详情

原文传递基于深度神经网络的结构可靠度分析方法与应用

论文题名：	基于深度神经网络的结构可靠度分析方法与应用
关键词：	斜拉桥;结构可靠度;深度神经网络;随机变量空间;自适应过滤抽样
摘要：	不确定性广泛存在于工程结构中，进行可靠度分析是保障结构安全运营的重要手段。代理模型是进行结构可靠度分析的有效工具，也是结构可靠度领域的研究热点。现有的结构可靠度分析代理模型方法仍然存在实验点选择局部最优和高维非线性极限状态函数近似能力不足两方面问题，制约了这些方法在大型工程结构系统中的应用。近年来，深度学习理论得到了长足的发展，并成功应用到许多领域中。本文充分利用深度学习方法对复杂问题的学习能力和深度神经网络对高维非线性函数的近似能力，开展基于深度神经网络的结构可靠度分析方法与应用研究。主要研究内容包括：　　（1）提出了基于深度强化学习的结构可靠度分析抽样方法，建立了基于深度强化学习抽样的结构可靠度分析深度神经网络代理模型方法。将随机变量空间和实验点分别视为深度强化学习中的输入状态和输出动作，将深度神经网络用作深度强化学习的代理，建立基于深度强化学习的结构可靠度分析抽样框架。首先，提出通过代理与环境互动学习，实现在结构极限状态面附近的重要区域抽样的优化学习方法。根据强化学习抽样的目的，提出基于极限状态函数预测值的奖赏函数。然后，基于深度强化学习选择的实验点，建立结构可靠度分析深度神经网络模型，进行失效概率预测。最后，采用结构可靠度分析数值算例验证方法的计算效率和精度。　　（2）提出了基于权重抽样和深度神经网络的结构可靠度分析主动学习方法。首先，建立迭代选择候选样本和实验点并更新深度神经网络代理模型的主动学习框架。然后，提出用于从蒙特卡洛样本中选择候选实验点的变化阈值迭代更新方法，以及用于从候选样本中选择均匀分布实验点的权重抽样算法。为了保证每次选择的实验点在随机变量空间内均匀分布，给出了基于蒙特卡洛样本概率密度函数的权重系数计算方法。最后，进行了数值算例和实际大型斜拉桥结构的可靠度分析，验证方法的计算效率和精度。　　（3）提出了结构可靠度分析自适应子集搜索方法，建立了基于自适应子集搜索的结构可靠度分析深度神经网络代理模型方法。首先，研究基于条件概率的嵌套子集迭代搜索策略，提出基于条件概率预测值的模型预测精度评价方法。然后，根据模型对当前子集的预测精度，提出用于子集搜索的自适应阈值更新方法，平衡自适应学习中的“探索”和“利用”。最后，采用数值算例和实际斜拉桥结构可靠度问题，验证方法处理抽样局部最优的能力。　　（4）提出了结构可靠度分析自适应过滤抽样方法，建立了基于自适应过滤抽样的结构可靠度分析深度神经网络代理模型方法。首先，提出了自适应过滤抽样算法。该方法采用拉丁超立方抽样算法在随机变量空间中建立带有均分布过滤点的“过滤器”，结合基于距离的聚类方法和基于无穷范数的过滤范围确定方法，从蒙特卡洛样本中过滤出均匀分布的实验点。给出基于迭代更新过滤点数的自适应过滤抽样迭代算法，保证选取目标数量的实验点。然后，提出基于自适应过滤抽样的结构可靠度分析深度神经网络代理模型方法。最后，采用数值算例、非线性钢框架结构可靠度问题和实际斜拉桥结构可靠度问题，验证该方法在高维和非线性结构可靠度分析问题中的计算效率。　　（5）提出了基于深度神经网络的混合不确定性结构可靠度分析方法。首先，建立了基于深度神经网络的混合不确定性结构可靠度分析方法框架。然后，采用深度神经网络在整个随机变量空间和区间变量空间中建立极限状态函数的代理模型，在区间变量空间中建立失效概率的深度神经网络预测模型。再提出基于失效概率预测模型的混合不确定性结构可靠度分析方法。最后，采用混合不确定性结构可靠度分析数值算例和实际斜拉桥结构的混合不确定性可靠度问题验证方法的计算效率和精度。　　（6）以安装了健康监测系统的某大型斜拉桥为例，开展了基于监测数据的斜拉桥主梁正常使用极限状态可靠度分析应用研究。首先，采用拉索应力和湿度的监测数据建立拉索钢丝锈蚀预测模型；根据动态称重仪的监测数据，建立车道荷载100年极大值概率分布模型；根据主梁裂缝的现场检测数据建立不同类型裂缝的长度概率分布模型。然后，建立基于监测数据的斜拉桥结构可靠度分析方法。最后，进行了基于监测数据的斜拉桥主梁正常使用极限状态可靠度分析。考虑了正常状态、有裂缝无锈蚀和无裂缝有锈蚀三种计算工况，对比分析拉索锈蚀和主梁裂缝对斜拉桥主梁正常使用极限状态可靠度的影响；考虑主梁不同截面位移超过正常使用极限状态导致的不同失效模式，分别计算了各个失效模式和主梁体系的失效概率，分析了主梁不同失效模式之间的相关性。
作者：	项正良
专业：	力学
导师：	鲍跃全
授予学位：	博士
授予学位单位：	哈尔滨工业大学
学位年度：	2021