂服役环境下的失效机理动态演化历程与交互作用
、
基于作业状态监测数据的动态可靠性模型确认与更新
、
多源不确定因素混下的动态可靠性优化设计算法高精度与高效率实现等问题
。
从理论层面看，构建了寿命周期可靠性优化设计的全新理论框架，是对现有机构
/
结构可靠性设计理论的继承和发展；从应用层面看，提出的方法对切实提高起重机机构的可靠性和寿命具有实际价值，为保证我国本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
多源不确定信息下的履带起重机臂架结构动态可靠性方法，其特征在于，包括以下步骤：步骤
S1、
混合不确定因素下臂架结构的动态可靠性优化设计建模；分析臂架动态可靠性模型确认指标的特点与表达，以臂架机构的轻量化和传感器网络预测精度最大化为目标，可靠性和寿命为约束，构建寿命周期可靠性优化设计模型；步骤
S2、
自适应
Kriging
‑
HDMR
混合代理模型构建；分析
Kriging
模型表达
HDMR
组成函数的构造方法，分析
MPP
点与结构可靠度的关联性，基于
FORM
和惩罚函数法，建立自适应函数
、
学习准则和收敛条件；基于均匀设计的无偏性和均匀性，分析更新样本取值范围与
Kriging
‑
HDMR
混合代理模型的关联性，分析基于代理模型更新策略以及有效的模型更新算法，并分析其失效性和精度；步骤
S3、
基于可靠性约束转化的双层代理模型解耦优化算法；分析结合多项式指数函数和移动最小二乘法表达失效概率的近似方法，基于自适应
Kriging
‑
HDMR
代理模型可靠性分析方法，分析可靠性约束与设计变量映射关系的构建方法；分析初始设计域的确定方法；基于均匀设计的无偏性和均匀性，更新可靠性约束与设计变量映射关系的抽样点产生机制，分析优化设计终止准则
。2.
根据权利要求1所述的多源不确定信息下的履带起重机臂架结构动态可靠性方法，其特征在于，步骤
S1
中
ADT
方案设计具体如下：分析臂架结构输出性能的相关性，建立反映相关性的
Copula
函数；研究
Copula
函数在时间域上的演化规律，建立动态
Copula
函数；研究动态
Copula
函数的渐进稳定性，构建渐进稳定
Copula
函数对应结构体的边界与时间以及失效阈值关系的代理模型；依据代理模型，研究确定失效阈值
、
应力水平
、
样本数量以及试验截止时间参数的
ADT
方案制订方法
。3.
根据权利要求2所述的多源不确定信息下的履带起重机臂架结构动态可靠性方法，其特征在于，步骤
S1
中动态可靠性优化设计模型构建具体如下：针对臂架结构安全性要求，分析各要害部件...

【专利技术属性】
技术研发人员：谢方，蒋玫，郭鹏，田世娟，胡冯强，杜波，彭宇辉，田寒，张苏洋，
申请(专利权)人：四川省特种设备检验研究院，
类型：发明
国别省市：