本技術(shù)涉及折疊翼機(jī)構(gòu),尤其涉及一種折疊翼機(jī)構(gòu)的概率盒可靠性分析方法、裝置及計(jì)算機(jī)設(shè)備。
背景技術(shù):
1、飛行器的折疊翼機(jī)構(gòu)的可靠性問題至關(guān)重要,但由于其服役環(huán)境惡劣、試驗(yàn)數(shù)據(jù)有限、失效模式復(fù)雜,傳統(tǒng)的可靠性分析方法難以對其有效評估。目前,在分析飛行器的折疊翼機(jī)構(gòu)的可靠性時(shí),主要采用概率模型來處理工程中的不確定性。這種模型通過概率分布函數(shù)來衡量參數(shù)的不確定性,并利用概率統(tǒng)計(jì)方法來估算折疊翼機(jī)構(gòu)安全或失效的可能性。
2、為克服傳統(tǒng)概率模型對大樣本量的依賴性,近年來,非概率度量模型在結(jié)構(gòu)不確定性分析研究中得到了越來越多關(guān)注。非概率模型主要包括p-box模型、證據(jù)模型、模糊模型、非概率凸集模型等。如果我們有足夠的試驗(yàn)樣本數(shù)據(jù),那么可以使用模糊模型來處理這些變量;然而,對于那些信息不足但我們能確定其上下邊界的變量,模糊模型就不再適用,而非概率凸集模型雖然只需要上下界限,但容易導(dǎo)致過于保守的設(shè)計(jì)結(jié)果,此時(shí)我們可以使用p-box模型來處理。在眾多非概率模型中,p-box具有靈活的表示形式,可以實(shí)現(xiàn)概率模型、區(qū)間模型和證據(jù)模型等多種不確定性模型的信息融合,受到國內(nèi)外研究人員的關(guān)注和重視,并且在可靠性分析等領(lǐng)域取得了一定的研究成果。p-box模型展現(xiàn)了其在處理不確定工程問題方面的強(qiáng)大能力,但將其應(yīng)用于飛行器折疊翼機(jī)構(gòu)時(shí)會(huì)面臨失效概率求解效率與精度低的問題。
技術(shù)實(shí)現(xiàn)思路
1、本技術(shù)所要解決的技術(shù)問題在于,針對現(xiàn)有技術(shù)的上述不足,提出一種折疊翼機(jī)構(gòu)的概率盒可靠性分析方法、裝置及計(jì)算機(jī)設(shè)備。
2、一種折疊翼機(jī)構(gòu)的概率盒可靠性分析方法,包括:
3、步驟s101,基于折疊翼機(jī)構(gòu)變量的原始稀缺樣本,通過bootstrap方法生成參數(shù)化p-box模型的分布參數(shù)向量;
4、步驟s102,根據(jù)分布參數(shù)向量,生成對應(yīng)的p-box變量的樣本池s1,并根據(jù)p-box變量的樣本池s1生成初始的試驗(yàn)設(shè)計(jì)域doe-1;
5、步驟s103,根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-1構(gòu)建第一層kriging模型,并通過學(xué)習(xí)函數(shù)u在樣本池s1中選擇最優(yōu)樣本點(diǎn),并將所選擇的樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-1中,以重新構(gòu)建第一層kriging模型;所述第一層kriging模型用于預(yù)測功能函數(shù)的符號(hào);
6、步驟s104,使用隨機(jī)方法在預(yù)定范圍內(nèi)生成折疊翼機(jī)構(gòu)變量的區(qū)間分布參數(shù)的樣本池s2,并根據(jù)樣本池s2生成初始的試驗(yàn)設(shè)計(jì)域doe-2;
7、步驟s105,根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-2構(gòu)建第二層kriging模型,并通過學(xué)習(xí)函數(shù)ei在樣本池s2中選擇最優(yōu)樣本點(diǎn),并將所選擇的樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-2中,以重新構(gòu)建第二層kriging模型;在構(gòu)建第二層kriging模型時(shí),使用蒙特卡洛模擬mcs估算樣本點(diǎn)的失效概率;
8、步驟s106,基于第二層kriging模型,確定失效概率的邊界。
9、可選地,步驟s101包括:
10、通過從原始數(shù)據(jù)集ns次有放回的隨機(jī)采樣,獲得表示為的bootstrap樣本集;
11、計(jì)算bootstrap樣本集中每次采樣樣本的分布參數(shù),得到一組分布參數(shù)的向量
12、可選地,步驟s102包括:
13、根據(jù)分布參數(shù)的向量生成對應(yīng)的區(qū)間分布;
14、根據(jù)區(qū)間分布參數(shù)隨機(jī)生成區(qū)間分布參數(shù)樣本θj(j=1,2,...,k);
15、根據(jù)區(qū)間分布參數(shù)樣本θj生成對應(yīng)的輸入變量樣本uji(i=1,2,...,l),即樣本池s1。
16、可選地,步驟s103包括:
17、步驟s1031,根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-1構(gòu)建第一層kriging模型;
18、步驟s1032,選擇樣本池s1中學(xué)習(xí)函數(shù)u的值最小的樣本作為最優(yōu)樣本點(diǎn);
19、其中,所述學(xué)習(xí)函數(shù)u為:為樣本對應(yīng)的功能函數(shù)的預(yù)測值,為預(yù)測值的方差;
20、步驟s1033,判斷是否滿足條件:minu(x,y)≥2;
21、當(dāng)不滿足條件時(shí),將最優(yōu)樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-1中,并根據(jù)更新后的試驗(yàn)設(shè)計(jì)域doe-1重新構(gòu)建第一層kriging模型,并返回步驟s1032;
22、當(dāng)滿足條件時(shí),停止更新第一層kriging模型。
23、可選地,步驟s105包括:
24、步驟s1051,根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-2構(gòu)建第二層kriging模型;
25、步驟s1052,選擇樣本池s2中學(xué)習(xí)函數(shù)ei值最大的樣本作為最優(yōu)樣本點(diǎn);
26、其中,所述學(xué)習(xí)函數(shù)ei為:其中,為當(dāng)前預(yù)測樣本中最小的失效概率,φ(·)為標(biāo)準(zhǔn)正態(tài)分布累積分布函數(shù),為標(biāo)準(zhǔn)正態(tài)分布概率密度函數(shù),和分別表示每個(gè)樣本點(diǎn)處的均值μ和標(biāo)準(zhǔn)差σ;
27、步驟s1053,判斷是否滿足條件:max(e(i(θ)))≥ε;ε為收斂閾值;
28、當(dāng)不滿足條件時(shí),將最優(yōu)樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-2中,并根據(jù)更新后的試驗(yàn)設(shè)計(jì)域doe-2重新構(gòu)建第二層kriging模型,并返回步驟s1052;
29、當(dāng)滿足條件時(shí),停止更新第二層kriging模型,此第二層kriging模型用于估計(jì)失效概率的下邊界。
30、可選地,當(dāng)估算失效概率的上邊界時(shí),在構(gòu)建第二階段kriging模型時(shí),在失效概率前加一個(gè)負(fù)號(hào),用以表示區(qū)間分布參數(shù)與失效概率的上邊界的第二層kriging模型。
31、可選地,ε=0.0001。
32、可選地,通過多體動(dòng)力學(xué)軟件adams建立折疊翼機(jī)構(gòu)動(dòng)力學(xué)仿真模型,確定影響折疊翼機(jī)構(gòu)展開性能的因素作為折疊翼機(jī)構(gòu)變量,并應(yīng)用于更新第一層kriging模型。
33、另一方面,本技術(shù)還提供了一種折疊翼機(jī)構(gòu)的概率盒可靠性分析裝置,包括:
34、向量生成模塊,用于基于折疊翼機(jī)構(gòu)變量的原始稀缺樣本,通過bootstrap方法生成參數(shù)化p-box模型的分布參數(shù)向量;
35、第一設(shè)計(jì)域生成模塊,用于根據(jù)分布參數(shù)向量,生成對應(yīng)的p-box變量的樣本池s1,并根據(jù)p-box變量的樣本池s1生成初始的試驗(yàn)設(shè)計(jì)域doe-1;
36、第一構(gòu)建模塊,用于根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-1構(gòu)建第一層kriging模型,并通過學(xué)習(xí)函數(shù)u在樣本池s1中選擇最優(yōu)樣本點(diǎn),并將所選擇的樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-1中,以重新構(gòu)建第一層kriging模型;所述第一層kriging模型用于預(yù)測功能函數(shù)的符號(hào);
37、第二設(shè)計(jì)域生成模塊,用于使用隨機(jī)方法在預(yù)定范圍內(nèi)生成折疊翼機(jī)構(gòu)變量的區(qū)間分布參數(shù)的樣本池s2,并根據(jù)樣本池s2生成初始的試驗(yàn)設(shè)計(jì)域doe-2;
38、第二構(gòu)建模塊,用于根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-2構(gòu)建第二層kriging模型,并通過學(xué)習(xí)函數(shù)ei在樣本池s2中選擇最優(yōu)樣本點(diǎn),并將所選擇的樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-2中,以重新構(gòu)建第二層kriging模型;在構(gòu)建第二層kriging模型時(shí),使用蒙特卡洛模擬mcs估算樣本點(diǎn)的失效概率;
39、確定模塊,用于基于第二層kriging模型,確定失效概率的邊界。
40、另一方面,本技術(shù)還提供了一種計(jì)算機(jī)設(shè)備,包括:處理器和存儲(chǔ)器;所述存儲(chǔ)器存儲(chǔ)有程序指令,當(dāng)所述存儲(chǔ)器存儲(chǔ)的程序指令被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的折疊翼機(jī)構(gòu)的概率盒可靠性分析方法。
41、本技術(shù)基于雙層主動(dòng)學(xué)習(xí)kriging模型,可對多失效模式下的折疊翼機(jī)構(gòu)可靠性進(jìn)行求解,并高效評估有限樣本條件下飛行器折疊翼機(jī)構(gòu)的可靠性。