买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：暨南大学

摘要：本发明公开了一种基于Direct算法和少量样本更新的结构混合可靠性分析方法。首先，基于Direct优化算法，设置优化目标，对样本进行粗抽样，然后分别在安全域和不安全域，基于欧几里得距离的自适应选点规则和优化算法，不断采用自适应策略选取少量样本点更新样本集，并使用支持向量回归拟合近似功能函数，以内积核函数代替向高维空间的非线性映射，增强响应面方法的非线性适应性，在此基础上进行蒙特卡罗模拟，作结构可靠性分析。本发明在结构可靠性分析中有很好的通用性，能适应各类非线性问题，扩展了Direct优化算法、支持向量机机器学习方法在结构可靠性分析领域的适用范围，有重要的理论和工程意义。

主权项：1.一种基于Direct算法和少量样本更新的结构混合可靠性分析方法，其特征在于，所述可靠性分析方法包括以下步骤：S1、指定待分析领域的产品结构、待分析领域中反映结构或产品正常工作能力或安全工作临界状态的功能函数gx,y、区间变量y＝y1,y2,…,ym，随机变量x＝x1,x2,…,xn及其特征参数，其中，n为随机变量x中元素的个数，m为区间变量y中元素的个数，x1,x2,…,xn是随机变量x向量的各分量，y1,y2,…,ym是区间变量y向量的各分量，所述待分析领域包括土木工程、机械电子和航空航天；S2、将随机变量x＝x1,x2,…,xn通过Rosenblatt变换转化为标准正态变量z＝z1,z2,…,zn，其中，z1,z2,…,zn是标准正态变量z的各分量；S3、设置循环变量iter＝1；S4、通过Direct优化算法产生2n+1个随机变量的样本点Z1，将区间变量y各分量均粗略划分为t等分，若m＝1，t取10，m＝2或3，t取5，m≥4，t取3；S5、在区间变量等分点基础上进行中心复合设计，得到tm个区间变量的样本点Z2，依次对Z1中的每一个随机变量样本zi，i＝1,2,...,2n+1，分别代入Z2中所有的区间变量样本点，计算真实功能函数对应的结构响应，若计算最大失效概率取最小值作为样本点Z1中zi的结构响应，若计算最小失效概率取最大值作为样本点Z1中zi的结构响应，建立样本集训练得到功能函数gx,y在标准正态空间下的支持向量机回归模型S6、以fz为优化目标函数，通过Direct优化算法再次迭代，产生新的候选样本点，选择fz值较小的k个样本追加到先前样本Z1中，计算样本对应的真实结构响应，建立新的包含2n+1+k个样本的训练集，其中若k＜10，k＝n+m，否则k＝10，更新支持向量机回归模型S7、令iter＝iter+1，按伪随机方法产生N组随机变量候选样本点，经过自适应选点策略分别从安全域与不安全域筛选出回归模型最小的两个点z1,y1和z2,y2，其中z1＝z11,…,z1n，z11,…,z1n为z1的n个分量，y1＝y11,…,y1m，y11,…,y1m为y1的m个分量，z2＝z21,…,z2n，z21,…,z2n为z2的n个分量，y2＝y21,…,y2m，y21,…,y2m为y2的m个分量，z1,y1＝z11,…,z1n,y11,…,y1m，z2,y2＝z21,…,z2n,y21,…,y2m；S8、分别将以y1和y2为中心的相邻两个区间划分成t1个等分点，t1t，若计算最大失效概率通过离散型优化算法得到更精确的z1和z2对应的回归模型最小值点和若计算最小失效概率通过离散型优化算法得到更精确的z1和z2对应的回归模型最大值点和计算这两点对应的真实结构响应添加到样本集中，再次更新支持向量机回归模型S9、对标准正态变量z＝z1,z2,…,zn进行蒙特卡洛仿真，和分别代入回归模型若计算最大失效概率取回归模型值和较小的作为结构响应，若计算最小失效概率取回归模型值和较大的作为结构响应，计算结构失效概率Pf，或S10、检验结构失效概率是否收敛，若收敛，得到结构失效概率和可靠性指标β＝Φ-1Pf，其中Φ-1·为标准正态分布函数反函数，否则令iter＝iter+1，返回步骤S7继续执行。

全文数据：

权利要求：

百度查询： 暨南大学 基于Direct算法和少量样本更新的结构混合可靠性分析方法