کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
8965217 1646705 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Computing tight bounds of structural reliability under imprecise probabilistic information
ترجمه فارسی عنوان
محاسبه محدوده تنگی از قابلیت اطمینان با توجه به اطلاعات احتمالی نامشخص
کلمات کلیدی
تجزیه و تحلیل قابلیت اطمینان، عدم قطعیت، جعبه احتمالی، شبیه سازی مونت کارلو، تجزیه و تحلیل فاصله، احتمال نامطلوب،
ترجمه چکیده
در تحلیل های احتمالاتی و ارزیابی قابلیت اطمینان ساختاری، اغلب مشکل یا غیر قابل اطمینان است که به طور قابل اعتماد مدل های احتمالی مناسب را برای متغیرهای نامشخص با توجه به محدودیت های پایگاه داده پشتیبانی، به عنوان مثال نمونه های مشاهده شده محدود یا استنتاج مبتنی بر فیزیک، شناسایی کنند. برای رسیدگی به این مشکل، برای مدل سازی چنین اطلاعات احتمالی نامشخص، به عنوان مثال، با توجه به محدودیت عملکرد توزیع (نامعلوم)، به جای تسلیم یک تابع توزیع دقیق دقیق، می توان از یک رویکرد محدود کننده احتمال استفاده کرد. در نتیجه، تنها می توان محدوده قابلیت اطمینان ساختاری را به جای ارزیابی نقطه تخمین زد. با این حال، تکنولوژی های شبیه سازی کنونی، فریب دادن دقیق برآورد محدود را در مقایسه با بازده عددی از طریق ساده سازی عددی، می دهد. از این رو، آنها در نتایج عملیات بسیار محافظه کارانه تولید می کنند. این مقاله یک روش مبتنی بر برنامه نویسی خطی را برای ارزیابی قابلیت اطمینان در معرض متغیرهای تصادفی نامشخص ارائه می دهد. این روش محدوده تنگی احتمال شکست ساختاری را مستقیما بدون نیاز به ساخت مرزهای احتمالی متغیرهای تصادفی ورودی محاسبه می کند. این روش همچنین می تواند برای ساخت بهترین حد ممکن برای عملکرد توزیع یک متغیر تصادفی با اطلاعات آماری ناقص استفاده شود.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزارهای علوم کامپیوتر
پیش نمایش مقاله
محاسبه محدوده تنگی از قابلیت اطمینان با توجه به اطلاعات احتمالی نامشخص
چکیده انگلیسی
In probabilistic analyses and structural reliability assessments, it is often difficult or infeasible to reliably identify the proper probabilistic models for the uncertain variables due to limited supporting databases, e.g., limited observed samples or physics-based inference. To address this difficulty, a probability-bounding approach can be utilized to model such imprecise probabilistic information, i.e., considering the bounds of the (unknown) distribution function rather than postulating a single, precisely specified distribution function. Consequently, one can only estimate the bounds of the structural reliability instead of a point estimate. Current simulation technologies, however, sacrifice precision of the bound estimate in return for numerical efficiency through numerical simplifications. Hence, they produce overly conservative results in many practical cases. This paper proposes a linear programming-based method to perform reliability assessments subjected to imprecisely known random variables. The method computes the tight bounds of structural failure probability directly without the need of constructing the probability bounds of the input random variables. The method can further be used to construct the best-possible bounds for the distribution function of a random variable with incomplete statistical information.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Computers & Structures - Volume 208, 1 October 2018, Pages 92-104
نویسندگان
, , ,