[发明专利]基于自适应代理模型的结构可靠性分析方法在审
申请号: | 201710795125.1 | 申请日: | 2017-09-06 |
公开(公告)号: | CN107563067A | 公开(公告)日: | 2018-01-09 |
发明(设计)人: | 肖宁聪;郭伟;王永山;周成宁 | 申请(专利权)人: | 电子科技大学 |
主分类号: | G06F17/50 | 分类号: | G06F17/50 |
代理公司: | 成都宏顺专利代理事务所(普通合伙)51227 | 代理人: | 周永宏 |
地址: | 611731 四川省成*** | 国省代码: | 四川;51 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 自适应 代理 模型 结构 可靠性分析 方法 | ||
1.一种基于自适应代理模型的结构可靠性分析方法,具体包括以下步骤:
S1、分析产品的运行环境、系统的组成和系统功能;确定产品的关键失效模式及失效机理;
S2、采用随机变量对系统中的输入不确定性参数进行建模,统计变量的信息和数据,对变量的分布参数及分布形式进行估计和检验;
S3、建立产品关键结构的数值仿真模型;
S4、根据输入随机变量的分布产生少量初始随机数,根据随机数与随机变量的映射关系,得到输入随机变量初始训练样本点,根据所得初始输入训练样本点及步骤S3中的数值仿真模型计算得出系统初始响应值,即初始输出训练样本点,根据所得的初始输入和输出训练样本点构建初始的Kriging代理模型;
S5、根据输入随机变量的分布产生大量的随机数,根据随机数与随机变量的映射关系,得到输入随机变量的大量候选样本集,构建输入随机变量新增训练样本点选择准则(学习函数),把所得到的大量候选样本点代入学习函数中进行计算,最终选择使得学习函数值最小的候选样本点作为新增输入训练样本点,此过程循环迭代更新,直到收敛为止,最后得到随机变量最终的输入训练样本点,根据随机变量的最终训练样本点及步骤S3的数值仿真模型,计算得到最终的Kriging代理模型输入和输出训练样本点;
S6、根据步骤S5得到的最终Kriging代理模型输入和输出训练样本点,构造最终的Kriging代理模型,计算系统的失效概率和可靠性灵敏度值。
2.根据权利要求1所述的基于自适应代理模型的结构可靠性分析方法,其特征在于,步骤S2具体用最大似然估计法和卡方检验法对变量的分布参数及分布形式进行估计和检验。
3.根据权利要求1所述的基于自适应代理模型的结构可靠性分析方法,其特征在于,步骤S6具体用采用蒙特卡罗仿真方法计算系统的失效概率和可靠性灵敏度值。
4.根据权利要求1所述的基于自适应代理模型的结构可靠性分析方法,其特征在于,步骤S4所述的构建的初始Kriging代理模型可表示为:
其中,β为回归权重系数;fT(X)为矢量X的函数,即X为所有随机变量Xi,i=1,2,…,m的矢量,为误差项。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于电子科技大学,未经电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710795125.1/1.html,转载请声明来源钻瓜专利网。