首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

融合自适应代理模型和分区抽样的机构可靠性分析方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:电子科技大学长三角研究院(湖州)

摘要:本发明涉及可靠性分析技术领域,具体为融合自适应代理模型和分区抽样的机构可靠性分析方法,包括:获得样本空间、区域分解、构建模型、采用主动学习EU函数添加样本点、更新模型、继续区域分解、扩充样本、得到机构性能函数、计算失效概率等步骤。本发明与现有技术相比,有益效果在于,通过区域分解进行样本的扩充,从而提高模型的模拟精度;采用主动学习函数EU挑选最优样本点,并更新主动学习Kriging模型,进一步提高模型的精度,使预测结果更加准确;通过继续区域分解及计算最外层期望样本数,能够快速的完成区域分解,大幅度提高模型的计算效率。

主权项:1.融合自适应代理模型和分区抽样的机构可靠性分析方法,其特征在于,包括以下步骤:S1:基于联合仿真系统构建被分析机构的三维数字化模型,并在联合仿真系统中设置运动分析环境,得到被分析机构的运动模型,并基于BP神经网络改进PID控制程序对运动模型进行控制,通过联合仿真系统获得被分析机构所对应的样本空间;S2:对样本空间进行区域分解,首先划分为两个子区域;S3:对当前的每个子区域采用Sobol抽样随机生成N0个初始样本,对于当前的样本空间构建主动学习Kriging模型,并根据当前主动学习Kriging模型得到机构的性能函数,根据性能函数计算机构在当前子区域情况下的失效概率和变异系数,若变异系数满足精度要求,执行步骤S6,若不满足则执行步骤S4;S4:根据改进的主动学习函数EU从当前样本空间中挑选最优的样本点直至最优样本点的添加满足复合停止条件后停止挑选最优样本点,并根据挑选了最优样本点后的当前样本空间更新主动学习Kriging模型,根据当前主动学习Kriging模型得到机构的性能函数,根据性能函数计算机构在当前子区域情况下的失效概率和变异系数,若变异系数满足精度要求,执行步骤S6,若不满足精度要求,则执行步骤S5;步骤S4所述主动学习函数EU的计算表达式为: 其中,EUx为主动学习函数EU,f·为概率密度函数,μx为Kriging模型预测的均值,σ2x为Kriging模型预测方差;选择计算主动学习函数EU最小值的样本点作为最优样本点,最优样本点的计算式为: 其中,x*为需要添加的最优样本点,f·为概率密度函数,μx为Kriging模型预测的均值,σ2x为Kriging模型预测方差;步骤S4中复合停止条件包括第一停止条件和第二停止条件,其中第一停止条件的表达式为:H=minEUx≥Hlimit;其中,H为通过Kriging模型预测的主动学习函数EU的最小,EUx为主动学习函数EU,Hlimit为设置的主动学习函数EU的阈值;第二停止条件的表达式为: 其中,ε为基于累积分布函数的停止条件,m为区域分解的环数,Pi*为子区域情况下失效概率的估计值,w为样本序号,N为样本空间总体样本量,μx为Kriging模型预测的均值,σ2x为Kriging模型预测方差,εlimit为基于累积分布函数的停止条件阈值,Φ·为累积分布函数;复合停止条件的计算表达式为:H≥Hlimit||ε≤εlimit;其中,H为通过Kriging模型预测的主动学习函数EU的最小,Hlimit为设置的主动学习函数EU的阈值,ε为基于累积分布函数的停止条件,εlimit为基于累积分布函数的停止条件阈值;步骤S4中所述当前子区域情况下的失效概率计算表达式为: 其中:Pi*为子区域情况下失效概率的估计值,λ为失效概率响应值,Ni为第i个子区域的样本量,j为样本序号,j=1,2,...,Ni,为概率计算函数,为从第i个子区域采样;步骤S4中所述计算变异系数,包括以下步骤:根据区域分解的分环数量生成当前环数的联合概率密度,计算表达式为:pcdfm=1-10-mif1≤m≤100;其中,pcdf为联合概率密度函数,m为环数,且初始环数为1;计算两环联合概率密度系数之差,计算表达式为:θm=pcdfm+1-pcdfm;其中,θ为m+1环与m环联合密度之差;计算子区域方差,计算表达式为: 其中,varPi*为子区域方差,Pi*为子区域情况下失效概率的估计值,θi为第i个子区域联合密度概率,Ni为第i个子区域的样本量;计算子区域的变异系数,计算表达式为: 其中,CovAPSSPi*为当前子区域情况下的变异系数,varPi*为子区域方差,Pi*为子区域情况下失效概率的估计值,Cov为所设置的阈值;S5:继续进行区域分解,每次区域分解均根据当前子区域情况下的失效概率计算最外层的期望样本数,直至最外层的期望样本数满足终止条件,终止区域分解,计算当前子区域情况下的每个子区域的方差,在方差最大的一个子区域中进行样本扩充;S6:重复步骤S4-S5,直至变异系数满足精度要求;S7:根据当前主动学习Kriging模型,获得当前的机构性能函数,用当前的机构性能函数计算机构运动的失效概率,并计算当前机构的变异系数,得到机构运动的可靠性。

全文数据:

权利要求:

百度查询: 电子科技大学长三角研究院(湖州) 融合自适应代理模型和分区抽样的机构可靠性分析方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术