復(fù)雜產(chǎn)品認知不確定性的混合可靠性分析方法研究.pdf_第1頁
已閱讀1頁,還剩106頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、復(fù)雜產(chǎn)品普遍存在試驗測試困難、實驗成本高、樣本數(shù)據(jù)不足等情況,導(dǎo)致部分不確定性變量信息稀少,無法建立精確的概率分布模型,存在因信息不充分引起的認知不確定性。同時復(fù)雜產(chǎn)品往往存在隨機變量、區(qū)間變量、耦合區(qū)間變量和不同置信分布區(qū)間變量等多種不確定性變量。這使得僅考慮隨機變量的傳統(tǒng)可靠性分析方法或無法適用或較低的計算效率。為此,本文針對復(fù)雜產(chǎn)品認知不確定性和隨機不確定性共存,研究多種不確定性下的復(fù)雜產(chǎn)品可靠性分析方法,建立復(fù)雜產(chǎn)品認知不確定性

2、的混合可靠性分析模型,提出混合可靠性分析高效的數(shù)值計算方法。
  本研究主要內(nèi)容包括:⑴建立了區(qū)間和隨機變量的混合可靠性分析模型,為解決雙層耦合尋優(yōu)問題引起的計算效率低的問題,將雙層耦合問題轉(zhuǎn)化為序列尋優(yōu)問題,并提出了一種高效的數(shù)值計算方法。在序列尋優(yōu)問題的概率分析中,采用穩(wěn)健迭代算法;在區(qū)間分析中,基于投影梯度算法,提出了一種新的兩階段區(qū)間分析算法。第一個階段用于處理極限狀態(tài)函數(shù)關(guān)于區(qū)間變量單調(diào)的情況,第二階段采用利用投影梯度法

3、處理非單調(diào)情況。分解的序列尋優(yōu)問題和提出的區(qū)間分析算法提高了可靠性分析的計算效率,解決了區(qū)間和隨機變量的混合可靠性分析效率低的問題。⑵針對耦合區(qū)間變量和隨機變量共存情況,基于多橢球模型,建立混合可靠性分析模型,提出一種基于高維度模型表示法轉(zhuǎn)換的單層混合可靠性分析方法。在高維度模型表示法中,采用一次二階矩法最大概率點算法求解參考點,利用多項式近似模型基于提出的抽樣方法建立了極限狀態(tài)函數(shù)關(guān)于隨機變量和耦合區(qū)間變量的子模型?;谧幽P颓蠼鈽O限

4、狀態(tài)函數(shù)關(guān)于耦合區(qū)間變量在多橢球模型域內(nèi)的極限值,最后采用蒙特卡洛法求解失效概率的上下限。轉(zhuǎn)換后的單層求解問題計算失效概率上下限時僅需調(diào)用少量的原始極限狀態(tài)函數(shù)次數(shù),提高了混合可靠性分析的計算效率。⑶考慮不同置信區(qū)間變量、二階不確定性和隨機變量,基于證據(jù)理論建立了三種不確定性變量下的混合可靠性分析模型,提出了一種高效的單層混合可靠性分析方法。為解決雙層耦合尋優(yōu)問題,利用區(qū)間分析 KKT條件,將雙層耦合優(yōu)化問題轉(zhuǎn)化為單層優(yōu)化問題。為解決因

5、 KKT條件引起的求解不穩(wěn)定性及收斂困難,單層混合可靠性分析模型采用光滑函數(shù)處理 KKT約束條件。單層混合可靠性分析模型簡化了不同置信度區(qū)間變量、隨機變量及二階不確定性下的可靠性分析問題,分解了雙層耦合優(yōu)化問題,提高了計算效率。⑷以復(fù)雜產(chǎn)品金屬鋸切帶鋸床的從動輪,機床床身和鋸切部件為應(yīng)用研究對象,展示并驗證了提出的混合可靠性分析方法的可行性和高效性。根據(jù)三個部件的認知不確定性變量和隨機不確定性變量共存情況,分別基于本論文提出的區(qū)間和隨機

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論