首页 理论教育桥梁构件失效概率计算

桥梁构件失效概率计算

【摘要】:结构失效概率计算的直接方法有以一次二阶矩为基础的近似解析法,如中心点法和验算点法;以蒙特卡罗抽样为基础的数字模拟法,如一般蒙特卡罗抽样法、一般重要抽样法、马尔可夫链重要抽样法、截面重要抽样法和方向重要抽样法等。本书在ANN方法的基础上提出了适用于实际工程结构可靠度分析的BP-MC联合算法。神经网络的样本点数据足够多,才能保证其拟合精度,但考虑到实际工程应用的要求,样本点应尽量少。MC抽样计算可靠指标。

结构失效概率计算的直接方法有以一次二阶矩(FOSM)为基础的近似解析法,如中心点法和验算点法;以蒙特卡罗抽样(MCS)为基础的数字模拟法,如一般蒙特卡罗抽样法、一般重要抽样法、马尔可夫链重要抽样法、截面重要抽样法和方向重要抽样法等。这些方法都是针对具有明确功能函数表达式的计算,但实际工程结构功能函数是隐式的,针对这种情况,常有的分析方法有响应面法(RSM)和神经网络(ANN)方法。本书在ANN方法的基础上提出了适用于实际工程结构可靠度分析的BP-MC联合算法

(1)样本点选取。样本点的选取是神经网络模型应用于结构仿真分析的首要问题。神经网络的样本点数据足够多,才能保证其拟合精度,但考虑到实际工程应用的要求,样本点应尽量少。因此,寻找合适的样本构造方法是神经网络得以应用的关键。王元院士和方开泰应用数论中的一致分布理论于1978年提出了一种新的试验设计方法——均匀设计,可以大幅度降低试验数量,又能全面控制所有可能出现的试验组合。UD使得样本点严格按照度量准则(中心化L2和偏差CD2)充分均匀地分布在设计空间上,由于放弃了整齐可比性要求,对同一水平无需重复试验,可大大减少样本点数,因此与正交设计相比,均匀设计具有更好的均匀性,而且同样试验次数可以安排较多的水平数[5]

(2)神经网络的构建。常用于结构可靠度分析的人工神经网络有BP网络和RBF网络。BP网络是一种按误差逆传播算法训练的多层前馈网络,它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层、隐层和输出层。

(3)MC抽样计算可靠指标。根据随机变量参数分布特征,由MC方法产生N个随机样本,本书算例取N=105;然后利用第(2)步建立的BP网络,预测每个随机样本的功能函数值f;最后统计功能函数值f<0的个数Nf。则可靠指标,其中norminv表示Matlab程序中的正态累积分布的反函数。