本技術(shù)涉及折疊翼機(jī)構(gòu)，尤其涉及一種折疊翼機(jī)構(gòu)的概率盒可靠性分析方法、裝置及計(jì)算機(jī)設(shè)備。

背景技術(shù)：

1、飛行器的折疊翼機(jī)構(gòu)的可靠性問題至關(guān)重要，但由于其服役環(huán)境惡劣、試驗(yàn)數(shù)據(jù)有限、失效模式復(fù)雜，傳統(tǒng)的可靠性分析方法難以對(duì)其有效評(píng)估。目前，在分析飛行器的折疊翼機(jī)構(gòu)的可靠性時(shí)，主要采用概率模型來處理工程中的不確定性。這種模型通過概率分布函數(shù)來衡量參數(shù)的不確定性，并利用概率統(tǒng)計(jì)方法來估算折疊翼機(jī)構(gòu)安全或失效的可能性。

2、為克服傳統(tǒng)概率模型對(duì)大樣本量的依賴性，近年來，非概率度量模型在結(jié)構(gòu)不確定性分析研究中得到了越來越多關(guān)注。非概率模型主要包括p-box模型、證據(jù)模型、模糊模型、非概率凸集模型等。如果我們有足夠的試驗(yàn)樣本數(shù)據(jù)，那么可以使用模糊模型來處理這些變量；然而，對(duì)于那些信息不足但我們能確定其上下邊界的變量，模糊模型就不再適用，而非概率凸集模型雖然只需要上下界限，但容易導(dǎo)致過于保守的設(shè)計(jì)結(jié)果，此時(shí)我們可以使用p-box模型來處理。在眾多非概率模型中，p-box具有靈活的表示形式，可以實(shí)現(xiàn)概率模型、區(qū)間模型和證據(jù)模型等多種不確定性模型的信息融合，受到國內(nèi)外研究人員的關(guān)注和重視，并且在可靠性分析等領(lǐng)域取得了一定的研究成果。p-box模型展現(xiàn)了其在處理不確定工程問題方面的強(qiáng)大能力，但將其應(yīng)用于飛行器折疊翼機(jī)構(gòu)時(shí)會(huì)面臨失效概率求解效率與精度低的問題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)所要解決的技術(shù)問題在于，針對(duì)現(xiàn)有技術(shù)的上述不足，提出一種折疊翼機(jī)構(gòu)的概率盒可靠性分析方法、裝置及計(jì)算機(jī)設(shè)備。

2、一種折疊翼機(jī)構(gòu)的概率盒可靠性分析方法，包括：

3、步驟s101，基于折疊翼機(jī)構(gòu)變量的原始稀缺樣本，通過bootstrap方法生成參數(shù)化p-box模型的分布參數(shù)向量；

4、步驟s102，根據(jù)分布參數(shù)向量，生成對(duì)應(yīng)的p-box變量的樣本池s1，并根據(jù)p-box變量的樣本池s1生成初始的試驗(yàn)設(shè)計(jì)域doe-1；

5、步驟s103，根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-1構(gòu)建第一層kriging模型，并通過學(xué)習(xí)函數(shù)u在樣本池s1中選擇最優(yōu)樣本點(diǎn)，并將所選擇的樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-1中，以重新構(gòu)建第一層kriging模型；所述第一層kriging模型用于預(yù)測(cè)功能函數(shù)的符號(hào)；

6、步驟s104，使用隨機(jī)方法在預(yù)定范圍內(nèi)生成折疊翼機(jī)構(gòu)變量的區(qū)間分布參數(shù)的樣本池s2，并根據(jù)樣本池s2生成初始的試驗(yàn)設(shè)計(jì)域doe-2；

7、步驟s105，根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-2構(gòu)建第二層kriging模型，并通過學(xué)習(xí)函數(shù)ei在樣本池s2中選擇最優(yōu)樣本點(diǎn)，并將所選擇的樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-2中，以重新構(gòu)建第二層kriging模型；在構(gòu)建第二層kriging模型時(shí)，使用蒙特卡洛模擬mcs估算樣本點(diǎn)的失效概率；

8、步驟s106，基于第二層kriging模型，確定失效概率的邊界。

9、可選地，步驟s101包括：

10、通過從原始數(shù)據(jù)集ns次有放回的隨機(jī)采樣，獲得表示為的bootstrap樣本集；

11、計(jì)算bootstrap樣本集中每次采樣樣本的分布參數(shù)，得到一組分布參數(shù)的向量

12、可選地，步驟s102包括：

13、根據(jù)分布參數(shù)的向量生成對(duì)應(yīng)的區(qū)間分布；

14、根據(jù)區(qū)間分布參數(shù)隨機(jī)生成區(qū)間分布參數(shù)樣本θj(j＝1,2,...,k)；

15、根據(jù)區(qū)間分布參數(shù)樣本θj生成對(duì)應(yīng)的輸入變量樣本uji(i＝1,2,...,l)，即樣本池s1。

16、可選地，步驟s103包括：

17、步驟s1031，根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-1構(gòu)建第一層kriging模型；

18、步驟s1032，選擇樣本池s1中學(xué)習(xí)函數(shù)u的值最小的樣本作為最優(yōu)樣本點(diǎn)；

19、其中，所述學(xué)習(xí)函數(shù)u為：為樣本對(duì)應(yīng)的功能函數(shù)的預(yù)測(cè)值，為預(yù)測(cè)值的方差；

20、步驟s1033，判斷是否滿足條件：minu(x,y)≥2；

21、當(dāng)不滿足條件時(shí)，將最優(yōu)樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-1中，并根據(jù)更新后的試驗(yàn)設(shè)計(jì)域doe-1重新構(gòu)建第一層kriging模型，并返回步驟s1032；

22、當(dāng)滿足條件時(shí)，停止更新第一層kriging模型。

23、可選地，步驟s105包括：

24、步驟s1051，根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-2構(gòu)建第二層kriging模型；

25、步驟s1052，選擇樣本池s2中學(xué)習(xí)函數(shù)ei值最大的樣本作為最優(yōu)樣本點(diǎn)；

26、其中，所述學(xué)習(xí)函數(shù)ei為：其中，為當(dāng)前預(yù)測(cè)樣本中最小的失效概率，φ(·)為標(biāo)準(zhǔn)正態(tài)分布累積分布函數(shù)，為標(biāo)準(zhǔn)正態(tài)分布概率密度函數(shù)，和分別表示每個(gè)樣本點(diǎn)處的均值μ和標(biāo)準(zhǔn)差σ；

27、步驟s1053，判斷是否滿足條件：max(e(i(θ)))≥ε；ε為收斂閾值；

28、當(dāng)不滿足條件時(shí)，將最優(yōu)樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-2中，并根據(jù)更新后的試驗(yàn)設(shè)計(jì)域doe-2重新構(gòu)建第二層kriging模型，并返回步驟s1052；

29、當(dāng)滿足條件時(shí)，停止更新第二層kriging模型，此第二層kriging模型用于估計(jì)失效概率的下邊界。

30、可選地，當(dāng)估算失效概率的上邊界時(shí)，在構(gòu)建第二階段kriging模型時(shí)，在失效概率前加一個(gè)負(fù)號(hào)，用以表示區(qū)間分布參數(shù)與失效概率的上邊界的第二層kriging模型。

31、可選地，ε＝0.0001。

32、可選地，通過多體動(dòng)力學(xué)軟件adams建立折疊翼機(jī)構(gòu)動(dòng)力學(xué)仿真模型，確定影響折疊翼機(jī)構(gòu)展開性能的因素作為折疊翼機(jī)構(gòu)變量，并應(yīng)用于更新第一層kriging模型。

33、另一方面，本技術(shù)還提供了一種折疊翼機(jī)構(gòu)的概率盒可靠性分析裝置，包括：

34、向量生成模塊，用于基于折疊翼機(jī)構(gòu)變量的原始稀缺樣本，通過bootstrap方法生成參數(shù)化p-box模型的分布參數(shù)向量；

35、第一設(shè)計(jì)域生成模塊，用于根據(jù)分布參數(shù)向量，生成對(duì)應(yīng)的p-box變量的樣本池s1，并根據(jù)p-box變量的樣本池s1生成初始的試驗(yàn)設(shè)計(jì)域doe-1；

36、第一構(gòu)建模塊，用于根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-1構(gòu)建第一層kriging模型，并通過學(xué)習(xí)函數(shù)u在樣本池s1中選擇最優(yōu)樣本點(diǎn)，并將所選擇的樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-1中，以重新構(gòu)建第一層kriging模型；所述第一層kriging模型用于預(yù)測(cè)功能函數(shù)的符號(hào)；

37、第二設(shè)計(jì)域生成模塊，用于使用隨機(jī)方法在預(yù)定范圍內(nèi)生成折疊翼機(jī)構(gòu)變量的區(qū)間分布參數(shù)的樣本池s2，并根據(jù)樣本池s2生成初始的試驗(yàn)設(shè)計(jì)域doe-2；

38、第二構(gòu)建模塊，用于根據(jù)初始的試驗(yàn)設(shè)計(jì)域doe-2構(gòu)建第二層kriging模型，并通過學(xué)習(xí)函數(shù)ei在樣本池s2中選擇最優(yōu)樣本點(diǎn)，并將所選擇的樣本點(diǎn)添加到試驗(yàn)設(shè)計(jì)域doe-2中，以重新構(gòu)建第二層kriging模型；在構(gòu)建第二層kriging模型時(shí)，使用蒙特卡洛模擬mcs估算樣本點(diǎn)的失效概率；

39、確定模塊，用于基于第二層kriging模型，確定失效概率的邊界。

40、另一方面，本技術(shù)還提供了一種計(jì)算機(jī)設(shè)備，包括：處理器和存儲(chǔ)器；所述存儲(chǔ)器存儲(chǔ)有程序指令，當(dāng)所述存儲(chǔ)器存儲(chǔ)的程序指令被所述處理器執(zhí)行時(shí)實(shí)現(xiàn)上述的折疊翼機(jī)構(gòu)的概率盒可靠性分析方法。

41、本技術(shù)基于雙層主動(dòng)學(xué)習(xí)kriging模型，可對(duì)多失效模式下的折疊翼機(jī)構(gòu)可靠性進(jìn)行求解，并高效評(píng)估有限樣本條件下飛行器折疊翼機(jī)構(gòu)的可靠性。