Rahman[8]和Cho[9]等提出的降维算法(Dimension Reduction Method,DRM)避免了对功能函数梯度与矩阵的逆以及迭代最可能失效点(Most Probable failure Point,MPP)的求解,大大降低了计算工作量;Youn等[10]指出在基于矩的积分法时,随积分点的增多,导致线性方程组的系数矩阵出现奇异性、条件数和数值结果不稳定等。
因此,本文结合单变量降维算法和Edgeworth级数展开法[11]进行结构的可靠性分析。采用降维算法,将功能函数分解为n个一维函数叠加的形式,再利用变量转换和Gauss-Hermite数值积分得到各一维函数的原点矩,由所得各原点矩信息获得功能函数的中心矩,再将其前四阶中心矩应用到Edgeworth级数展开式中,该级数无需通过参数的分布类型进行拟合,仅需通过矩信息就可拟合累积分布函数计算。
1 降维算法假设由n维向量X=[x1 x2 … xn]T来表达任意一个连续、可微的实值响应函数g(X),n维函数g(X)的降维表达式[12]为
式中:g0为常数;函数gi(xi)为变量xi单独对响应的一阶表达式;函数gi1i2(xi1,xi2)为变量xi1和xi2对函数g(X)的共同影响的二阶表达式;gi1i2…ik(xi1,xi2,…,xik)则体现着前k阶项共同对g(X)的影响;最后一项g12…n(x1,x2,…,xn)包含了所有变量共同对响应函数的影响。选取随机变量空间中的任意一个参考点c=(c1,c2,…,cn),若只考虑式(1)中的一阶项。由式(1)可得到下列分量函数的关系式:
式中:gi=g(c1,c2,…,ci-1,xi,ci+1,ci+2,…,cn)。文献[12]研究表明参考点c的最佳选择为变量的均值,因此令c=(μ1,μ2,…,μn),则单变量降维表达式可写为
由二项式展开定理和统计矩定义知,n维函数g(X)的k阶原点矩公式[13]为
式中: 为式(5)的二项式展开系数; 为期望算子,q为原点矩的阶数。当随机变量xi的概率密度函数为f(xi)时,一维函数gi(X)的原点矩可以表示为
2 变量转换由于直接用积分计算式(6)会导致较大误差且为提高其计算精度,一维函数的积分表达式,通常可以运用传统的数值积分公式进行计算求解,但积分结果有误差。本文中将各变量均转换为服从N(0,0.5)(均值为0,方差为0.5)的正态分布的变量。基于等概率变换原理,将一组任意分布类型且相互独立的向量X=[x1 x2…xn]T转换成一组服从正态分布的向量U=[u1 u2…un]T。经转换后可得
式中:Φ-1[·]为标准正态分布的累积分布函数;Fxi(xi)为随机变量xi的累积分布函数。转换后的概率密度函数fUi(ui)和累积分布函数FUi(ui)的公式分别为
将式(7)和式(8)代入到式(6)中,利用Gauss-Hermite数值积分,则一维函数gi(xi)=g(μ1,μ2,…,μi-1,xi,μi+1,μi+2,…,μn)的原点矩表达式可表示为
式中:ωi为高斯权重。由式(6)得到一维函数的各阶原点矩,再将其代入式(5),可计算出n维函数g(X)的各阶原点矩。3 Edgeworth级数式(5)得到功能函数的统计矩后,可根据矩信息拟合功能函数的累积分布函数。相应的方法有:Pearson系统[14],鞍点近似法[15],增广β和λ分布等。由于Pearson系统在拟合过程中因分布类型的区别在区域边界取值不同,导致数值解不稳定;鞍点近似法计算在数值过程中存在奇异性;增广β和λ分布仅适用于中低度可靠性水平的单峰概率密度函数的近似,且不能准确估计失效概率小于0.01的情况在鞍点近似的数值过程中存在奇异性等[12]。因而本文采用Edgeworth级数,其仅通过功能函数的矩信息,便可拟合其分布函数。
由Edgeworth级数展开法知,功能函数的累积分布函数F(g)可表示为
式中: g为已标准化的功能函数;Φ(g)和Φ(i)(g)分别为标准正态分布函数及其i阶偏导函数;μg2、μg3和μg4分别为n维函数g(X)的第2、第3和第4阶中心矩:
式中:mg2、mg3和mg4分别为功能函数的第2、第3和第4阶原点矩,g为功能函数。将式(12)代入式(11)便可通过计算得到结构的失效概率。其算法流程如图 1所示。
图 1 结构失效概率计算流程图 Fig. 1 Calculation flowchart of structural failure probability |
图选项 |
4 数值算例4.1 算例1已知非线性极限状态方程g=567fr-0.5H2,f和r服从正态分布,f~N(0.6,0.078 62),r~N(2.18,0.285 582),随机变量H服从对数正态分布,其均值为32.8,变异系数为0.03,计算极限状态方程的失效概率。
表 1为算例1的失效概率计算结果。由表 1可知,应用本文方法计算的结果与MCS方法吻合较好,具有较高的计算精度。功能函数无需对随机变量进行梯度求解,本文方法的相对误差为7.3%,体现了本文方法的正确性和高效性。
表 1 算例1的失效概率计算结果 Table 1 Calculation results of failure probability for Example 1
方法 | 失效概率 | 相对误差/% | 样本数 |
MCS | 0.028 0 | 107 | |
FORM | 0.023 0 | 20.1 | 39 |
SORM | 0.025 2 | 12.5 | 15 |
本文方法 | 0.026 7 | 7.3 | 9 |
表选项
4.2 算例2平面十杆桁架结构如图 2所示。泊松比μ=0.3;弹性模量E=2.1×1011Pa;材料密度ρ=7.8×103 kg/m3;许用应力[σ]=160 MPa;P1=750 kN,P2=950 kN,P3=950 kN,杆①~杆⑥各杆件长度均为3.6 m,面积均为A1=0.03 m2;杆⑦~杆⑩面积均为A2=0.02 m2。节点5和节点6处施加平面约束,在节点4处施加竖直向下载荷P1,节点2处同时施加竖直方向载荷P2和水平方向载荷P3,参数统计特征列于表 2。节点2处的垂直位移Δ≤0.008 m,可得到功能函数为
图 2 平面十杆桁架结构 Fig. 2 Structure of ten plane truss |
图选项 |
表 2 十杆桁架参数统计特征 Table 2 Parametric statistical characteristics of ten truss
随机变量 | 参数统计特征 | ||||
分布类型 | 均值/kN | 变异系数 | 偏态系数 | 峰度系数 | |
P1 | 对数正态 | 750 | 0.10 | 0.301 4 | 3.163 1 |
P2 | 对数正态 | 950 | 0.12 | 0.362 5 | 3.235 1 |
P3 | 正态 | 950 | 0.11 | 0 | 3 |
表选项
依据图 1所示的算法流程,首先明确随机变量的分布类型,对其进行变量转换,选取高斯点的个数,该算例中3个随机变量,每个变量选用3个高斯点,再调用桁架结构的有限元程序,即获得节点2处垂直方向的最大位移的9个样本,利用样本计算出3个一维函数的原点矩,进而得到功能函数的前4阶原点矩,通过式(12)可得功能函数的前4阶中心矩,将中心矩作为系数代入式(11),可得节点2处垂直方向最大位移累积分布函数和最终的失效概率。该算例方法实现简单,仅通过9个样本来拟合隐式功能函数的累积分布函数(CDF),图 3为本文方法与MCS法对比的累积分布函数图,体现该方法与MCS法吻合较好。
图 3 功能函数的累积分布 Fig. 3 Cumulative distribution of performance function |
图选项 |
计算结果列于表 3,与FORM和SORM相比,本文样本数为9,耗时仅用2.891 358 s;本文方法的相对误差仅为0.77%,明显低于FORM的8.77%与SORM的12.99%。验证了模型的正确性和高效性。
表 3 算例2的失效概率计算结果 Table 3 Results of failure probability for Example 2
方法 | 失效概率Pf/10-4 | 相对误差/% | 样本 | 耗时/s |
MCS | 6.000 0 | 104 | 310 440 000 | |
FORM | 6.526 2 | 8.77 | 15 | 6.338 395 |
SORM | 6.779 9 | 12.99 | 15 | 4.697 708 |
本文方法 | 6.046 3 | 0.77 | 9 | 2.891 358 |
表选项
5 结 论本文提出了一种结合降维算法和Edgeworth级数的结构可靠性分析方法。
1) 运用降维算法使得高维积分运算的工作量大大减少,利用Edgeworth级数方法拟合功能函数的累积分布函数。
2) 解决了功能函数为隐式或高维非线性的复杂结构失效概率的计算问题。
3) 高效且稳定地降低了计算成本,算法流程简单,易于编程。具有收敛速度快、计算次数少和可以处理复杂结构可靠性分析问题等优点。
参考文献
[1] | 马小兵,任宏道, 蔡义坤.高温结构可靠性分析的时变响应面法[J].北京航空航天大学学报,2015,41(2):198-202. MA X B,REN H D,CAI Y K.Time-varying response surface method for high-temperature structural reliability analysis[J].Journal of Beijing University of Aeronautics and Astronautics,2015,41(2):198-202(in Chinese). |
Cited By in Cnki (1) | Click to display the text | |
[2] | 许孟辉,邱志平. 结构模糊非概率混合可靠性分析方法[J].北京航空航天大学学报,2014,40(2):222-228. XU M H,QIU Z P.Reliability analysis of structures with fuzzy and non-probabilistic hybrid variables[J].Journal of Beijing University of Aeronautics and Astronautics,2014,40(2):222-228(in Chinese). |
Cited By in Cnki (1) | Click to display the text | |
[3] | MOJSILOVIĆ N, STEWART M G.Probability and structural reliability assessment of mortar joint thickness in load-bearing masonry walls[J].Structural Safety,2015,52:209-218. |
Click to display the text | |
[4] | HUANG X Y, ALIABADI M H.A boundary element method for structural reliability[J].Key Engineering Materials,2015,627:453-456. |
Click to display the text | |
[5] | LOW B K, PHOON K K.Reliability-based design and its complementary role to Eurocode 7 design approach[J].Computers and Geotechnics,2015,65:30-44. |
Click to display the text | |
[6] | CHOI M J, CHO H,CHOI K K,et al.Sampling-based RBDO of ship hull structures considering thermo-elasto-plastic residual deformation[J].Mechanics Based Design of Structures and Machines,2015,43(2):183-208. |
Click to display the text | |
[7] | SHI X, TEIXEIRA A P,ZHANG J,et al.Structural reliability analysis based on probabilistic response modelling using the maximum entropy method[J].Engineering Structures,2014,70:106-116. |
Click to display the text | |
[8] | RAHMAN S, XU H.A univariate dimension-reduction method for multi-dimensional integration in stochastic mechanics[J].Probabilistic Engineering Mechanics,2004,19(4):393-408. |
Click to display the text | |
[9] | CHO H, BAE S,CHOI K K,et al.An efficient variable screening method for effective surrogate models for reliability-based design optimization[J].Structural and Multidisciplinary Optimization,2014:50(5):717-738. |
Click to display the text | |
[10] | YOUN B D, XI Z,WANG P.Eigenvector dimension reduction(EDR)method for sensitivity-free probability analysis[J].Structural and Multidisciplinary Optimization,2008,37(1):13-28. |
Click to display the text | |
[11] | KONG C, SUN Z,NIU X,et al.Moment methods for C/SiC woven composite components reliability and sensitivity analysis[J].Science and Engineering of Composite Materials,2014,21(1):121-128. |
Click to display the text | |
[12] | LI G,ZHANG K. A combined reliability analysis approach with dimension reduction method and maximum entropy method[J] Structural and Multidisciplinary Optimization,2011,43(1):121-143. |
Click to display the text | |
[13] | ZHANG X F, PANDEY M D,ZHANG Y M.A numerical method for structural uncertainty response computation[J].Science China Technological Sciences,2011,54(12):3347-3357. |
Click to display the text | |
[14] | ANDREEV A, KANTOO A,MALO P.Computational examples of a new method for distribution selection in the Pearson system[J].Journal of Applied Statistics,2007,34(4):487-506. |
Click to display the text | |
[15] | SU G,YU B, XIAO Y,et al.Gaussian process machine-learning method for structural reliability analysis[J].Advances in Structural Engineering,2014,17(9):1257-1270. |
Click to display the text |