(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210792970.4 (22)申请日 2022.07.05 (71)申请人 中国工程物理研究院总体 工程研究 所 地址 621908 四川省绵阳市绵山路64 号 (72)发明人 陈新发　何良莉　谢朝阳　蒋华兵　 王正良　黄舟　彭忠明　杨云斌　 傅玲莉　余勇　李劲松　车毕琴　 (74)专利代理 机构 北京天奇智新知识产权代理 有限公司 1 1340 专利代理师 王大刚 (51)Int.Cl. G06F 30/20(2020.01) G06K 9/62(2022.01) G06F 111/04(2020.01)G06F 119/02(2020.01) G06F 119/14(2020.01) (54)发明名称 一种基于多点加点准则的多失效模式下系 统失效概 率计算方法 (57)摘要 本发明涉及一种基于多点加点准则的多失 效模式下系统失效概率计算方法， 包括： 设置系 统的学习函数和需要更新的失效模式； 根据初始 训练样本集构建各失效模式的Kriging模型， 并 判断其收敛性； 当满足第二收敛条件时， 对样本 集S进行分类对新的聚类质量评估函数J进行优 化求解， 获得k个最终的分类中心样本点； 计算分 类中心样本点对应的需要更新的失效模式并对 相同的失效模式的点进行合并处理； 更新各模式 对应的训练样本集， 并继续根据此时的训练样本 集构建各失效模式的Kriging模型； 直到满足第 一收敛条件时计算系统的失效概率。 本发明基于 多点加点准则的改进复合准则方法计算系统失 效概率时可在保证计算精度的同时， 提高计算效 率。 权利要求书1页 说明书7页 附图2页 CN 115146466 A 2022.10.04 CN 115146466 A 1.一种基于多点加点准则的多失效模式下系统失效概率计算方法， 其特征在于： 所述 系统失效概 率计算方法包括： S1、 将系统的学习函数和需要更新的失效模式分别设置为UC和C， 并计算学习函数UC； S2、 根据初始训练样本集构建各失效模式的Kriging模型， 并判断构建当前Kriging模 型的收敛性； S3、 当满足第二收敛条件时， 则基于加权K ‑medoids算法对样本集S进行分类对新的聚 类质量评估函数J进行优化 求解， 获得k个最终的分类中心样本点{xo1,xo2,...,xok}； S4、 计算分类中心样本点{xo1,xo2,...,xok}对应的需要更新 的失效模式并对相同的失 效模式的点进行合并处 理； S5、 更新各模式对应的训练样本集， 并继续根据此时的训练样本集构建各失效模式的 Kriging模型； S6、 直到满足第一收敛条件时根据Kriging模型的串联系统和并联系 统的失效域指示 函数计算系统的失效概 率。 2.根据权利要求1所述的一种基于多点加点准则的多失效模式下系统失效概率计算方 法， 其特征在于： 所述系统失效概率计算方法还包括步骤S0， 步骤S0包括产生样本池S 并根 据样本池S生成各失效模式对应的初始训练样本集构建各失效模型的Krigi ng模型。 3.根据权利要求2所述的一种基于多点加点准则的多失效模式下系统失效概率计算方 法， 其特征在于： 所述产生样本池S并根据样本池S生成各失效模式对应的初始训练样本集 构建各失效模型的Krigi ng模型具体包括： S01、 通过输入随机变量X的联合概率密度函数fX(x)产生容量为N的样本池S＝{x1, x2,...,xN}； S02、 在S中随机抽取N0个样本， 计算每一个失效模式在N0个样本下真实的功 能函数值， 将这些初始输入样本和各失效模式的输出响应值分别形成对应各自失效模式的初始训练 样本集； S03、 利用各失效模式对应的初始训练样本集构建各失效模式的Krigi ng模型。 4.根据权利要求1所述的一种基于多点加点准则的多失效模式下系统失效概率计算方 法， 其特征在于： 所述计算分类中心样 本点{xo1,xo2,...,xok}对应的需要更新的失效模式并 对相同的失效模式的点进行合并处 理包括： S41、 根据系统需要更新的失效模式C计算{xo1,xo2,...,xok}对应的模式编号； S42、 计算{xo1,xo2,...,xok}中各样本点对应失效模式的真实输出； S43、 对具有相同模式编号的输入样本点和输出样本点进行合并， 作为该模式下需要更 新的训练样本集。 5.根据权利要求1 ‑4中任意一项所述的一种基于多点加点准则的多失效模式下系统失 效概率计算方法， 其特征在于： 所述第一收敛条件为 此时Kriging模型判断 样本池S中每一个样本点对应的输出响应值的正负号的准确 率达到预设值， 停止 自适应学 习过程； 所述第二收敛条件 此时Kriging模型判断样本池S中每一个样本点 对应的输出响应值的正负号的准确率没有达 到预设值， 则继续进行自适应学习。权　利　要　求　书 1/1 页 2 CN 115146466 A 2一种基于多点加点准则的多失效 模式下系统失效概 率计算 方法 技术领域 [0001]本发明涉及结构系统可靠性技术领域， 尤其涉及 一种基于多点加点准则的多失效 模式下系统失效概 率计算方法。 背景技术 [0002]多失效模式下结构系统失效概率的高效求解是结构系统可靠性研究中的关键问 题之一。 与单失效模式的失效概率求解相比， 多失效模式下结构系统中各失效模式之间的 强相关性以及输入变量和系统失效事件之 间的复杂关系， 均导致多失效模式下结构系统失 效概率的计算困难 且计算代价高昂。 [0003]针对多失效模式的结构系统可靠性求解问题， 基于自适应Kriging代理模型(AK ‑ MCS)方法 的求解策 略主要有三种： 单个模式代理法、 极值代理法、 复合准则法。 其中复合准 则法因其只关注对结构系统失效界面的拟合， 避免了输入变量和极值之间的拟合， 在对结 构系统的失效概 率进行计算时较其它两种方法具有较大的优势。 相应的学习函数UsK(x)为： [0004] [0005]式中， 为包含l个失效模式的系统预测值， 对于串联系统， 为每个失 效模式预测值 中的最小值， 也即 需要更新的模式为 对于并联系统， 需要更新的模式为 为对应的预测标准差 。 [0006]然而由于复合准则法 中的学习函数是在并不收敛的Kriging代理模型下来识别极 值所在的模式的， 这很容易导致对系统失效影响最大 的关键失效模式的识别错误， 进而影 响最终的计算效率和计算结果。 例如， 对于一个具有两个失效模式的串 联系统来说， 在某 一 给定的样本点x(*)处， 真实的功能函数值 为： [0007] [0008]此时， 真实的系统状态 是失效的。 而 当前并不收敛的Kriging代理模型预测的函数 值为： [0009] [0010]此时， 当前针对模式1构建的Kriging代理模型g1K在x(*)处对模式1的预测是不准确 的， 也即模式1的学习函数U1(x(*))＜2； 而针对失效模式2构建的Kriging代理模型g2K在x(*) 处对模式2的预测是准确的， 也即U2(x(*))≥2。 根据复合准则法中的学习函数Us(x)是极小值说　明　书 1/7 页 3 CN 115146466 A 3