基于带监督拉普拉斯特征图的限制状态样本搜索的结构主导失效模式分析方法

《Structural Safety》:Structural dominant failure modes analysis method based on limit state sample searching with supervised Laplacian eigenmaps

【字体: 大 中 小 】 时间:2026年07月09日 来源:Structural Safety 5.7

编辑推荐:

  江友宝|何志斌|张旭阳|迈克尔·比尔|周浩 中国长沙410114,长沙理工大学,教育部桥梁工程安全控制重点实验室 摘要:由于不同失效模式之间存在概率关联,加之潜在失效路径的组合爆炸效应,识别大型结构系统中的主要失效模式颇具挑战。为应对这些难题,本研究提出了一种基于受限拉普拉斯特征

  江友宝|何志斌|张旭阳|迈克尔·比尔|周浩 中国长沙410114,长沙理工大学,教育部桥梁工程安全控制重点实验室 摘要:由于不同失效模式之间存在概率关联,加之潜在失效路径的组合爆炸效应,识别大型结构系统中的主要失效模式颇具挑战。为应对这些难题,本研究提出了一种基于受限拉普拉斯特征映射的极限状态样本搜索概率解耦搜索方法,用于识别主要失效模式。首先,将高维样本映射到某个空间,并根据其失效模式类别进行聚类,从而实现各失效模式之间的概率解耦。研究选择高斯分布函数来模拟分类的概率密度函数,进而得到映射空间中样本类别的概率分布。根据分类的不确定性对样本进行筛选,并引入主动学习方法来迭代搜索失效模式。此外,本文还提出了用于搜索大型结构系统失效模式的方法及流程图。通过框架结构、桁架桥和长跨度桁架拱桥三个案例对该方法进行了验证。结果表明,该方法能够在减少结构分析计算时间的同时识别出更多主要失效模式,因此适用于高维复杂场景。引言:大型结构由多个组件构成,具有较高的冗余性。只有当一定数量的组件发生故障时,整个结构才会失去功能并最终失效。因此,这类结构系统中存在多种失效模式[1][2]。所以,识别这些系统的主要失效模式是结构系统可靠性研究中的关键问题[3][4][5][6]。在失效过程中,系统的拓扑结构会随着载荷历史而变化,这给失效模式分析带来了巨大挑战。传统的结构失效模式分析方法借助整数规划与组合优化技术,将系统视为由组件构成的网络。这一框架有助于识别最可能的失效发展路径,并准确构建系统的失效树。现有的结构失效模式分析方法可根据其失效进展标准及不确定性处理策略分为两类:极限状态评估方法和概率评估方法。极限状态评估方法(如逐步加载法[7]、优化准则法[8]、最小载荷增量准则[9])是通过将计算得到的应力或应变与预定的极限值进行比较来判断组件是否失效。这些方法假定在当前系统状态下承受最大载荷作用(如应力、弯矩)的组件会首先失效,进而引发一系列进一步的失效。尽管这些方法承认设计参数(如材料强度、载荷)本身存在不确定性,但通常是通过安全系数、部分系数或特征值等间接方式在前期加以考虑,而非在逐步搜索失效路径的过程中明确体现出来。因此,路径搜索本身是确定性的,虽然计算成本较低,但有可能遗漏那些由不确定性而非应力驱动而产生的失效路径。概率评估方法(如截断枚举法[10]、分支定界法[11]、β展开法[12])则采取了截然不同的思路。它们在失效路径搜索过程中明确纳入随机变量的完整概率分布。关键在于,这些方法并不假定应力最大的组件会首先失效。相反,在渐进式失效过程的每个阶段,它们都会根据当前系统状态以及剩余的不确定变量,找出失效概率最高(或可靠性指数β最小)的组件作为下一个失效组件。这种概率性失效准则会带来多条潜在的失效路径,因此需要采用截断或限定策略来控制计算成本。后续研究又基于不同的失效准则和限定条件进一步改进了这些方法[13][14]。总之,结构的复杂性以及潜在失效路径的多样性会导致组合爆炸现象,给极限状态评估法和概率失效评估法带来了根本性挑战。限定操作通过在早期失效阶段剔除概率较低的失效模式,限制失效树的分支,从而提供了解决方案。然而,此类操作的有效性往往取决于参数的选择(如概率截止水平),不恰当的选择可能会导致排除那些对识别主要失效模式至关重要的模式[15]。优化算法[16]、替代模型[17][18][19]以及机器学习[20][21][22]等先进方法能够更全面地分析主要失效模式。这些方法还能基于系统可靠性为结构优化提供支持[23]。不过,高维问题[24][25]、失效机制的组合爆炸以及多种失效模式之间的概率关联[26]等问题依然构成重大障碍。引入状态空间搜索算法或许能提供更有效的解决方案,尤其是[27][28][29][30][31]中提到的创新性工作。通过结合先进的数据挖掘技术以及有限元软件强大的力学分析能力,可以直接从样本中识别失效模式,从而避免与失效树相关的重复分支过程。这类方法无需明确考虑失效事件之间的条件相关性,而是将复杂的假设推断问题转化为状态空间内样本点的代表性表征问题,实现了多种失效模式的“概率解耦”。例如,Kim等人[27]和Coccon等人[28]运用遗传算法在样本空间中选择性搜索失效模式。主要失效模式的识别过程可以与失效模式概率及系统失效事件的评估过程相分离。同样,Xing等人[29]使用差分进化算法在样本空间中选择性搜索失效模式。Tian等人[30]则将结构转化为图模型,训练图神经网络来搜索主要失效模式。尽管这些方法的适用性优于传统仿真技术,但在效率和准确性方面仍存在局限。最近,江友宝等人[31][32]提出了一种基于样本二维可视化图的失效模式分析方法。该方法能够识别出对系统失效贡献最大的样本,从而确定主要失效模式。然而,当系统中存在多种耦合的失效模式时,这种简单的二维可视化图难以有效处理多类样本的混合分布问题。随着研究的深入,江友宝等人[33]提出了一种用于搜索大型桁架桥结构失效模式的概率解耦方法。这一理念为研究系统中的失效模式分析提供了指导,尤其是在整体概率解耦概念方面。本研究的目的是识别结构系统中的主要失效模式。所提出的概率解耦搜索方法旨在适应复杂场景,尤其是那些包含高维变量的场景。该方法利用受限拉普拉斯特征映射算法将高维样本投影到映射空间中,从而显著提升了识别效率与准确性。本文的其余部分安排如下:第2节阐述结构失效分析及极限状态样本;第3节介绍高维样本的空间映射与聚类方法;第4节介绍基于映射空间中样本搜索的失效模式识别方法;第5节通过三个实例证明该方法的合理性与有效性;最后,第6节总结研究结论。本文的逻辑结构如图1所示。片段内容:极限状态样本与失效模式:结构失效通常是由组件依次失效引发的。这种渐进式失效过程包括屈服失效、屈曲失效、变形失效等多种情况以及其他复杂情形。为管理这一过程,工程领域采用“极限状态”来界定安全边界。所有与这些临界条件相关的分析与设计最终都围绕两个基本随机变量展开:抗力xR和载荷xS,即xR=xR1xR2?xRm,xS=xS1xS2?xSn。因此,其功能在于……利用SLE算法对样本进行降维处理:极限状态样本点通常由高维随机变量构成,涉及大量变量和特征。在实际应用中,处理高维数据面临诸多挑战。维度增加会消耗更多计算资源,还可能导致数据稀疏等问题。为此,人们常常采用降维算法来应对这类情况。先前的研究[35]表明,拉普拉斯特征映射算法……样本类别的概率分配:在映射空间中,不同类别的样本在数量和分布上可能存在不平衡,从而导致某些区域的类别归属不够明确。因此,有必要在映射空间内建立全局概率度量。为此,需要建立合理的概率分布,以便确定特征空间中未知样本点的位置及其对应的概率。这种方法能够更公平地对待不同的……数值算例:为检验所提方法的可行性和泛化能力,本节给出了三个算例。算例1展示了一个简单的框架结构,详细介绍了使用该方法识别主要失效模式的迭代过程。算例2为桁架桥结构,将该方法的准确性与效率与现有文献中的方法进行了对比。算例3为一种包含137个组件和283个随机变量的桁架拱桥结构,用以验证该方法的……结论:本研究建立了一种概率解耦框架,可高效识别大规模结构系统中的失效模式。所提方法通过评估确定的极限状态样本直接识别失效模式,而失效模式之间的关联本质上已蕴含在样本数据之中。该方法利用受限拉普拉斯特征映射算法将高维样本转换为低维映射空间,实现了各失效模式之间的清晰分离。其有效性在于……CRediT作者贡献声明:江友宝:写作——审阅与编辑、验证、监督、方法论、概念构思。何志斌:写作——初稿撰写、可视化、软件应用、研究调查、形式分析、数据整理。张旭阳:软件应用、资源获取、方法论、研究调查。迈克尔·比尔:验证、资源获取、方法论、研究调查。周浩:验证、资源获取、项目管理、研究调查、资金筹集。利益冲突声明:作者声明不存在任何可能影响本文研究工作的已知财务利益或个人关系。致谢:本研究得到了国家自然科学基金(项目编号52378126、52508154)的支持。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号