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: 2022109198277
申请人: 暨南大学
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Direct优化和双样本点更新的可靠性分析方法,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g(x)、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,x1,x2,…,xn是随机变量x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),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个初始样本点,根据功能函数g(x)计算样本对应的结构响应,建立样本训练集,建立支持向量机回归函数以f(z)为优化目标函数并通过Direct优化算法再进行一次迭代,通过迭代新产生的候选样本选择f(z)值较小的k个样本追加到先前样本中,计算样本对应的真实结构响应,建立新的样本训练集,将2n+k+1个样本构成的样本集记为Z0,更新支持向量回归响应面函数S5、令iter=iter+1,采用蒙特卡洛方法随机产生N个候选样本点,经过自适应选点策略从安全域与不安全域分别筛选出一个候选样本点并计算对应的真实结构响应添加到样本集Z0中,再次更新支持向量回归响应面函数S6、基于支持向量回归响应面函数计算结构失效概率;

S7、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-1(Pf),其中Φ-1(·)为标准正态分布函数反函数,否则,返回步骤S5继续执行。

2.根据权利要求1所述的基于Direct优化和双样本点更新的可靠性分析方法,其特征在于,所述步骤S4中k取值选择如下:当n≤10时,k=n;当n>10时,k=10。

3.根据权利要求1所述的基于Direct优化和双样本点更新的可靠性分析方法,其特征在于,所述步骤S4中,优化目标函数f(z)定义为:其中,为支持向量回归响应面函数,p(z)为联合概率密度函数,w表示标准正态变量z=(z1,z2,...,zn)中第w个分量,为标准正态变量z=(z1,z2,...,zn)中第w个标准随机变量的密度函数,即

4.根据权利要求1所述的基于Direct优化和双样本点更新的可靠性分析方法,其特征在于,所述步骤S5中自适应选点策略过程如下:S51、通过支持向量回归响应面函数随机产生N个候选样本点,将N个候选样本点划分为安全域的N1个样本点和不安全域的N2个样本点,安全域对应不安全域对应S52、假设N3为N1和N2较小的数,令N3=min(N1,N2),且定义的绝对值作为选取样本点的条件,从安全域和不安全域分别取N3/2个绝对值较小的候选样本点,构成候选样本集和S53、分别计算候选样本集和中N3/2个候选样本点的欧几里得距离,选取欧几里得距离最小值最大的候选样本点添加到训练集中,即:其中,min表示求最小值,max表示求最大值,表示对变量z先求函数的最小值再求最大值,z0为点集Z1中的任意点,||·||为欧几里得距离,或

5.根据权利要求1所述的基于Direct优化和双样本点更新的可靠性分析方法,其特征在于,所述支持向量回归响应面函数具有如下形式:其中,l为样本支持向量个数,i为下标或上标变量,z(i)表示自样本产生的第i个标准随机变量对应的支持向量,当选择高斯核函数时,K(z,z(i))=exp(-γ||z-z(i)||)2,γ为核参数,αi、分别为上述支持向量机模型的第一、第二拉格朗日乘子,b为超平面参数。