栏目文章信息

不确定性度量与传播分析 栏目所有文章列表 (按年度、期号倒序)     一年内发表的文章 |  两年内 |  三年内 |  全部 Please wait a minute... 选择: 导出引用 EndNote Ris BibTeX 显示/隐藏图片 Select 1. 基于监督降维和自适应Kriging建模的高维不确定性传播方法研究 宋周洲1, 2, 张涵寓1, 2, 刘钊3, 朱平1, 2 中国机械工程    2024, 35 (05): 762-769，810.   DOI: 10.3969/j.issn.1004-132X.2024.05.001 摘要 （1393）      PDF（pc） （3068KB）（221）    可视化    收藏 高维不确定性传播目前面临维度灾难和小样本的问题，难以利用有限的样本资源获得高精度的分析结果，针对此问题，提出了一种基于监督降维和自适应Kriging模型的高维不确定性传播方法。利用改进充分降维方法将高维输入投影到低维空间中，并利用Ladle估计器确定低维空间的维度。将降维投影矩阵嵌入Kriging核函数中以减少待估计超参数的数量，提高建模精度和效率。最后，创新性地定义了投影矩阵留一交叉验证误差，并基于此提出了相应的Kriging自适应采样策略，可以有效避免模型精度在自适应采样过程中发生较大波动。数值算例与工程案例的结果表明，相比现有方法，所提方法能够以较少的样本点获得高精度不确定性传播结果，对复杂装备结构的不确定性分析和设计具有一定参考作用。 参考文献 | 相关文章 | 多维度评价 | 评论（0） Select 2. 区间过程激励下刚柔耦合系统动态不确定性分析的序列模拟方法 刘延浩, 倪冰雨, 田万一, 姜潮 中国机械工程    2024, 35 (05): 770-783.   DOI: 10.3969/j.issn.1004-132X.2024.05.002 摘要 （1153）      PDF（pc） （9281KB）（125）    可视化    收藏 针对动态不确定性激励作用下的刚柔耦合系统动力学问题，提出了一种基于区间过程模型的动力学不确定性序列模拟方法，旨在通过区间过程序列抽样及刚柔耦合动力学序列模拟计算结构振动与机构运动等系统动态响应的上下边界。介绍了中心刚体柔性梁刚柔耦合系统动力学方程的构建与数值求解方法。针对动态不确定性激励作用下的刚柔耦合系统动力学分析，引入区间过程模型及其区间K-L展开对动态不确定性进行了度量和高效表征，提出了一种求解系统机构运动与结构振动等动力学响应上下边界的序列模拟方法。该方法利用序列模拟策略识别当前模拟序列中对动态响应上边界或下边界具有贡献的区间过程参数样本集，作为下一模拟序列中的局部加密抽样中心，可有效避免直接蒙特卡罗模拟在计算动力学响应上下边界时因过多无效抽样模拟而导致的低效收敛问题。最后，通过三个算例对所提方法的有效性进行了验证。研究结果表明，对于刚柔耦合系统大范围运动及振动响应上下边界的求解，序列模拟方法相比于直接蒙特卡罗模拟方法具有更好的计算效率和计算精度。 参考文献 | 相关文章 | 多维度评价 | 评论（0） Select 3. 一种基于AK-MCS-K的失效概率函数估计方法 宋海征1, 2, 周长聪1, 2, 李磊1, 2, 林华刚1, 2, 岳珠峰1, 2 中国机械工程    2024, 35 (05): 784-791.   DOI: 10.3969/j.issn.1004-132X.2024.05.003 摘要 （775）      PDF（pc） （4039KB）（103）    可视化    收藏 针对可靠性优化设计中失效概率函数求解复杂、计算量大等问题，提出一种求解失效概率函数的高效方法。所提方法的基本思路是利用自主学习Kriging方法构造输入变量全空间在失效边界处的局部代理模型，进而通过该局部代理模型结合Monte Carlo模拟法计算在指定分布参数样本下结构的失效概率，然后基于Kriging方法拟合分布参数样本点与对应结构失效概率之间的函数关系，最终建立用Kriging模型表达的失效概率函数的隐式函数。为了检验所提方法的精度和效率，给出了两个算例，对比了所提方法与已有的求解失效概率函数方法的计算结果。算例结果表明，所提方法适用于求解复杂的功能函数问题，并在满足精度要求的基础上显著降低了计算量。 参考文献 | 相关文章 | 多维度评价 | 评论（0） Select 4. 基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法 刘竟飞1, 姜潮2, 倪冰雨2, 汪宗太3 中国机械工程    2024, 35 (05): 792-801.   DOI: 10.3969/j.issn.1004-132X.2024.05.004 摘要 （951）      PDF（pc） （4472KB）（111）    可视化    收藏 针对实际工程中存在的具有多个输出响应的高维问题，提出一种基于主动学习与贝叶斯深度神经网络的高维多输出不确定性传播方法。利用多个输出响应对应同一组输入变量的特点，对输入变量进行一次性采样，从而构造初始训练样本集。采用贝叶斯深度神经网络初步构建高维多输出问题的代理模型。贝叶斯深度神经网络能够同时求解多个预测输出响应的不确定性估计，基于该特点发展了一种针对高维多输出问题的主动加点策略，通过主动学习的方式进一步构建具有较高精度的高维多输出代理模型。然后，利用蒙特卡罗采样方法以及高斯混合模型求解多个输出响应的联合概率密度函数。研究结果表明，所提方法不仅能够避免分别对多个输出响应进行独立求解的复杂过程，而且能够利用多个输出响应之间的关联，主动筛选关键样本点进行建模，在一定程度上提高了高维多输出问题的求解效率。最后，通过几个数值算例验证了所提方法的有效性。 参考文献 | 相关文章 | 多维度评价 | 评论（0）