基于PCE法和最大熵法的船舶不确定性优化设计北大核心CSCD

[目的]船舶不确定性优化设计(UDO)的关键在于不确定性的量化(UQ),传统的蒙特卡洛方法较为耗时且计算成本较高,故提出一种基于多项式混沌展开法(PCE)和最大熵法(MEM)的船舶UDO方法。[方法]首先,选取较低计算成本的PCE法来量化多个不确定参数作用下输出的随机性质;然后,根据正交多项式的特点,采用基于线性无关原则的改进概率配点法(IPCM)求解PCE系数;最后,利用推导的约束前4阶矩,结合最大熵法求解约束的概率密度函数(PDF),进而在失效域上积分得到UDO关注的约束失效概率。[结果]研究结果表明:改进概率配点法可以给出最优的概率配点数目,并显著减少样本点数量;基于PCE法和MEM法求解约束失效概率时,与蒙特卡洛法结果对比,其在不额外增加计算量的前提下亦可满足精度要求;散货船工程算例的优化结果验证了PCE法较常用的蒙特卡洛法在精度和效率上更具工程应用优势。[结论]该不确定性优化设计方法可以高效准确地实现船舶设计方案的稳健性和可靠性。     

基于模态频率应变能熵和Tent—SSA—BP神经网络的桥梁损伤识别方法的研究

针对服役中的中小型梁桥因环境和材料因素影响易发生损伤的问题，提出了一种融合模态应变能、频率和信息熵的桥梁损伤识别的方法。该方法首先提取出桥梁的模态参数，通过公式得出模态频率应变能熵，对梁进行单点和多点损伤定位分析。其次，利用混沌tent映射，优化麻雀搜索算法的权阈值，调整寻优能力，并且将麻雀搜索算法(SSA)和混沌优化过后的麻雀搜索算法(Tent—SSA)分别优化BP神经网络。最后，将熵值变化率作为输入数据放进神经网络中训练，输出简支梁桥的损伤程度，做出定量对比分析。使用有限元软件进行算例分析的结果表明，模态频率应变能熵能精确定位损伤的位置，对损伤的敏感度较强，解决了识别过程中的非线性问题；同时，优化过后的BP神经网络对损伤识别的准确率更高，预测效果更好。     

任意概率不确定情形下的电动汽车悬置系统固有特性分析

针对电动汽车动力总成悬置系统 （Powertrain Mounting System，PMS） 参数可能被处理为不同类型概率变量的情形，提出了一种基于任意多项式混沌 （Arbitrary Polynomial Chaos，APC） 展开和最大熵原理 （Maximum Entropy Principle，MEP） 的电动汽车 PMS固有特性不确定性分析方法。采用概率模型描述任意概率不确定情形下的 PMS参数，通过APC展开获得任意概率不确定情形下PMS固有特性不确定性响应的前几阶统计矩，通过MEP拟合不确定性响应的概率密度函数 （Probability Density Function，PDF） 和累积分布函数 （Cumulative Distribution Function，CDF） 等信息，通过算例分析了5种概率不确定情形下的电动汽车PMS固有特性响应。分析结果表明，以蒙特卡洛法作为参考，所提出的方法可有效地分析不同概率不确定情形下的PMS固有特性响应，分析具有较高的计算精度和计算效率，能进一步获得响应满足设计要求的可靠度。