代理模型近似技術(shù)研究及其在結(jié)構(gòu)可靠度分析中的應(yīng)用.pdf_第1頁
已閱讀1頁,還剩179頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、近幾十年來,伴隨著新材料、先進(jìn)制造工藝和以科學(xué)計(jì)算為基礎(chǔ)的仿真分析均出現(xiàn)重大技術(shù)進(jìn)步,工程結(jié)構(gòu)分析與設(shè)計(jì)技術(shù)也呈現(xiàn)出多樣化發(fā)展的趨勢。以結(jié)構(gòu)多目標(biāo)優(yōu)化、多學(xué)科協(xié)同優(yōu)化設(shè)計(jì)、結(jié)構(gòu)可靠度分析與設(shè)計(jì)以及魯棒設(shè)計(jì)等為代表的先進(jìn)結(jié)構(gòu)設(shè)計(jì)思想已經(jīng)在實(shí)際工程結(jié)構(gòu)設(shè)計(jì)應(yīng)用中得到體現(xiàn),這也契合了當(dāng)前日益攀升的工程結(jié)構(gòu)設(shè)計(jì)要求,即縮短設(shè)計(jì)周期,降低開發(fā)成本,提高設(shè)計(jì)質(zhì)量,及對(duì)環(huán)境與客戶更友好等。另一方面,盡管計(jì)算機(jī)仿真能力與計(jì)算效率已經(jīng)取得較大進(jìn)展,但新材

2、料與新結(jié)構(gòu)形式在工程結(jié)構(gòu)設(shè)計(jì)中的廣泛應(yīng)用仍可能使傳統(tǒng)的結(jié)構(gòu)分析手段出現(xiàn)困難,不論是采用結(jié)構(gòu)試驗(yàn)還是復(fù)雜仿真分析來輔助結(jié)構(gòu)設(shè)計(jì),都對(duì)上述結(jié)構(gòu)設(shè)計(jì)要求提出挑戰(zhàn)。因此,非常有必要研究各種適應(yīng)結(jié)構(gòu)分析能力現(xiàn)狀的設(shè)計(jì)技術(shù),而對(duì)代理模型技術(shù)的研究及其對(duì)于輔助結(jié)構(gòu)分析與設(shè)計(jì)方面的應(yīng)用已經(jīng)成為當(dāng)前國內(nèi)外的熱門研究課題。
   本文圍繞代理模型在結(jié)構(gòu)分析與設(shè)計(jì)中的應(yīng)用展開研究,分別探討了基于結(jié)構(gòu)試驗(yàn)的復(fù)合材料沖擊損傷表征及基于有限元仿真計(jì)算的結(jié)構(gòu)

3、可靠度分析問題,其中研究重點(diǎn)放在新型代理模型技術(shù)在結(jié)構(gòu)可靠度分析中的應(yīng)用。本文提出了一種改進(jìn)的人工神經(jīng)網(wǎng)絡(luò)建模技術(shù),實(shí)現(xiàn)了該方法在復(fù)合材料結(jié)構(gòu)沖擊損傷表征中的應(yīng)用;基于各基本結(jié)構(gòu)可靠度分析方法的不足,提出了一種新型結(jié)構(gòu)可靠度分析的Two-Phase混雜模型;將移動(dòng)最小二乘技術(shù)推廣于結(jié)構(gòu)可靠度分析領(lǐng)域,并基于失效概率計(jì)算特征提出了新型雙加權(quán)移動(dòng)最小二乘方法,以提高分析效率;研究了有限元分析中的靈敏度計(jì)算原理,具體推導(dǎo)了靈敏度信息輔助Kri

4、ging插值的建模方法,并提出了兩種基于靈敏度信息的結(jié)構(gòu)可靠度分析方法。主要研究工作及結(jié)論如下:
   (1)建立了改進(jìn)的人工神經(jīng)網(wǎng)絡(luò)模型,并實(shí)現(xiàn)了該模型在復(fù)合材料沖擊損傷表征中的應(yīng)用
   針對(duì)實(shí)際復(fù)合材料飛機(jī)結(jié)構(gòu)設(shè)計(jì)中沖擊損傷表征出現(xiàn)的困難,提出了以結(jié)構(gòu)試驗(yàn)結(jié)果作為訓(xùn)練樣本,構(gòu)建人工神經(jīng)網(wǎng)絡(luò)模型(Artificial Neural Network,ANN)來定義結(jié)構(gòu)沖擊響應(yīng)與影響參數(shù)之間的函數(shù)關(guān)系?;谟?xùn)練樣本點(diǎn)的數(shù)

5、據(jù)特征,對(duì)傳統(tǒng)的人工神經(jīng)網(wǎng)絡(luò)訓(xùn)練方法進(jìn)行了改進(jìn),提出了利用交叉驗(yàn)證技術(shù)(Cross-Validation,CV)確定最佳網(wǎng)絡(luò)結(jié)構(gòu)與初始參數(shù)的方法。為了驗(yàn)證所提出方法的有效性,將其應(yīng)用于復(fù)雜非線性函數(shù)和蜂窩夾層結(jié)構(gòu)沖擊損傷表征問題中。結(jié)果顯示所提方法均能夠有效地建立人工神經(jīng)網(wǎng)絡(luò)模型對(duì)未知函數(shù)關(guān)系進(jìn)行近似,且表現(xiàn)出比采用傳統(tǒng)神經(jīng)網(wǎng)絡(luò)建模方法更穩(wěn)定的特征;
   (2)提出了結(jié)構(gòu)可靠度分析的兩階段(Two-Phase)混雜模型

6、   鑒于含隱式極限狀態(tài)函數(shù)的結(jié)構(gòu)可靠度分析問題中,一次二階矩法、MonteCarlo法與經(jīng)典響應(yīng)面法都存在各自的優(yōu)點(diǎn)與不足,提出了一種能夠凸顯三種方法分析優(yōu)勢、避免各自計(jì)算缺陷的可靠度分析Two-Phase混雜模型。在Two-Phase混雜模型中,基于一次二階矩法與代理模型的新型序列自適應(yīng)抽樣技術(shù)保證了在1stPhase中能夠在極限狀態(tài)曲面附近抽取更多的樣本點(diǎn),這對(duì)于提高2ndPhase中基于MonteCarlo法的失效概率Pf計(jì)算

7、精度與效率有直接影響。通過4個(gè)典型可靠度分析算例,驗(yàn)證了所提方法能夠有效實(shí)現(xiàn)將樣本點(diǎn)布置在極限狀態(tài)曲面附近,計(jì)算結(jié)果與其它可靠度方法相比也存在明顯優(yōu)勢,即Two-Phase混雜模型可以在失效概率Pf的計(jì)算精度與計(jì)算效率上同步得到改進(jìn)。
   (3)開展了雙加權(quán)移動(dòng)最小二乘技術(shù)在結(jié)構(gòu)可靠度分析中的應(yīng)用研究
   為了將移動(dòng)最小二乘技術(shù)(Moving Least Square,MLS)推廣于結(jié)構(gòu)可靠度分析應(yīng)用中,首先介紹了其

8、基本理論,并結(jié)合結(jié)構(gòu)可靠度分析中失效概率計(jì)算的基本原理,提出了一種改進(jìn)的雙加權(quán)移動(dòng)最小二乘法并使其能更適應(yīng)可靠度分析問題特征。新的加權(quán)方案能夠?qū)㈦S機(jī)變量空間中靠近極限狀態(tài)曲面或最可能失效點(diǎn)的樣本點(diǎn)分配更大的權(quán)系數(shù)值,因此能夠提高極限狀態(tài)曲面或最可能失效點(diǎn)的近似精度。而這對(duì)于提高失效概率計(jì)算精度有促進(jìn)作用。3個(gè)典型算例的結(jié)果表明,與其它近似代理模型相比,移動(dòng)最小二乘法能夠有效地應(yīng)用于結(jié)構(gòu)可靠度分析問題,且采用雙加權(quán)移動(dòng)最小二乘模型比采用普

9、通移動(dòng)最小二乘模型具備更高的失效概率計(jì)算精度。
   (4)提出了基于仿真靈敏度信息的結(jié)構(gòu)可靠度分析模型
   將計(jì)算機(jī)仿真程序特征與結(jié)構(gòu)可靠度分析特征綜合考慮,研究了提高失效概率Pf計(jì)算效率的一種新方法。以主流有限元軟件均能提供的仿真靈敏度信息利用為例,提出了兩種利用仿真靈敏度信息輔助進(jìn)行結(jié)構(gòu)失效概率計(jì)算的方法:1.將仿真靈敏度信息轉(zhuǎn)化為一次二階矩法中極限狀態(tài)函數(shù)對(duì)隨機(jī)變量的偏導(dǎo)數(shù)。三個(gè)工程算例的結(jié)果表明,靈敏度信息極

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論