二阶混沌多项式的概率密度精确计算及其结构可靠度应用

刘腾; 翁叶耀; 张玄一; 赵衍刚

doi:10.13409/j.cnki.jdpme.20230203001

您当前的位置：

首页 >

文章列表页 >

二阶混沌多项式的概率密度精确计算及其结构可靠度应用

论文 | 更新时间：2025-09-25

- 二阶混沌多项式的概率密度精确计算及其结构可靠度应用
- Accurate Calculation of Probability Density for Second‑order Chaos Polynomials and Its Application in Structural Reliability
- 防灾减灾工程学报 2024年44卷第1期页码：28-38
- 作者机构：
  
  北京工业大学城市建设学部，北京 100124
- 作者简介：
  
  刘腾（1997—），男，硕士研究生。主要从事结构可靠度方面的研究。E-mail:1191373506@qq.com
  翁叶耀（1993—），男，博士研究生。主要从事结构可靠度方面的研究。E-mail:wengyy71@foxmail.com
- 基金信息：
  
  国家自然科学基金项目(51738001;51820105014;U1934217)
- DOI：10.13409/j.cnki.jdpme.20230203001
  中图分类号： U213.2
- 收稿：2023-02-03，
  
  修回：2023-05-13，
  
  纸质出版：2024-02-15
- 稿件说明：
移动端阅览
刘腾,翁叶耀,张玄一等.二阶混沌多项式的概率密度精确计算及其结构可靠度应用[J].防灾减灾工程学报,2024,44(01):28-38.

LIU Teng,WENG Yeyao,ZHANG Xuanyi,et al.Accurate Calculation of Probability Density for Second‑order Chaos Polynomials and Its Application in Structural Reliability[J].Journal of Disaster Prevention and Mitigation Engineering,2024,44(01):28-38.
刘腾,翁叶耀,张玄一等.二阶混沌多项式的概率密度精确计算及其结构可靠度应用[J].防灾减灾工程学报,2024,44(01):28-38. DOI： 10.13409/j.cnki.jdpme.20230203001.

LIU Teng,WENG Yeyao,ZHANG Xuanyi,et al.Accurate Calculation of Probability Density for Second‑order Chaos Polynomials and Its Application in Structural Reliability[J].Journal of Disaster Prevention and Mitigation Engineering,2024,44(01):28-38. DOI： 10.13409/j.cnki.jdpme.20230203001.

摘要

混沌多项式展开是一种广泛使用的方法，用于建立功能函数的代理模型，以方便对随机结构进行不确定性量化及可靠度分析。然而，在某些可靠度分析问题中经常需要混沌多项式展开模型的概率密度函数作为随机变量的完整表达，但在一般情况下难以准确计算混沌多项式展开模型的概率密度函数。为研究二阶混沌多项式展开模型的概率密度函数计算方法，通过正交变换消除模型中的交叉项，推导出二阶混沌多项式展开其特征函数的显式表达式，然后利用快速傅里叶变换求得二阶混沌多项式展开的概率密度函数，并通过数值算例验证了所提方法在结构可靠度应用中的准确性和适用性。研究结果表明：所提方法能获得二阶混沌多项式模型的概率密度函数与累积分布函数，计算结果与理论精确解吻合，获得的非中心卡方分布的累积分布函数尾部可与精确值在10

-8

水平上保持一致，且适用于高维情形。同时，所提方法能高效准确地给出不同响应阈值下的结构失效概率，即使是在10

-8

水平上的小失效概率情形。相较于前四阶矩方法，所提方法计算精度更高，对于输出变量具有强非高斯性的情况依然适用。此外，由于二阶混沌多项式展开模型代理强非线性功能函数存在一定误差，因此所提方法对于强非线性问题存在一定局限性。

Abstract

Polynomial chaos expansion （PCE） is a widely used approach for establishing the surrogate model of a performance function for the convenience of uncertainty quantification and reliability analysis of a stochastic structure. However， it remains difficult to calculate the probability density function of the PCE accurately for general cases， though the probability density function， as a complete representation of a random variable， is often required in some reliability analysis problems. In order to study the calculation method of the probability density function for the second-order polynomial chaos expansion model， the cross terms in the model are eliminated through an orthogonal transformation. The explicit formulation of the characteristic function of the second-order PCE is derived and then the corresponding probability density function of the PCE is computed via inverse fast Fourier transformation. The accuracy and applicability of the proposed method for structural reliability problems are verified through numerical examples. The results show that： the proposed method can provide the probability density function and cumulative distribution function of the second-order PCE model， and the calculation results are accurately consistent with the theoretical solution. The tails of the cumulative distribution function of the obtained non-centered chi-square distribution can be consistent with the exact value at the 10-8 level and are suitable for high-dimensional cases. At the same time， the proposed method can efficiently and accurately give the structural failure probability at different response thresholds， even in the small failure probability cases. Compared with the first four-moment-based method， the proposed method is of higher accuracy and is applicable to strongly non-Gaussian output variables. In addition， the proposed method has some limitations for strongly nonlinear problems due to the error in the second-order chaos polynomial expansion model to represent strongly nonlinear performance functions. The research results provide a theoretical basis for the uncertainty quantification of PCE models and their application in structural reliability analysis and optimization design.

关键词

Keywords

references

张丽波，郭将，刘晓 . 响应面法与蒙特卡洛法边坡可靠性评价方法对比研究［J］. 武汉大学学报（工学版）， 2016 ， 49 （ 5 ）： 779 - 786 .

Zhang L B ， Guo J ， Liu X . Comparative study of methodologies between response surface methods and Monte Carlo methods in slope reliability analysis ［J］. Engineering Journal of Wuhan University ， 2016 ， 49 （ 5 ）： 779 - 786 . （in Chinese）

刘健，晏铖，方其样，等 . 基于响应面法与JC法结合的大跨度桥梁可靠度分析［J］. 桥梁建设， 2022 ， 52 （ 4 ）： 32 - 38 .

Liu J ， Yan C ， Fang Q Y ， et al . Reliability analysis of long-span bridges based on combination of response surface method and JC method ［J］. Bridge Construction ， 2022 ， 52 （ 4 ）： 32 - 38 . （in Chinese）

Wang T ， Yang X F ， Mi C Y . An efficient hybrid reliability analysis method based on active learning Kriging model and multimodal-optimization-based importance sampling ［J］. International Journal for Numerical Methods in Engineering ， 2021 ， 122 （ 24 ）： 7664 - 7682 .

Zhao Z ， Lu Z H ， Zhao Y G . An efficient extreme value moment method combining adaptive Kriging model for time-variant imprecise reliability analysis ［J］. Mechanical Systems and Signal Processing ， 2022 ， 171 ： 108905 .

Sinou J J ， Denimal E . Reliable crack detection in a rotor system with uncertainties via advanced simulation models based on kriging and Polynomial Chaos Expansion ［J］. European Journal of Mechanics / A Solids ， 2022 ， 92 ： 104451 .

Tomy G J K ， Vinoy K J . A fast polynomial chaos expansion for uncertainty quantification in stochastic electromagnetic problems ［J］. IEEE Antennas and Wireless Propagation Letters ， 2019 ， 18 （ 10 ）： 2120 - 2124 .

Wiener N . The homogeneous chaos ［J］. American Journal of Mathematics ， 1938 ， 60 （ 4 ）： 897 - 936 .

Xiu D ， Karniadakis G E . Modeling uncertainty in flow simulations via generalized polynomial chaos ［J］. Journal of Computational Physics ， 2003 ， 187 （ 1 ）： 137 - 167 .

Witteveen J A S ， Bijl H . Modeling arbitrary uncertainties using Gram-Schmidt polynomial chaos ［C］∥ 44th AIAA Aerospace Sciences Meeting and Exhibit . Reno， NV， USA ： AIAA ， 2006 .

Oladyshkin S ， Nowak W . Data-driven uncertainty quantification using the arbitrary polynomial chaos expansion ［J］. Reliability Engineering and System Safety ， 2012 ， 106 ： 179 - 190 .

Wei D L ， Cui Z S ， Chen J . Uncertainty quantification using polynomial chaos expansion with points of monomial cubature rules ［J］. Computers & Structures ， 2008 ， 86 （ 23 ）： 2102 - 2108 .

Hamoton J ， Doostan A . Basis adaptive sample efficient polynomial chaos （BASE-PC）［J］. Journal of Computational Physics ， 2018 ， 371 ： 20 - 49 .

陈光宋，钱林方，吉磊 . 身管固有频率高效全局灵敏度分析［J］. 振动与冲击， 2015 ， 34 （ 21 ）： 31 - 36 .

Chen G S ， Qian L F ， Ji L . An effective global sensitivity analysis method for natural frequencies of a barrel ［J］. Journal of Vibration and Shock ， 2015 ， 34 （ 21 ）： 31 - 36 .

Blatman G ， Sudret B . Adaptive sparse polynomial chaos expansion based on least angle regression ［J］. Journal of Computational Physics ， 2010 ， 203 （ 6 ）： 2345 - 2367 . （in Chinese）

缑变彩，王帆 . 基于稀疏混沌多项式的边坡可靠度分析方法［J］. 土木工程与管理学报， 2021 ， 38 （ 2 ）： 198 - 204，210 .

Guo B C ， Wang F . Sparse polynomial chaos expansion method for slope reliability analysis ［J］. Journal of Civil Engineering and Management ， 2021 ， 38 （ 2 ）： 198 - 204，210 . （in Chinese）

Zhang Y ， Xu J . Efficient reliability analysis with a CDA-based dimension-reduction model and polynomial chaos expansion ［J］. Computer Methods in Applied Mechanics and Engineering ， 2021 ， 373 ： 113467 .

Hasofer A M ， Lind N C . Exact and invariant second-moment code format ［J］. Journal of the Engineering Mechanics Division ， 1974 ， 100 （ 1 ）： 111 - 121 .

Breitung K . Asymptotic approximations for multinormal integrals ［J］. Journal of Engineering Mechanics ， 1984 ， 110 （ 3 ）： 357 - 366 .

吴帅兵，李典庆，周创兵 . 联合分布函数蒙特卡罗模拟及结构可靠度分析［J］. 工程力学， 2012 ， 29 （ 9 ）： 68 - 74 .

Wu S B ， Li D Q ， Zhou C B . Monte Carlo simulation of multivariate distribution and its application to structural reliability analysis ［J］. Engineering Mechanics ， 2012 ， 29 （ 9 ）： 68 - 74 . （in Chinese）

Vincent D ， Bruno S ， Jean-Marc B . Reliability-based design optimization using kriging surrogates and subset simulation ［J］. Structural and Multidisciplinary Optimization ， 2011 ， 44 （ 5 ）： 673 - 690 .

Liu Q ， Homma T . A new computational method of a moment-independent uncertainty importance measure ［J］. Reliability Engineering & System Safety ， 2009 ， 94 （ 7 ）： 1205 - 1211 .

Zhao Y G ， Lu Z H . Structural reliability： approaches from perspectives of statistical moments ［D］. Hoboken ： Wiley ， 2021 .

Pearson K . Contributions to the mathematical theory of evolution， II： skew variation in homogeneous material ［J］. Philosophical Transactions of the Royal Society of London . A， 1895 ， 186 ： 343 - 414 .

Low Y M . A new distribution for fitting four moments and its applications to reliability analysis ［J］. Structural Safety ， 2013 ， 42 ： 12 - 25 .

Zhao Y G ， Zhang X Y ， Lu Z H . A flexible distribution and its application in reliability engineering ［J］. Reliability Engineering and System Safety ， 2018 ， 176 ： 1 - 12 .

Wei X ， Chang H C ， Feng B W ， et al . Hull form reliability-based robust design optimization combining polynomial chaos expansion and maximum entropy method ［J］. Applied Ocean Research ， 2019 ， 90 ： 101860 .

Winterstein S R ， Kashef T . Moment-based load and response models with wind engineering applications ［J］. Journal of Solar Energy Engineering ， 2000 ， 122 （ 3 ）： 122 - 128 .

Zhao Y G ， Ono T . New approximations for SORM： Part 2 ［J］. Journal of Engineering Mechanics ， 1999 ， 125 （ 1 ）： 86 - 93 .

Xu J ， Kong F . A cubature collocation based sparse polynomial chaos expansion for efficient structural reliability analysis ［J］. Structural Safety ， 2018 ， 74 ： 24 - 31 .

Vahedi J ， Ghasemi M R ， Miri M . An adaptive divergence-based method for structural reliability analysis via multiple Kriging models ［J］. Applied Mathematical Modelling ， 2018 ， 62 ： 542 - 561 .

Xu J ， Zhou L J . An adaptive trivariate dimension-reduction method for statistical moments assessment and reliability analysis ［J］. Applied Mathematical Modelling ， 2020 ， 82 ： 748 - 765 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据