CN113011053A - 一种基于性能裕量的结构确信可靠性分析方法及系统 - Google Patents
一种基于性能裕量的结构确信可靠性分析方法及系统 Download PDFInfo
- Publication number
- CN113011053A CN113011053A CN202011498526.9A CN202011498526A CN113011053A CN 113011053 A CN113011053 A CN 113011053A CN 202011498526 A CN202011498526 A CN 202011498526A CN 113011053 A CN113011053 A CN 113011053A
- Authority
- CN
- China
- Prior art keywords
- analysis
- parameter
- performance
- key performance
- reliability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Architecture (AREA)
- Complex Calculations (AREA)
Abstract
为了解决现有技术存在的问题,本发明提供了一种基于性能裕量的结构确信可靠性分析方法,包括:步骤1:开展结构的功能、性能分析工作,确定p个关键性能参数,记为η=(η1,η2,…,ηp)。步骤2:通过分析得到若干可能影响结构可靠性的因素作为响应面输入参数X。通过建模分析得到基于响应面输入参数X的,关键性能参数η的响应面函数。步骤3:根据关键性能参数的响应面、阈值以及类型,建立对应的裕量方程。步骤4:分析关键性能参数的不确定性类型,根据相关标准规范获取该参数的概率分布或分析得到其不确定分布。步骤5:通过模型分析计算得到结构的系统确信可靠度。本发明充分考虑结构中固有不确定性与认知不确定性的影响,更为准确地评估结构可靠度。
Description
技术领域
本发明属于可靠性工程技术领域,具体涉及一种基于性能裕量的结构确信可靠性分析方法及系统。
背景技术
现有结构可靠性分析中常用的概率极限状态法以概率论为数学基础,通过获取结构极限状态方程(也称为性能函数),以随机变量描述结构作用、结构抗力、几何参数、工艺参数等参数,对各个变量在安全域上的积分计算得到可靠度。
随着新型工程结构日趋复杂,为基于概率极限状态法的结构可靠性分析工作带来了新的困难,一方面,相关试验数据匮乏导致无法支撑以大量数据为基础的概率分析,引入认知不确定性,使得以概率方法计算得到的可靠度结果不准确。另一方面,结构构成与工艺复杂,承受荷载时的作用机理耦合关系不清晰,难以直接获得概率极限状态法中所需要的性能函数。
发明内容
本发明针对现有技术存在的不足,提供了一种基于性能裕量的结构确信可靠性分析方法,包括:
步骤1:结构功能、性能分析
开展结构的功能、性能分析工作,明确结构的结构组成、主要功能,确定p个关键性能参数,记为η=(η1,η2,…,ηp)。
步骤2:关键性能参数响应面拟合
通过分析得到若干可能影响结构可靠性的因素作为响应面输入参数X。通过建模分析得到基于响应面输入参数X的,关键性能参数η的响应面函数。
步骤3:裕量方程建模
根据关键性能参数的响应面、阈值以及类型,建立对应的裕量方程。
步骤4:不确定性分析
分析关键性能参数的不确定性类型,根据相关标准规范获取该参数的概率分布或分析得到其不确定分布。
步骤5:确信可靠度计算
通过模型分析计算得到结构的系统确信可靠度。
进一步的,步骤2包括:
步骤2-1:开展结构预试验,分析所有可能影响结构可靠性的因素对于关键性能参数的影响程度,得到各因素的敏感性排序,选择排名靠前的若干因素作为响应面输入因素。
步骤2-2:根据工程经验对输入因素进行补充分析,提取出对关键性能参数敏感性不突出、但需要重点关注的因素同样作为输入因素来考虑。
步骤2-3:根据确定的关键性能参数η与输入参数X,开展试验设计,形成试验方案表。
步骤2-4:依据试验方案表逐次开展结构试验,记录相关响应数据y。
步骤2-5:利用系数待定的关于输入参数X的二次多项式来作为关键性能参数η=(η1,η2,…,ηp)的响应面函数:
步骤2-6:将响应面函数用矩阵形式表达为gk=Xβk,用下式对系数矩阵β进行最小二乘估计:
步骤2-7:将参数估计的结果代入响应面函数,得到如下关键性能参数响应面函数:
进一步的,步骤3包括:
步骤3-1:根据以下原则对关键性能参数分类:
a)性能参数的值在自身取值空间内越大越有利于功能实现的性能参数应归类为望大性能参数。
b)性能参数的值在自身取值空间内越小越有利于功能实现的性能参数应归类为望小性能参数。
c)性能参数的值越接近某个特定目标值越有利于功能实现的性能参数应归类为望目性能参数。
步骤3-2:根据相应的结构设计规范获取结构功能丧失时各关键性能参数的边界值,即性能参数阈值pth。
步骤3-3:根据关键性能参数的响应面、阈值以及类型,建立对应的裕量方程。
进一步的,步骤3-3所述裕量方程为:
a)若关键性能参数望大,则裕量方程为:
b)若关键性能参数望小,则裕量方程为:
c)若关键性能参数望目,则裕量方程为:
进一步的,步骤4包括:
若某参数主要受固有不确定性影响,已有大量的统计数据支持,则应将其设定为随机变量,并参照相关标准规范获取该参数的概率分布。
若某参数主要受认知不确定性影响,则应将其设定为不确定变量,并根据是否有可参考数据进一步分析处理:
a)若有少量可参考数据,则应使用修匀公式获取其不确定分布。
b)若无可参考数据,则将该不确定变量的分布设定为其可能取值范围内的均匀不确定分布。
进一步的,步骤5包括:
步骤5-1:建立结构第i个关键性能的确信可靠度表达式如下式所示:
BRi=Ch{mi≥0}
式中,mi为结构第i个关键性能的裕量方程,Ch{·}为机会测度。
步骤5-2:设mi=hi(η1,η2,…,ηr,τ1,τ2,…,τs),其中ηi表示概率分布为Fi的一系列随机变量,τj表示不确定分布为Φj的一系列不确定变量。
步骤5-3:利用不确定-随机仿真算法计算各个关键性能的确信可靠度。
步骤5-4:由下式计算结构的系统确信可靠度:
进一步的,步骤5-3所述利用不确定-随机仿真算法计算各个关键性能的确信可靠度的方法包括:
Step 2:置n1=0,n2=0。
Step 5:将xj和yi分别从小到大排序,得到新序列,j=1,2,…,s。
Step 6:计算:
此外,本发明还提供了一种基于性能裕量的结构确信可靠性分析系统,包括:输入模块、分析模块和输出模块。
所述输入模块向分析模块输入数据。所述分析模块基于输入模块输入的数据,采用上述基于性能裕量的结构确信可靠性分析进行可靠性分析。所述输出模块将分析模块的分析结果输出反馈。
本发明的优点在于:本发明充分考虑结构中固有不确定性与认知不确定性的影响,更为准确地评估结构可靠度。同时本发明利用响应面法建立裕量方程代理模型,实现了对于复杂结构性能函数的较为直接的显性表达。
附图说明
图1所示为本发明基于性能裕量的结构确信可靠性分析方法的过程步骤。
图2所示为本发明实施例2某型装配式剪力墙结构图。
图3所示为本发明实施例2某型装配式剪力墙结构配筋图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例1
一种基于性能裕量的结构确信可靠性分析方法,包括:
步骤1:结构功能、性能分析
开展结构的功能、性能分析工作,明确结构的结构组成、主要功能,确定p个关键性能参数,记为η=(η1,η2,…,ηp)。
步骤2:关键性能参数响应面拟合
步骤2-1:开展结构预试验,分析所有可能影响结构可靠性的因素对于关键性能参数的影响程度,得到各因素的敏感性排序,选择排名靠前的若干因素作为响应面输入因素。
步骤2-2:根据工程经验对输入因素进行补充分析,提取出对关键性能参数敏感性不突出、但需要重点关注的因素同样作为输入因素来考虑。
步骤2-3:根据确定的关键性能参数η与输入参数X,开展试验设计,形成试验方案表。
步骤2-4:依据试验方案表逐次开展结构试验,记录相关响应数据y。
步骤2-5:利用系数待定的关于输入参数X的二次多项式来作为关键性能参数η=(η1,η2,…,ηp)的响应面函数:
步骤2-6:将响应面函数用矩阵形式表达为gk=Xβk,用下式对系数矩阵β进行最小二乘估计:
步骤2-7:将参数估计的结果代入响应面函数,得到如下关键性能参数响应面函数:
步骤3:裕量方程建模
步骤3-1:根据以下原则对关键性能参数分类:
a)性能参数的值在自身取值空间内越大越有利于功能实现的性能参数应归类为望大性能参数。
b)性能参数的值在自身取值空间内越小越有利于功能实现的性能参数应归类为望小性能参数。
c)性能参数的值越接近某个特定目标值越有利于功能实现的性能参数应归类为望目性能参数。
步骤3-2:根据相应的结构设计规范获取结构功能丧失时各关键性能参数的边界值,即性能参数阈值pth。
步骤3-3:根据关键性能参数的响应面、阈值以及类型,建立对应的裕量方程:
a)若关键性能参数望大,则裕量方程为:
b)若关键性能参数望小,则裕量方程为:
c)若关键性能参数望目,则裕量方程为:
步骤4:不确定性分析
若某参数主要受固有不确定性影响,已有大量的统计数据支持,则应将其设定为随机变量,并参照相关标准规范获取该参数的概率分布。
若某参数主要受认知不确定性影响,则应将其设定为不确定变量,并根据是否有可参考数据进一步分析处理:
a)若有少量可参考数据,则应使用修匀公式获取其不确定分布。
b)若无可参考数据,则将该不确定变量的分布设定为其可能取值范围内的均匀不确定分布。
步骤5:确信可靠度计算
步骤5-1:建立结构第i个关键性能的确信可靠度表达式如下式所示:
BRi=Ch{mi≥0}
式中,mi为结构第i个关键性能的裕量方程,Ch{·}为机会测度。
步骤5-2:设mi=hi(η1,η2,…,ηr,τ1,τ2,…,τs),其中ηi表示概率分布为Fi的一系列随机变量,τj表示不确定分布为Φj的一系列不确定变量。
步骤5-3:利用不确定-随机仿真算法计算各个关键性能的确信可靠度:
Step 2:置n1=0,nx=0。
Step 5:将xj和yj分别从小到大排序,得到新序列,j=1,2,…,s。
Step 6:计算:
步骤5-4:由下式计算结构的系统确信可靠度:
实施例2
基于实施例1所述基于性能裕量的结构确信可靠性分析方法,以某型装配式剪力墙结构为例。其剪力墙结构如图2所示,其配筋图如图3所示。
获知的已知信息为:墙板试件由装配式墙板、灌浆套筒、墙顶加载横梁、墙底刚性地梁底座、墙底座浆层等组成,墙板试件、加载横梁、墙板底座等混凝土等级均为C30,钢筋强度等级均为HRB400,连接套筒选用球墨铸铁QT350。
步骤1:装配式剪力墙结构主要承受剪力荷载,在小震作用水平下要求钢筋不发生屈服、套筒不发生脆性断裂、层间位移不超限。因此,可以确定本结构的关键性能参数为钢筋最大Mises应力、套筒最大第一主应力、墙板层间位移。
步骤2:根据预试验敏感性分析,确定输入因素为钢筋弹性模量、混凝土弹性模量、竖向荷载、水平荷载。此外,根据工程经验,灌浆套筒构件的灌浆工艺存在大量认知不确定性,灌浆不满问题需要重点关注,因此灌浆缺陷套筒占比以及缺陷饱满度也需要作为输入因素来分析研究。
根据BBD法的要求,确定各输入参数的三水平取值如表1所示。
表1输入参数编号及水平取值
进行BBD试验设计,得到如表2所示试验方案表。
表2试验方案表
建立所述装配式剪力墙结构的有限元模型,按照试验方案表逐次开展结构仿真试验,记录相关响应数据,利用最小二乘法分别对3个关键性能参数进行响应面拟合,拟合结果如下:
钢筋最大Mises应力σ1:
σ1=159.97-9.20A-48.9B-159C+4.98D+0.104E+0.413F+14.6AB-1.94AC+0.0438AD-0.000224AE+2.08BC+0.417BD-0.0000699BE+0.0102BF-0.278CD-0.00787CE-0.0492CF+0.000994DE+0.00758DF-0.0000440EF+2.92A2+16.9B2+27.9C2-0.0793D2-0.00000162E2-0.000107F2
套筒最大第一主应力σ2:
σ2=-46.8+12.6A-354B+77.4C+4.12D+0.0345E+0.207F-29.2AB+0.292AC+0.136AD-0.000245AE-0.0289AF+9.38BC+0.833BD-0.00260BE-0.0670BF+0.111CD+0.00259CE+0.00473CF+0.00758DF-0.000909EF+8.49A2+23.9B2-14.6C2-0.123D2+0.0000000958E2-0.000275F2
墙板层间位移δ:
δ=1.80-0.00201A+0.0926B-1.27C-0.0150D+0.000188E+0.00971F-0.00583AB-0.00000109BE-0.00000568BF+0.00403CD-0.0000862CE-0.00174CF-0.00000169DE-0.0000208DF+0.000000327EF+0.00567A2-0.0615B2+0.227C2+0.000157D2+0.0000000356E2+0.00000131F2
步骤3:根据相关标准规范可知,钢筋最大Mises应力、套筒最大第一主应力、墙板层间位移三个关键性能参数均为望小性能参数,对应的性能阈值分别为钢筋屈服强度s1、套筒强度s2、层间位移极限d,可得到如下三个裕量方程:
m1=s1-σ1
m2=s2-σ2
m3=d-δ
步骤4:对输入参数与性能参数阈值逐一进行不确定性分析,各参数的分布信息如表3所示
表3参数分布信息
步骤5:利用所述不确定-随机仿真算法,分别计算3个关键性能参数的确信可靠度,计算结果如下:
BR1=Ch{m1≥0}=0.9991
BR2=Ch{m2≥0}=1
BR3=Ch{m3≥0}=1
从而得到装配式剪力墙结构的系统确信可靠度为:
本发明充分考虑结构中固有不确定性与认知不确定性的影响,更为准确地评估结构可靠度。同时本发明利用响应面法建立裕量方程代理模型,实现了对于复杂结构性能函数的较为直接的显性表达。
实施例3
一种基于性能裕量的结构确信可靠性分析系统,包括:输入模块、分析模块和输出模块。
所述输入模块向分析模块输入数据;所述分析模块基于输入模块输入的数据,采用实施例1所述基于性能裕量的结构确信可靠性分析进行可靠性分析。所述输出模块将分析模块的分析结果输出反馈。
以实施例2中某型装配式剪力墙结构为例,通过步骤1和2的分析,将表1数据通过输入模块输入至分析模块中,分析模块得到表2所述BBD试验方案。用户根据试验方案进行相应的试验,试验结果数据通过输入模块输入至分析模块中,分析模块利用最小二乘法分别对3个关键性能参数进行响应面拟合。之后一次进行步骤3至步骤5的分析计算,所得到的通过输出模块反馈给用户。
应该注意到并理解,在不脱离本发明权利要求所要求的精神和范围的情况下,能够对上述详细描述的本发明做出各种修改和改进。因此,要求保护的技术方案的范围不受所给出的任何特定示范教导的限制。
Claims (9)
1.一种基于性能裕量的结构确信可靠性分析方法,其特征在于,包括:
步骤1:结构功能、性能分析
开展结构的功能、性能分析工作,明确结构的结构组成、主要功能,确定p个关键性能参数,记为η=(η1,η2,…,ηp);
步骤2:关键性能参数响应面拟合
通过分析得到若干可能影响结构可靠性的因素作为响应面输入参数X;通过建模分析得到基于响应面输入参数X的,关键性能参数η的响应面函数;
步骤3:裕量方程建模
根据关键性能参数的响应面、阈值以及类型,建立对应的裕量方程;
步骤4:不确定性分析
分析关键性能参数的不确定性类型,根据相关标准规范获取该参数的概率分布或分析得到其不确定分布;
步骤5:确信可靠度计算
通过模型分析计算得到结构的系统确信可靠度。
2.根据权利要求1所述基于性能裕量的结构确信可靠性分析方法,其特征在于,步骤2包括:
步骤2-1:开展结构预试验,分析所有可能影响结构可靠性的因素对于关键性能参数的影响程度,得到各因素的敏感性排序,选择排名靠前的若干因素作为响应面输入因素;
步骤2-2:根据工程经验对输入因素进行补充分析,提取出对关键性能参数敏感性不突出、但需要重点关注的因素同样作为输入因素来考虑;
步骤2-3:根据确定的关键性能参数η与输入参数X,开展试验设计,形成试验方案表;
步骤2-4:依据试验方案表逐次开展结构试验,记录相关响应数据y;
步骤2-5:利用系数待定的关于输入参数X的二次多项式来作为关键性能参数η=(η1,η2,…,ηp)的响应面函数:
步骤2-6:将响应面函数用矩阵形式表达为gk=Xβk,用下式对系数矩阵β进行最小二乘估计:
步骤2-7:将参数估计的结果代入响应面函数,得到如下关键性能参数响应面函数:
3.根据权利要求1所述基于性能裕量的结构确信可靠性分析方法,其特征在于,步骤3包括:
步骤3-1:根据以下原则对关键性能参数分类:
a)性能参数的值在自身取值空间内越大越有利于功能实现的性能参数应归类为望大性能参数;
b)性能参数的值在自身取值空间内越小越有利于功能实现的性能参数应归类为望小性能参数;
c)性能参数的值越接近某个特定目标值越有利于功能实现的性能参数应归类为望目性能参数;
步骤3-2:根据相应的结构设计规范获取结构功能丧失时各关键性能参数的边界值,即性能参数阈值pth;
步骤3-3:根据关键性能参数的响应面、阈值以及类型,建立对应的裕量方程。
5.根据权利要求1所述基于性能裕量的结构确信可靠性分析方法,其特征在于,步骤4包括:
若某参数主要受固有不确定性影响,已有大量的统计数据支持,则应将其设定为随机变量,并参照相关标准规范获取该参数的概率分布;
若某参数主要受认知不确定性影响,则应将其设定为不确定变量,并根据是否有可参考数据进一步分析处理:
a)若有少量可参考数据,则应使用修匀公式获取其不确定分布;
b)若无可参考数据,则将该不确定变量的分布设定为其可能取值范围内的均匀不确定分布。
6.根据权利要求1所述基于性能裕量的结构确信可靠性分析方法,其特征在于,步骤5包括:
步骤5-1:建立结构第i个关键性能的确信可靠度表达式如下式所示:
BRi=Ch{mi≥0}
式中,mi为结构第i个关键性能的裕量方程,Ch{·}为机会测度;
步骤5-2:设mi=hi(η1,η2,…,ηr,τ1,τ2,…,τs),其中ηi表示概率分布为Fi的一系列随机变量,τj表示不确定分布为Φj的一系列不确定变量;
步骤5-3:利用不确定-随机仿真算法计算各个关键性能的确信可靠度;
步骤5-4:计算结构的系统确信可靠度。
7.根据权利要求6所述基于性能裕量的结构确信可靠性分析方法,其特征在于,步骤5-3所述利用不确定-随机仿真算法计算各个关键性能的确信可靠度的方法包括:
Step 2:置n1=0,n2=0;
Step 5:将xj和yj分别从小到大排序,得到新序列,j=1,2,…,s;
Step 6:计算:
9.一种基于性能裕量的结构确信可靠性分析系统,其特征在于,包括:输入模块、分析模块和输出模块;
所述输入模块向分析模块输入数据;所述分析模块基于输入模块输入的数据,采用权利要求1-8任一所述基于性能裕量的结构确信可靠性分析进行可靠性分析;所述输出模块将分析模块的分析结果输出反馈。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011498526.9A CN113011053A (zh) | 2020-12-17 | 2020-12-17 | 一种基于性能裕量的结构确信可靠性分析方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011498526.9A CN113011053A (zh) | 2020-12-17 | 2020-12-17 | 一种基于性能裕量的结构确信可靠性分析方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113011053A true CN113011053A (zh) | 2021-06-22 |
Family
ID=76383523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011498526.9A Pending CN113011053A (zh) | 2020-12-17 | 2020-12-17 | 一种基于性能裕量的结构确信可靠性分析方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113011053A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114491832A (zh) * | 2021-12-27 | 2022-05-13 | 徐州圣邦机械有限公司 | 一种高压内啮合齿轮泵的可靠性提升方法 |
CN116956745A (zh) * | 2023-08-14 | 2023-10-27 | 哈尔滨工业大学 | 密封电子设备多余物定位确信可靠性分析方法 |
-
2020
- 2020-12-17 CN CN202011498526.9A patent/CN113011053A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114491832A (zh) * | 2021-12-27 | 2022-05-13 | 徐州圣邦机械有限公司 | 一种高压内啮合齿轮泵的可靠性提升方法 |
CN114491832B (zh) * | 2021-12-27 | 2023-12-01 | 徐州圣邦机械有限公司 | 一种高压内啮合齿轮泵的可靠性提升方法 |
CN116956745A (zh) * | 2023-08-14 | 2023-10-27 | 哈尔滨工业大学 | 密封电子设备多余物定位确信可靠性分析方法 |
CN116956745B (zh) * | 2023-08-14 | 2024-05-24 | 哈尔滨工业大学 | 密封电子设备多余物定位确信可靠性分析方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Bonora et al. | CDM modeling of ductile failure in ferritic steels: assessment of the geometry transferability of model parameters | |
Juang et al. | Probabilistic framework for liquefaction potential by shear wave velocity | |
Thoft-Cristensen et al. | Structural reliability theory and its applications | |
Zamba et al. | A multivariate change-point model for statistical process control | |
Kirane et al. | A cold dwell fatigue crack nucleation criterion for polycrystalline Ti-6242 using grain-level crystal plasticity FE Model | |
Prudencio et al. | A computational framework for dynamic data‐driven material damage control, based on Bayesian inference and model selection | |
CN113011053A (zh) | 一种基于性能裕量的结构确信可靠性分析方法及系统 | |
Fiore et al. | Evolutionary polynomial regression–based statistical determination of the shear capacity equation for reinforced concrete beams without stirrups | |
CN111797364B (zh) | 一种基于复合云模型的滑坡多层次安全评价方法 | |
CN113360983B (zh) | 一种边坡可靠度分析与风险评估方法 | |
Baecher et al. | Factors of safety and pile load tests | |
Bhushan et al. | Predictive estimation approach using difference and ratio type estimators in ranked set sampling | |
Zsarnóczay et al. | Using model error in response history analysis to evaluate component calibration methods | |
Ray et al. | Fatigue life assessment of concrete members under variable amplitude loading: An analytical approach | |
CN108763164B (zh) | 煤与瓦斯突出反演相似度的评价方法 | |
CN117594164A (zh) | 基于数字孪生的金属结构剩余疲劳寿命计算评估方法、系统 | |
Kaklauskas et al. | Predicting crack spacing of reinforced concrete tension members using strain compliance approach with debonding | |
Sumpter | The energy dissipation rate approach to tearing instability | |
Moskovic | Modelling of fracture toughness data in the ductile to brittle transition temperature region by statistical analysis | |
Drieschner et al. | Analysis of polymorphic data uncertainties in engineering applications | |
Sherry et al. | Developments in Local Approach methodology with application to the analysis/re-analysis of the NESC-1 PTS benchmark experiment | |
Bakeer | General partial safety factor theory for the assessment of the reliability of nonlinear structural systems | |
Feng et al. | Improving estimation of in situ stress using a Bayesian approach | |
CN110942177A (zh) | 一种评估气候变化对冈比亚地下水资源影响的方法 | |
RU2803319C9 (ru) | Способ и устройство для прогнозирования количества запасов нефти / газа, извлекаемых с помощью внутрипластовой конверсии сланцевой нефти |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |