基于重要性采样代理模型的复杂装备时变可靠性分析方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114117873A(43)申请公布日2022.03.01(21)申请号202210084396.7(22)申请日2022.01.25(71)申请人浙江大学地址310058浙江省杭州市西湖区余杭塘路866号(72)发明人胡伟飞鄢继铨施钦杨程锦刘振宇谭建荣(74)专利代理机构杭州求是专利事务所有限公司33200代理人贾玉霞(51)Int.Cl.G06F30/23(2020.01)G06F17/15(2006.01)G06K9/62(2022.01)权利要求书2页说明书8页附图2页(54)发明名称基于重要性采样代理模型的复杂装备时变可靠性分析方法(57)摘要本发明公开一种基于重要性采样代理模型的复杂装备时变可靠性分析方法，该方法采用相关性函数进行样本分割，利用留一法交叉验证剔除无效样本。结合权重学习函数对剩余候选样本点进行评估，选出新的采样点对瞬时响应克里金模型进行迭代更新，运用蒙特卡洛模拟预测失效概率。该方法高效地构建目标复杂装备的瞬时响应克里金模型，能高效的计算出复杂装备的时变失效概率。该方法可用于计算复杂装备在时变不确定性载荷作用下的失效概率。CN114117873ACN114117873A权利要求书1/2页1.一种基于重要性采样代理模型的复杂装备时变可靠性分析方法，其特征在于，该方法包括如下步骤：S1：将与复杂装备有关的随时间变化的随机过程变量离散为多个时不变的随机变量；S2：根据时不变随机变量分布生成初始样本点X0，输入到复杂装备的失效模型，获取初始样本点X0对应的模型输出值；S3：将初始样本点X0及其对应的模型输出值作为训练集X的初始值，生成初始瞬时响应克里金模型；具体包括如下子步骤：S3.1：将训练集X输入到复杂装备的真实系统或有限元仿真模型中获得其对应的输出Y；S3.2：采用最优线性扩展法将训练集X当中时不变随机变量合成随机过程；S3.3：根据训练集X构建初始瞬时响应克里金模型；S4：根据时不变随机变量分布生成候选样本集S；S5：根据相关性进行候选样本分割，并从候选样本集S当中删除无效候选样本；S6：采用权重学习函数从删除无效候选样本后的候选样本集S中选择样本点，并加入训练集X；S7：根据现有训练集重新生成瞬时响应克里金模型；S8：判断是否达到权重学习函数收敛指标，若未达到，则重复步骤S4至S7；若已经达到，则执行S9；S9：计算S8生成的瞬时响应克里金模型下的失效概率。2.根据权利要求1所述的基于重要性采样代理模型的复杂装备时变可靠性分析方法，其特征在于，所述S1中采用最优线性扩展法将随机过程变量离散为多个时不变的随机变量。3.根据权利要求1所述的基于重要性采样代理模型的复杂装备时变可靠性分析方法，其特征在于，所述S5具体包括如下子步骤：S5.1：针对候选样本集S中的每个候选样本a，计算其与训练集X中每个已有训练样本x的相关性函数值cor(a,x)，将候选样本a分配至与其相关性函数值最大的候选样本集合Si其中，n为时不变随机变量的数量，ai为候选样本a当中第i维时不变随机变量的值，xi为已有训练样本x当中第i维时不变随机变量的值；S5.2：采用留一法交叉验证从候选样本集S当中删除无效候选样本，具体如下：计算每个候选样本集合Si对应的误差，并计算平均误差，将误差小于平均误差对应的候选样本集合Si从候选样本集S当中剔除其中，是指采用训练集X所得到的预测失效概率，是指采用剔除样本Xi的2CN114117873A权利要求书2/2页训练集X所得到的预测失效概率。4.根据权利要求1所述的基于重要性采样代理模型的复杂装备时变可靠性分析方法，其特征在于，所述S6具体为：针对剩余候选样本集S内的样本点计算一个权重学习函数值WEFF(x)，其中值最大的样本点被加入训练集X其中，Φ为标准正态累积分布函数，φ为标准正态分布密度函数，为构建的瞬时响应克里金模型，a为约束边界，在可靠性分析当中a等于0，ε为许可偏差；表示在样本x处的方差，表示复杂装备的模型在样本x处的方差，是误差的最大值，weighti为第i个候选样本集Si对应的权重，WEFF(x)为样本x对应的权重学习函数的值。5.根据权利要求1所述的基于重要性采样代理模型的复杂装备时变可靠性分析方法，其特征在于，所述S8中的收敛指标指的是如下公式，当候选样本集S所有样本点都满足这个条件时认为收敛。3CN114117873A说明书1/8页基于重要性采样代理模型的复杂装备时变可靠性分析方法技术领域[0001]本发明涉及复杂装备时变可靠性分析领域，尤其涉及一种基于重要性采样代理模型的复杂装备时变可靠性分析方法。背景技术[0002]研究复杂装备的寿命和可靠性，对于提升装备的性能稳定性和产品竞争力具有重要意义和关键作用