本文關鍵詞： 工程力學 可靠性分析 降維算法 泰勒級數(shù) Edgeworth級數(shù) 矩方法　出處：《吉林大學學報(工學版)》2017年01期 　論文類型：期刊論文

【摘要】：為解決工程實際中功能函數(shù)為高維非線性的可靠性分析問題,提出了基于降維算法的一種新型的直接結構可靠度的分析方法。利用降維算法,建立了新的n個一維函數(shù)模型近似替代原n維功能函數(shù),借助于泰勒級數(shù)和統(tǒng)計矩理論,求解結構功能函數(shù)的前四階矩信息,并通過Edgeworth級數(shù)擬合結構功能函數(shù)的累積分布函數(shù),結合可靠性理論可計算得到結構的失效概率。與傳統(tǒng)方法相比,本文方法無需積分求解功能函數(shù)的統(tǒng)計矩,也無需迭代搜索最可能失效點。數(shù)值算例結果表明本文方法具有較高的計算精度和較好的適應性。
[Abstract]:In order to solve the problem of high dimensional nonlinear reliability analysis in engineering practice, a new direct structural reliability analysis method based on dimensionality reduction algorithm is proposed. In this paper, a new n-dimensional function model is established to approximate replace the original n-dimensional functional function. The first four moment information of the structure function is solved by Taylor series and statistical moment theory. The failure probability of the structure can be calculated by Edgeworth series fitting the cumulative distribution function of the structure function and combining with the reliability theory, compared with the traditional method. In this paper, we do not need to solve the statistical moments of the function function by integral, nor to search the most likely failure point iteratively. The numerical results show that the proposed method has higher accuracy and better adaptability.
【作者單位】： 吉林大學機械科學與工程學院;
【基金】：國家重大科學儀器設備開發(fā)專項項目(2012YQ030075) 吉林省科技發(fā)展計劃項目(201205001;201215048)
【分類號】：TB114.3
【正文快照】： 在工程實際中,經(jīng)常會遇到大量功能函數(shù)為高維非線性的復雜結構問題,要考慮結構的不確定性變量和結構設計的安全性,因而可用可靠度方法來解決此類問題[1,2]。對于可靠度分析的常見方法有解析法[3,4]、梯度法[5-7]和數(shù)值模擬法[8,9]等。解析法只有在規(guī)則的區(qū)域內且函數(shù)簡單時才

【相似文獻】

相關期刊論文 前6條

1 楊路;不等式機器證明的降維算法與通用程序[J];高技術通訊;1998年07期

2 王立鵬;袁占亭;陳旭輝;周智芳;;基于非線性降維算法的膜蛋白類型識別[J];微計算機信息;2010年10期

3 張晶晶;周曉勇;劉奇;;一種改進的大尺度高光譜流形降維算法[J];光學學報;2013年11期

4 趙武鋒;沈海斌;嚴曉浪;;監(jiān)督降維算法的計算和理論分析[J];浙江大學學報(理學版);2009年06期

5 仵博;陳鑫;鄭紅燕;馮延蓬;;基于非負矩陣分解更新規(guī)則的部分可觀察馬爾可夫決策過程信念狀態(tài)空間降維算法[J];電子與信息學報;2013年12期

6 ;[J];;年期

相關會議論文 前3條

1 楊路;;不等式機器證明的降維算法與通用程序[A];面向21世紀的科技進步與社會經(jīng)濟發(fā)展（上冊）[C];1999年

2 張召;業(yè)寧;業(yè)巧林;;基于配對約束的核半監(jiān)督非線性降維算法[A];第五屆全國信息檢索學術會議論文集[C];2009年

3 張敏情;蘇光偉;楊曉元;;保局投影在圖像隱密檢測中的應用[A];第八屆全國信息隱藏與多媒體安全學術大會湖南省計算機學會第十一屆學術年會論文集[C];2009年

相關重要報紙文章 前1條

1 記者 常麗君;降維算法讓腦神經(jīng)大數(shù)據(jù)處理變簡單[N];科技日報;2014年

相關博士學位論文 前4條

1 張?zhí)镪?數(shù)據(jù)降維算法研究及其應用[D];上海交通大學;2008年

2 張興福;基于流形學習的局部降維算法研究[D];哈爾濱工程大學;2012年

3 王雷;基于全局統(tǒng)計與局部幾何性質的數(shù)據(jù)降維算法研究[D];中國科學技術大學;2009年

4 何進榮;幾何觀點下的線性降維算法[D];武漢大學;2014年

相關碩士學位論文 前10條

1 劉衛(wèi)芳;面向高維復雜數(shù)據(jù)的降維算法研究[D];西安電子科技大學;2014年

2 田守財;基于隨機初始化的非線性降維算法的研究[D];蘭州大學;2016年

3 龔鐵梁;數(shù)據(jù)降維算法研究及其應用[D];湖北大學;2012年

4 郭麗;基于稀疏表征的降維算法研究[D];浙江師范大學;2013年

5 賈洪哲;降維算法的改進與應用[D];遼寧師范大學;2014年

6 宋德華;半監(jiān)督降維算法的研究及其在醫(yī)學專家系統(tǒng)中的應用[D];上海交通大學;2013年

7 牛艷婷;基于近鄰保護嵌入的數(shù)據(jù)降維算法研究[D];北京郵電大學;2013年

8 李榮華;基于小樣本的線性降維算法與應用研究[D];華南理工大學;2010年

9 尹飛;癌癥基因數(shù)據(jù)的降維算法研究與應用[D];蘇州大學;2013年

10 張乾坤;無監(jiān)督與半監(jiān)督降維算法研究[D];西安電子科技大學;2010年

，

本文編號：1480675