(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210568221.3 (22)申请日 2022.05.24 (65)同一申请的已公布的文献号 申请公布号 CN 114662370 A (43)申请公布日 2022.06.24 (73)专利权人 南京航空航天大 学 地址 210016 江苏省南京市秦淮区御道街 29号 (72)发明人 南航　曾振兴　管晓乐　李洪双　 (74)专利代理 机构 江苏圣典律师事务所 32 237 专利代理师 徐晓鹭 (51)Int.Cl. G06F 30/23(2020.01) G06K 9/62(2022.01) G06F 119/02(2020.01)G06F 119/12(2020.01) (56)对比文件 CN 111898245 A,2020.1 1.06 审查员 俞姝颖 (54)发明名称 一种时变结构可靠性分析自适应PCK方法 (57)摘要 本发明公开了一种时变结构可靠性分析自 适应PCK方法,通过一种新的自适应PC ‑Kriging 方法来准确有效的评估结构的时变可靠度， 考虑 时变不确定性， 首先将时间区间离散为一系 列时 间瞬间， 然后利用可展开的最优线性估计方法， 将随机过程重构为一组标准正态随机变量和时 间的确定性函数； 其次提出了一种融合U ‑和H‑学 习函数的更新策略改进PCK代理模型， 再在每个 时刻选取少量初始样本， 预测结构性能函数的瞬 时响应， 根据所提出的学习准则确定一个或两个 最佳样本用于更新PCK代理模型， 直到满足停止 准则； 最后， 基于改进的瞬时响应PCK代理模型， 采用蒙特卡罗模拟 （MCS） 方法估计系统的时变可 靠性。 权利要求书4页 说明书6页 附图2页 CN 114662370 B 2022.10.11 CN 114662370 B 1.一种时变结构可靠性分析自适应PCK方法， 其特征在于， 获取N个样本点及其响应函 数以构建涡轮发动机PCK代理模 型， 基于学习函数的更新策略改进 该PCK代理模型， 具体的， 包括以下步骤： 步骤1， 设置涡轮发动机的相关参数， 包括动态分析涡轮发动机整机的有限元模型、 选 择若干个涡轮风扇的位移样本， 以构建初始PCK代理模型； 步骤2， 将涡轮发动机支承刚度作为随机变量X， 将涡轮发动机故障作为失效事件， 构造 关于随机变量X、 随机过程Y(t)和时间t的极限状态函数g， g(X,Y(t),t)； 考虑时变不确定 性， 将随机过程Y(t)通过最优线性估计方法E OLE实现离散化， 重构极限状态 函数g为一组关 于随机变量X、 标准 正态随机变量Z和时间t的确定性 函数， 即g(X,Y(t),t)＝g(X,Z,t)； 步骤3， 构造 随机输入样本W＝[X， Z]， 基于样本W及与其对应的瞬时响应 构建样本集 T， 下标ti表示时间t离 散后的第i个时间节点； 其中， 初始样本集的构建方法为： 基于拉丁超立方抽样 基于涡轮发动机的支承刚度、 支承阻尼以及表示随机载荷的标准正态 分布变量生成样本池D， 从样本池D中挑选N个样本W， 并计算样本W对应的极限状态函数g的 瞬时响应 由样本W和瞬时响应 构成初始训练样本集 步骤4， 基于样本集T构 建PCK代理模型， 并利用该代理模型计算样本池D的瞬时响应， 对 于样本池D 中PCK代理模型在任意时刻ti,i＝1,2, …,s的瞬时响应， 通过U学习函数停止准 则判断PCK代理模型的精度， 并搜寻样本池D中的最佳样本 若样本池D中所有样本都 满足该停止准则， 则认 为PCK代理模型的精度是准确的， 跳转至步骤5； 否则， 将样 本池D中满 足停止准则的样本组成新的样本池D1， 其中， 表示U学习 函数在时间节点ti处的值， 然后跳转至步骤6； 步骤5， 通过H学习函数停止准则对样本池D中的样本进行判断， 并搜寻样本池D中的最 佳样本 若样本池D中所有样本都满足H学习函数停止准则， 跳转至步骤7； 否则， 计算 最佳样本 的瞬时响应值 将 加入 样本集T， 返回步骤4； 步骤6， 利用U学习函数准则和H学习函数准则分别在样本池D和D1找到两个最佳样本 结合U和H 学习函数的停止准则， 生成新停止准则K， 基于该新停止 准则K对样本 进行判断， 若满足该新停止准则跳转至 步骤7； 否则， 计算最佳样本的瞬时 响应 将 加入样 本集， 重新返回至步骤4； 步骤7， 基于输入 的样本及其瞬时响应， 生成最终的PCK代理模型， 对该PCK代理模型进 行蒙特卡罗M CS模拟， 预测瞬时响应， 并估计累积失效概 率。 2.根据权利要求1所述的一种时变结构可靠性分析自适应PCK方法， 其特征在于， 步骤2 中将随机过程Y(t)通过最优线性估计方法EOLE实现离 散化的方法具体为：权　利　要　求　书 1/4 页 2 CN 114662370 B 2步骤2.1， 将时间段[0,tf]离散成s＝tf/Δt+1个时间节点ti， i＝1,2， …s， 其中， Δt为 时间步长； 步骤2.2， 使用一组随机变量和时间来表示一个以均值函数μY(t)、 标准差函数σY(t)及 自相关函数ρY(t)描述的随机过程Y(t)， 其中， 关于时间ti的自相关矩阵C表示 为： 分解自相关矩阵C的特 征值， 随机过程Y(t)表示 为 其中， ηi和 ζi分别是相关矩阵C的特征值及特征向量； Zi是独立标准正态随机变量； CY(t) 是一个时间相关的函数向量， 其分量为ρY(t,ti),i＝1,2, …,s， 其中t为函数变量； l为用于 构造自相关矩阵C的主特 征值个数； 将既包含随机变量又包含随机过程的极限状态函数转换为只包含随机变量和显式时 间参数的极限状态函数g(X,Y(t),t)＝g(X,Z,t)， 并且在时间段[0,tf]的时间响应G可以用 它在所有离 散时刻的瞬时响应 表示。 3.根据权利要求2所述的一种时变结构可靠性分析自适应PCK方法， 其特征在于， 步骤4 中U学习函数及确定的最佳样本分别表示为： 其 中， 和 分别表示瞬时响应PCK代理模型 在样本点W的均值和标准 差。 4.根据权利要求3所述的一种时变结构可靠性分析自适应PCK方法， 其特征在于， 步骤4 中U学习函数停止准则为： 5.根据权利要求4所述的一种时变结构可靠性分析自适应PCK方法， 其特征在于， 步骤5 中基于H学习函数确定的最佳样本的方式为： 6.根据权利要求5所述的一种时变结构可靠性分析自适应PCK方法， 其特征在于， 步骤5 中H学习函数为：权　利　要　求　书 2/4 页 3 CN 114662370 B 3