基于SVR的万向节机构可靠性及灵敏度分析

针对结构隐式极限状态函数的可靠性分析问题,将支持向量机回归理论应用到万向节机构可靠性分析中,提出了一种基于支持向量机回归的万向节机构可靠性分析方法.通过支持向量机回归与一次二阶矩法相结合,利用支持向量机的小样本学习能力,将隐式极限状态函数近似为显式极限状态函数.运用蒙特卡罗法计算出万向节机构的可靠性指标,然后由高精度的显式极限状态方程进行各随机变量的灵敏度分析.最后以某剪切机中万向节机构为对象,进行了机构的可靠性及灵敏度分析.结果表明:该方法具有高精度和高效率的优点,并对其他机械结构可靠性分析具有一定的参考意义.     

支持向量机和粒子群优化的可靠度算法

针对非线性隐式极限状态方程的可靠度指标计算,将支持向量机和粒子群优化算法相结合,提出了一种结构可靠度算法.首先结合支持向量机不受样本点限制的优点,将历次迭代产生样本点加入本次迭代样本点中,采用支持向量机对样本点进行训练,然后引入粒子群优化算法计算可靠度指标,解决迭代过程中支持向量机回归模型可靠度指标计算震荡不收敛的情况,最后根据可靠度指标收敛得到的支持向量机回归模型,采用重要抽样法计算失效概率.计算结果表明:该方法得出的失效概率具有较好的精度,特别是针对迭代过程中可靠度指标不收敛的情况具有良好的适用性.     

基于支持向量回归机的结构非概率可靠性分析

将支持向量机回归技术引入隐式极限状态结构的非概率可靠性分析,基于未确知信息的分段均布描述模型,设计了训练样本抽取策略．为了统一样本尺度,根据分段均布模型与标准化区间均布模型的双射关系,将基本变量区域中的样本数据转化成标准区间变量域中的样本数据,保证了支持向量机训练的稳定性．给出了SVR预测模型算法,并实现了在标准化区间变量域中直接抽取训练、测试及预测样本,使得样本抽取和蒙特卡罗模拟计算更便于实现．通过算例对方法的精度和可行性进行了验证,结果表明：该方法可解决隐式极限状态结构的非概率可靠性分析问题,且应用简便．     

基于支持向量回归的响应面可靠度计算

 针对可靠度计算问题中极限状态函数比较复杂或为隐式的情况,提出了一种基于支持向量回归的响应面可靠度计算方法。该方法通过支持向量回归来拟合极限状态函数,所得函数偏导数计算简单,便于进一步采用常规的一次或二次可靠度方法进行求解。该方法首先用拉丁超立方抽样方法产生训练所需样本,通过支持向量回归构造极限状态函数的替代函数,然后用可靠度计算中比较常用的梯度优化法计算其可靠指标或失效概率。算例结果证明了本文方法的可靠性和有效性。     

基于支持向量机和蒙特卡洛的结构可靠性分析方法及应用

将支持向量机作为极限状态函数重构的工具引入结构可靠性分析问题中,并结合蒙特卡洛方法,分别给出了模式识别型和函数回归型两种支持向量机（SVM）模型应用于结构可靠性分析的计算流程图。结合数值算例,对两种支持向量机模型在结构可靠性问题的应用方面进行了对比,并研究了训练样本数目、核函数类型、模型参数的取值以及随机变量数目等因素对可靠性分析结果的影响。最后以某自升式平台为工程对象,进行了考虑多个随机变量的结构可靠性评估。结果表明：在应用支持向量机方法进行极限状态函数重构时,无论是模式识别型SVM模型还是函数回归型SVM模型均可取得良好的效果,前者对模型参数的敏感程度大于后者;支持向量机理论作为极限状态函数重构工具与蒙特卡洛方法相结合,可有效解决大型复杂工程结构可靠性分析精度和效率问题。     

基于SVR回归的电力系统暂态稳定隐式梯形算法的改进

针对用传统隐式梯形积分法分析电力系统暂态稳定时存在计算速度慢的问题,提出了一种基于回归支持向量机技术的改进方法.改进后的方法不仅保持了原有的功角预测精度,而且明显减少了总的迭代次数,有效地提高了计算速度.这种优化结果有利于现代大电网的实时控制.     

波束形成算法指向误差时的稳健性研究

为有效克服期望信号方向存在指向误差而导致的阵列流形向量失配的问题,提出了一种基于支持向量回归机的波束形成方法.该方法在分析线性约束最小方差波束形成器的基础上,将支持向量机的损失函数引入到线性约束最小方差波束形成器的最优化问题中,从而使基于结构风险最小化原理的支持向量回归机算法与波束形成算法相结合.通过MATLAB仿真实验,在没有失配的理想情况和期望信号存在方向向量失配的情况下,选取不同的支持向量机参数以及信噪比,分析对2种损失函数的基于支持向量机的波束形成算法.仿真实验结果表明,该算法在期望信号方向存在指向误差时,依然能够保持较好的系统输出信噪比,具有一定的稳健性.     

基于支持向量回归的钢材力学性能模型及应用

根据化学成分准确预测钢材产品的力学性能并及时调整相关生产的控制策略,将有效地提高钢铁生产的最终产品质量.支持向量机是一种建立在统计学习理论基础上的机器学习方法,介绍了基于此算法基础上的一种ε-支持向量回归机算法及其推导过程,建立了基于ε-支持向量回归机的钢材力学性能模型,通过实际应用表明该模型比Excel回归预测具有更高的精度.     

基于遗传算法优化支持向量回归机的网格负载预测模型

提出一种基于遗传算法优化支持向量回归机的模型进行网格负载预测,使用遗传算法和交叉验证技术解决了支持向量回归机参数难以确定的问题.标准数据集仿真实验结果表明,该模型与试验法定参的支持向量回归机和BP神经网络相比具有更优的预测性能.     

基于对分区间抽样法的结构可靠性灵敏度分析

针对工程结构系统的极限状态方程通常为隐式,且计算工作量较大的情况,提出一种基于对分区间抽样法的结构可靠性灵敏度分析方法.所提方法综合结构可靠性分析验算点法和对分区间抽样法思想,先根据Taylor公式将初始点附近的状态方程线性展开,依据梯度信息确定最优步长;之后,采用对分可靠度指标β抽样步长区间的方法来确定新的抽样点;最后,经过若干次迭代找出满足结构系统精度要求的设计验算点(MPP),计算可靠度,并根据抽样路径信息算得各影响参数对应的灵敏度.给出了数值算例和工程算例,通过与以往解决隐式结构的可靠性分析方法比较,结果显示所提方法具有收敛可靠、抽样次数少的优点,尤其适用于分析大型复杂隐式结构系统可靠度问题.     

基于高斯过程分类与蒙特卡洛模拟的岩土工程结构可靠度分析方法

岩土工程结构可靠度分析中,功能函数一般呈隐式且需借助有限元等数值计算来构建,采用传统蒙特卡洛模拟法求解时常遇到计算耗时大和计算效率低的问题,进而导致该方法在实际工程应用中受到极大限制。将结构可靠度求解问题转化为二元分类问题,把分类性能优异的高斯过程分类模型与蒙特卡洛法相结合,提出了岩土工程结构可靠度分析的高斯过程分类——蒙特卡洛法。根据所建立的隐式功能函数,采用岩土工程结构分析程序构造少量的学习样本,利用学习后的高斯过程分类模型重构极限状态方程,实现随机样本的安全或失效状态的准确识别,进而采用蒙特卡洛抽样模拟获得结构的失效概率与可靠指标。算例研究表明,方法简单易行,与传统蒙特卡洛模拟法相比较,计算效率明显较高,且易于与各种岩土工程结构分析程序或商业计算软件相结合。     

Structural Reliability Analysis Based on Support Vector Machine and Dual Neural Network Direct Integration Method

Aiming at the reliability analysis of small sample data or implicit structural function, a novel structural reliability analysis model based on support vector machine(SVM) and neural network direct integration method(DNN) is proposed. Firstly, SVM with good small sample learning ability is used to train small sample data, fit structural performance functions and establish regular integration regions. Secondly, DNN is approximated the integral function to achieve multiple integration in the integration region. Finally, structural reliability was obtained by DNN. Numerical examples are investigated to demonstrate the effectiveness of the present method, which provides a feasible way for the structural reliability analysis.     

基于极变换与稀疏响应面的滚动轴承游隙可靠性分析

基于极变换提出一种选点方法,并结合稀疏响应面对滚动轴承游隙进行可靠性分析.构建响应面时,根据极变换后安全与失效类样本点在平面内的聚集性与可区分性,每一步迭代时增加临界样本点并对其进行拟合.为了避免过拟合,根据误差预测标准以及交叉验证方法对多项式响应面中最重要的项进行筛选.在建立滚动轴承游隙可靠性问题的极限状态函数时,考虑过盈装配、温度变化和离心力因素的影响,并基于有限元方法计算工作游隙.最后根据显式化的极限状态函数计算了轴承游隙可靠度.研究内容不仅为滚动轴承的设计提供了理论依据,而且为多维隐式可靠性问题的分析提供了一种参考途径.     

基于椭球凸模型的结构模糊可靠性分析

结构工程中不仅存在随机不确定性,还存在模糊不确定性.针对结构模糊可靠性问题,提出了一种基于模糊分解定理的超椭球凸模型响应面法,适用于隐式结构功能函数的模糊可靠性求解问题.首先,通过在置信水平[0,1]内遍历隶属度值确定结构可靠度的可能性分布函数,将模糊变量转化成在置信水平[0,1]下的区间变量;其次,建立超椭球凸集模型...     

一种改进的全局可靠性分析方法

基于Kriging模型的高效全局可靠性分析(EGRA)方法在每次循环迭代过程中只能增加一个样本点.为了提高EGRA方法的效率，提出了一种基于多代理模型的改进全局可靠性分析算法.通过引入Kriging模型的预测误差，在每次循环迭代过程中，计算多个代理模型的期望可行函数(EFF)获得多个最佳样本点，将这些样本点同时加入到样本库中并更新所有代理模型，直到满足给定的精度为止.在建立极限状态函数高质量的近似模型后，采用蒙特卡罗方法进行可靠性分析.两个数值算例的分析结果表明，该方法具有较高的效率和准确性.     

基于可靠度敏感性的2种响应面法研究边坡稳定性

文章研究结构可靠度敏感性,提出参数的相对敏感性分析方法,并基于该方法提出2种智能响应面法分析边坡稳定性.具体思路:由可靠指标对随机变量分布参数的相对敏感性分析,确定边坡可靠度主要影响参数;用2种智能响应面的网络模型近似替代响应量与基本变量间的隐式极限状态函数,根据蒙特卡罗模拟法,对网络模型进行可靠度分析,求解结构可靠度...     

电缆桥架结构抗震可靠性分析

对电缆桥架结构抗震可靠性进行了理论与试验研究,根据可靠性理论建立了极限状态函数,利用ANSYS建立了电缆桥架参数化有限元模型,选用蒙特卡罗(Monte Carlo)法对电缆桥架进行抗震可靠性分析。模拟结果显示:在95%的置信度水平下,极限状态函数值大于零,失效概率接近0%。对参数敏感性进行分析,发现反应谱对电缆桥架结构可靠性影响较大,其他参数影响很小。对20个试验工况同一测点的位移进行了统计,并与可靠性模拟位移统计结果进行比较,得出两者的位移均值结果基本一致。说明运用此方法对电缆桥架进行抗震可靠性分析是可行的,可用于抗震设计分析,对电缆桥架设计具有参考价值。     

基于可靠度敏感性的神经网络法研究边坡稳定性

针对边坡工程结构功能函数不能显式表达的可靠性分析问题和非线性问题计算量大的弊端．研究结构可靠度敏感性,提出参数的相对敏感性分析方法,并基于该方法提出了神经网络法分析边坡稳定性。具体思路：由可靠指标对随机变量分布参数的相对敏感性分析,确定边坡可靠度主要影响参数;用神经网络模型近似替代响应量与基本变量间的隐式极限状态函数,根据蒙特卡罗模拟法,对网络模型进行可靠度分析,求解结构可靠度指标。基于可靠度敏感性的神经网络法．对均值和成层边坡进行稳定性分析,与传统可靠度计算方法相比．结果表明：该方法分析边坡稳定性是准确的且具有较高的计算效率。