考虑相关性的机械结构不确定性传播分析-机械工程专业毕业论文.docxVIP

考虑相关性的机械结构不确定性传播分析摘 考虑相关性的机械结构不确定性传播分析 摘 要 机械结构中存在着大量的不确定性因素，如结构的几何特性、材料属性、载 荷效应等，这些因素实际上是机械结构设计分析中的决定性因素。在机械结构分 析中，这些不确定性因素的传播通常会导致机械结构性能的不确定性。为此，发 展有效的不确定性传播分析方法对不确定性因素进行准确评价，是机械结构分析 设计中必不可少的一项内容。现有的不确定性传播分析方法大都假设各随机变量 相互独立。然而，实际工程中，随机变量间通常具有相关性，且变量间相关性可 能对不确定性传播分析结果产生较大的影响。理论上，Rosenblatt变换是一种精 确的相关性处理方法，但是Rosenblatt变换必须基于变量间准确的联合概率分布 函数，然而受各种条件的限制实际工程中通常只能获得变量的边缘分布和相关系 数等不完备概率信息，基于这些不完备概率信息通常是较难获得变量间准确的联 合概率分布函数的，所以Rosenblatt变换的实际应用受到很大限制。因此，开发 一种能够克服上述缺陷的新方法，对复杂结构的不确定性传播分析及可靠性设计 具有重要意义。 本文在现有不确定性传播分析方法的基础上，引入近年来不确定性分析领域 发展的一种新工具，即Copula函数，针对变量间存在复杂相关性的不确定性传播 问题开展了一系列研究，本文主要研究内容如下： (1)提出了一种基于二维Copula函数的结构不确定性传播分析方法，可处理 变量间具有复杂非线性相关性的不确定性传播问题。该方法引入二维Copula函数 描述变量间的相关性，由样本对输入变量进行AIC分析获得输入变量间的最优 Copula函数。通过最优Copula函数构造输入变量的联合概率密度函数，由直接 积分法计算响应的前四阶原点矩。该方法为输入变量存在相关性的不确定性传播 问题提供了一种更为一般化的解决手段。 (2)提出了一种基于Vine Copula函数的结构不确定性传播分析方法，为复杂 多维相关性问题的不确定性传播分析提供了一种有效手段。通过Vine Copula函 数构建随机变量间的多维联合概率密度函数，并构建相应的不确定性传播分析模 型。针对该不确定性传播分析模型提出了两种求解算法，即基于Vine Copula函 数的蒙特卡洛法(vc．MCS)和基于Vine Copula函数的降维积分法(vc．DRI)。 VC—MCS效率较低，但可作为相对精确解来验证其他高效算法；VC．DRI算法效 率较高，可用于复杂工程问题求解。 关键词：不确定性传播；相关性；Copula函数；Vine Copula函数；降维积分；机 械结构 Ⅱ 万方数据 硕士学位论文Abstraet 硕士学位论文 Abstraet Uncertainties of structure sizes，material properties and loads widely exist in mechanical stuctures．These uncertainties are the most important factors in the mechanical structure analysis．The propagation of these uncertainties can lead to the uncertainty of mechanical structures’performance．Therefore，it is an inevitable procedure in mechanical structure design to develop an efficient uncertainty propogation analysis method and obtain accurate evaluation of uncertainty factors．The current uncertainty propogation analysis methods typically assume that all the random variables are independent to each other．However，under most circumstances，there are correlations among random variables，and these correlations probably have significant effect on the uncertainty propogation analysis resutls． Theoretically，Rosenblatt transformation is a preci