一种基于自适应加点策略的结构混合渐变可靠性评估方法与流程

1.本技术涉及结构可靠性领域，特别涉及一种基于自适应加点策略的结构混合渐变可靠性评估方法。


背景技术：

2.工程结构中普遍存在着不确定性，例如，材料性能、几何尺寸、载荷的不确定性。随着时间的变化，结构性能逐渐劣化，可靠度呈现出显著的渐变特性。此外，由于积累信息难，部分不确定性参数只能采用区间模型进行表征，结构渐变可靠性评估又具有随机-区间不确定性混合的特征。
3.对于结构的渐变可靠性评估，目前使用较多的是首次穿越方法，例如，phi2方法、rice公式解析法以及近似计算法等，也有通过将时间区间离散化，然后基于蒙特卡罗(monte carlo，mc)法进行结构可靠度评估。对于多种不确定性混合的结构可靠性问题，采用将两种不确定性参数转换为单一不确定性参数的方法进行评估计算，也有在一次二阶矩法的基础上，进一步发展了随机-区间不确定性混合的统一不确定性分析的一阶可靠性分析法。
4.上述方式是针对单一不确定性的结构渐变可靠性评估，或者针对静态的结构混合可靠性评估，但是，对于结构混合渐变可靠性问题，由于其计算的复杂性，缺乏一种有效的评估方式。


技术实现要素：

5.基于此，有必要针对上述问题，提供一种基于自适应加点策略的结构混合渐变可靠性评估方法，能够高效、精确处理多种不确定性混合情况下的结构渐变可靠性评估问题，降低评估复杂度。
6.第一方面，本技术提供了一种结构混合渐变可靠性评估方法，该方法包括：
7.获取目标结构可靠性关键件的失效信息；失效信息中包括影响目标结构可靠性的多种影响因素；多种影响因素包括随机不确定性影响因素、区间不确定性影响因素、时间影响因素以及失效判据；
8.根据多种影响因素构建目标结构的功能函数；
9.将目标影响因素的样本数据代入至功能函数中，获取功能函数的极值响应面；目标影响因素为多种影响因素中的随机不确定性影响因素、区间不确定性影响因素，以及时间影响因素；
10.基于极值响应面对目标结构进行可靠性评估，得到目标结构的可靠性评估结果。
11.在其中一个实施例中，上述将目标影响因素的样本数据代入至功能函数中，获取功能函数的极值响应面，包括：
12.从多种影响因素中确定目标影响因素；
13.获取目标影响因素的样本数据；
14.将目标影响因素的样本数据代入至功能函数中，获取结构功能函数的极小值响应；
15.根据目标影响因素的样本数据和相应的极小值响应构建功能函数的极值响应面。
16.在其中一个实施例中，上述从多种影响因素中确定目标影响因素，包括：
17.获取各影响因素的分布信息；所述分布信息包括：随机不确定性影响因素的分布类型、分布参数，区间不确定性影响因素的上、下界，以及时间影响因素的范围；
18.根据随机、区间不确定性影响因素的分布信息，以及时间影响因素的范围，获取多组初始样本。
19.在其中一个实施例中，上述根据目标影响因素的样本数据和相应的极小值响应构建功能函数的极值响应面，包括：
20.根据目标影响因素的初始样本和相应的极小值响应构建功能函数的初始极值响应面；
21.对初始极值响应面进行更新，得到第一更新极值响应面；
22.若第一更新极值响应面满足预设的更新收敛准则，确定第一更新极值响应面为功能函数的极值响应面；
23.若第一更新极值响应面不满足预设的更新收敛准则，则继续对第一更新极值响应面进行更新，直至最新的更新极值响应面满足更新收敛准则为止。
24.在其中一个实施例中，上述结构混合渐变的可靠性评估方法还包括：
25.基于初始极值响应面获取目标结构的第一候选可靠度数值；
26.基于第一更新极值响应面获取目标结构的第二候选可靠度数值；
27.若第一候选可靠度数值和第二候选可靠度数值之间的差值小于预设误差值，确定第一更新极值响应面满足更新收敛准则。
28.在其中一个实施例中，上述对初始极值响应面进行更新，得到第一更新极值响应面包括：
29.获取随机不确定性影响因素的候选样本数据；
30.根据随机不确定性影响因素的候选样本数据对初始极值响应面进行更新，得到第一更新极值响应面。
31.在其中一个实施例中，上述根据随机不确定性影响因素的候选样本数据对初始极值响应面进行更新，得到第一更新极值响应面，包括：
32.从随机不确定性影响因素的候选样本数据中确定更新点；
33.将更新点代入至功能函数中，获取功能函数的更新极小值响应；
34.以功能函数的更新极小值响应对初始极值响应面进行更新，得到第一更新极值响应面。
35.在其中一个实施例中，上述从随机不确定性影响因素的候选样本数据中确定更新点，包括：
36.根据自适应加点策略，构建随机不确定性影响因素的学习函数；
37.将学习函数取最小值时对应的候选样本确定为更新点。
38.第二方面，本技术还提供了一种结构混合渐变可靠性评估装置。该装置包括：
39.信息获取模块，用于获取目标结构可靠性关键件的失效信息；失效信息中包括影
响目标结构可靠性的多种影响因素；多种影响因素包括随机不确定性影响因素、区间不确定性影响因素、时间影响因素以及失效判据；
40.数据处理模块，用于根据多种影响因素构建目标结构的功能函数；
41.响应面获取模块，用于将目标影响因素的样本数据代入至功能函数中，获取功能函数的极值响应面；目标影响因素为多种影响因素中的随机不确定性影响因素、区间不确定性影响因素，以及时间影响因素；
42.可靠性评估模块，用于基于极值响应面对目标结构可靠性进行评估，得到目标结构可靠性的评估结果。
43.第三方面，本技术还提供了一种计算机设备。计算机设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现第一方面中任一实施例中所述的方法步骤。
44.第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时第一方面中任一实施例中所述的方法步骤。
45.第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时第一方面中任一实施例中所述的方法步骤。
46.上述基于自适应加点策略的结构混合渐变可靠性评估方法、装置和计算机设备，通过获取目标结构可靠性关键件的失效信息构建目标结构的功能函数，在此基础上，通过构建功能函数的极值响应面即可将原先的多种不确定性混合的渐变可靠性评估问题转换为单一不确定性的静态可靠性评估问题，然后基于构建的极值响应面评估目标结构的可靠性。整个过程只需构建功能函数和功能函数极值响应面，能够简化多种不确定性混合情况下的结构渐变可靠性评估过程，降低评估复杂度，同时还能保证评估精度。
附图说明
47.图1为一个实施例中结构混合渐变可靠性评估方法的应用环境图；
48.图2为一个实施例中结构混合渐变可靠性评估方法的流程示意图；
49.图3为一个实施例中结构失效模式示意图；
50.图4为一个实施例中步骤s203的流程示意图；
51.图5为一个实施例中步骤s401的流程示意图；
52.图6为一个实施例中步骤s403的流程示意图；
53.图7为一个实施例中步骤s603的流程示意图；
54.图8为一个实施例中步骤s604的流程示意图；
55.图9为一个实施例中步骤s602的流程示意图；
56.图10为一个实施例中步骤s901的流程示意图；
57.图11为另一个实施例中结构混合渐变可靠性评估方法的流程示意图；
58.图12为一个实施例中更新点的空间分布情况示意图；
59.图13为一个实施例中可靠性评估结果对比图。
具体实施方式
60.为了使本技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
61.可以理解，本技术所使用的术语“第一”、“第二”等可在本文中用于描述各种数据，但这些数据不受这些术语限制。这些术语仅用于将第一个数据与另一个数据区分。除非另有定义，本文所使用的所有的技术和科学术语与属于本技术的技术领域的技术人员通常理解的含义相同。本文中在本技术的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是旨在于限制本技术。还应当理解的是，术语“包括/包含”或“具有”等指定所陈述的特征、整体、步骤、操作或它们的组合的存在，但是不排除存在或添加一个或更多个其他特征、整体、步骤、操作或它们的组合的可能性。同时，在本说明书中使用的术语“和/或”包括相关所列项目的任何及所有组合。
62.本技术实施例提供的结构混合渐变可靠性评估方法，可以应用于计算机设备中，该计算机设备可以是任何类型的设备，例如，终端设备，或者是各种个人计算机、笔记本电脑、平板电脑、可穿戴设备、服务器等等，本技术实施例对计算机设备的类型不作限定。如图1所示，提供一种计算机设备的内部结构示意图，图1中的处理器用于提供计算和控制能力。存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。数据库用于结构的可靠性评估过程的相关数据。该网络接口用于与外部的其他设备通过网络连接通信。该计算机程序被处理器执行时以实现一种结构混合渐变可靠性评估方法。
63.正如背景技术所述，工程结构中普遍存在着不确定性，例如，材料性能、几何尺寸、载荷的不确定性。随着时间的变化，结构性能逐渐劣化，可靠度呈现出显著的渐变特性。此外，由于积累信息难，部分不确定性参数只能采用区间模型进行表征，结构渐变可靠性评估又具有随机-区间不确定性混合的特征。
64.对于结构的渐变可靠性评估，目前使用较多的是首次穿越方法，例如，phi2方法、rice公式解析法以及近似计算法等，也有通过将时间区间离散化，然后基于蒙特卡罗(monte carlo，mc)法进行结构可靠度评估。对于多种不确定性混合的结构可靠性问题，采用将两种不确定性参数转换为单一不确定性参数的方法进行评估计算，也有研究在一次二阶矩法的基础上，进一步发展了随机-区间不确定性混合的统一不确定性分析的一阶可靠性分析法。
65.上述方式是针对单一不确定性的结构渐变可靠性评估，或者针对静态的结构混合可靠性评估，但是，对于结构混合渐变可靠性问题，由于其计算的复杂性，缺乏一种有效的评估方式。
66.基于此，本技术实施例提供了一种结构混合渐变可靠性评估方法，通过构建功能函数的极值响应面即可将原先的多种不确定性混合的渐变可靠性问题转换为单一不确定性的静态可靠性评估问题。在保持可靠性评估结果准确性的同时，使得可靠性评估问题的计算复杂性显著降低，对于可靠性评估在工程实际中的推广应用有着重要的参考意义。需要理解的，以上仅是对本技术实施例中的所达到的效果的举例，实际应用中，本技术实施例
中提供的技术手段所达到的效果不限于此，具体可参见后续实施例说明。
67.在一个实施例中，如图2所示，提供了一种结构混合渐变可靠性评估方法，本实施例中，该方法包括以下步骤：
68.s201，获取目标结构可靠性关键件的失效信息。
69.其中，失效信息中包括影响目标结构可靠性的多种影响因素，例如，影响目标结构可靠性的随机不确定性参数、区间不确定性参数和时间变量等。另外，失效信息还可以包括结构的失效模式以及失效判据等等。实际应用中，失效信息可以是经人工分析得到，或从现有实验经验中得出，若结构复杂，可结合故障模式、影响及危害性分析(failure mode effects and criticality analysis，fmeca)以及故障树分析(fault tree analysis，fta)等技术进行，具体获取方式本技术中不作限制。
70.以锈蚀钢筋梁为例，如图3所示，在钢筋场景下，目标结构为钢筋梁，可靠性关键件为钢筋梁。钢筋梁同时承受均布载荷以及集中载荷(作用于跨中)，由于锈蚀作用，钢筋梁的锈蚀深度逐渐加深，钢筋梁横截面尺寸发生变化，进而导致钢筋梁能承受的极限弯矩变小。即钢筋梁的失效模式或失效判据为：当极限弯矩小于规定的最大弯矩时，钢筋梁发生失效。钢筋梁的可靠性的随机不确定性参数为横截面参数，包括界面长度与宽度，影响钢筋弯曲梁可靠性的区间不确定性参数则为集中载荷。
71.s202，根据多种影响因素构建目标结构的功能函数。
72.其中，多种影响因素包括影响目标结构可靠性的随机不确定性参数、区间不确定性参数和时间变量等因素，并将其作为目标结构功能函数的随机不确定性输入信息、区间不确定性输入信息和时间变量输入信息。
73.功能函数是指包括随机不确定性参数、区间不确定性参数和时间变量的数学方程式，可表示为：g＝g(x,y,t)，其中，x表示随机不确定性参数，y表示区间不确定性参数，t表示时间变量。功能函数用于表示目标结构的状态，在实际应用中可结合应力-强度干涉理论构建。应力-强度干涉理论的核心是应力-强度干涉模型，从该模型可清楚地揭示工程结构失效的原因。当结构的强度大于应力时，其能够正常工作；当结构的强度小于应力时，其发生失效。
74.以钢筋梁为例，钢筋梁的失效模式与钢筋梁的极限弯矩有关，结合应力-强度干涉理论分析钢筋梁的受力模型，钢筋弯曲梁承受的极限弯矩m(t)可以表示为：
[0075][0076]
其中，t为时间变量且t∈[0,40]，b(t)为t时刻的截面长度，h(t)为t时刻的截面宽度，σe为屈服应力且σe＝2.4
×
108mpa。
[0077]
根据应力-强度干涉理论，钢筋弯曲梁的功能函数可以表示为：
[0078][0079]
s203，将目标影响因素的样本数据代入至功能函数中，获取功能函数的极值响应面。
[0080]
其中，目标影响因素为多种影响因素中的随机、区间不确定性影响因素，以及时间
影响因素。样本数据是根据目标影响因素的分布信息抽样得到的，用于表示目标影响因素的分布情况。在实际应用中，可以采用拉丁超立方抽样(latin hypercube sampling，lhs)技术对目标结构的目标影响因素进行一体化抽样，使得目标影响因素的初始样本在不确定性空间中均匀分布。极值响应面为功能函数的极小值响应面，用于近似表示目标结构的响应在状态空间中的分布情况。
[0081]
s204，基于极值响应面对目标结构的可靠性进行评估，得到目标结构的可靠性评估结果。
[0082]
其中，基于极值响应面对目标结构的可靠性进行评估，可以使用评估静态单一不确定性的评估方法进行，例如可采用mc法、一次二阶矩法等传统结构可靠性评估方法进行评估。
[0083]
本技术实施例中所涉及的影响目标结构可靠性的多种影响因素包括随机不确定性影响因素和区间不确定性影响因素等，因此本技术实施例提供的评估方法能够应用于结构混合可靠性的评估，而由于还考虑了时间影响因素，本技术实施例提供的评估方法能够应用于结构混合渐变可靠性的评估。
[0084]
上述实施例中，通过获取目标结构可靠性关键件的失效信息获取目标结构的功能函数，并将目标影响因素的样本数据代入至功能函数中，构建功能函数的极值响应面，然后基于极值响应面对目标结构的可靠性进行评估，得到目标结构的可靠性评估结果。该方法利用功能函数的极值响应面将原先的多种不确定性混合的渐变可靠性评估问题转换为单一不确定性的静态可靠性评估问题，然后基于构建的极值响应面评估目标结构的可靠性。整个过程只需构建功能函数和功能函数极值响应面，能够简化多种不确定性混合情况下的结构渐变可靠性评估过程，降低评估复杂度，同时保证评估精度，对于可靠性评估在工程实际中的推广应用有着重要的参考意义。
[0085]
在一个实施例中，上述步骤中将目标影响因素的样本数据代入至功能函数中，获取功能函数的极值响应面，如图4所示，包括以下步骤：
[0086]
s401，从多种影响因素中确定目标影响因素。
[0087]
其中，多种影响因素包括影响结构可靠性的随机不确定性参数、区间不确定性参数和时间变量，以及失效模式等结构失效信息，目标影响因素为多种影响因素中的随机、区间不确定性影响因素，以及时间影响因素。
[0088]
s402，获取目标影响因素的样本数据。
[0089]
其中，目标影响因素的分布数据包括随机不确定性参数的概率分布类型，区间不确定性参数的上、下界，以及时间变量的范围。确定随机不确定性参数的抽样边界为f
i-1
(φ(
±
5)),i＝1,2,
…
,n，其中n为随机不确定性参数x中元素的个数，f
i-1
为随机不确定性参数xi的逆累计分布函数，φ为标准正态分布函数；区间不确定性参数y的抽样边界为yu、yd，其中，前者为上界，后者为下界；时间变量t的范围为[0,t]，然后根据上述信息，利用lhs技术进行一体化抽样获取目标影响因素的样本数据。
[0090]
s403，将目标影响因素的样本数据代入至功能函数中，获取结构功能函数的极小值响应。
[0091]
其中，结构功能函数的极小值响应包括目标影响因素每一组样本数据对应的极小值响应。
[0092]
s404，根据目标影响因素的样本数据和相应的极小值响应构建功能函数的极值响应面。
[0093]
其中，目标影响因素的样本数据为功能函数的极值响应面的输入数据，功能函数的极小值响应为功能函数的极值响应面的输出数据。
[0094]
上述实施例中，通过从多种影响因素中确定目标影响因素，然后获取目标影响因素的样本数据，并将目标影响因素的样本数据代入至功能函数中即可获取结构功能函数的极小值响应。通过构建功能函数的极小值响应，可将原先的多种不确定性混合的渐变可靠性问题转换为单一不确定性的静态可靠性问题，能够简化多种不确定性混合情况下的结构渐变可靠性评估过程，降低可靠性评估的复杂度。
[0095]
在一个实施例中，上述步骤中从多种影响因素中确定目标影响因素，如图5所示，包括以下步骤：
[0096]
s501，获取各影响因素的分布信息；所述分布信息包括：随机不确定性影响因素的分布类型、分布参数，区间不确定性影响因素的上、下界，以及时间影响因素的范围。
[0097]
在实际应用中，可根据相关数据手册、相似产品信息、工程经验、试验数据以及外场数据等信息确定各影响因素的分布信息。
[0098]
以钢筋梁为例，钢筋梁钢筋弯曲梁各影响因素的分布信息详见表1，其中，对于随机变量，参数1、2分别对应均值和变异系数，对于区间变量，分别对应下界和上界。
[0099]
表1
[0100]
不确定变量分布类型参数1参数2f/n区间变量14005600b0/m正态分布0.20.05h0/m正态分布0.040.1
[0101]
s502，根据随机不确定性影响因素的分布类型、分布参数，区间不确定性影响因素的上、下界，以及时间影响因素的范围，获取多组初始样本。
[0102]
其中，多组初始样本是根据目标影响因素的分布信息抽样得到。例如，可以采用lhs抽样法抽取q组初始样本，则抽取的样本可表示为：
[0103][0104]
其中，n为随机不确定性参数x中元素的个数，m为区间不确定性参数y中元素的个数。
[0105]
上述实施例中，通过获取目标影响因素的分布参数，得到多组初始样本，每组初始样本中均包括所有目标影响因素，通过对结构的随机与区间不确定性影响因素、以及时间变量进行一体化抽样，使得初始样本在不确定性空间中均匀分布。将初始样本数据代入至功能函数中获取结构功能函数的极小值响应，则原先的多种不确定性混合的渐变可靠性问题可以转换为单一不确定性的静态可靠性问题，简化了多种不确定性混合情况下的结构渐变可靠性评估过程，降低可靠性评估的复杂度。
[0106]
在一个实施例中，上述步骤中根据目标影响因素的样本数据和相应的极小值响应构建功能函数的极值响应面，如图6所示，包括以下步骤：
[0107]
s601，根据目标影响因素的初始样本数据和相应的极小值响应构建功能函数的初始极值响应面。
[0108]
其中，功能函数的极小值响应是通过将初始样本中的一组随机样本带入功能函数中求解极小值得到的，初始极值响应面是通过重复上述步骤，求解出初始样本中每一组随机样本对应的极小值响应得到的。将一组随机样本带入功能函数，此时功能函数转变为关于区间不确定性参数y和时间变量t的函数随机不确定性参数的影响得以消除，再利用遗传算法(genetic algorithm，ga)求解函数的极小值响应，用数学模型可表示为：
[0109][0110]
重复执行q次后，得到初始随机样本x0对应的极小值响应g
min
(x0)，然后利用matlab的dace工具箱构建kriging极值响应面
[0111]
s602，对初始极值响应面进行更新，得到第一更新极值响应面。
[0112]
其中，初始极值响应面为上述步骤中通过matlab的dace工具箱构建kriging极值响应面第一更新极值响应面为对初始极值响应面进行第一次更新后的极值响应面。
[0113]
s603，若第一更新极值响应面满足预设的更新收敛准则，确定第一更新极值响应面为功能函数的极值响应面；若第一更新极值响应面不满足预设的更新收敛准则，则继续对第一更新极值响应面进行更新，直至最新的更新极值响应面满足更新收敛准则为止。
[0114]
其中，更新收敛准则为对极值响应面进行更新的停止条件，最新的更新极值响应面为满足预设的更新收敛准则时得到的极值响应面。
[0115]
上述实施例中，根据初始样本以及相应的功能函数极小值响应构建功能函数的初始极值响应面，并对初始极值响应面进行更新，得到第一更新极值响应面。若第一更新极值响应面满足预设的更新收敛准则，确定第一更新极值响应面为功能函数的极值响应面；若第一更新极值响应面不满足预设的更新收敛准则，则继续对第一更新极值响应面进行更新，直至最新的更新极值响应面满足更新收敛准则为止。通过构建功能函数的极值响应面，将原先的多种不确定性混合的渐变可靠性问题转换为单一不确定性的静态可靠性问题，能够简化多种不确定性混合情况下的结构渐变可靠性评估过程，降低可靠性评估的复杂度。
[0116]
在一个实施例中，上述结构混合渐变可靠性评估方法，如图7所示，还包括以下步
骤：
[0117]
s701，基于初始极值响应面获取目标结构的第一候选可靠度数值。
[0118]
其中，第一候选可靠度数值是基于初始极值响应面进行可靠性评估得到的可靠度数值。
[0119]
s702，基于第一更新极值响应面获取目标结构的第二候选可靠度数值。
[0120]
其中，第一更新极值响应面是初始极值响应面进行第一次更新后得到的极值响应面，第二候选可靠度数值是基于第一更新极值响应面进行可靠性评估得到的可靠度数值。
[0121]
s703，若第一候选可靠度数值和第二候选可靠度数值之间的差值小于预设误差值，确定第一更新极值响应面满足更新收敛准则。
[0122]
其中，预设误差值可以是一足够小的常数，则更新收敛准则可表示为：
[0123][0124]
其中，ri表示第i候选可靠度数值，r
i+1
表示第i+1候选可靠度数值，δ为一足够小的常数。
[0125]
上述实施例中，基于初始极值响应面获取目标结构的第一候选可靠度数值，并基于第一更新极值响应面获取目标结构的第二候选可靠度数值，若第一候选可靠度数值和第二候选可靠度数值之间的差值小于预设误差值，确定第一更新极值响应面满足更新收敛准则。通过判断极值响应面满足更新收敛准则，从而在保持可靠性评估结果准确性的同时，能够简化多种不确定性混合情况下的结构渐变可靠性评估过程、降低可靠性评估的复杂度。
[0126]
在一个实施例中，上述步骤中对初始极值响应面进行更新，得到第一更新极值响应面，如图8所示，包括以下步骤：
[0127]
s801，获取随机不确定性影响因素的候选样本数据。
[0128]
其中，随机不确定性影响因素的候选样本数据是根据其分布类型与分布参数抽样得出的。例如，可以采用mc法抽取n组(n应尽可能大)随机样本xn作为候选样本。
[0129]
s802，根据随机不确定性影响因素的候选样本数据对初始极值响应面进行更新，得到第一更新极值响应面。
[0130]
上述实施例中，通过获取随机不确定性影响因素的候选样本数据，并根据候选样本数据对初始极值响应面进行更新，得到第一更新极值响应面，从而在保持可靠性评估结果准确性的同时，能够简化多种不确定性混合情况下的结构渐变可靠性评估过程，降低可靠性评估的复杂度。
[0131]
在一个实施例中，上述步骤中根据随机不确定性影响因素的候选样本数据对初始极值响应面进行更新，得到第一更新极值响应面，如图9所示，包括以下步骤：
[0132]
s901，从随机不确定性影响因素的候选样本数据中确定更新点。
[0133]
其中，更新点应满足以下特点：
[0134]
1)更新点应位于极值响应面附近。用数学方程式表示为：其中，μ表示kriging极值响应面预测的期望。
[0135]
2)更新点与已有随机样本之间不聚集、不扎堆。可引入最小距离函数对随机样本的聚集程度进行调控，最小距离函数可以表示为：
[0136][0137]
其中，x
0+i
＝[x0,xi](1≤i≤n)表示当前已有的样本点。为防止聚集现象的发生，挑选使得最小距离函数达到最大的点，用公式可表示为：max(dis
min
(xi))1≤i≤n。
[0138]
3)更新点落在对结构可靠度影响大的重点区域。重点区域可用随机不确定性参数x的联合概率密度函数f
x
(x)与更新点的预测标准差σ(x)的乘积进行表征：max(σ(xi)f
x
(xi))1≤i≤n。
[0139]
s902，将更新点代入至功能函数中，获取功能函数的更新极小值响应。
[0140]
其中，更新极小值响应为将每一个更新点带代入至功能函数中对应得到的每一个更新极小值响应。
[0141]
s903，以功能函数的更新极小值响应对初始极值响应面进行更新，得到第一更新极值响应面。
[0142]
上述实施例中，从随机不确定性影响因素的候选样本数据中确定更新点，将更新点代入至功能函数中，获取功能函数的更新极小值响应，并以功能函数的更新极小值响应对初始极值响应面进行更新，得到第一更新极值响应面，通过构建学习函数与上述功能函数、功能函数极值响应面以及收敛准则共同形成一套完整的自适应加点策略，实现功能函数极值响应面的自动更新，从而在保持可靠性评估结果准确性的同时，能够简化多种不确定性混合情况下的结构渐变可靠性评估过程、降低可靠性评估的复杂度。
[0143]
在一个实施例中，上述步骤中从随机不确定性影响因素的候选样本数据中确定更新点，如图10所示，包括以下步骤：
[0144]
s1001，根据自适应加点策略，构建随机不确定性影响因素的学习函数。
[0145]
其中，学习函数用于挑选具有上述3个特点的更新点，本质上是一个多目标寻优过程，学习函数模型可表示为：
[0146][0147]
其中，σ表示当前预测的标准差，r表示一很小的正常数，防止学习函数分母为零的情况出现。
[0148]
s1002，将学习函数取最小值时对应的候选样本确定为更新点。
[0149]
上述实施例中，根据自适应加点策略，构建关于随机不确定性影响因素的学习函数，并将学习函数取最小值时对应的候选样本确定为更新点，能确保所挑选的更新点位于极值响应面的重要区域，并且能避免样本点聚集的发生，保证了更新点的作用效果，从而在保持可靠性评估结果准确性的同时，能够简化多种不确定性混合情况下的结构渐变可靠性评估过程，降低可靠性评估复杂度。
[0150]
本技术能够简化多种不确定性混合情况下的结构渐变可靠性评估过程，降低可靠性评估的复杂度，在一个实施例中，本技术实施例还提供了一种结构的可靠性评估方法，具体限定可以参见上文中的限定，在此不再赘述。如图11所示，该实施例包括：
[0151]
s1，获取目标结构可靠性关键件的失效信息；失效信息中包括影响目标结构可靠性的多种影响因素；多种影响因素包括随机不确定性影响因素、区间不确定性影响因素、时
间影响因素以及失效判据。
[0152]
s2，根据多种影响因素构建目标结构的功能函数。
[0153]
s3，获取随机不确定性影响因素的分布类型、分布参数，区间不确定性影响因素的上、下界，以及时间影响因素的范围。
[0154]
s4，根据随机不确定性影响因素的分布类型、分布参数，区间不确定性影响因素的上、下界，以及时间影响因素的范围，获取多组初始样本。
[0155]
s5，将目标影响因素的样本数据代入至功能函数中，获取结构功能函数的极小值响应。
[0156]
s6，根据目标影响因素的初始样本数据和相应的极小值响应构建功能函数的初始极值响应面。
[0157]
s7，获取随机不确定性影响因素的候选样本数据。
[0158]
s8，根据自适应加点策略，构建随机不确定性影响因素的学习函数。
[0159]
s9，将学习函数取最小值时对应的候选样本确定为更新点。
[0160]
s10，将更新点代入至功能函数中，获取功能函数的更新极小值响应。
[0161]
s11，以功能函数的更新极小值响应对初始极值响应面进行更新，得到第一更新极值响应面。
[0162]
s12，基于初始极值响应面获取目标结构的第一候选可靠度数值。
[0163]
s13，基于第一更新极值响应面获取目标结构的第二候选可靠度数值。
[0164]
s14，若第一候选可靠度数值和第二候选可靠度数值之间的差值小于预设误差值，确定第一更新极值响应面满足更新收敛准则。
[0165]
s15，若第一更新极值响应面满足预设的更新收敛准则，确定第一更新极值响应面为功能函数的极值响应面；若第一更新极值响应面不满足预设的更新收敛准则，则继续对第一更新极值响应面进行更新，直至最新的更新极值响应面满足更新收敛准则为止。
[0166]
s16，基于最新的更新极值响应面对目标结构的可靠性进行评估，得到目标结构的可靠性评估结果。
[0167]
以钢筋梁为例，利用lhs技术抽取12组初始样本。将初始样本代入功能函数中，利用ga求解得到12组极值响应。然后，结合这12组输入输出数据并利用数学仿真软件的工具箱构建钢筋弯曲梁的克里金(kriging)极值响应面，将原问题转换为随机静态可靠性评估。针对表1中的随机变量，利用mc法抽取n＝10000组样本作为候选样本。构建学习函数l(x)，从n组候选样本中逐次选择更新点对kriging极值响应面进行更新，当满足收敛准则时停止更新。更新点的空间分布情况如图12所示。此时，添加的更新点总数n
l
＝31。
[0168]
在kriging极值响应面完成更新的基础上，利用mc法评估钢筋弯曲梁的渐变可靠度r＝0.8572，期间，本技术中可靠性评估方法调用ga总计43次；而在功能函数g(t)的基础上，直接使用mc法评估钢筋弯曲梁的可靠度，所得结果为r
*
＝0.8520，期间，调用ga总计10000次。自适应加点策略的评估误差为0.62％，但评估效率得到了极大提升。本技术中结构可靠性评估结果与在功能函数g(t)的基础上直接使用mc法的评估结果对比如图13所示，两种方法可靠性评估结果详细对比详见表2。
[0169]
表2
[0170]
方法可靠度调用ga次数误差
自适应加点策略0.8572430.62％mc法0.852010000/
[0171]
上述实施例中，通过构建钢筋弯曲梁功能函数的kriging极值响应面，将结构混合渐变可靠性评估等价转换为单一不确定性静态可靠性评估问题，并通过构建学习函数挑选更新点，直至满足收敛条件，完成kriging极值响应面的自动更新，从而在保持可靠性评估结果准确性的同时，能够简化多种不确定性混合情况下的结构渐变可靠性评估过程，降低可靠性评估的复杂度。
[0172]
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
[0173]
基于同样的发明构思，本技术实施例还提供了一种用于实现上述所涉及的结构可靠性评估方法的结构可靠性评估装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个结构可靠性评估装置实施例中的具体限定可以参见上文中对于结构可靠性评估方法的限定，在此不再赘述。
[0174]
在一个实施例中，提供了一种结构可靠性评估装置，包括：信息获取模块、数据处理模块、响应面获取模块和可靠性评估模块，其中：
[0175]
信息获取模块，用于获取目标结构可靠性关键件的失效信息，失效信息中包括影响目标结构可靠性的多种影响因素；多种影响因素包括随机不确定性影响因素、区间不确定性影响因素、时间影响因素以及失效判据。
[0176]
数据处理模块，用于根据多种影响因素构建目标结构的功能函数；
[0177]
响应面获取模块，用于将目标影响因素的样本数据代入至功能函数中，获取功能函数的极值响应面，其中，目标影响因素为多种影响因素中的随机不确定性影响因素、区间不确定性影响因素，以及时间影响因素；
[0178]
可靠性评估模块，用于基于极值响应面对目标结构的可靠性进行评估，得到目标结构的可靠性评估结果。
[0179]
在一个实施例中，提供了一种结构可靠性评估装置，上述响应面获取模块包括：因素确定单元、样本数据获取单元、极值确定单元和响应面获取单元，其中：
[0180]
因素确定单元，用于从多种影响因素中确定目标影响因素。
[0181]
样本数据获取单元，用于获取目标影响因素的样本数据。
[0182]
极值确定单元，用于将目标影响因素的样本数据代入至功能函数中，获取结构功能函数的极小值响应。
[0183]
响应面获取单元，用于根据目标影响因素的样本数据和相应的极小值响应构建功能函数的极值响应面。
[0184]
在一个实施例中，提供了一种结构可靠性评估装置，上述因素确定单元包括：分布信息确定子单元和初始样本确定子单元，其中：
[0185]
分布信息确定子单元，用于获取各影响因素的分布信息；分布信息包括：随机不确定性影响因素的分布类型、分布参数，区间不确定性影响因素的上、下界，以及时间影响因素的范围等分布信息。
[0186]
初始样本确定子单元，用于根据各影响因素的分布信息，获取多组初始样本，每组初始样本中均包括所有目标影响因素；
[0187]
在一个实施例中，提供了一种结构可靠性评估装置，上述极值确定单元包括：响应面构建子单元、更新子单元和处理子单元，其中：
[0188]
响应面构建子单元，用于根据目标影响因素的初始样本和相应的极小值响应构建功能函数的初始极值响应面。
[0189]
更新子单元，用于对初始极值响应面进行更新，得到第一更新极值响应面。
[0190]
处理子单元，用于若第一更新极值响应面满足预设的更新收敛准则，则确定第一更新极值响应面为功能函数的极值响应面；若第一更新极值响应面不满足预设的更新收敛准则，则继续对第一更新极值响应面进行更新，直至最新的更新极值响应面满足更新收敛准则为止。
[0191]
在一个实施例中，提供了一种结构的可靠性评估装置，包括：上述处理子单元还包括响应面更新子单元，该响应面更新子单元用于获取随机不确定性影响因素的候选样本数据；根据随机不确定性影响因素的候选样本数据对初始极值响应面进行更新，得到第一更新极值响应面。
[0192]
在一个实施例中，提供了一种结构可靠性评估装置，上述处理子单元包括更新收敛准则判断子单元，该收敛准则判断子单元用于基于初始极值响应面获取目标结构的第一候选可靠度数值；基于第一更新极值响应面获取目标结构的第二候选可靠度数值；若第一候选可靠度数值和第二候选可靠度数值之间的差值小于预设误差值，确定第一更新极值响应面满足更新收敛准则。
[0193]
在一个实施例中，提供了一种结构的可靠性评估装置，上述响应面更新子单元包括：更新点确定子单元、极小值响应子单元和更新极值响应面子单元，其中：
[0194]
更新点确定子单元，用于从随机不确定性影响因素的候选样本数据中确定更新点；
[0195]
极小值响应子单元，用于将更新点代入至功能函数中，获取功能函数的更新极小值响应；
[0196]
更新极值响应面子单元，用于以功能函数的更新极小值响应对初始极值响应面进行更新，得到第一更新极值响应面。
[0197]
在一个实施例中，提供了一种结构可靠性评估装置，上述更新点确定子单元，还用于构建随机不确定性影响因素的学习函数；将学习函数取最小值时对应的候选样本确定为更新点。
[0198]
上述结构的可靠性评估装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
[0199]
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，该计算机设
备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过wifi、运营商网络、nfc(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于自适应加点策略的结构混合渐变可靠性评估方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
[0200]
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
[0201]
获取目标结构可靠性关键件的失效信息；失效信息中包括影响目标结构可靠性的多种影响因素；多种影响因素包括随机不确定性影响因素、区间不确定性影响因素、时间影响因素以及失效判据；
[0202]
根据多种影响因素构建目标结构的功能函数；
[0203]
将目标影响因素的样本数据代入至功能函数中，获取功能函数的极值响应面；目标影响因素为多种影响因素中的随机不确定性影响因素、区间不确定性影响因素，以及时间影响因素；
[0204]
基于极值响应面对目标结构进行可靠性评估，得到目标结构的可靠性评估结果。
[0205]
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
[0206]
获取目标结构可靠性关键件的失效信息；失效信息中包括影响目标结构可靠性的多种影响因素；多种影响因素包括随机不确定性影响因素、区间不确定性影响因素、时间影响因素以及失效判据；
[0207]
根据多种影响因素构建目标结构的功能函数；
[0208]
将目标影响因素的样本数据代入至功能函数中，获取功能函数的极值响应面；目标影响因素为多种影响因素中的随机不确定性影响因素、区间不确定性影响因素，以及时间影响因素；
[0209]
基于极值响应面对目标结构进行可靠性评估，得到目标结构的可靠性评估结果。
[0210]
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
[0211]
获取目标结构可靠性关键件的失效信息；失效信息中包括影响目标结构可靠性的多种影响因素；多种影响因素包括随机不确定性影响因素、区间不确定性影响因素、时间影响因素以及失效判据；
[0212]
根据多种影响因素构建目标结构的功能函数；
[0213]
将目标影响因素的样本数据代入至功能函数中，获取功能函数的极值响应面；目标影响因素为多种影响因素中的随机不确定性影响因素、区间不确定性影响因素，以及时间影响因素；
[0214]
基于极值响应面对目标结构进行可靠性评估，得到目标结构的可靠性评估结果。
[0215]
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本技术所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(read-only memory，rom)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(reram)、磁变存储器(magnetoresistive random access memory，mram)、铁电存储器(ferroelectric random access memory，fram)、相变存储器(phase change memory，pcm)、石墨烯存储器等。易失性存储器可包括随机存取存储器(random access memory，ram)或外部高速缓冲存储器等。作为说明而非局限，ram可以是多种形式，比如静态随机存取存储器(static random access memory，sram)或动态随机存取存储器(dynamic random access memory，dram)等。本技术所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本技术所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
[0216]
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
[0217]
以上所述实施例仅表达了本技术的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本技术专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本技术构思的前提下，还可以做出若干变形和改进，这些都属于本技术的保护范围。因此，本技术的保护范围应以所附权利要求为准。