[發明專利]基于SL-ALK-Meta-IS技術的時變可靠性及靈敏度分析方法

在審

• 申請號: 202110516415.4
• 申請日: 2021-05-12
• 公開（公告）號: CN113486490A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 郭慶;陳冰茜;劉永壽;田魏婧;崔皓;張振邦
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F111/08;G06F119/02
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 華金

1.基于SL-ALK-Meta-IS技術的時變可靠性及靈敏度分析方法，其特征在于，包括以下步驟：

步驟1：建立時變可靠性分析廣義全局靈敏度指標：

其中，為條件時變失效概率，為變量X_i的條件概率密度函數；

步驟2：計算靈敏度指標作為采用SL-ALK-Meta-IS方法計算的理論依據；

步驟3：采用SL-ALK-Meta-IS法計算時變失效概率，包括以下子步驟：

步驟3.1：生成時變可靠性功能函數g(X_k,t_k)所包含的隨機變量的隨機樣本集S＝{X_i,i＝1,2,…,N_X}和對應的時間向量T＝{t_j,j＝1,2,…,N_T}；

步驟3.2：從S和T中隨機選取N_INI個初始樣本組成初始訓練樣本集

S_INI＝{(X_k,t_k),k＝1,2,…,N_INI}，帶入時變功能函數g(X_k,t_k)計算輸出響應，共同組成訓練集S_T＝{(X_k,t_k),g(X_k,t_k),k＝1,2,…,N_R}；

步驟3.3：基于S_T，采用Matlab中的DACE工具箱建立Kriging代理模型；

步驟3.4：根據重要抽樣概率密度函數h_X(X)生成N_IS個重要樣本S_IS＝{X_i,i＝1,2,…,N_IS}計算概率分類函數π(X,t)和重要抽樣密度函數h_X(X)

步驟3.5：對S_IS進行K-means聚類分析得到K個形心并根據如下公式找到對應時刻

步驟3.6：估計將加入并更新訓練集S_T。

步驟3.7：估計

如果且N_R≤N_max，轉到第3.8步，否則，回到步驟3.3；

步驟3.8：估計擴展失效概率P_Fε，及其方差與變異系數CoV

步驟3.9：更新訓練集S_T，根據建立的Kriging代理模型和候選樣本集，找到新的訓練樣本點：

步驟3.10：根據S_T更新Kriging模型；

步驟3.11：停止判據，如果預測相對誤差小于5％，轉入下一步驟，否則，回到步驟3.9，停止判據表達式如下：

步驟3.12：估計修正因子及其方差與變異系數

步驟3.13：估計時變失效概率及其變異系數

步驟3.14：如果結束本方法，得到滿足計算精度要求的時變失效概率估計值完成時變可靠性分析，并根據步驟3最終得到的Kriging模型，進一步計算靈敏度值，轉入步驟4；否則，增大重要樣本集并回到步驟3.9；

步驟4：根據步驟3得到的Kriging模型和時變失效概率以及步驟2的計算流程，將時變失效概率估計值帶入步驟2的公式中計算得到將和進一步帶入到步驟1的公式中即可計算得到各輸入變量的全局靈敏度估計值

2.如權利要求1所述的基于SL-ALK-Meta-IS技術的時變可靠性及靈敏度分析方法，其特征在于，所述步驟2中包括以下子步驟：

步驟2.1：根據輸入變量聯合概率密度函數生成N組樣本總成樣本集S，將時間區間[t₀,t_e]均勻離散為N_T個時刻組成時間向量T；

步驟2.2：估計時變失效概率

步驟2.3：根據失效指示函數I_F(X,t)的位置坐標識別失效樣本，并估計

步驟2.4：根據靈敏度指標定義式估計