欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018110080119
申请人: 华东交通大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种基于马尔可夫链蒙特卡洛的Bayesian动态预测方法,其特征在于,包括以下步骤:

步骤1:根据构件的历史裂纹长度及对应的时间增量,建立构件疲劳裂纹损伤性能随机退化模型;

步骤2:利用基于马尔可夫链蒙特卡洛的Bayesian动态预测方法对构件疲劳裂纹损伤性能随机退化模型的随机参数进行更新,得到参数修正值;

步骤3:根据参数修正值,预测构件在未来某一时间段内的裂纹长度,根据裂纹长度建立构件疲劳裂纹长度安全余量方程;

步骤4:根据参数修正值和构件疲劳裂纹长度安全余量方程对构件疲劳裂纹损伤性能退化与时变可靠性进行评估。

2.根据权利要求1所述的基于马尔可夫链蒙特卡洛的Bayesian动态预测方法,其特征在于,所述步骤1具体包括:

步骤1.1:建立构件疲劳裂纹扩展确定性模型对于一个含有表面裂纹a的工程结构构件,依据线弹性断裂力学理论,裂纹端部应力强度因子K在某一应力水平作用下应力σ表示成如下形式:式(1)中:Y表示应力强度修正系数,反映了构件和裂纹的几何形状;a为半裂纹长度;在构件承受静荷载时,只有其应力水平达到临界应力σc时,即裂纹端部的应力强度因子达到临界值Kc时,才会立即发生失稳断裂,此时相对应的临界裂纹长度为ac;当静应力水平降低到σ0,σ0<σc,则构件不会发生失稳破坏;但如果构件承受一个与静应力σ0大小相等的往复循环应力,则初始裂纹a0在循环应力σ0作用下发生缓慢扩展,根据Pari半经验公式,疲劳裂纹扩展速率写成以下形式:

其中da/dN表示裂纹扩展速率;N为荷载循环次数;ΔK表示应力强度因子变化幅度,由式(1)有: 假设疲劳裂纹扩展过程中,Δσ和Y保持不变,则可取ΔK(a)=a,由积分公式(2)得:

其中a(0)是N=0时构件的初始疲劳裂纹长度,a(N)表示荷载循环次数为N时的裂纹长度;C、m为材料参数;

步骤1.2:建立构件疲劳裂纹损伤性能退化概率模型令式(3)中材料参数C=θ1、m-1=θ2,并假设参数C、m均为不确定性参数,则对式(3)两边取自然对数,并令y=ln(a(N)/a(0)),有其中yij表示第i,i=1,2,…,n个疲劳裂纹在荷载循环到tj=N,j=1,2,…,m时对应的相对疲劳裂纹扩展长度,工程结构构件相应性能退化;tj是时间变量,表示作用在构件上的疲劳荷载循环次数,为性能变量的观测时间;η(·)是描述性能变量变化的轨迹函数,它是t的单调非线性函数,也是参数θ(θ1i,θ2i)的非线性函数; 是性能退化函数η(·)中的未知随机参数向量,q是参数向量位数,Θ是参数向量的取值空间;εij是反映性能退化过程中第i个疲劳裂纹在tj时刻相对扩展长度的不确定性的误差项;

假设(1)对应特定的tj,随机误差项序列εij,i=1,2,…,n独立同分布,即εij在空间上是独立的;(2)对于特定的疲劳裂纹i,随机误差项序列εij,j=1,2,…,m是相关的;(3)随机误差项序列εij服从均值为0,未知协方差矩阵为Σε的多维随机变量正态分布,即N(0,Σε);

定义yi=(yi1,yi2,…,yim)T和ηi=(ηi1,ηi2,…,ηim)T,其中T表示矩阵转置;用fMVN(x/μ,Σ)表示均值为μ,协方差为Σ的多维随机变量正态分布概率密度函数,因此,在给定ηi的情况下,由式(3)有:

式中Σε表示随机误差项m×m阶的协方差方阵,其中矩阵元素等于ρklσkσl,k=1,2,…,m;l=1,2,…,m;|Σε|为协方差方阵行列式值;ρkl为荷载循环次数k次和l次时随机误差项之间的相关系数,σk和σl分别表示荷载循环次数k次和l次时随机误差项的标准方差。

3.根据权利要求2所述的基于马尔可夫链蒙特卡洛的Bayesian动态预测方法,其特征在于,所述步骤2具体包括:

步骤2.1:先验分布

假定式(4)中随机误差项εij独立同分布,则有ρkl=0,Σε变为对角线元素为未知常数的m×m阶协方差矩阵;对于特定的疲劳裂纹i,公式(4)共有(θ,σε)两类参数,它们的联合先验分布函数为π(θ,σε);随机参数θ与σε之间是彼此独立的,它们的联合先验分布可以写成:π(θ,σε)=π(θ)π(σε)=π(θi1)π(θi2)π(σε),其中π(θi1)、π(θi2)和π(σε)分别是按照各自方式构造的关于θi1、θi2和σε的先验分布密度函数;采用无信息先验分布 σε>0;

步骤2.2:性能退化过程似然函数和后验分布对于特定的疲劳裂纹i,假定在tj,j=1,2,…,m时刻有损伤性能退化量测值yi1,yi2,…,yim;由于随机误差项序列εij,j=1,2,…,m是独立同分布的随机变量,在给定θ和σε的条件下,性能退化样本yi1:m的条件联合分布函数或似然函数为:在已知联合先验分布π(θ,σε)的基础上,得到性能退化量测值D(=yi1,yi2,…,yim)后利用Bayes更新公式来推断后验分布p(θ,σε|D),即有:其中Θ、Ω分别是θ、σε的取值空间;令π(θ1ι)π(θ2ι)π(σε)=π(θ1,θ2,θ3),从给定初始样本 开始,则根据全条件分布Gibbs抽样技术,样本 生成如下:

θ1(1)从全条件分布π(θ1(0))π(θ2(0))π(θ3(0))L(y1:m|θ1(0),θ2(0),θ3(0))产生;

θ2(1)从全条件分布π(θ1(1))π(θ2(0))π(θ3(0))L(y1:m|θ1(1),θ2(0),θ3(0))产生;

θ3(1)从全条件分布π(θ1(1))π(θ2(1))π(θ3(0))L(y1:m|θ1(1),θ2(1),θ3(0))产生;

以上Gibbs抽样技术的关键在于仅考虑了单变量的条件分布;抽样样本可以通过选择一个建议分布来生成,选择随机游走链作为建议分布:使用这种分布进行数值模拟简单,而且其接受概率也仅取决于后验分布;M-H算法就是通过以上Gibbs抽样技术得到样本 并利用接受概率决定是否接受 还是拒绝 即: 接受概率的表达形式如下:

重复上述迭代过程直到各分量Θk+1的遍历均值稳定后,生成一系列所需要采集的样本{Θ1,Θ2,Θ3,…},利用这些后验样本,估计后验分布和随机参数的置信区间,得到参数修正值。

4.根据权利要求3所述的基于马尔可夫链蒙特卡洛的Bayesian动态预测方法,其特征在于,所述步骤3具体包括:

建立构件单根疲劳裂纹长度安全余量方程,作为进行可靠性分析的极限状态方程:Z=acr-y(tk+Δt)≥0    (10)式中:Z为疲劳裂纹长度的安全余量;acr为给定的疲劳裂纹临界值;y(tk+Δt)为疲劳裂纹在tk+Δt时刻的预测值,y(tk+Δt)=η(tk,θ1,θ2)+εk+1;tk是当前时刻,Δt是关心的未来时间区间长度;y(t1),y(t2),…,y(tk)是当前时刻以及过去时刻的疲劳裂纹长度量测数据;

εk+1表示疲劳裂纹损伤性能退化轨迹模型在tk+Δt的随机误差项,假设它与ε1,ε2,…,εk独立同分布,即:

5.根据权利要求4所述的基于马尔可夫链蒙特卡洛的Bayesian动态预测方法,其特征在于,所述步骤4具体包括:

根据极限状态方程(10),构件在未来某一时刻tk+Δt的可靠概率计算公式可以表示如下:

其中g(θ1,θ2,σε,tk,Δt,acr)=Z=acr-y(tk+Δt),服从N(0,σε)分布;

在获得未知随机参数和随机误差项的后验分布后,将式(11)的求解转化为如下后验期望值:

每次达到疲劳试验的设计试验节点,收集到一个新的量测数据,利用收集到的历史量测数据,相应地更新似然函数,利用式(12)计算未来一段时间Δt内疲劳裂纹损伤构件的可靠性分析和预测,并绘制一条时变可靠度变化曲线。