近日，電子科技大學機械與電氣工程學院可靠性與設(shè)備健康管理研究所石巖老師指導的2020級本科生陳遠慮在工程隨機分析領(lǐng)域知名期刊《Probabilistic Engineering Mechanics》上發(fā)表論文“Uncertainty Analysis of Structural Output with Closed-form Expression Based on Surrogate Model”。機械與電氣工程學院為論文第一單位，陳遠慮同學為論文第一作者，石巖老師為通訊作者。該工作以求解復雜結(jié)構(gòu)響應(yīng)的均值和方差為目標，基于代理模型構(gòu)建了自適應(yīng)更新學習函數(shù)及迭代策略，從而以盡可能少的計算成本得到較高精度的不確定性量化結(jié)果。
圖1 所提方法迭代示意圖
工程實際中復雜結(jié)構(gòu)往往存在多種不確定性，這些不確定性會對結(jié)構(gòu)性能產(chǎn)生重要影響，進而影響結(jié)構(gòu)運行的安全性和可靠性。因此，對復雜結(jié)構(gòu)的輸出不確定性進行量化研究具有重要的工程價值。傳統(tǒng)數(shù)字模擬方法在對結(jié)構(gòu)輸出不確定性進行量化時，需要多次調(diào)用真實有限元模型進行計算，這一過程需要耗費巨大的時間和經(jīng)濟成本，在工程實際中難以實現(xiàn)。為此，本文基于Kriging代理模型，提出了一種有效的自適應(yīng)不確定性分析方法。
圖2 輸出不確定性分析結(jié)果
文所提方法通過考慮模型預測的不確定性，建立了復雜結(jié)構(gòu)輸出均值與方差的解析表達式，并且對輸出均值的后驗方差進行了量化研究。此外，以復雜結(jié)構(gòu)響應(yīng)函數(shù)的預測均值和方差為指標，構(gòu)建了自適應(yīng)更新學習函數(shù)及迭代策略，從而以盡可能少的計算成本促使代理模型的預測精度達到最佳。最終，通過飛機加強肋等復雜結(jié)構(gòu)的不確定性分析，表明了所提方法在處理復雜工程結(jié)構(gòu)不確定性量化問題的巨大潛力。
本論文研究工作由陳遠慮入選機電學院“智能裝備可靠性登頂計劃”科研育人計劃后，在可靠性與設(shè)備健康管理研究所石巖老師指導下獨立完成。
機械與電氣工程學院科研育人“智能裝備可靠性登頂計劃”項目負責人為黃洪鐘教授，科研育人分項目的負責人為丁杰雄、李迅波、汪忠來、王偉教授。該登頂計劃有四個終極挑戰(zhàn)項目：機器人干活有多準；工業(yè)智能感知與質(zhì)量大數(shù)據(jù)；仿生撲翼器向往可靠的天空；基于數(shù)字孿生的智能車間運維。在計劃實施中采用“一次選拔，兩次納新，三次退出”的動態(tài)管理模式 。參與計劃的學生在系統(tǒng)性的、逐級通關(guān)的登頂過程中提升解決工程問題的能力、提升創(chuàng)新能力、團隊合作能力、領(lǐng)導能力等綜合能力。
《Probabilistic Engineering Mechanics》是Elsevier旗下工程隨機分析領(lǐng)域知名期刊，該期刊旨在推動概率和統(tǒng)計方法在工程力學中的應(yīng)用和發(fā)展，主要處理在航空航天、土木、海洋、機械和核工程等不同技術(shù)學科中遇到的當代固體/結(jié)構(gòu)和流體力學問題的概率和統(tǒng)計方法。
本文轉(zhuǎn)自：電子科大本科招生
版權(quán)聲明：本文內(nèi)容由互聯(lián)網(wǎng)用戶自發(fā)貢獻，該文觀點僅代表作者本人。本站僅提供信息存儲空間服務(wù)，不擁有所有權(quán)，不承擔相關(guān)法律責任。如發(fā)現(xiàn)本站有涉嫌抄襲侵權(quán)/違法違規(guī)的內(nèi)容， 請發(fā)送郵件至 舉報，一經(jīng)查實，本站將立刻刪除。
