1.小样本和更新条件下考虑认知不确定性的可靠度分析方法,其特征在于,包括以下步骤:S1、根据初始小样本分别建立分布参数和分布类型的先验分布且分别建模为连续型随机变量和离散型随机变量;
S2、根据后续更新样本计算贝叶斯更新条件下的分布参数和分布类型的后验分布;
S3、根据分布参数和分布类型的后验分布确定每次可靠度计算时参数的概率密度函数和累积分布函数;
S4、通过可靠度计算循环得到可靠指标的概率密度函数。
2.根据权利要求1所述的小样本和更新条件下考虑认知不确定性的可靠度分析方法,其特征在于,S1根据初始小样本分别建立分布参数和分布类型的先验分布且分别建模为连续型随机变量和离散型随机变量的具体步骤为:(1)根据初始样本数据通过自助法抽样K次得到K个子样本,根据K个子样本的均值与标准差拟合得到分布参数的先验分布且建模为连续型随机变量;
(2)通过赤池信息量准则结合自助法计算得到每个自助法子样本的备选分布类型的赤池信息量准则值,通过比较每个子样本的备选分布类型的赤池信息量准则值,取最小的赤池信息量准则值最为最优分布类型;通过统计K个子样本中不同分布类型被识别为最优分布的次数,将次数/K作为分布类型的先验概率,将分布类型作为离散型随机变量。
3.根据权利要求2所述的小样本和更新条件下考虑认知不确定性的可靠度分析方法,其特征在于,赤池信息量准则值计算公式如下:式中:f(·)为备选概率分布类型所对应的概率密度函数;xi为试验数据,n为样本数量,ε为备选概率分布类型的分布参数向量,λ为备选概率分布类型中分布参数的数量。
4.根据权利要求1‑3任一所述的小样本和更新条件下考虑认知不确定性的可靠度分析方法,其特征在于,S2根据后续更新样本计算贝叶斯更新条件下的分布参数和分布类型的后验分布的具体步骤为:(1)通过后续更新数据求得似然函数和条件概率;
(2)通过求解贝叶斯公式得到贝叶斯更新条件下分布参数和分布类型的后验分布。
5.根据权利要求4所述的小样本和更新条件下考虑认知不确定性的可靠度分析方法,其特征在于,S2根据后续更新样本计算贝叶斯更新条件下的分布参数和分布类型的后验分布的具体公式为:(1)通过贝叶斯更新方法,可得分布参数的后验分布:
式中,pζ(ζ|D2)为分布参数ζ在新增更新数据D2之后的后验分布;pζ(ζ)为分布参数ζ的先验分布,通过随机变量Θ的原始数据D1得到;L(D2|ζ)为新增更新数据D2对于分布参数ζ的极大似然函数,有:式中,n1表示新增更新数据个数;pζ(θk|ζ)为更新样本点θk对应先验分布的概率密度函数值;
(2)通过贝叶斯更新方法,得分布类型的后验分布:
式中,P(Aj)为分布类型Aj的先验概率;P(Aj|D2)为分布类型Aj在新增数据D2之后的后验概率;n2为分布类型个数;P(D2|Aj)为新增数据D2对于分布类型Aj的条件概率,其计算公式为:式中,p(θk|Aj,ζ)为Aj所对应分布类型的概率密度函数在更新样本点θk的函数值,ζ为其分布参数,由新增更新数据D2确定,n1表示新增更新数据个数。
6.根据权利要求1所述的小样本和更新条件下考虑认知不确定性的可靠度分析方法,其特征在于,S3根据分布参数和分布类型的后验分布确定每次可靠度计算时参数的概率密度函数和累积分布函数的步骤为:(1)通过分布类型的后验概率确定Ns组分布类型;
(2)通过分布参数的后验分布确定Ns组分布参数;
(3)通过选定的分布类型和分布参数确定Ns组可靠度计算时参数的概率密度函数和累积分布函数。
7.根据权利要求1所述的小样本和更新条件下考虑认知不确定性的可靠度分析方法,其特征在于,S4通过可靠度计算循环得到可靠指标的概率密度函数的具体步骤为:(1)利用确定的Ns组参数的概率密度函数和累积分布函数进行Ns次可靠度进而计算得到Ns个可靠指标;
(2)利用Ns个可靠指标对可靠度进行不确定性量化分析,描绘其概率密度函数。
8.根据权利要求7所述的小样本和更新条件下考虑认知不确定性的可靠度分析方法,其特征在于,S4可靠度计算方法为:(1)计算在分布参数和分布类型不确定性条件下结构失效概率:Pf(Θ)=∫G(X,Θ)≤0fX,Θ(x,θ)dx
式中,Pf(Θ)为考虑认知不确定性变量Θ后的失效概率;G(X,Θ)表示随机不确定性变量X和认知不确定性变量Θ耦合情况下的功能函数;fX,Θ(x,θ)是随机不确定性变量X和认知不确定性变量Θ耦合情况下的联合概率密度函数;
(2)计算相应的可靠指标:
‑1
β(Θ)=Φ [1‑Pf(Θ)]
‑1
式中,β(Θ)为考虑认知不确定性变量Θ后的可靠指标;Φ 为标准正态累积分布函数的反函数。