近日，電子科技大學機械與電氣工程學院可靠性與設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)響應的均值和方差為目標，基于代理模型構(gòu)建了自適應更新學習函數(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)響應函數(shù)的預測均值和方差為指標，構(gòu)建了自適應更新學習函數(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，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。
