本技术公开了基于主动学习代理模型的机械结构可靠性分析方法及系统,属于机械结构可靠性分析技术领域,所述方法包括:分析待进行可靠性分析机械结构的工作条件和受载情况,结合结构的安全工作要求,确定机械结构的功能函数;基于等概率转换的原则,将输入变量转换到标准正态空间,生成蒙特卡洛可靠性分析样本;在标准正态空间中,使用中心十字法生成4n初始拟合样本,计算样本的功能函数值,得到初始响应矩阵,拟合初始代理模型;基于已有的代理模型和拟合样本,建立距约束学习函数,结合先验可靠圆环样本缩减方法,迭代更新代理模型、拟合样本、响应值矩阵和失效概率,直到获取足够精度的可靠性分析结果则可靠性分析系统结束。
背景技术
随着机械行业的发展和节能减排等方面的要求,机械正在向轻量化的方向发展,导致制造材料的力学性能得到了充分的利用,很多重要的机械零部件,尤其是航空航天等方面的装备,其材料的力学性能发挥到了极致。然而,因为机械结构的材料组织分布的不均匀性、装备制造安装误差的随机性和人为操作使用的主观不确定性等原因,导致机械结构在使用过程中的响应具有很大的不确定性,这给机械装备的使用来带了很大的安全隐患,因此,在设计之初,就需要对机械结构进行可靠性分析,防止出现重大的安全事故。
机械结构的功能函数g(x)通常是隐式的,需要进行大规模的有限元计算,通常无法直接进行可靠性分析。因此有众多学者对其进行了多年的研究,机械结构可靠性分析方法有了快速的发展,主要分为:数值逼近方法、仿真模拟方法和代理模型方法。数值逼近方法主要有一阶可靠性分析方法(First Order Relibility Method,FORM)和二阶可靠性分析方法(Second Order Relibility Method,SORM)等,此类方法基于迭代优化的方法,利用Taylor展开逼近可靠性分析的极限状态方程h(x)(g(x)=0),从而求解处机械结构的最可能失效点,对机械结构的可靠性进行评估;此类方法需要求解机械结构的极限状态方程的导数,但机械结构往往使用有限元法来求解工作时的响应,因此,限制了数值逼近方法的使用,并且Taylor展开只能在局部逼近极限状态函数,降低了计算精度。仿真模拟方法主要是指蒙特卡洛方法以及相应的改进方法,此类方法建立在大数定律之上,为了保证计算结果的准确性和收敛性,需要进行大量的抽样和大量的功能函数计算(大规模的有限元计算),导致在实际工程中可靠性分析的计算效率十分低甚至不可能完成,尤其是对于现代需要使用有限单元法进行计算的机械结构和失效概率很低的问题。针对上述计算效率极低的难题,众多学者提出了代理模型方法,其基本思想是利用一个简单的、计算量较小的函数代替机械结构的极限状态方程,然后利用蒙特卡洛方法进行可靠性分析,此方法可以降低计算成本,但同时还可以利用数值模拟方法来保证计算精度,因此得到了广泛的使用,其核心是在一定的区域内实现代理模型对极限状态方程的精确拟合。然而,此类方法每次迭代进行蒙特卡洛计算仍然需要大量的计算,并且拟合代理模型也需要进行多次的有限元计算,导致大型复杂机械结构的可靠性分析的计算效率和计算精度仍然较低甚至难以实现。
实现思路