專利名稱：針對(duì)高可靠機(jī)械產(chǎn)品的主動(dòng)可靠性分析評(píng)價(jià)方法
技術(shù)領(lǐng)域：
本發(fā)明是一種針對(duì)高可靠機(jī)械產(chǎn)品，Kriging(克里金方法)與半徑外重要抽樣混合的主動(dòng)可靠性分析評(píng)價(jià)方法，屬于機(jī)械結(jié)構(gòu)可靠性技術(shù)研究領(lǐng)域。
背景技術(shù)：
隨著機(jī)械產(chǎn)品向著高精度、輕型和高效能的方向發(fā)展，高可靠的機(jī)械產(chǎn)品正成為當(dāng)今的主流，而目前機(jī)械產(chǎn)品可靠性設(shè)計(jì)、評(píng)價(jià)和驗(yàn)證面臨的首要困難就是數(shù)據(jù)缺乏和相關(guān)高可靠定量設(shè)計(jì)和驗(yàn)證技術(shù)的空白，另外機(jī)械產(chǎn)品構(gòu)成復(fù)雜且功能多祥，各功能之間相互耦合作用，造成機(jī)械產(chǎn)品失效的極限狀態(tài)函數(shù)高度非線性，因此目前高可靠機(jī)械產(chǎn)品的可靠性分析難點(diǎn)在于極限狀態(tài)函數(shù)隱式、高度非線性特點(diǎn)以及小失效概率事件。
一次ニ階矩(FORM)和二次ニ階矩(SORM)是目前分析機(jī)械結(jié)構(gòu)可靠性經(jīng)典的方法，但是這些方法需要計(jì)算極限狀態(tài)函數(shù)關(guān)于基本變量的偏導(dǎo)數(shù)，而通常情況下極限狀態(tài)函數(shù)是隱式，無(wú)法直接微分或解析微分。針對(duì)隱式極限狀態(tài)函數(shù)，普遍采用蒙特卡洛仿真方法(MCS)，但是MCS方法對(duì)于復(fù)雜機(jī)械產(chǎn)品小概率事件需要通過(guò)大量抽樣，尤其是協(xié)同F(xiàn)EA(有限元)仿真時(shí)，計(jì)算時(shí)間長(zhǎng)，工程上難以進(jìn)行可靠度計(jì)算。因此ー些減少方差技術(shù)如重要度抽樣、線抽樣、拉丁超立方抽樣、徑向抽樣以及定向抽樣方法應(yīng)用于結(jié)構(gòu)可靠性分析當(dāng)中，又獻(xiàn) 1(J Luc Schueremans, Dionys Van Gemert. Benefit of splines and neuralnetworks in simulation based structural reliability analysis[J]. Structural &Safety, 2005, V27 (3) :246-261)將蒙特卡洛仿真與元模型(Metamodel)結(jié)合分析復(fù)雜結(jié)構(gòu)系統(tǒng)的可靠度，并將基于直接抽樣、重要度抽樣方法與元模型(低階多項(xiàng)式、樣條函數(shù)、ネ申經(jīng)網(wǎng)絡(luò))相結(jié)合，在結(jié)構(gòu)可靠度計(jì)算效率等方面進(jìn)行了比較，結(jié)果表明，該方法有效的提高了仿真效率，但是該方法的缺陷在于需要大量樣本訓(xùn)練神經(jīng)網(wǎng)絡(luò)和樣條函數(shù)。重要抽樣方法將抽樣密度函數(shù)的抽樣中心移到驗(yàn)算點(diǎn)時(shí)抽樣效率最高。而對(duì)于隱式極限狀態(tài)函數(shù)，驗(yàn)算點(diǎn)未知，因此需要通過(guò)解析的算法確定設(shè)計(jì)驗(yàn)算點(diǎn)。目前隨機(jī)響應(yīng)面法(SRSM)發(fā)展成為模擬隱式極限狀態(tài)函數(shù)的重要研究方向，但是對(duì)于高度非線性極限狀態(tài)函數(shù)和小失效概率事件，SRSM有一定的局限。而Kriging方法在回歸多項(xiàng)式的基礎(chǔ)上考慮模型誤差的空間相關(guān)性，對(duì)于形狀復(fù)雜、非線性程度較高的極限狀態(tài)函數(shù)可靠度計(jì)算具有適用性，然而Kriging方法相關(guān)參數(shù)優(yōu)化問(wèn)題至今沒(méi)有得到很好解決，在實(shí)用中基于Kriging的結(jié)構(gòu)可靠度仿真計(jì)算精度并不穩(wěn)定，限制了它在結(jié)構(gòu)可靠性分析領(lǐng)域的進(jìn)ー步發(fā)展，因此需要利用Kriging局部預(yù)測(cè)值與局部方差數(shù)據(jù)構(gòu)造主動(dòng)學(xué)習(xí)函數(shù)，利用學(xué)習(xí)函數(shù)更新DOE (實(shí)驗(yàn)設(shè)計(jì))，以判斷Kriging模擬極限狀態(tài)函數(shù)的精度，減少可靠度計(jì)算誤差。綜上所述，如何針對(duì)高維、非線性隱式極限狀態(tài)函數(shù)以及小概率事件，進(jìn)行可靠性分析與評(píng)價(jià)是目前研究難點(diǎn)
發(fā)明內(nèi)容
本發(fā)明針對(duì)高維小失效概率事件以及極限狀態(tài)函數(shù)為隱式、高度非線性特點(diǎn)，提出了一種 Kriging 兀模型與半徑外重要抽樣(Monte Carlo Radius-Outside ImportanceSampling, MCROIS)混合的針對(duì)高可靠機(jī)械產(chǎn)品的主動(dòng)可靠性分析評(píng)價(jià)方法。本發(fā)明提出一種針對(duì)高可靠機(jī)械產(chǎn)品的主動(dòng)可靠性分析評(píng)價(jià)方法，具體分以下步驟步驟ー確定機(jī)械產(chǎn)品的可靠性重要件和關(guān)鍵失效模式。步驟ニ 利用應(yīng)カ-強(qiáng)度干渉模型，建立機(jī)械產(chǎn)品的極限狀態(tài)函數(shù)G(X)，X表示極限狀態(tài)函數(shù)中的隨機(jī)向量。步驟三確定極限狀態(tài)函數(shù)中隨機(jī)向量X中各參數(shù)的隨機(jī)統(tǒng)計(jì)特性，包括參數(shù)的分布類型和均值。步驟四根據(jù)步驟三得到的參數(shù)的分布類型，利用蒙特卡洛仿真方法，在樣本空間Ω中產(chǎn)生服從步驟三得到的參數(shù)的分布類型的隨機(jī)樣本點(diǎn)，樣本量為Ν_。步驟五從Nmes個(gè)樣本點(diǎn)中任意選取N個(gè)構(gòu)造初始的實(shí)驗(yàn)設(shè)計(jì)(Design ofexperiment, DOt,;。步驟六根據(jù)當(dāng)前的D0E，構(gòu)造初始Kriging元模型，模擬極限狀態(tài)函數(shù)，得到極限狀態(tài)函數(shù)的預(yù)測(cè)值, i = 1,2, ···, Nmcs ；Xi表示Nmes中第i個(gè)樣本點(diǎn)。步驟七首先，通過(guò)極限狀態(tài)函數(shù)的預(yù)測(cè)值和方差びI0t0構(gòu)造主動(dòng)學(xué)習(xí)函數(shù) L(Xi)Z⑷‘⑷-め
c7G(Xi)ciG(Xi)ciG(Xi)υ^^ν,-か如)H((叫)-知))](D
tjG(Xi)tjG(Xi)tjG(Xi)
「木,a-L7(x;)、 , Aa- )-G(Xi).-.+[Φ(-—)-Φ(-~—)]
aG(Xt)aG(Xt)其中，a表示極限狀態(tài)函數(shù)閾值，Φ (.)為標(biāo)準(zhǔn)正態(tài)累積分布函數(shù)，Φ (.)為標(biāo)準(zhǔn)正態(tài)概率密度函數(shù)，中間變量C = ；然后，對(duì)乂。3個(gè)樣本點(diǎn)都計(jì)算主動(dòng)學(xué)習(xí)函數(shù)值，找到其中最大的函數(shù)值max (L Ui))。步驟八判斷學(xué)習(xí)法則max (L(Xi)) ^ O. 001是否成立若不成立,將max (L(Xi))對(duì)應(yīng)的樣本點(diǎn)加入當(dāng)前的DOE中，即N = N+1，更新當(dāng)前DOE中的樣本點(diǎn)，然后轉(zhuǎn)步驟六執(zhí)行；若成立，當(dāng)前所得到的max (L (Xi))所對(duì)應(yīng)的樣本點(diǎn)就是最優(yōu)樣本點(diǎn)然后進(jìn)入步驟九執(zhí)行。步驟九將步驟八中所得到最優(yōu)樣本點(diǎn)Z作為初始設(shè)計(jì)驗(yàn)算點(diǎn)，將·<的樣本值帶入式⑵確定初始抽樣半徑=[‘<2,···，ん，···，< ];然后確定抽樣區(qū)域Cr1, rk),其中rk = a+3或者rk = r^4 ；T1 =P1 =^|Σ ;)2(2)其中，Γι表示由驗(yàn)算點(diǎn)<所構(gòu)造的抽樣半徑，X；；表示設(shè)計(jì)驗(yàn)算點(diǎn)<的第j個(gè)分量，η表示樣本點(diǎn)xj*的維數(shù)，β I表示標(biāo)準(zhǔn)正態(tài)空間中設(shè)計(jì)驗(yàn)算點(diǎn)<到原點(diǎn)的距離。步驟十構(gòu)造半徑外重要抽樣密度函數(shù)。將原始坐標(biāo)系點(diǎn)Xi = [Xi,1,Xi,2,…Xi,n]轉(zhuǎn)化為標(biāo)準(zhǔn)正態(tài)空間的隨機(jī)變量
權(quán)利要求
1.一種針對(duì)高可靠機(jī)械產(chǎn)品的主動(dòng)可靠性分析評(píng)價(jià)方法，其特征在于，包括如下步驟 步驟ー確定機(jī)械產(chǎn)品的可靠性重要件和關(guān)鍵失效模式； 步驟ニ 利用應(yīng)カ-強(qiáng)度干渉模型，建立機(jī)械產(chǎn)品的極限狀態(tài)函數(shù)G(X)，X表示極限狀態(tài)函數(shù)中的隨機(jī)向量； 步驟三確定極限狀態(tài)函數(shù)中隨機(jī)向量X中各參數(shù)的隨機(jī)統(tǒng)計(jì)特性，包括參數(shù)的分布類型和均值； 步驟四利用蒙特卡洛仿真方法，在樣本空間Q產(chǎn)生服從步驟三得到的參數(shù)分布類型的隨機(jī)樣本點(diǎn)，樣本點(diǎn)的數(shù)目為Ndks ； 步驟五從Nmes個(gè)樣本點(diǎn)中任意選取N個(gè)樣本點(diǎn)構(gòu)造初始的DOE, DOE表示實(shí)驗(yàn)設(shè)計(jì)；步驟六根據(jù)當(dāng)前的DOE建立Kriging元模型，模擬極限狀態(tài)函數(shù)，得到極限狀態(tài)函數(shù)的預(yù)測(cè)值<^(') ,1 = 1,2,，Nmcs, Xi表示Nmcs中第i個(gè)樣本點(diǎn)； 步驟七首先，通過(guò)極限狀態(tài)函數(shù)的預(yù)測(cè)值和方差びI0ti)，構(gòu)造主動(dòng)學(xué)習(xí)函數(shù)L(Xi)
2.根據(jù)權(quán)利要求I所述的ー種針對(duì)高可靠機(jī)械產(chǎn)品的主動(dòng)可靠性分析評(píng)價(jià)方法，其特征在干，步驟七中所述的極限狀態(tài)函數(shù)閾值a設(shè)置為O。
3.根據(jù)權(quán)利要求I所述的ー種針對(duì)高可靠機(jī)械產(chǎn)品的主動(dòng)可靠性分析評(píng)價(jià)方法，其特征在于，步驟十二中所述的誤差精度e取值為0.01。
4.根據(jù)權(quán)利要求I所述的ー種針對(duì)高可靠機(jī)械產(chǎn)品的主動(dòng)可靠性分析評(píng)價(jià)方法，其特征在于，步驟十五中所述的變異系數(shù)上限值Pmax<0.1。
5.根據(jù)權(quán)利要求I所述的ー種針對(duì)高可靠性機(jī)械產(chǎn)品的主動(dòng)可靠性仿真分析評(píng)價(jià)方法，其特征在于，所述的機(jī)械產(chǎn)品為空間結(jié)構(gòu)鎖，在對(duì)空間結(jié)構(gòu)鎖微動(dòng)磨損的可靠性進(jìn)行分析評(píng)價(jià)時(shí)，建立的極限狀態(tài)函數(shù)為G = Ahmax-Ah0, Ah0 = N. K. f (e, q, u, d, T). S/H ;其中，A1 表示鎖鉤實(shí)際磨損量,單位是毫米；Ahmax為鎖鉤的許用磨損量,單位是毫米；f (e,q,u,d，T)為鎖鉤碰撞法向接觸應(yīng)力，単位是帕；S為鎖鉤之間相對(duì)位移振幅，單位是毫米；e，q，u，d，T分別為鎖鉤材料的彈性模量、泊松比、剪切模量、密度以及工作溫度；影響空間結(jié)構(gòu)鎖微動(dòng)磨損的可靠性的參數(shù)有彈性模量、泊松比、剪切模量、密度、工作溫度以及磨損比例系數(shù)K。
全文摘要
本發(fā)明提出一種針對(duì)高可靠機(jī)械產(chǎn)品的主動(dòng)可靠性分析評(píng)價(jià)方法，首先建立機(jī)械產(chǎn)品的極限狀態(tài)函數(shù)，利用蒙特卡洛仿真方法產(chǎn)生符合參數(shù)分布的樣本點(diǎn)，利用Kriging元模型模擬極限狀態(tài)函數(shù)，通過(guò)主動(dòng)更新DOE，提高模擬精度并確定最優(yōu)抽樣半徑，構(gòu)造重要抽樣密度函數(shù)，由重要抽樣密度函數(shù)產(chǎn)生隨機(jī)樣本點(diǎn)，不斷更新DOE，然后抽取服從卡方分布的半徑隨機(jī)樣本點(diǎn)，確定機(jī)械產(chǎn)品的失效概率和失效變異系數(shù)，由失效變異系數(shù)來(lái)限定更新是否結(jié)束，最后得到機(jī)械產(chǎn)品的可靠度。本發(fā)明方法具有效率高、健壯性好和仿真精度高的優(yōu)點(diǎn)，實(shí)現(xiàn)了對(duì)空間機(jī)構(gòu)在軌磨損壽命與可靠度綜合設(shè)計(jì)分析，對(duì)于航天裝備復(fù)雜機(jī)構(gòu)的可靠性設(shè)計(jì)技術(shù)工程化具有重要意義。
文檔編號(hào)G06F17/50GK102663176SQ20121008531
公開(kāi)日2012年9月12日 申請(qǐng)日期2012年3月28日 優(yōu)先權(quán)日2012年3月28日
發(fā)明者劉瞻, 宮綦, 張建國(guó), 王丕東, 王燦燦, 王獻(xiàn)超 申請(qǐng)人:北京航空航天大學(xué)