Professional Documents
Culture Documents
OBLICZANIE NIEZAWODNOCI
KONSTRUKCJI INYNIERSKICH
METODAMI SYMULACYJNYMI
ORAZ METOD
POWIERZCHNI ODPOWIEDZI
ROZPRAWA DOKTORSKA
PROMOTOR
DR HAB. IN. JAROSAW GRSKI, PROF. NADZW. PG
GDASK 2013
mojemu Promotorowi
dr hab. in. Jarosawowi Grskiemu, prof. nadzw. PG
za nieocenion pomoc przy niniejszej pracy,
wyraon przekazan wiedz, powiconym czasem
oraz cierpliwoci i wsparciem
najdroszej Rodzinie
za to, e zawsze przy mnie jest
oraz Losowi
za wszystkie yczliwe Osoby,
ktrych drogi splt On z moj
Spis treci
1. Przedmiot, cel i zakres pracy
1.1. Przedmiot pracy
1.2. Cel i zakres pracy
1.3. Teza pracy
1
1
2
9
11
11
14
22
24
26
29
31
34
36
41
43
45
46
50
51
54
57
58
61
62
66
77
79
82
83
86
88
91
91
93
97
103
103
111
107
111
117
119
123
123
124
128
133
141
147
165
207
8. Literatura
211
Rozdzia 1
Przedmiot, cel i zakres pracy
jako pewien stan, nazywany granicznym, w ktrym odpowied konstrukcji lub materiau na
zadane obcienie stanowi zaczyna zagroenie bezpieczestwa jej funkcjonowania. Zatem,
awari konstrukcji jest de facto pewne niekorzystne zdarzenie losowe, ktre jest zbiorem
wartoci zaoonych niepewnoci parametrw materiaowych bd konstrukcji, ktre
prowadz do przekroczenia wspomnianego stanu niebezpiecznego. Natomiast poszczeglne
przekroczenia dopuszczalnoci odchyek ustalonych w procesie projektowania zmiennych
materiau i obcienia mona nazwa jako naruszenie obszaru granicznego bezpieczestwa
konstrukcji. Prawdopodobiestwo zaistnienia zdarzenia losowego niepodanego w pracy
konstrukcji, czyli prawdopodobiestwo awarii, wraz z wywodzcymi si z niego wartociami,
s zatem miarami losowego ujcia niezawodnoci danej konstrukcji.
Metody probabilistyczne cechuj si jednake znaczn zoonoci, zarwno w kwestii
oszacowania prawdopodobiestwa awarii, czy w ogle stworzenia poprawnego modelu do
analizy losowej. Std ich pki co maa popularno w codziennej praktyce inynierskiej,
mimo, i pozwalaj na bardzo racjonaln i w ogromnej mierze inwestycyjnie oszczdn ocen
bezpieczestwa konstrukcji, jej elementu, czy pracy danego materiau [Vrouwenvelder, 2002].
Utworzeniu prawidowego modelu zjawisk losowych, ktrym poddana jest konstrukcja,
pomaga zazwyczaj odpowiednie przygotowanie obserwacyjne inyniera. Wszelakie
odnotowane w rnych rdach (take we wspomnianych wyej deterministycznych
normatywach inynierskich) informacje i dane statystyczne dotyczce zmiennoci obcie
oraz parametrw wytrzymaociowych w miejscu i w czasie, dane zawierajce potrzebne
ilociowe i jakociowe rednie miary tych zjawisk, wiadomoci o ich relacjach i kombinacjach,
a take o ich charakterystykach, s niezbdne do poprawnego funkcjonowania pniejszego
modelu konstrukcji obarczonej losowoci jej elementw. Wspczesny inynier w prosty
sposb moe wszystkie te dane zastpi za pomoc matematycznych funkcji rozkadw
prawdopodobiestwa danych niepewnoci [Stocki, 1999].
Tutaj wic rodzi si kolejna trudno, ktra stoi na przeszkodzie popularyzacji metod
losowych. Jest to zoono odwzorowania wspomnianych niepewnoci do rozkadw
prawdopodobiestwa zmiennych losowych dziaajcych na konstrukcj bd jej elementy.
Ich okrelenie wymaga w najlepszym wypadku przeprowadzenia wielu testw (jeli zmienn
jest wytrzymao), wielu symulacji numerycznych, poprowadzenia serii eksperymentw
o znacznej liczbie pojedynczych prb (dla zmiennych okrelanych poprzez projekt
eksperymentalny), lub te wielomiesicznych, a czasem nawet wieloletnich obserwacji
procesw natury (w przypadku obcie dziaaniami atmosferycznymi). Kolejno, nawet
dysponujc odpowiednimi bazami danych o wymienionych czynnikach, napotka mona
trudnoci zwizane z waciw ich implementacj do analizy, tj. przy opracowywaniu danych
statystycznych. Procedury numeryczne suce temu celowi rwnie mog by dziaaniami
o duej zoonoci, co jest kolejn niedogodnoci stojc czsto jako argument przeciwko
stosowaniu podejcia probabilistycznego w projektowaniu [Ang i Tang, 2007].
Dalej, jeli okrelona niepewno wytrzymaoci materiau lub obcienia konstrukcji, oprcz
zmiennoci wartoci, wykazuje rwnie zmienno w czasie i/lub w przestrzeni, to musi by
ona koniecznie opisana funkcj losow, bd polem losowym. Zbir funkcji matematycznego
opisu tego typu niepewnoci nazywamy wwczas procesem losowym i jego opis take cechuje
si wysokim stopniem trudnoci matematycznej. Wiele z procesw losowych nawet po dzie
dzisiejszy nie ma poprawnego odwzorowania numerycznego. Std miao mona stwierdzi,
Trzon niniejszej rozprawy stanowi, jak podkrelono powyej, analiza nieliniowych (zarwno
geometrycznie, jak i materiaowo) modeli konstrukcji. Rozwaane s zarwno modele prtowe
i powierzchniowe, co wskaza ma na uniwersalno i wszechstronno metodologii podejcia
probabilistycznego w zastosowaniu do procesu projektowania i do oceny bezpieczestwa
konstrukcji ju istniejcej. Podjcie operacji na obu typach konstrukcji ma take wskazywa
moliwo przeoenia zaprezentowanych w niniejszej rozprawie technik obliczeniowych
na szerokie spektrum problemw inynierskich.
W konstrukcjach tego typu, gwnymi problemami s zagadnienia statecznoci (zarwno
lokalnej, zwizanej z wyboczeniem pojedynczych elementw, jak i globalnej, zwizanej
z utrat statecznoci przez cao konstrukcji) oraz problemy przekroczenia nonoci
granicznej konstrukcji lub jej elementu uplastycznienia materiau, z ktrego jest wykonana.
Szczeglna uwaga w wikszej czci rozprawy powicona jest imperfekcjom geometrycznym,
to w nich wanie poszukiwana jest gwna przyczyna zmiennoci parametrw modelu
probabilistycznego. W niniejszej rozprawie podjta zostaa prba oszacowania ich wpywu na
zachowanie rozwaanych konstrukcji inynierskich oraz zasygnalizowania wraliwoci tyche
konstrukcji na zmiennoci wywoane wskazanymi imperfekcjami, traktowanymi jako
istniejce bd zachodzce osobno. Jest spraw oczywist, i mog one w krtkiej
perspektywie czasu, w zupenie rnym charakterze, doprowadza konstrukcj do utraty
statecznoci lub nonoci pod danym stanem obcienia. Jednake, w wielu dziedzinach
inynierii nadal spraw otwart pozostaje charakter tej zmiany, a w sporej grupie typw
konstrukcji analiza wraliwoci nie zostaa do tej pory przeprowadzona dostatecznie
szczegowo [Grski i Mikulski, 2005; Kamiski, 2005].
Stosowanie technik generacji losowego zestawu zmiennych wejciowych dla parametrw
analizy modeli z imperfekcjami i czytanie na ich podstawie odpowiedzi konstrukcji jest zatem,
jak wskazano w pracy, w peni uzasadnione i niemale konieczne (a przynajmniej z ca
pewnoci zalecane), nawet w przypadku do szerokiej grupy konstrukcji inynierii
komunalnej w powokach silosw i zbiornikw, co jest te potwierdzane w samych normach.
Istotn ogniskow rozprawy s te materiay kompozytowe. W obecnej inynierii to wanie
materiay kompozytowe s najmielej wprowadzane do procesu projektowania. Bardzo
istotnym elementem stosowania takiego materiau take jest analiza probabilistyczna wpywu
imperfekcji geometrycznych i materiaowych na cao zachowania si kompozytu. Dokonanie
szczegowej stochastycznej charakterystyki kompozytw jest niezbdne do stworzenia
wiarygodnych danych, ktre posu projektowaniu i realizacji obiektw inynierskich
z materiaw kompozytowych. Istotnym elementem analizy powinno by przede wszystkim
zgrubne oszacowanie niezawodnoci konstrukcji kompozytowych w zakresie problemu
materiaowo nieliniowego, zatem take jest to elementem niniejszej rozprawy [Bucinell, 1998;
Johnson, 2010].
Niniejsza praca ma w zamierzeniu charakter aplikacyjny wnioski z niej pynce
maj doprowadzi do zwikszenia wiadomoci o moliwym wpywie okrelonego gatunku
losowoci na niezawodno konstrukcji, a zaproponowane w niej rozwizania zarwno
numeryczne, jak i praktyczne maj by w prosty sposb przetumaczalne na inynieri
codzienn i przybliajce inynierowi posugiwanie si metodologi probabilistyczn.
wiatru 75% oraz 50% kwantyli wartoci cinienia krytycznego wiatru obliczonego jak dla
zbiornika idealnego, co ma uzasadnienie w przypadkach rozwaanych w normatywach.
Dla danego przykadu kalkulowane s (w kilku oddzielnych seriach) prawdopodobiestwo
awarii i wskanik niezawodnoci przy uyciu bezporedniego podejcia metody Monte Carlo,
a take przy uyciu trzech technik prbkowania redukujcego wielko populacji punktw
obliczeniowych prbkowania warstwowego, prbkowania hiperszecianu aciskiego oraz
prbkowania wagowego. Dla punktw obliczeniowych wyznaczonych przy uyciu
poszczeglnych prbkowa dla poszczeglnych serii, aproksymowane s powierzchnie
odpowiedzi. Na ich podstawie, przy uyciu ich rwna obliczane s prawdopodobiestwo
awarii i wskanik niezawodnoci silosu. Wykonuje si take prost analiz zbienoci obu
metod. Na jej podstawie dokonuje si krytycznej oceny wynikw oraz definiuje si wnioski.
Kocowo, dokonuje si take krtkiego zebrania wnioskw pyncych ze wszystkich wyej
opisanych przykadw obliczeniowych, podsumowujcego zauwaalny wpyw imperfekcji
konstrukcji na zmian jej nonoci.
Rozdzia 7 zawiera ocen rezultatw oblicze przeprowadzonych w rozprawie, zebranie
wnioskw wycignitych z podjtych bada numerycznych oraz spostrzeenia, jakie
poczyniono w analizowanym temacie.
W rozdziale tym dokonano rwnie ostatecznego potwierdzenia susznoci wszystkich tez
rozprawy, postawionych w rozdziale pierwszym.
Rozdzia 8 jest powicony zebraniu literatury, z jakiej korzystano przy sporzdzaniu
niniejszej rozprawy pracy oraz norm, jakie przywouje w swojej treci rozprawa.
Dla wygody czytelnika, kadej pozycji na licie przypisane jest jej odwoanie w tekcie.
10
Rozdzia 2
Metody okrelania niezawodnoci
modeli konstrukcji inynierskich
2.1. Wprowadzenie
Sposb, w jaki konstrukcja zachowa si pod odpowiedniego typu i okrelonej wielkoci
obcieniem jest oczywicie cile zaleny od wytrzymaoci materiaw konstrukcyjnych i od
sztywnoci konstrukcji. Z kolei to, czy wywoana odpowied konstrukcji jest zadowalajca dla
jej projektanta lub uytkownika, zaley od wszystkich wymaga, ktre konstrukcja ta musi
speni. Zmiennoci parametrw projektowych musz by zatem koniecznie ujte
w rozwaaniach nad bezpieczestwem lub uytkowalnoci ukadu [Bethea i inni, 1984].
Wszystkie parametry konstrukcji, ktre bierze si pod rozwag w inynierskich obliczeniach
projektowo budowlanych, s w rzeczywistoci obarczone pewn niepewnoci, zmiennoci.
Fakt ten jest uznawany przez wikszo kodw projektowych i konstrukcyjnych, zarwno
proponowanych obecnie (Eurokody EC, polskie normy dostosowane PN-EN),
jak i poprzedzajcych (polskie normy PN, normy branowe B, itp.), co wyranie sugeruje
konieczno uwzgldnienia tyche niepewnoci w procesie projektowania i konstruowania
obiektw inynierskich.
Wielkoci zmiennoci wszystkich parametrw konstrukcji s jednak albo ograniczone
w sposb naturalny, albo te mog by ograniczone w okrelonych przedziaach przez
projektanta, przykadowo poprzez wykonywanie kontroli o odpowiednim standardzie tyche
parametrw. To wanie wartoci ograniczajce czsto s wskazywane jako te, ktre powinny
by wykorzystywane jako podstawa do projektowania [Simonnet, 1996].
Jednake w inynierii o poziomie dokadnoci wikszym ni standardowy, takie mylenie jest
nieodpowiednie. Przykadowo grne granice przyjmowane dla efektu dziaania sumy
poszczeglnych obcie i granice dolne przyjmowane dla wytrzymaoci materiau, nie s
atwo identyfikowane w praktyce (np. obcienia zmienne uytkowe, obcienia wiatrem,
niegiem, obcienia pozastatyczne, granica plastycznoci stali, wytrzymaoci betonu),
a nawet jeli takie granice istniej naturalnie, to ich bezporednie wykorzystanie
w projektowaniu moe nie zawsze by racjonalne lub moe by ekonomicznie nieuzasadnione.
Ponadto, ograniczenia naoone przez testowanie odbiorcze, bd te kontrol jakoci, mog
nie by w peni skuteczne, szczeglnie w przypadku tych z parametrw konstrukcji, ktrych
pomiarw mona dokonywa jedynie na drodze bada niszczcych lub wtedy, gdy pomiary s
faszowane zmianami w mierzonej waciwoci materiau dokonujcymi si w nim pomidzy
pobraniem prbki, a momentem jej badania lub momentem wykorzystania materiau
w rzeczywistej konstrukcji (zachowanie betonu, niektrych asfaltw, itp.).
12
13
metod zwanych Load and Resistance Factor Design (LRFD; pol.: Projektowanie
Wspczynnikw Bezpieczestwa Obcie i Wytrzymaoci). Metoda ta w czasach obecnych
znajduje ponownie bardzo rozlegy obszar zastosowania [Lundberg i Galambos, 1996;
Razzaq i inni, 1996; Baoping i inni, 2011; King i inni, 2012].
Poziom 2 stanowi te metody, w ktrych probabilistyczna natura problemu ujta jest
w operowaniu dwiema statystycznymi miarami wartoci niepewnoci parametrw materiaw
i obcie najczciej wartoci redni zmiennej losowej oraz jej wariancj, uzupenion
o miar korelacji pomidzy wymienionymi parametrami.
Metody te obejmuj pewien szereg przyblionych, iteracyjnych procedur obliczeniowych,
wykonywanych w celu uzyskania informacji o prawdopodobiestwie awarii konstrukcji.
Zazwyczaj wymagaj one pewnej kontrolowanej idealizacji obszaru reprezentujcego awari,
utosamianego czsto z uproszczon reprezentacj ukadu rozkadw prawdopodobiestwa
zmiennych zestawu obcie oraz wytrzymaoci materiaw [Elishakoff, 1983].
Metody analizy bezpieczestwa konstrukcji przynalene do poziomu drugiego zostan
znacznie szerzej opisane w kolejnych rozdziaach niniejszej pracy.
Poziom 3 stanowi te metody, w ktrych obliczenia bezpieczestwa konstrukcji
s dokonywane w celu okrelenia matematycznie dokadnego prawdopodobiestwa awarii
konstrukcji lub jej wyszczeglnionego elementu strukturalnego, przy ktrych to metodach
korzysta si z penego opisu probabilistycznego wsplnego wystpowania wszelkich branych
pod uwag w procesie projektowania wartoci niepewnoci parametrw materiaw i obcie.
Obliczenia te nie maj adnych algorytmw upraszczajcych i odwouj si do penej analizy
problemu, skupiajcej si przede wszystkim na dostarczeniu rozcigego opisu moliwoci
awarii konstrukcji, a take na cakowaniu wielowymiarowych cznych funkcji gstoci
prawdopodobiestwa zmiennych losowych (reprezentujcych obcienia projektowe
i wytrzymaoci materiaw konstrukcyjnych), rozcigajcych si na obszarze, na ktrym
przeprowadzana jest analiza bezpieczestwa konstrukcji. Niezawodno okrelana na bazie
metod poziomu trzeciego jest najczciej wyraana w postaci odpowiednich miar
bezpieczestwa, takich jak wskaniki niezawodnoci i prawdopodobiestwo awarii.
Metody analizy bezpieczestwa konstrukcji przynalene do poziomu trzeciego rwnie zostan
znacznie szerzej opisane w kolejnych rozdziaach niniejszej pracy.
Poziom 4 jest poziomem bardzo rzadko wyrnianym i opisywanym, gdy praktycznie
niewiele jest w jego ujciu rnic, jakie stosuje si w metodach analizy bezpieczestwa
konstrukcji poziomu trzeciego. Mwi si o nim raczej w relacji do konstrukcji, a nie do zbioru
metod, aby wskaza, i meritum problemu nie ley w sposobie matematycznego podejcia, ale
w wyjtkowej specyfice konstrukcji, dla ktrej to podejcie jest inkorporowane.
Metody analizy bezpieczestwa konstrukcji przynalene do poziomu czwartego
s odpowiednie do stosowania w przypadku postpowania z konstrukcjami inynierskimi,
ktre maj istotne znaczenie gospodarcze. S stosowane do projektw, w ktrych z definicji
zakada si szczegln dokadno postpowania odnonie zasad wiedzy inynierskiej i analizy
ekonomicznej. Projekty takie maj wwczas, oprcz standardowego zapewnienia
bezpieczestwa konstrukcji w sensie stricte inynierskim, rozwaa koszta i korzyci z budowy
w sensie spoeczno ekonomicznym, midzy innymi: sensowno i moliwo zapewnienia
14
15
Rk = R R tR
(2.1)
Dla zmiennej losowej caociowej wytrzymaoci materiaw danej konstrukcji (XR = R),
jej wartoci charakterystyczne definiuje si jako odpowiedniego zasigu lewostronny margines
rozkadu funkcji gstoci prawdopodobiestwa fR (xR ) , co zaprezentowano na rys. 2.1.
Natomiast, oznaczajc warto redni dowolnego obcienia dziaajcego na konstrukcj
jako Q oraz odchylenie standardowe tego obcienia przez Q , analogicznie zdefiniowa
mona warto charakterystyczn obcienia jako
Qk = Q + Q tQ
(2.2)
16
Dla zmiennej losowej caociowej sumy efektw dziaajcych obcie (XS = S ), jej wartoci
charakterystyczne definiuje si jako odpowiedniego zasigu prawostronny margines rozkadu
funkcji gstoci prawdopodobiestwa fS (xS ) , co zaprezentowano na rys. 2.2.
Rys. 2.2. Definicja wartoci charakterystycznej zmiennej losowej caociowej sumy efektw
obcie dziaajcych na konstrukcj.
Obliczone wartoci Rk oraz Qk oznaczaj wartoci charakterystyczne wytrzymaoci danego
materiau konstrukcyjnego oraz dowolnego obcienia i s to, jak wspomniano we wstpie
do rozdziau, takie kwantyle rozkadw prawdopodobiestwa zmiennych losowych
wytrzymaoci R (gwnie poziom 2% wartoci gwarantowanej) oraz obcienia Q (gwnie
poziom 98% rocznej wartoci maksymalnej), ktre zapewniaj konstrukcji naleyty poziom jej
niezawodnoci. Wielkoci wpasowujc warto charakterystyczn w wymagane kwantyle
s wymienione we wzorach mnoniki tR oraz tQ .
Zgodnie z zaleceniami centralnych komitetw inynieryjnych zwyko si dobiera wartoci
tR = 1,645 dla konstrukcji betonowych (Europejski Komitet Betonu) oraz tR = 2, 000
dla konstrukcji stalowych (Europejska Konwencja Konstrukcji Stalowych), co gwarantuje
osignicie zadowalajcego poziomu bezpieczestwa dla obszaru Europy rodkowej.
W dowolnym kodzie projektowym wartoci charakterystyczne wytrzymaoci materiaw
i obcie w metodach poziomu pierwszego zapewniania bezpieczestwa konstrukcji okrela
si jako wartoci podstawowe i nakazuje si przyjmowanie ich zgodnie z zaleceniami norm.
Dla parametrw materiaowych i dla obcie staych ustala si te wartoci jako redni
danej wielkoci zmiennej losowej, a dla obcie zmiennych jako warto majc okres
powrotu co najmniej rwny zakadanemu okresowi eksploatacji konstrukcji lub inny
uzasadniony ekonomicznie i zapewniajcy bezpieczestwo konstrukcji.
17
gdzie f
jest zasugerowanym
Rd = f Rk
(2.3)
oraz Qd = f Qk
(2.4)
w normie
odpowiednim
czciowym wspczynnikiem
(2.5)
18
P=
(G
i =1
ki
fi ) n + (Qkj fj ) n oj j dyn , j
j =1
(2.6)
gdzie:
19
i =1
j =1
(2.7)
Pk =
G
i =1
ki
+ Qk
(2.8)
Pk ,lt =
i =1
j =1
Gki + Qkj dj
(2.9)
20
21
22
(tak jak dzieje si to w przypadku metod poziomu drugiego), ale wanie modelujce
niepewnoci tych parametrw czciowe wspczynniki bezpieczestwa.
W literaturze dostpnych jest wiele rnych metod, wybr odpowiedniej jest prawie zawsze
trudnym zadaniem, a czsto dostrzec mona take, e wybr ten jest mocno uwarunkowany
problemem, z jakim zmaga si konstruktor [Gayton i inni, 2004; Woliski, 2011b].
Co wane, ten sam poziom niezawodnoci konstrukcji moe by osignity przez
nieskoczenie wiele rnych kombinacji czciowych wspczynnikw bezpieczestwa.
Eurokod PN-EN 1990 pozwala inynierowi na nastpujc sytuacj dopuszcza si zamian
wybranego zestawu wspczynnikw czciowych dowolnym innym, jeeli projektant ma na
wzgldzie redukcj marginesu bezpieczestwa lub tolerancji wymiarw dla jednego zestawu
zmiennych, a ich zwikszeniu dla dowolnego innego zestawu, przy poszanowaniu spenienia
wszystkich stanw granicznych konstrukcji. Norma nie podaje innego kryterium
uniwersalnego, zatem w wielu przypadkach staje si nim wspomniany ju koszt ekonomiczny.
Najlepszym rozwizaniem jest jednak wybr zmienianych wspczynnikw czciowych
na podstawie wraliwoci caoci konstrukcji na zmiany w nich zachodzce, nawet jeli
wzrasta przez to koszt wykonania lub utrzymania konstrukcji [Kharmanda i inni, 2002].
Z technicznego punktu widzenia techniki kalibracyjne (LRFD) mog by podzielone na dwie
kategorie: metody globalne (GOM) oraz metody przybliajce (AOM). Metody globalne
maj podstaw w bezporednich rozwizaniach dopasowania optymalizacji docelowej.
Wysokiego kosztu obliczeniowego tej procedury mona unikn przez stosowanie metod
przybliajcych, gdzie uproszczenia s wprowadzane w sformuowanie problemu
inynierskiego. Oczywicie, skuteczno metod przybliajcych wie si z mniejsz precyzj
[Gayton i inni, 2004].
23
24
X = {X1 , X 2 , X3 ,..., Xn }
(2.10)
25
Awari konstrukcji definiuje si zatem jako pewien zbir realizacji zmiennej losowej X ,
dla ktrego nastpuje uzyskanie lub przekroczenie pewnego zdefiniowanego stanu granicznego
konstrukcji lub jej elementu [Freudenthal, 1956; ThoftChristensen i Srensen, 1987].
Stan graniczny naley rozumie jako odpowiednio nakrelone przez projektanta
ograniczenie naoone na konstrukcj, analogiczne do kwestii wspomnianych przy
wymiarowaniu konstrukcji z uyciem metod deterministycznych. W myl takiego
zdefiniowania problemu, mona mwi wic o jedynie dwch stanach konstrukcji, ktre
rozgranicza n wymiarowa powierzchnia graniczna: o stanie bezpiecznym, gdy konstrukcja
spenia wymogi projektowe oraz o stanie niebezpiecznym, tzw. stanie awaryjnym, kiedy
ograniczenia projektowe zostaj naruszone. Zaznaczy powinno si, i poprzez pojcie awarii
konstrukcji, w niektrych przypadkach wymiarowania, mwimy take o moliwoci
zaistnienia penego zniszczenia konstrukcji, katastrofy budowlanej.
W teorii niezawodnoci stan graniczny w n wymiarowej przestrzeni realizacji zmiennej
losowej X wyraa si poprzez funkcj okrelon na n zmiennych, tzw. uoglnion losow
funkcj graniczn (awaryjn) g(X) . Wwczas stan bezpieczny wystpuje oczywicie
wtedy, gdy g(X) > 0 , a stan awaryjny zachodzi przy g(X) 0 .
Przyjmujc powyszy podzia zdefiniowa mona obszar bezpieczny s = {x : g ( x ) > 0}
( s safe domain) oraz analogicznie obszar awarii f = {x : g ( x ) < 0} ( f failure domain).
Co za tym idzie, przez rwnanie g(x) = 0 reprezentowana jest wspomniana n wymiarowa
powierzchnia graniczna. W niektrych pozycjach literatury spotka mona si z zapisem
obszaru granicznego 0 = {x : g ( x ) = 0} , dla ktrego zachodzi P(X 0 ) = 0 .
Korzystajc z przyjtej powyej definicji warunku stanu niebezpiecznego (awaryjnego),
mona zdefiniowa prawdopodobiestwo awarii (zawodno, awaryjno) Pf ,
jako prawdopodobiestwo zdarzenia losowego okrelonego na obszarze awarii
Pf = P ( f ) = P ( g ( X ) 0 )
(2.11)
lub, jeli istnieje dla danego rozkadu funkcja gstoci prawdopodobiestwa, to uwzgldniajc
zapis w postaci cakowej, jako
Pf =
gdzie
fX (x) oznacza
podstawowych.
funkcj
W oglnym
fX (x)d x =
gstoci
przypadku
g X ) 0
fX (x)dx
rozkadu
(2.12)
prawdopodobiestwa
dla
zmiennych
zmiennych
(2.13)
26
27
M = g ( X ) = g ( XR , XS ) = g (R, S )
(2.14)
Pf = P ( g ( X ) 0 ) = P ( g (R, S ) 0 ) = P (R S 0 )
(2.15)
(2.16)
f (x
RS
, x S ) drds
(2.17)
+ s r
f (x ) f (x ) dx
R
dx S
(2.18)
f (t ) dt
X
(2.19)
28
FR ( x R ) =
xR
f (t ) dt
R
FS ( xS ) =
oraz
xS
f (t ) dt
S
(2.20);(2.21)
Rys. 2.3. Reprezentatywne funkcje gstoci prawdopodobiestwa fR (xR ) oraz fS (xS ) , czna
funkcja gstoci prawdopodobiestwa fRS (xR , xS ) (zakadajc, e XR , XS s niezalene)
oraz obszar przekroczenia stanu granicznego (zakreskowany).
Prawdopodobiestwo awarii konstrukcji zapisa mona zatem take przy wykorzystaniu
pojcia dystrybuanty rozkadw prawdopodobiestwa (jeli reprezentatywne zmienne losowe
XR , XS s rzeczywicie niezalene), w postaci
Pf = P ( X R X S 0 ) =
F (x ) f (x ) dx
R
(2.22)
ktra nazywana jest powszechnie cak splotu, a zobrazowa j mona ja na rys. 2.4.
W przypadku wikszoci rozkadw prawdopodobiestwa obliczenia caki splotu mona
dokona prostymi procedurami numerycznymi [Murzewski, 1997; Gwd, 1998]
29
1 F (x ) f (x ) dx
S
(2.23)
Przedstawi mona take zwizek, jaki istnieje midzy dwoma przedstawionymi podejciami,
midzy rwnaniem uywajcym funkcji gstoci prawdopodobiestwa fR (xR ) oraz fS (xS ),
a rwnaniem uywajcym pojcia dystrybuanty rozkadw prawdopodobiestwa FR (xR )
oraz FS (xS ). Stwierdzi mona, i jest to pewna suma czstkowych prawdopodobiestw awarii
dla nieskoczenie maych przedziaw zmiennoci wytrzymaoci cakowitej materiaw,
w ktrych suma obcie (efektw obcie) konstrukcji przekracza dan cakowit
wytrzymao materiaw. Graficzne przedstawienie tej zalenoci znajduje si na rys. 2.5.
30
101
102
103
104
105
106
107
Wskanik niezawodnoci
1, 3
2, 3
3,1
3, 7
4, 2
4, 7
5, 2
Wzgldne koszty
zapewnienia
bezpieczestwa konstrukcji
wysokie
umiarkowane
niskie
awarii
mae
0,0
1,3
2,3
31
przy czym:
(a) w stanach granicznych uytkowalnoci mona stosowa = 0, 0 w przypadku stanw
odwracalnych i = 1, 5 w przypadku stanw nieodwracalnych,
(b) w stanach granicznych zmczenia mona stosowa = 2, 3 3,1 , zalenie od moliwoci
przeprowadzenia nieniszczcej inspekcji konstrukcji lub jej elementu,
(c) w stanach granicznych nonoci mona stosowa wydzielenie klas bezpieczestwa,
dla ktrych = 3,1 , = 3, 8 lub te = 4, 3 .
Powysze wartoci zostay wyprowadzone przy zaoeniu modelu logarytmiczno normalnego
lub rozkadw: Weibulla do wytrzymaoci materiaw konstrukcyjnych, Gaussa do obcie
staych oraz Gumbella do obcie zmiennych w czasie. Bardzo istotne jest, aby stosowa te
same (lub bliskie do nich) zaoenia podczas prowadzenia probabilistycznych oblicze teorii
niezawodnoci konstrukcji.
Naley rwnie podkreli, za [PN-ISO 2394:2000], e warto wskanika niezawodnoci
i odpowiadajce mu prawdopodobiestwo awarii Pf s wartociami liczbowymi, majcymi
formalny i podstawowy charakter i s przeznaczone wycznie jako narzdzie
do sformuowania spjnych zasad teorii niezawodnoci, a nie s parametrami dajcymi pewny
opis czstoci awarii lub zniszcze konstrukcji inynierskich.
g (r , s ) = r s
(2.24)
M = g (R, S ) = R S
(2.25)
(2.26)
gdzie (i) jest funkcj dystrybuanty rozkadu normalnego o zerowej wartoci redniej
i jednostkowym odchyleniu standardowym.
32
E [M ]
1
=
VM
D [M ]
(2.27)
niezawodnoci
mona
takim
ukadzie
nazwa
odwrotno
(2.28)
gdzie 1(i) jest funkcj odwrotn dystrybuanty rozkadu normalnego o zerowej wartoci
redniej i jednostkowym odchyleniu standardowym.
33
E [M ]
D [M ]
E [R ] E [S ]
D [R ; S ]
R s
(2.29)
R2 + S2
E [M ]
D [M ]
E [R ] E [S ]
D [R ; S ]
R s
(2.30)
2RS R S + S2
2
R
odchylenia
standardowe
wyej
wymienionych
zmiennych,
natomiast
RS
jest
bezpieczestwa
jest
funkcj
liniow
(powierzchnia
graniczna
g(x) = 0 jest
g ( xi ) = a0 + ai xi = a0 + aT x = g ( x )
(2.31)
i =1
zbierajcy
wspczynniki
kierunkowe
wymiarowej
powierzchni,
M = a0 + ai Xi = a0 + aT X
(2.32)
i =1
C =
a0 + ai X i
i =1
aTC X a
a0 + aT E [ X ]
aTC X a
(2.33)
34
r
g (r , s ) = ln
s
(2.34)
R
M = ln
S
(2.35)
RE =
E [M ]
D [M ]
E [M ]
V [M ]
R
E ln
S
R
V ln
S
(2.36)
35
RE =
E [M ]
D [M ]
E [R ] E [S ]
V [R ; S ]
E [ ln R ] E [ ln S ]
V [ ln R ] 2 Cov [ ln R ; ln S ] + V [ ln S ]
(2.37)
Zapas bezpieczestwa wyraony w postaci (2.35) jest funkcj nieliniow, a co za tym idzie,
nie mona w prosty sposb oszacowa wartoci oczekiwanej oraz odchylenia standardowego
reprezentatywnych zmiennych losowych R, S . Naley wwczas dokona linearyzacji zmiennej
marginesu bezpieczestwa poprzez rozwinicie jej w szereg Taylora wok wartoci
oczekiwanych E[R] oraz E[S ] w przestrzeni bazowych zmiennych losowych. Linearyzacja
dokonana w otoczeniu punktu pojedynczej realizacji wektora zmiennej losowej, zawierajcego
wartoci oczekiwane (R , S ) daje zapas bezpieczestwa M FO wyraony wzorem
M FO = ln R +
R R
S S
ln S
R
S
(2.38)
ln E [R ] ln E [S ]
V 2 Cov [R ; S ] + V
2
R
2
S
ln R ln S
2
R
R S S
+
2RS
R S S
R
(2.39)
ln E [R ] ln E [S ]
V +V
2
R
2
S
ln R ln S
2
R S
+
R S
(2.40)
M FO = g ( x ) +
i =1
g
( x ) ( Xi xi )
xi
(2.41)
36
FOSM =
g (x) +
i =1
g
( x ) ( E [X i ] x i )
xi
g
g
( x ) ( x ) Cov X i ; X j
x j
i =1 j =1 x i
n
(2.42)
37
Aby uwypukli sens wskanika niezawodnoci oraz aby jak najbardziej zbliy ideologicznie
obliczenia n wymiarowe do zagadnienia jednowymiarowego, Hasofer i Lind zaproponowali
niejednorodne liniowe odwzorowanie zbioru podstawowych zmiennych losowych X w zbir
zmiennych losowych znormalizowanych i nieskorelowanych, ktry oznaczony zostanie
w niniejszej pracy jako Z . Zmienna ta ma zerowy wektor wartoci wasnych (E[Z] = 0)
oraz jednostkow macierz kowariancji (CZ = Cov[Z ; ZT ] = I) [Hasofer i Lind, 1974].
Transformacja pomidzy bazow zmienn losow X , a zmienn losow znormalizowan Z
przedstawia si rwnoci
Z = A ( X E [ X] )
(2.43)
(2.44)
(2.45)
(2.46)
z = A ( x E [ X ])
(2.47)
przy czym zauway mona, i punkt pojedynczej realizacji, zawierajcy wartoci oczekiwane
w przestrzeni realizacji x odwzorowywany jest w punkt pocztku ukadu wsprzdnych
w przestrzeni realizacji z , a powierzchnia graniczna 0 wektora realizacji x przeksztaca si
we wsprzdne powierzchni granicznej 0 wektora realizacji z .
Geometryczna odlego od pocztku ukadu wsprzdnych w przestrzeni realizacji z
do dowolnego punktu powierzchni granicznej 0 wektora realizacji z jest prost miar
odchylenia standardowego od punktu realizacji wartoci oczekiwanych w przestrzeni
realizacji x do odpowiadajcego punktu powierzchni granicznej 0 wektora realizacji x .
Dystans od punktu pojedynczej realizacji, bdcego pocztkiem ukadu wsprzdnych
w przestrzeni realizacji z , zwanego punktem pocztkowym analizy niezawodnoci,
do powierzchni granicznej moe by pomierzony tzw. funkcj Veneziano (funkcj
wskanika niezawodnoci) [Veneziano, 1974], ktr wyrazi mona w przestrzeni
realizacji z wzorem
( z ) = zT z ; z 0(
z)
(2.48)
38
( x E [ X ])
CX1 ( x E [ X]) ; x 0(
x)
(2.49)
z)
g ( z ) =0
(2.50)
lub rwnowanie
HL = min ( x ) = min
g ( x )=0
g ( x ) =0
( x E [ X] )
CX1 ( x E [ X]) ; x 0( x )
(2.51)
z* = * HL
Punkt z* jest granic sekwencji algorytmu z(0 ) z(1) ... z(m ) ... z* .
(2.52)
39
g ( z(m ) )
(2.53)
g ( z(m ) )
gdzie g ( z(m ) ) jest gradientem funkcji granicznej, zdefiniowanym w punkcie z(m ) , w postaci
g (m ) g (m )
g (m )
g ( z(m ) ) =
z );
z ) ;...;
(
(
(z )
z 2
z n
z1
(2.54)
wsprzdnych
przestrzeni
realizacji z , o
n
n
n
n
(2.55)
Metoda iteracji jest w kadym kroku algorytmu oparta na linearyzacji. W m tym kroku
algorytmu punktem startowym jest punkt z(m ) , a powierzchnia z n +1 = g ( z ) jest zastpowana
przez odpowiadajc jej n wymiarow paszczyzn styczn w punkcie z(m ) . Obraz przecicia
pomidzy t n wymiarow paszczyzn, a paszczyzn zn +1 = 0 mona zapisa rwnaniem
g ( z ) = g ( z(m ) ) +
n
i =1
g (m )
( z )(zi zi(m ) ) = 0
z 1
(2.56)
W rezultacie, kolejny punkt sekwencji algorytmu z(m +1) znajdowany jest na przeciciu (2.56)
jako punkt najbliszy do punktu kroku pocztkowego. Zapisuje si to rwnaniem
(m +1)
(m )T
= z
(m )
(m )
g ( z(m ) )
g ( z(m ) )
(m )
(2.57)
Jeli caa sekwencja algorytmu jest zbiena do punktu z* , to dla tego punktu ma miejsce
spenienie zapisu (2.52), co odpowiada znalezieniu ustalonej wartoci wskanika
niezawodnoci Hasofera Linda HL .
Szkic procedury iteracyjnego poszukiwania wskanika niezawodnoci Hasofera Linda HL
w przestrzeni realizacji z przedstawiony jest na rys. 2.9.
Powierzchnia graniczna moe jednak zawiera kilka istotnych punktw projektowych,
dla ktrych algorytm znajdzie odpowiadajce im ustalone wartoci wskanika niezawodnoci.
Wwczas konieczne jest odnalezienie wszystkich takich punktw (poprzez zaoenie kilku
40
(2.58)
(m +1)
= E [ X ] + CX g ( x
(m )
(x
(m )
E [ X ]) g ( x(m ) ) g ( x(m ) )
T
g ( x(m ) ) CX g ( x(m ) )
T
(2.59)
41
Z definicji funkcji Veneziano (2.48) (funkcji wskanika niezawodnoci), ktr mona take
wyrazi jako dugo wektora realizacji z , zapisa mona take, i
( z )
z i
z i
x
j =1
2
j
= i
(2.60)
(2.61)
(2.62)
T : ui = 1 FXi ( x i ) ; i = 1;...; n
(2.63)
(2.64)
42
(2.65)
u* = min u min T ( x ) = x*
gu ( u ) = 0
(2.66)
g ( x )=0
( (
1 FXi ( x i )
(u i )
gu
gu x i
gu
gu
=
=
=
(x)
(x)
ui
x i ui
x i
fXi ( x i ) x i
fXi ( x i )
))
(2.67)
gu
x ( u )(u
n
i =1
ui * ) = 0
(2.68)
Pf ( ) = u*
(2.69)
(2.70)
g ( z(m ) )
g ( z
(m )
gu ( u(m ) )
gu ( u
(m )
(m ) (2.71)
43
Jednostkowy
wektor normalny
do
trajektorii
prowadzonej przez
algorytm gu (u(m ) )
gu ( u(m ) )
(2.72)
gu ( u(m ) )
Aproksymacyjne liniowe podstawienie zwrotne u (m +1) do zapisu x(m +1) mona zatem zapisa
z uyciem pochodnych czstkowych transformacji
xi
(m +1)
= xi
(m )
( (
1 FXi ( x i (m ) )
fXi ( x i
(m )
))
(u
(m +1)
i
ui (m ) )
(2.73)
x i
FXi ( x i ) = i
i
fXi ( xi ) =
(2.74)
1 x i i
i i
(2.75)
lub przeksztacajc
i =
( (
1 FXi ( x i )
fXi ( x i )
))
i = x i i 1 FXi ( x i )
(2.76)
(2.77)
zi =
xi i
i
(2.78)
44
(cv = ) , przy czym w wikszoci analiz nie mog one przekracza wartoci cv ,max = 0,15
[Hurtado i Barbat, 1998].
Stosowalno metody perturbacyjnej jest ponadto ograniczona tylko do tej grupy problemw
inynierskich, w ktrych projektowanie odbywa si wycznie przy uyciu opisu
45
46
47
Pf = P g (R, S ) 0
(2.79)
gdzie funkcja g(R, S ) jest funkcj stanu granicznego konstrukcji inynierskiej, w ktrej
niepewnoci wyraone s dwiema reprezentatywnymi podstawowymi zmiennymi losowymi
wytrzymaoci materiau i obcienia.
Prosta posta funkcji stanu granicznego z powyszego zapisu moe w przypadku oglnym
zosta wyraona bezporednio jako zaleno wszystkich zmiennych podstawowych i ich
rozkadw prawdopodobiestwa, co mona zapisa rwnaniem
Pf = P g ( X ) 0 = ...
fX ( x ) dx
(2.80)
g ( X ) 0
gdzie: g(X) oznacza funkcj stanu granicznego konstrukcji, a fX (x) jest funkcj gstoci
prawdopodobiestwa n wymiarowego wektora podstawowych zmiennych losowych.
Jeli zmienne podstawowe X = {X1 ; X2 ; X3 ;...; Xn } s niezalene, to zapis funkcji gstoci
prawdopodobiestwa mona uproci do postaci
n
( i) = f
fX ( x ) = fXi x
i =1
X1
(x1 ) fX (x 2 ) fX ( x 3 ) ... fX ( xn )
2
(2.81)
48
Zaoy mona nastpujc cak, bdc uoglnion form zapisu funkcji stanu granicznego
I = g ( x ) dx
(2.82)
gdzie D jest obszarem w przestrzeni n wymiarowej, a g(x) jest funkcj realizacji zmiennych
losowych problemu inynierskiego.
Jeeli zostan wygenerowane symulacyjnie (z obszaru D ) niezalene i pochodzce z rozkadu
rwnomiernego realizacje zmiennych losowych x1 , x2 , x3 ,..., xn , to przyblienie przedstawionej
powyej wartoci I moe by zapisane w postaci
1
IMC = g ( x1 ) + g ( x 2 ) + g ( x 3 ) + ... + g ( xn )
n
(2.83)
MC
m IMC ,m I N ( 0, 2 )
(2.84)
i ) 0)
n (g ( x
N
= J MC
(2.85)
49
Pf
1
N
I ( g ( x ) 0) = J
i =1
0/1
(2.86)
MC
(2.87)
1
N2
Var I 0/1 ( g ( x i ) 0) =
i =1
1
N2
(
N
i =1
I 0/1 ( g ( x
i ) 0 ) Pf
) (2.88)
2
1
Pf (1 Pf )
N
(2.89)
Wwczas, dokadno oszacowania wykonanego metod Monte Carlo moe zosta wyraona
za pomoc wspczynnika zmiennoci estymatora, ktry mona przedstawi jako
eMC =
VPf
Pf
(2.90)
1 Pf
N Pf
(2.91)
Jak wida z powyszych zapisw, bd aproksymacji metod Monte Carlo jest niezaleny
od wymiaru zmiennej losowej X . Ta wanie cecha stanowi gwn zalet stosowania
metodologii Monte Carlo w szeroko pojtej inynierii.
Podsumowujc aby stosowa metod Monte Carlo w praktyce inynierskiej, koniecznie
i , okreli
naley rozwin technik symulacji prbek podstawowych zmiennych losowych x
szacunkow liczb prbek potrzebnych do poprawnego oszacowania wspomnianego powyej
prawdopodobiestwa awarii konstrukcji Pf (co w niektrych przypadkach wie si z celow
i zaplanowan redukcj populacji prbek, majc zaoszczdzi czasu i mocy obliczeniowej
narzdzia komputerowego, poprzez tzw. techniki redukcyjne) oraz uwzgldni efekt
i ) [Melchers, 1999].
zoonoci tego wyboru na obliczenie funkcji stanu granicznego g(x
50
51
52
= l , i l = ,
l =1
(l
= 1, 2, 3,..., L ; i j ; i , j = 1, 2, 3,..., n )
(2.92)
Pl =
f ( x ) dx
l
(2.93)
fl ( x ) = f ( x )
, (l = 1; 2; 3;...; L )
P dla x l
l
(2.94)
53
Przy tak sporzdzonym opisie funkcji fl (x) mona oszacowa prawdopodobiestwo awarii Pfl
realizacji pochodzcej z l tej podprzestrzeni l
Pfl =
Nl
l j =1
(( ) ) ( )
I 0/1 g xl j 0 f xl j
(2.95)
( )
fl xl j N l
Pf =
Pfl =
l =1
( ( ) ) ( ) = J
Nl I
0 f xl j
0/1 g xl j
l =1 l j =1
fl xl j N l
( )
MC ,SS
(2.96)
54
rwnie
dzieli
si
na
kilka
rozcznych
podprzestrzeni l (l = 1; 2; 3;...; L ) ,
55
56
l 1
Lx = (l j )
j =0
= (l ! )
n 1
(2.97)
k 0, 5
xik = Fi 1
(2.98)
gdzie: xik jest k t prbk i tej skadowej zmiennej losowej, Fi 1(i) jest odwrotnoci
dystrybuanty jej rozkadu prawdopodobiestwa, a L jest maksymaln liczb prbek, jakie
mona uzyska na pojedynczym wymiarze n wymiarowej przestrzeni realizacji
[Helton i Davis, 2003; Olsson i inni, 2003].
Ilustracj przykadowej populacji prbek, jak uzyskuje si w procesie generacyjnym
z uyciem prbkowania hiperszecianu aciskiego, przedstawia rys. 2.16.
57
Pf
( ( ) ) =J
ik 0
n g x
Nx
(2.99)
MC ,LHS
Pf
1
N
I ( g ( x ) 0) = J
i =1
0/1
(2.86)
MC
1
N
fX ( w i )
I ( g ( w ) 0 ) f ( w ) = J
i =1
0/1
MC ,IS
(2.100)
Uyty w rwnaniu iloraz funkcji gstoci W (wi ) = fX (wi ) / fW (wi ) nazywany jest wag
lub te wspczynnikiem podobiestwa gstoci rozkadw. W przypadku, gdy midzy
funkcjami gstoci nie zachodzi adna zmiana, to wwczas W (wi ) = 1 , co oznacza redukcj
techniki do podejcia bezporedniego metody Monte Carlo.
Zbieno estymatora jest zapewniona dla prawie dowolnego rozkadu prawdopodobiestwa
fW(wi ) , jednake tylko niektre rozkady zapewniaj oszacowanie efektywniejsze ni to, jakie
mona uzyska bezporedni metod Monte Carlo. Dobr odpowiedniej wagi jest kluczow
58
wariancja
estymatora
f ( w )
VPf = Var (J MC ,IS ) = Var ( Pf ) = Var I 0/1 ( g ( wi ) 0 ) X i
f ( w )
i
W
(2.101)
fX ( wi )
I 0/1 ( g ( wi ) 0 )
fX ( wi ) E W
fW ( wi )
fX ( wi )
I 0/1 ( g ( wi ) 0 )
fW ( wi )
(2.102)
Naley pamita, i zapisana powyej wariancja musi mie skoczon warto, inaczej
technika redukcyjna nie bdzie efektywna. Pomocnicze w tym zakresie s wszystkie techniki
i metody adaptacyjne, ktre jednak nie zostan przywoane w niniejszej rozprawie.
59
Pojedyncza gra rosyjskiej ruletki oznacza, e w pewnym kroku algorytmu, dla kadego
wektora realizacji zmiennych losowych xn (t ), n = 1; 2; 3;...; N ( N to pocztkowa liczba prbek
w populacji) zostanie przypisane prawdopodobiestwo przetrwania Pn (t ) , mieszczce si
w zakresie 0;1 . Technika rosyjskiej ruletki i rozdzielania operuje zasugerowanym powyej
pojciem zalenoci od czasu gry t nie jest to jednak czas w sensie stricte, a tylko
umwione zagszczenie krokw algorytmu generacji, w ktrych dokonuje si na populacji
prbek pojedyncza gra w rosyjsk ruletk. Taka gra sprawia, i kada prbka realizacji
wektora zmiennych losowych moe przetrwa z prawdopodobiestwem rwnym (Pn (t ))
lub te zgin z prawdopodobiestwem rwnym (1 Pn (t )) .
Przywoa mona ponownie wyjciowy estymator prawdopodobiestwa awarii wg metody
Monte Carlo (2.86), modyfikujc jedynie posta jego funkcji charakterystycznej, tak, aby
zawarte w niej sprawdzenie spenienia stanu granicznego wyrazi za pomoc zapisu
dopuszczalnego przebiegu symulacji realizacji wektora zmiennej losowej w czasie t
Pf
1
N
I ( g ( x ) 0)
i =1
0/1
1
N
I ( X (t ) , x ) w (t ) = J
i =1
0/1
MC
(2.103)
gdzie: wn (t ) oznacza wag danej n tej prbki losowej w okrelonym czasie (kroku redukcji
populacji prbek) przed
0 dla X nk x k
I 0/1 ( Xn (t ) , x ) =
,
1 dla Xnk < x k
(k
= 1; 2; 3;...; nt )
(2.104)
rosyjskiej ruletki
Dziki wskazanej powyej idei techniki prbkowania rosyjskiej ruletki i rozdzielania mona
zaproponowa rwnanie wyraajce zmodyfikowany po dokonaniu pojedynczej gry rosyjskiej
ruletki estymator prawdopodobiestwa, zapisywany w postaci
Pf (t )
1
N
I ( X (t ) , x ) J (t ) w (t ) = J
i =1
0/1
MC ,RR &S
(2.105)
gdzie wn (t ) jest wag danej n tej prbki losowej w okrelonym kroku redukcji populacji
prbek po dokonaniu pojedynczej gry rosyjskiej ruletki.
60
Rys. 2.17. Schemat dziaania algorytmu doboru prbek obliczeniowych technik rosyjskiej
ruletki i rozdzielania.
Zapisana w poprzedniej rwnoci zmienna Jn (t ) jest niezalen zmienn losow wyraajc
wynik gry dla n tej prbki losowej, przyjmujc wartoci
0 dla P = 1 Pn (t ) eliminacja prbki
J n (t ) =
1 dla P = Pn (t ) przetrwanie prbki
(2.106)
Zwizek midzy wag danej n tej prbki losowej w okrelonym kroku redukcji populacji
prbek przed i po grze w rosyjsk ruletk mona wyrazi jako
wn (t ) = wn (t ) Pn (t )
(2.107)
61
62
Poza tym, oba przykady wykazuj ciekawe zachowania niestateczne, prezentuj bardzo
interesujce z punktu widzenia inyniera postkrytyczne cieki rwnowagi, co po pierwsze
znacznie uatwia precyzowanie interesujcych rezultatw maksymalnych si obcienia, a po
drugie bardzo widocznie rnicuje zachowanie si konstrukcji po przekroczeniu wartoci
krytycznej przez si ciskajc. Warto jednak w tym momencie wyranie odnotowa,
i w zakresie moliwych do wystpienia zmiennoci parametrw losowych, rozdzieli mona
regiony realizacji zmiennych generujce stabilne i niestabilne cieki rozwizania (takie, dla
ktrych druga pochodna z energii modelu obliczana wzgldem stopni swobody modelu kolejno
jest albo nie jest skoczona). W niniejszej analizie ograniczono si jedynie do rozwiza,
dla ktrych wspomniana druga pochodna z energii jest skoczona (cieek stabilnych)
oraz zaoono dodatkowo, i parametry zmienne nie mog przybra wartoci ujemnych
[NematNasser i inni, 1980; Ikeda i Murota, 1991; Tylikowski, 1991].
63
Przykad ten posuy wycznie prezentacji toku oblicze, jakie musz by wykonane,
aby moliwe byo szacowanie interesujcej odpowiedzi konstrukcji, w zalenoci od przyjtych
wartoci realizacji zmiennych losowych imperfekcji modelu oraz zasygnalizowanie, jaka
warto wynikowa jest uwaana za odpowied konstrukcji.
elementu
Najistotniejsz wartoci liczbow analizy jest krytyczna sia ciskajca Ncr , ktr mona
obliczy z prostego rwnania rwnowagi momentw wzgldem punktu zamocowania (A).
Rwno ta ma posta
= 0 P x k s r = 0
(2.108)
s = s s0
(2.109)
(a + a ) + (l l )
2
(a + a ) + (l l )
2
= s0 2 ;
= s 2 (2.110);(2.111)
(a + a ) + (l l )
2
(a + a ) + (l l )
2
(2.112)
64
Rozwijajc
kolejno
skadniki
przyrostw
dugoci
spryny: a0 = l sin 0 ,
rzutw
s =
(a + l sin )
(a + l sin 0 )
+ (l cos )
2
+ (l cos 0 )
(2.113)
(2.114)
2 + 2 sin + 1 2 + 2 sin 0 + 1
(2.115)
Rami siy panujcej w sprynie podczas jej rozcignicia obrotem o kt mona obliczy
wykorzystujc funkcje trygonometryczne kta kierunkowego spryny:
l l
s
r
= sin
a
= sin ;
(2.116);(2.117)
a
l l
s
r =
(2.118)
(a + a ) + (l l )
2
l cos =
a l cos
+ 2 sin + 1
2
a cos
+ 2 sin + 1
2
(2.119)
P = k l
2 + 2 sin + 1 2 + 2 sin 0 + 1
a cos
1
(2.120)
2 + 2 sin + 1 l sin
cos
sin
2 + 2 sin 0 + 1
2 + 2 sin + 1
(2.121)
Wanym elementem rozwizania jest take kalkulacja energii wewntrznej modelu, ktr
obliczy mona, zapisujc bilans energii kinematycznej i potencjalnej
V = Ek E p =
k s 2
P h
2
(2.122)
65
) (
(2.123)
k
l
2
2 + 2 sin + 1 2 + 2 sin 0 + 1
P l ( cos 0 cos )
(2.124)
2
2 2
2 + 2 sin + 1 2 + 2 sin 0 + 1
2 cos2
2 + 2 sin 0 + 1
+ 2 sin + 1
2
+ sin
sin (2.126)
2 + 2 sin + 1
2 + 2 sin 0 + 1
66
(EA [kN] = ; EJ [kNm2 ] = ) pionowy element prtowy o dugoci l [m] (maszt), ktry
jest u dou zamocowany przegubowo w podou, jednake tym razem u szczytu podparty jest
dwiema liniowymi, poprowadzonymi po skosie sprynami (odcigami), zaczepionymi jak
poprzednio przegubowo zarwno do podoa, jak i elementu prtowego. Spryny
przebiegaj w stosunku do poziomu odpowiednio pod ktami [ rad ] oraz [ rad ] .
Obie spryny maj zadan sztywno liniow, ktra moe dla obu tych elementw by rna
wynosz one odpowiednio k1 [kN m] dla spryny dziaajcej w paszczynie pierwszego ze
stopni swobody oraz k2 [kN m] dla spryny dziaajcej w paszczynie wzajemnie
prostopadej. Punkty podparcia spryny i elementu prtowego s oddalone od siebie
o dystans rwny a [m] na kierunku podunym oraz b [m] na kierunku poprzecznym
paszczyzny podparcia ukadu. Maszt obciony jest u szczytu si pionow o wartoci
P [kN] . Konstrukcj przedstawiono na rys. 2.20.
Pozycj sztywnego elementu prtowego masztu mona zatem zdefiniowa analogicznie
do poprzedniego zadania, za pomoc dwch stopni swobody kta obrotu elementu
wzgldem kierunku pionu, oznaczanego symbolem [rad] oraz kta obrotu elementu
wzgldem konfiguracji pocztkowej, mierzonego w paszczynie podstawy ukadu [rad].
67
W modelu tym zakada si, zgodnie z geometri ukadu, i maszt ma dwie niezamierzone
niedoskonaoci wykonania jedn, ktra objawia si utrat jego pionowoci oraz drug,
skutkujc pewnym niepodanym obrotem w paszczynie podparcia, wzgldem konfiguracji
pocztkowej ukadu. Imperfekcje te opisuje si za pomoc kta pocztkowego pochylenia
0 [rad] oraz kta pocztkowego obrcenia 0 [rad] masztu. Trzeci zmienn losow
w modelu trjwymiarowym, analogicznie
jest sztywno liniowa spryny k2 .
do
poprzedniego
przykadu
numerycznego,
dobierane
rozkadu
rwnomiernego
opisanego
na
przedziale
k2 0, 075 ;1, 0 kN m , przy czym podkreli naley, i dolna granica przedziau zostaa
ustalona jako rna od zera arbitralnie, poniewa rozwizanie przedstawionego problemu przy
skrajnych (bliskich zeru) danych liczbowych jest numerycznie bardzo trudne do
przeprowadzenia.
elementu
68
V = Ek E p =
k s12 k s22
+
P h
2
2
(2.127)
h = l ( cos 0 cos )
(2.128)
V
V
= 0 oraz
=0
(2.129);(2.130)
wartoci
siy
ledzcej
od
ktw
obrotu
elementu
P(, )
do
2V 2V 2V
=0
2 2
(2.131)
si
rwnie
imperfekcje
postaci
ktw
pocztkowego
pochylenia 0
oraz pocztkowego obrcenia 0 masztu, ktre take zakadane s jako zmienne losowe.
69
Obie imperfekcje (oba kty), analogicznie do zmiennej losowej staej sprystoci, przybieraj
swoje wartoci z rozkadu rwnomiernego, z narzuconych przedziaw:
0 0, 0000001;
rad oraz
32
+
;
rad ,
2 40
40
przy czym ponownie grne i dolne granice przedziaw zostay ustalone arbitralnie, w taki
sposb, aby prowadziy do uniknicia moliwych do wystpienia trudnoci numerycznych
przy kalkulacji rozwizania (w przypadku granic dolnych) lub zapewniay odnalezienie
punktu maksymalnego cieki rwnowagi (w przypadku granic grnych).
1. Badanie zachowania si zalenoci P ( , ) oraz wartoci si krytycznych Ncr .
O tym, jak zoony zarwno numerycznie, jak i inyniersko staje si przedstawiony model,
jeli wskazane parametry konstrukcji (k2 , 0 , 0 ) przyjmie si jako losowe, wiadczy najlepiej
wpyw, jaki
70
krytycznej Ncr , a jej przebieg w przestrzeni realizacji jest stosunkowo gadki jej kt obrotu
wzgldem konfiguracji pocztkowej przyrasta w zgodzie z przyrostem kta pochylenia .
Druga ze cieek (k2 = 1,0) przejawia natomiast zdecydowanie wysz si krytyczna Ncr ,
a po jej osigniciu cechuje si wystpieniem nagego obrotu .
71
0 = ( 2 + 0,1) rad , natomiast druga zaznaczona jest na rys. 2.23 kolorem zielonym i jest
sporzdzona dla 0 = ( 0,1) rad .
Dla tego przypadku widoczne staje si przede wszystkim zblienie wartoci liczbowych si
krytycznych Ncr dla masztu, niezalenie od tego jak imperfekcj obrotu elementu
wprowadzono do zadania. W pocztkowej fazie pracy konstrukcji, po osigniciu punktu siy
krytycznej, nastpuje szybkie zejcie si cieek postkrytycznych wytyczonych dla obu
skrajnych wartoci kta obrotu elementu 0 . cieki bowiem wyranie d do sprecyzowanej
wartoci obrotu (0 = ) , a wic drugi z przebiegw, rozpoczynajcy si od inicjujcej
wartoci (0 = 0,1) jest bardzo przybliony do wartoci docelowej, przez co nie wykazuje
przyrostu obrotu cechujcego pierwszy z przebiegw (0 = 2 + 0,1) .
72
21 39
; rad .
40 40
73
Rys.2.24. Podejcie bezporednie metody Monte Carlo analiza zbienoci kalkulacji trzech
pierwszych probabilistycznych momentw odpowiedzi modelu.
Na podstawie analizy zilustrowanych na rys. 2.24 rezultatw poszukiwania zbienoci
wymienionych
probabilistycznych
momentw
odpowiedzi
mona
wywnioskowa,
i zaproponowana populacja o liczebnoci NR = 5000 prbek wydaje si wystarczajca.
W zalenoci od rygorystycznoci kryterium przyjcia dopuszczalnego poziomu zbienoci
stwierdzi mona, i okoo 3000 3500 realizacji wektorw zmiennych losowych wystarcza,
aby uzyska satysfakcjonujc warto redni siy krytycznej Ncr . Warto zaznaczy, i jest
to cakiem zadowalajca ilo prbek, gdy nie jest ona nazbyt czasochonna dla procedury
obliczeniowej. Duo korzystnej wyglda osiganie zbienoci wartoci odchylenia
standardowego, ktre uzyskuje satysfakcjonujc zbieno ju po okoo 1500 2000
realizacji. Wykonane obliczenia zbienoci skonoci prezentuj si natomiast najgorzej,
wykazujc ustalenie wartoci skonoci odpowiedzi konstrukcji po okoo 4000 4500
realizacji. Stabilizacja wyniku oblicze skonoci, wykonywana jedynie kontrolnie, jest bardzo
interesujcym rezultatem. Na podstawie przeprowadzonych dowiadcze numerycznych
mona stwierdzi, i osiga ona zwykle zadowalajc zbieno dla znacznie wikszej liczby
uytych prbek, ni ma to miejsce w przypadku dwch podstawowych momentw odpowiedzi
probabilistycznej. Zaleca si zatem obserwacj take i jej zbienoci, gdy wartoci rednia
i wariancja przyjte za ostatecznie skalkulowane w momencie ustalenia si wartoci skonoci
zazwyczaj speniaj przyjte kryterium dopuszczalnoci dokadnoci oszacowania.
74
(2.132)
75
zaznaczy
naley,
przyjtym
zakresie
licznoci
populacji
prbek
(NR = 10 = 1000) osiga si pen stabilizacj wyniku oblicze wszystkich trzech momentw
3
76
77
W ramach przyjtej licznoci populacji prbek zbieno skonoci nie zostaa w ogle
osignita. Osiga si j dopiero na skutek uycia wikszej iloci prbek, pochodzcych
z dalszych generacji, aczkolwiek nakad czasu obliczeniowego, wymagany do przygotowania
na ich podstawie kolejnych populacji, zrwnuje si z czasochonnoci oblicze za pomoc
podejcia bezporedniego. Mona wic stwierdzi, i liczebno populacji wynoszca okoo
NR = 50 prbek nie jest wystarczajca, aby dorwna skutecznoci prbkowania
warstwowego (liczebno populacji jest podyktowana rwnowag czasu oblicze rwnolegych
przy uyciu obu technik redukcyjnych), aczkolwiek nadal mona zaobserwowa zysk nakadu
obliczeniowego w porwnaniu z prbkowaniem bezporednim.
Na podstawie analizy zilustrowanych powyej rezultatw poszukiwania zbienoci trzech
probabilistycznych momentw odpowiedzi z zastosowaniem techniki prbkowania
hiperszecianu aciskiego mona stwierdzi, i technika ta nie znajduje poparcia w wynikach
uzyskiwania zbienoci. Wniosek taki nie moe dziwi w literaturze rozpowszechnione jest
przekonanie, i technika ta osiga wymierne skutki jedynie w przypadku operacji na bardzo
skomplikowanych modelach obliczeniowych, podczas gdy model zaproponowany w zadaniu
jest stosunkowo prosty. Opisana nieefektywno tej techniki wynika zatem prawdopodobnie
z bardzo mocnego uzalenienia parametrw losowych od siebie nawzajem, ktre narzucane
jest na parametry przez geometri zadania. Technika ta jest bowiem przystosowana cile
do operowania na wielowymiarowej zmiennej losowej, gdzie kombinatoryka pomidzy
poszczeglnymi wymiarami przestrzeni realizacji jest bardziej istotna i gdzie daje ona duo
peniejszy obraz zachowania si konstrukcji. Dysponowanie jedynie trzema wymiarami
losowymi powanie ogranicza wskazywane przez literatur zalety metody.
78
Dziki metodzie powierzchni odpowiedzi mona take oszacowa, jak okrelona odpowied
konstrukcji zmienia si pod wpywem dokonania zmian poziomw uytych wspczynnikw
analizy w odpowiednich obszarach zainteresowania oraz osign ilociowe (deterministyczne)
zrozumienie zachowania konstrukcji w testowanym obszarze, tj. umie okreli na bazie
wygenerowanej powierzchni odpowiedzi poprawno dziaania oblicze i poczynionych
zaoe. Przede wszystkim jednak metoda powierzchni odpowiedzi pozwala uzyska
kompletn wiedz o waciwociach konstrukcji na testowanym obszarze zmiennoci jej
parametrw, nawet dla wspczynnikw analizy, ktre nie zostay brane pod uwag przy
tworzeniu funkcji stanu granicznego [Melchers, 1999].
Wykorzystywanie metodologii powierzchni odpowiedzi mona podzieli na trzy zasadnicze
gazie. Pierwsza z nich traktuje metod jako strategi przegldu przestrzeni realizacji
podstawowych zmiennych losowych zadania eksperymentalnego, dokonywanego w celu
zapewnienia maksymalnej iloci informacji o procesie inynierskim, przy rwnoczesnej
minimalizacji nakadu kosztw eksperymentu. Druga z gazi skupia si na wykorzystaniu
metody do modelowania statystycznego, majcego na celu stworzenie odwzorowania
poprawnie przybliajcego rzeczywist konstrukcj, w taki sposb, aby odpowied modelu
konstrukcji (oznaczana symbolem y ) na zmiany jej niepewnoci (wyraane jako realizacje
niezalenych zmiennych losowych x ) dya do penej zgodnoci z odpowiedzi rzeczywist.
Trzecia z nich poszukuje w metodzie zaoe do procesu optymalizacyjnego, ktre maj
pomc wyszuka pojedyncze realizacje zmiennych losowych, dajce podan warto
odpowiedzi konstrukcji [Hill i Hunter, 1966].
Metoda powierzchni odpowiedzi jest bardzo ceniona przy obliczaniu niezawodnoci
konstrukcji, gwnie za swoj efektywno numeryczn. Jednake fakt, i jest ona
przeprowadzana nie na wyznaczonej cile funkcji stanu granicznego, a na odpowiednio
aproksymacyjnie wygenerowanej powierzchni odpowiedzi wyranie wskazuje, i szacowanie
niezawodnoci z uyciem metody powierzchni odpowiedzi jest projektowaniem w pewnym
sensie przyblionym.
Ponadto, metoda moe by czasochonna przy zastosowaniach do wikszych konstrukcji
inynierskich, o wikszej iloci pocztkowych zmiennych losowych, dla ktrych potrafi
wykaza due bdy statystyczne przy kalkulacji wskanika niezawodnoci. Aby pokona
te problemy, uywa si technik wspomagajcych wyznaczanie wspczynnikw w modelu
matematycznym aproksymujcym powierzchni odpowiedzi [Kang i inni, 2010].
Metod powierzchni odpowiedzi wczy mona do wsppracy z programami metody
elementw skoczonych. Wskazano, e nawet dla konstrukcji inynierskich o bardzo duej
skali (przykadowo, dla mostu elbetowego), modelowanie metod elementw skoczonych
z uwzgldnieniem parametrw zaczerpnitych z metody powierzchni odpowiedzi jest
dokadniejsze, a problemy niezawodnociowe mog by jawnie formuowane.
Dodatkowo, obliczenia MES mog by wykonywane tylko na aproksymowanej powierzchni
odpowiedzi, a nie na wyjciowym stanie granicznym konstrukcji, przy cakowitym
zachowaniu zgodnoci rezultatw uzyskanych na drodze obu podej. Ponadto proces
uaktualniania modelu MES o dane z metody powierzchni odpowiedzi jest efektywny
i wykazuje szybk zbieno przy uzyskiwaniu rozwiza, co powoduje, i model taki moe
by z powodzeniem implementowany w programach komercyjnych [Schuller, 2001].
79
Zupenie nowym horyzontem dla metody powierzchni odpowiedzi jest technika zwana
stochastyczn metod powierzchni odpowiedzi (SRSM). Stworzona zostaa ona dla
konstrukcji o wyjtkowo niskich prawdopodobiestwach awarii, dla ktrych symulacje Monte
Carlo s wysoce nieefektywne lub wrcz niedokadne. SRSM przyblia funkcj stanu
granicznego za pomoc wielowymiarowych wielomianw kwadratowych poprzez dopasowanie
tych wielomianw do zaproponowanych w rozwizaniu punktw projektowych, aby zwikszy
prawidowo i dokadno odwzorowania funkcji stanu granicznego rwnie w obszarach
sabo kontrolowanych przez punkty projektowe. Takie dziaanie jest take w stanie odnale
numerycznie wszystkie nieliniowoci funkcji stanu granicznego [Gavin i Yau, 2009].
Korzystajc z metody powierzchni odpowiedzi naley by jednak wiadomym zagroe,
jakie nasuwaj si podczas korzystania z niej i jej niedoskonaoci. Naley mie rwnie
na uwadze wszystkie jej matematyczne i mylowe ograniczenia.
W metodzie tej koniecznie naley zna wartoci krytyczne zmiennych losowych Xi , bdce
niebezpieczne dla konstrukcji. Ponadto, projekt zadania inynierskiego musi by sporzdzony
z cakowit pewnoci i poprawnoci, tj. musi by dziki niemu ustalony jawny obszar
zainteresowania analizy, gdzie poziomy parametrw analizy zmiennoci wpywajcych
na konstrukcj s jasno sprecyzowane i znane. Naley bowiem pamita, e wspczynniki
powierzchni odpowiedzi rni si w rnych punktach testowanego obszaru
zainteresowania analizy. Metod najmniejszych kwadratw lub metod elementw
skoczonych musi by zatem wytworzona sprecyzowana, unikatowa funkcja, ktra zwie
wspczynniki analizy z aproksymowan, rzeczywist odpowiedzi konstrukcji, a odpowied
zdefiniowana przez funkcj lub opis musi by krzyw gadk [Surdet i Der Khuregian, 1988].
Przy tworzeniu wielomianowej powierzchni odpowiedzi due zmiennoci wspczynnikw
analizy mog powodowa mylne odczyty odpowiedzi (mog pojawia si bdy numeryczne
oraz brak powtarzalnoci uzyskiwanych odpowiedzi konstrukcji). W zalenoci od danych
eksperymentalnych wspczynniki powierzchni odpowiedzi mog by okrelone niepoprawnie
lub le wywnioskowane, a przy wynikajcym z projektu zym doborze zakresu zmiennoci
wspczynnikw analizy (zakres jest zbyt wski lub zbyt szeroki) mona nie osign
podanego w procesie inynierskim optimum projektowego konstrukcji [Mason i inni, 1989].
Naley rwnie by wiadomym, i nie mona w metodzie tej zastosowa niektrych
podstawowych praw i regu statystycznych [Myers i Montgomery, 1995].
Ponadto, RSM poczone z metod elementw skoczonych niewprawnie, pozostawia
uytkownikowi poleganie na wspczynnikach i funkcjach granicznych dopasowanych przez
narzdzie obliczeniowe, a wic wadliwe zaprogramowanie algorytmu obliczeniowego
i/lub procesw sterowania rozwizaniem moe da w odpowiedzi cakowicie nieprawidow
powierzchni odpowiedzi [Whitcomb i Anderson, 2004].
80
ktrych
obliczana
jest
rzeczywista
odpowied
konstrukcji y ( x ) .
(2.133)
y(x) = 0 + i xi +
i =1
(2.134)
81
y(x) = 0 + i xi + ij xi x j +
i =1
(2.135)
i < j j =2
Jeli natomiast krzywizna rzeczywistej powierzchni odpowiedzi konstrukcji jest na tyle dua,
i nawet model pierwszego rzdu zawierajcy czony interakcyjne daje niedokadny obraz
odwzorowania, to naley wwczas dla zadania uy wielomianw stopnia drugiego. Zapisa
mona zatem za ich pomoc funkcj aproksymujc stopnia drugiego.
Model taki nazywamy modelem drugiego rzdu i zapisuje si go rwnaniem
n
i =1
i =1
y(x) = 0 + i xi + ii xi2 + ij xi x j +
(2.136)
i < j j =2
Wikszo rozwiza metod powierzchni odpowiedzi stosuje jedynie dwa powysze modele
((2.134),(2.136)) lub dowolne ich kombinacje [Box i Wilson, 1951].
Model drugiego rzdu jest bardzo elastyczny, moe przybra naprawd szerok gam
ksztatw i topografii, co zazwyczaj skutkuje bardzo wysokim wspczynnikiem dopasowania
do powierzchni wyjciowej. W dotychczasowej literaturze mona znale te wiele odniesie
do rzeczywistych bada i pomiarw, ktre wskazuj na du sprawno, dokadno
i poprawno metody, kiedy uywa si modelu drugiego rzdu [Myers i Montgomery, 1995].
Aby osign najbardziej efektywny rezultat przyblienia funkcji odpowiedzi konstrukcji
za pomoc wielomianw, naley zebra odpowiedni ilo danych numerycznych z procesu
projektowania eksperymentu. Kiedy ju zostan one odpowiednio zebrane i zapewniona jest
poprawno przeprowadzenia tworzenia modelu, przystpuje si do szacowania
wspczynnikw wielomianu, najczciej za pomoc metody najmniejszych kwadratw
[Benjamin i Cornell, 1977].
W niektrych, bardziej rozlegych analizach naley dla zadania uy modelu korzystajcego
z wielomianw stopnia wyszego ni drugi lub te ze specjalnych technik (przykadowo
z rozwinicia powierzchni w szereg Taylora wzgldem tzw. punktu centralnego planu
eksperymentalnego x,0 = {x1,0 ; x 2,0 ; x 3,0 ;...; xn ,0 } technika taka nosi nazw iteracyjnej
metody powierzchni odpowiedzi), jednake s to przypadki bardzo rzadko wystpujce
w analizach konstrukcji inynierskich [Rajashekhar i Ellingwood, 1993; Gavin i Yau, 2009].
Procedur iteracyjn mona przedstawi jako
i =1
i =1
(2.137)
82
gdzie xi ,0(k ) jest kolejn, k t iteracj i tej wsprzdnej realizacji wektora zmiennych
losowych punktu centralnego planu eksperymentu x,0 = {x1,0 ; x 2,0 ; x 3,0 ;...; xn,0 }.
Sporzdzony dowoln technik model aproksymacyjny powierzchni odpowiedzi konstrukcji
y(x) mona take zobrazowa graficznie w przestrzeni realizacji zmiennych losowych.
Takie przedstawienie powierzchni pozwala na sprawdzenie, czy zawiera ona widoczne
wzniesienia i obnienia topografii oraz tzw. przecze i sioda. Naley mie jednak na uwadze
fakt, i sensownym rozwizaniem jest jedynie prezentacja modelu z dwiema zmiennymi
(najczciej z realizacj zmiennej podstawowej cakowitego wkadu niepewnoci
wytrzymaoci materiaw konstrukcyjnych r oraz realizacj zmiennej podstawowej
cakowitego wkadu niepewnoci obcie dziaajcych na konstrukcj s ).
xi
i =1 ai + bi x i
(2.138)
83
gRPS (x) =
n
n
n
a0 (ai + bi xi ) + xi (ai + bi x i )
j =1, j i
i =1
i =1
(ai + bi xi )
(n )
pRPS
(x)
=0
(n )
qRPS (x)
(2.139)
i =1
(n )
(n )
(x) oraz qRPS
(x) s wielomianami stopnia n tego reprezentujcymi zachowanie
gdzie pRPS
84
85
86
87
(zi ), lub te, w poczeniu z analiz regresji pomiarw polegajcych na ledzeniu wariancji
powierzchni odpowiedzi (czyli w poczeniu z drug gazi technik analizy wraliwoci).
Inn popularn technik analizy wraliwoci metodami prbkowania bezporedniego jest
metoda obrazowania, polegajca raczej na ocenie, czy dana zmienna wejciowa wpywa
znaczco na ksztat odpowiedzi modelu, ni na faktycznym okreleniu miar wraliwoci
rozpatrywanego zadania. Stosowana jest ona najczciej w przypadku modeli
probabilistycznie wielowymiarowych. Obrazowanie charakteryzuje si bowiem stosunkowo
niskim kosztem obliczeniowym, w porwnaniu z innymi podejciami do analizy wraliwoci,
moe wic by uywane przykadowo do wstpnych analiz testowych, sucych
do wyrnienia zmiennych wejciowych o wikszym wpywie na odpowied modelu ni
pozostae, przeprowadzonych zanim wykonana zostanie bardziej szczegowa analiza. Jedn
z najpopularniejszych technik obrazowania jest metoda efektw gwnych, szczeglnie
w tej klasie problemw, gdzie metody ledzenia wariancji s obliczeniowo niemoliwe
z powodu zaoe narzuconych na zadanie lub jego przewidywanego czasu obliczeniowego.
Ostatni z popularnych metod majcych za podstaw technik prbkowania bezporedniego
jest metoda filtrowania Monte Carlo. Celem tej metody jest identyfikacja regionw
w przestrzeni probabilistycznej zmiennych wejciowych, odpowiadajcych ustalonym przez
eksperymentatora wartociom lub zachowaniom szczeglnym zmiennej odpowiedzi
(przykadowo poszukiwane mog by maksima i minima zmiennej wyjciowej lub te obszary
nagej, istotnej zmiany jej wartoci) [Hornberger i Spear, 1981].
88
89
wariancji powstaej wskutek zmiany teje danej pocztkowej. Zmiany te, nazywane
czstkow wraliwoci odpowiedzi na zmian danej wejciowej xi mog by
wyraone, jeli przyjmie si model powierzchni
y y(x) = f (x1 ; x 2 ; x3 ;...; xn ) , za pomoc wzoru
odpowiedzi
zadania
Varxi E xi (y x i )
postaci
(2.140)
gdzie: Var[i] oraz E[i] oznaczaj kolejno operatory wariancji i wartoci oczekiwanej.
Wyraenie to mierzy wkad pojedynczej niepewnoci xi na cakowit wariancj zmiennej
odpowiedzi
(zakadajc
urednione
wartoci
zmiennoci
pozostaych
zmiennych
pocztkowych) i znane jest take pod nazw wskanika wraliwoci pierwszego rzdu
lub te wskanika efektu gwnego zmiennej xi . Co wane, tak skalkulowany wskanik
nie mierzy wraliwoci zmiennej odpowiedzi na interakcje pomidzy niepewnociami.
Dopiero cakowity wskanik efektu gwnego, obliczany jako suma wskanikw
pierwszego rzdu oraz wskanikw interakcji daje w rezultacie cakowit wariancj zmiennej
odpowiedzi y (dokonuje jej ponownej kompozycji). Obie te wartoci mog by take
standaryzowane, co odbywa si poprzez podzielenie ich przez Var[y ] .
Naley jednake pamita, e wykonanie penego procesu dekompozycji wariancji ma sens
tylko wtedy, gdy zmienne wejciowe s od siebie niezalene.
Metody wyprowadzone z analizy wariancji umoliwiaj pene przeszukanie przestrzeni
realizacji zmiennych wejciowych, co pozwala na znalezienie wszystkich interakcji i
nieliniowych zachowa modelu obliczeniowego. Z tych wzgldw metody te s szeroko
stosowane tam, gdzie tylko jest to obliczeniowo moliwe. Jednake, poniewa metoda ta moe
obejmowa konieczno rozwaenia bardzo duej ilo kombinacji wartoci zmiennych
podstawowych modelu, obliczenia takie mog wymaga zastosowania podejcia Monte Carlo,
co moe nie by korzystne z punktu widzenia czasu i kosztu obliczeniowego. Redukcj
kosztw obliczeniowych przynosi wwczas stosowanie innych technik, na czele z podejciem
emulatorowym [Saltelli i inni, 2004].
Emulatory (znane rwnie jako meta-modele, modele zastpcze lub powierzchnie
odpowiedzi) s to stosunkowo prostej budowy funkcje matematyczne (emulatorowe),
ktre jak najdokadniej przybliaj realne relacje zmiennych wejcia i wyjcia modelu.
W nastpstwie ich zastosowania tworzony jest cakowicie nowy model obliczeniowy
(std nazwa meta-model, model modelu), ktry zamiast by reprezentowany przez bardzo
zoony ukad zalenych od siebie rwna, bardzo kosztowny czasowo do rozwizania, moe
by przybliony jako jedna funkcja zmiennych wejciowych y y(x) , utworzona na bazie
wynikw skalkulowanych poprzez uruchomienie modelu dla zaledwie kilku losowo dobranych
punktw przestrzeni realizacji zmiennych wejciowych (najczciej na drodze prbkowania
warstwowego lub prbkowania hiperszecianu aciskiego). Funkcja emulatorowa, oznaczana
jako (x) ((x) y(x)) , pozwala na proste i szybkie obliczenie cakowitego wskanika
wraliwoci, gdy ilo realizacji meta-modelu potrzebnych do oceny tego wskanika
jest zazwyczaj duo mniejsza ni wymagana ilo realizacji modelu podstawowego.
90
Rozdzia 3
Autorski program do oblicze wskanikw
niezawodnoci i prawdopodobiestwa awarii
konstrukcji inynierskich RSMWin
3.1. Wprowadzenie
Metodologia powierzchni odpowiedzi jest szeroko stosowana w zagadnieniach inynierskich.
Istnieje wiele rozwinitych programw komputerowych, o pocztkach rozwoju datowanych
ju na lata siedemdziesite poprzedniego wieku, ktre posuguj si wspomnian metodologi.
Jednake zaledwie znikoma cz z nich jest odpowiednia do uywania w zastosowaniu
do inynierii ldowej, gdzie metoda ta jest nadal umiarkowanie rozpropagowana.
W zdecydowanej wikszoci przypadkw programw pole ich stosowalnoci jest bardzo czsto
zawane do sprecyzowanej dziedziny inynierii, dla ktrej potrzeb program zosta stworzony,
przykadowo do obrbki efektywnoci dziaania rwna chemicznych o formuach tworzonych
w sposb losowy na bazie powierzchni odpowiedzi, tudzie do ustalania postpowania
ekonomicznego na ich podstawie przesanek pyncych z parametrw wywnioskowanych
z topografii powierzchni. Niekiedy s to te programy niepene z punktu widzenia inynierii
ldowej albo programy metodologii powierzchni odpowiedzi kocz swoj prac na
kalkulacji parametrw i wspczynnikw powierzchni albo te prezentuj dalsze opcje obrbki
wynikw stowarzyszone tylko z danym przedmiotem wiedzy, rozbienym z inynieri ldow.
Z obserwacji tych zrodzi si pomys, aby stworzy prosty autorski program do modelowania
i analizy problemw inynierskich za pomoc metodologii powierzchni odpowiedzi,
ktry ograniczy si do rozwizywania procesu poszukiwania powierzchni odpowiedzi
konstrukcji wycznie w narzucony, dobrze opisany sposb, adekwatny do potrzeb prostych
modeli konstrukcji inynierskich. Zaoono, i musi by to program pozwalajcy na otwarte
wprowadzanie i wyprowadzanie danych w formacie pozwalajcym na ich dalsz obrbk
w dowolnym programie modelowania metod elementw skoczonych.
Ponadto, ze wzgldu na obszar zainteresowa rozprawy doktorskiej, postanowiono wzbogaci
zaprojektowany kalkulator powierzchni odpowiedzi o proste narzdzie szacujce podstawowe
wskaniki niezawodnoci pierwszego i drugiego rzdu, na bazie informacji numerycznej
pyncej z powierzchni odpowiedzi. Zakadano bowiem, i program autorski ma rwnie
posuy jako pewnego rodzaju przewodnik po krokach postpowania metodologii (rwnie
akademicki), czemu sprzyja ma zarwno otwarto kodu, jak i penia opisu, jaki zostanie
zaprezentowany uytkownikowi podczas pojedynczego przebiegu programu.
92
Zaoono take, i program ma pozwala na analiz wynikw nie bdcych w prostej linii
rezultatem jego dziaania. Wyprowadzanie danych w specyficzny sposb, poparte dobrym
opisem tekstowym, pozwala ma na pniejsze wnioskowanie o wraliwoci odpowiedzi
na poszczeglne zmienne losowe, inkorporowane w rozpatrywanym zadaniu inynierskim oraz
na poszukiwanie punktu optymalnego rozwizania danego problemu losowego.
Stworzony program zostanie postawiony przed podstawowym celem swojego istnienia ocen
niezawodnoci i trwaoci elementw konstrukcji inynierskich, ktrych wejciowe dane
do analizy bd pochodziy z przeprowadzonych wczeniej eksperymentw numerycznych
i prac zespou badawczego, do ktrego zalicza si autor rozprawy.
Podjto zatem prby stworzenia pliku typu wykonywalnego (executable), ktry roboczo
nazwano RSMWin. Czon RSM jest angielskim skrtowcem oznaczajcym metodologi
powierzchni odpowiedzi, a czon Win wskazuje bezporednio na nazwisko autora programu.
Program zaprogramowany jest w rodowisku jzyka Fortran 90, ktry doskonale sprawdza si
ze wzgldu na oferowan skadni programowania i na waciwe odwzorowywanie
aproksymacyjnej natury metody powierzchni odpowiedzi.
Program wczytuje wpierw parametry wzite z przeprowadzonych bada eksperymentalnych
lub matematyczne procedury opisujce funkcje zalenoci zmiennej wynikowej
od proponowanego zestawu zmiennych podstawowych. Nastpnie zebrane dane poddaje
obrbce, aby uszeregowa je w postaci zdatnej do dalszych kalkulacji. Dla podanej przez
uytkownika liczby zmiennych wejciowych program zwraca uytkownikowi moliwo
wyboru rzdu obliczanej odpowiedzi (pierwszy lub drugi).
Kolejnym krokiem, wykonywanym przez program, jest rozpoznanie punktu startowego
analizy, po czym nastpuje interaktywne pobranie od uytkownika siatki reszty punktw
obliczeniowych metody. Program pozwala na wprowadzenie wsprzdnych tych punktw
w sposb manualny i pautomatyczny (parametryczny). Po prezentacji uporzdkowanych
danych wejciowych program kontynuuje aproksymacyjne transformacje macierzowe a do
stworzenia oczekiwanej przez uytkownika tabeli ANOVA (ang.: ANalysis Of VAriance,
analiza wariancji metod tabelaryczn). Na jej podstawie uytkownik jest w stanie dokona
poprawnej oceny zaprezentowanego rozwizania.
W obliczeniach metod powierzchni odpowiedzi z wykorzystaniem algorytmu
aproksymacyjnego, wykorzystywany jest szereg standardowych technik statystycznych,
z czego gwne z nich to techniki regresji liniowej, standardowa analiza wariancji (kryjca si
w tworzeniu wspomnianej powyej tabeli ANOVA) oraz transformacje macierzowe.
Na ich podstawie wykonane jest nie tylko obliczenie wspczynnikw zamknitego wzoru
na powierzchni odpowiedzi, ale take obliczenie najbardziej korzystnej (lub niekorzystnej)
dla zadania kombinacji wartoci wyjciowych zmiennych losowych.
Jeli uytkownik jest zadowolony z uzyskanych wspczynnikw powierzchni odpowiedzi,
program zwraca je uytkownikowi na ekran i do osobnego tekstowego pliku wyjciowego.
W przeciwnym przypadku program pozostawia uytkownikowi moliwo manualnego
powrotu do oblicze i rozpoczcia ich na nowo, wcznie z wyborem rzdu rozwizania, jakie
uytkownik pragnie uzyska. Po wykonaniu kalkulacji powierzchni odpowiedzi uytkownik
moe przej do moduu szacujcego niezawodno opisanej powierzchni konstrukcji.
93
94
95
Stopnie
swobody
Suma
kwadratw
rednie
sumy
kwadratw
Wspczynnik
F
Suma
SK ( Suma )
SK ( Suma ) n
-----
SK ( 0 )
SK ( 0 )
ni 1
SK ( i )
SK ( i )
ii
nii 1
SK ( ii )
SK ( ii )
ij
nij 1
SK ( ij )
SK ( ij )
Rezyduum
Brak
dopasowania
nrezy =
n 1 ni nii nij
nbd = nrezy +
n
(hrep ,i 1) 1
SK ( R )
SK ( BD )
i =1
Bd
eksperymentalny
nbe
=
(h
i =1
rep ,i
1) 1
SK ( BE )
SK ( 0 )
SSK ( BE )
SK ( i )
SSK ( BE )
SK ( ii )
SSK ( BE )
SK ( ij )
SSK ( BE )
SSK ( R )
=
SK ( R )
FR =
SSK ( R )
SSK ( BE )
FBD =
SSK ( BD )
SSK ( BE )
nrezy
SSK ( BD )
=
SK ( BD )
nbd
SSK ( BE )
=
SK ( BE )
-----
nbe
96
sumie
kwadratw
kalkulowanych
SK ( Suma ) =
(y (x))
i =1
we
wszystkich wartoci
wszystkich n
punktach
(3.1)
SK ( Suma ) =
(y (x))
i =1
(3.2)
(3) Suma wspczynnika pierwszego rzdu SK ( i ) jest skadow sum kwadratw obliczan
dla kadego kolejnego wspczynnika pierwszego rzdu i , zakadajc jego wspudzia
w cakowitej zmiennoci modelu problemu. Suma ta jest czsto nazywana wspczynnikiem
wkadu i tej zmiennej w cakowit sum kwadratw regresji. Oblicza si j rwnaniem
SK ( i ) =
( i )
n
2
(xi )
i =1
(3.3)
(4) Suma wspczynnika drugiego rzdu SK ( ii ) jest skadow sum kwadratw obliczan
dla kadego kolejnego wspczynnika drugiego rzdu ii , zakadajc jego wspudzia
w cakowitej zmiennoci modelu problemu. Suma ta jest czsto nazywana wspczynnikiem
istotnoci i tej zmiennej dla cakowitej sumy kwadratw regresji.
(5) Suma wspczynnika drugiego rzdu SK ( ij ) jest skadow sum kwadratw obliczan
dla kadego kolejnego wspczynnika drugiego rzdu ij , zakadajc jego wspudzia
w cakowitej zmiennoci modelu problemu. Jest ona czsto nazywana wspczynnikiem
wkadu korelacji i tej oraz j tej zmiennej dla cakowitej sumy kwadratw regresji.
(6) Suma rezydualna SK (R) odpowiada za wpyw bdu eksperymentalnego oraz za istnienie
bdu pochodzcego z nieadekwatnoci przyjtego modelu aproksymacyjnego powierzchni
odpowiedzi. Oblicza si j rwnoci
SK ( R ) = SK ( 0 ) SK ( i ) SK ( ii ) SK ( ij )
(3.4)
97
1
SK ( BE ) = yi (x)
hrep
i =1 i =1
n
yi (x) ,
i =1
i = 1, 2, 3,..., h
(3.5)
SK ( BD ) = SK ( R ) SK ( BE )
(3.6)
98
i =1
i =1
y(x) = 0 + i x i + ii x i2 + ij x i x j +
(3.7)
i < j j =2
99
za pomoc
powierzchni
100
101
niezawodnoci
i =
1
n
; S = n
(3.8);(3.9)
i =
G
Z i
k =1 Z k
n
(3.10)
( )
i =1
= 1.
102
Zi =
Xi Xi
Xi
(3.11)
G
Z i
(3.12)
{G} {}
T
{G} {G}
T
S =
(3.13)
{} =
{G}
T
{G} {G}
(3.14)
Rozdzia 4
Imperfekcje geometryczne konstrukcji inynierskich
104
105
gX = 4 rt
(4.1)
gdzie r jest promieniem zakrzywienia powierzchni rodkowej powoki, a t jest jej gruboci
w miejscu dokonania przymiaru.
Natomiast w przypadku stref, gdzie wystpuj obwodowe naprenia ciskajce
lub naprenia cinajce, pomiary wgniecenia wzdu obwodowej walca (obwodowe)
przeprowadza si za pomoc przymiarw o dugoci g okrelonej wzorem
g = 2, 3 ( 2 rt )0,25 , lecz: g r
(4.2)
gdzie: jest dugoci poudnikow segmentu powoki, reszta oznacze jak wyej.
W normie wczeniejszej, PN-B-03202:1996, wzr ten mona znale w formie przeksztaconej,
oczywicie upraszczajcej si do zapisu tosamego z (4.2), w postaci
m =
2, 3 r
r
r
(4.3)
106
w 0X
w 0
U 0,max oraz U 0 =
U 0,max
gX
g
(4.4);(4.5)
gdzie: U 0,max jest normow wartoci tolerancji dotyczc parametru wgbienia, odpowiedni
dla odpowiedniej klasy jakoci wytwarzania powoki, ustalon zgodnie z Tablic 4.1.
Tablica 4.1. Zalecane wartoci tolerancji parametru wgbienia U 0,max [PN-EN 1993-1-6:2009]
klasa jakoci
wytwarzania
opis klasy
zalecane wartoci
parametru wgbienia U 0,max
klasa A
klasa B
klasa C
najwysza
wysoka
normalna
0, 006
0, 010
0, 016
(4.6);(4.7)
tv 0 = 0.01 m
(4.8)
107
108
109
110
Rozdzia 5
Generacja dwuwymiarowych i trjwymiarowych
pl losowych
112
Wektor losowy X(m1) jest w metodzie generacji warunkowej rozdzielany na dwa bloki,
skadajce si odpowiednio z elementw nieznanych Xu (n1) oraz elementw znanych Xk ( p1) ,
gdzie oczywicie n + p = m .
Wektor losowy pola mona wwczas przedstawi w postaci
X n
X = u
Xk p
(5.1)
oraz opisa go nastpujc czn funkcj gstoci prawdopodobiestwa f (X) , dan wzorem
f ( X ) = ( det K )
1
2
( 2 )
T
1
exp ( X X ) K1 ( X X )
2
m
2
(5.2)
K
K = 11
K21
n
K12 n
K22 p
X n
X = u
Xk p
(5.3);(5.4)
f ( Xu Xk ) =
f ( X)
f ( Xk )
(5.5)
gdzie f (Xk ) jest czn funkcj gstoci prawdopodobiestwa opisujc znane wartoci
zmiennych losowych Xk , wyraan wzorem
f ( Xk ) = ( det K22 )
1
2
( 2 ) 2 exp
T
1
1
Xk Xk ) K22
Xk Xk )
(
(
2
(5.6)
det K
=
det K22
1
2
( 2 )
1 X X T
u
exp u
2 Xk Xk
n
2
K11
K21
K12
K22
1
0 0 Xu Xu
0 K22 Xk Xk
(5.7)
f (Xu Xk ) = ( det Kc )
1
2
( 2 ) 2
T
1
exp ( Xu Xc ) Kc1 ( Xu Xc )
2
113
(5.8)
(5.9)
1
oraz Xc = Xu + K12 K22
( Xk Xk )
(5.10)
ft (x ) =
f (x )
P
(5.11)
f (x ) =
(x x )
1
exp
2 2
2
(5.12)
P=
1
2
(x x )
exp
dx
2 2
x s
x s
(5.13)
P=
s
z2
1
exp
dz = 2erf (s )
0
2
(5.14)
s
z2
1
exp
dz ,
2 0
2
s0
(5.15)
t2 =
x s
2
(x x ) ft (x ) dx
x s
(5.16)
114
(5.17)
(5.18)
ft (Xu Xk ) = (1 t )
m
2
1
2
( det Kc ) ( 2 ) 2
T
1
exp
Xu Xc ) Kc1 ( Xu Xc ) (5.19)
(
2 (1 t )
a)
b)
3
r1
c
generowane zmienne
nieznane wartoci generowane
w obszarze bloku
c)
znane wartoci
d)
Rys. 5.1. Proces symulacji pola nadawanie wartoci punktom pola za pomoc techniki
przesuwania bloku generacji [Grski, 2006].
W procesie generacyjnym pole bazowe o zdefiniowanym rozmiarze, zwane take blokiem
generacji, jest sukcesywnie przesuwane w taki sposb, aby pokry ostatecznie cay obszar
generowanego pola (M N ) , jak pokazano na rys. 5.1. Rozmiar pola bazowego (c d )
wynika z przyjtego algorytmu oblicze (na rysunku c d = 5 4 = 20 ). Zgodnie z przyjt
115
metod generacji, maksymalny wymiar macierzy kowariancji zdefiniowany jest przez wymiar
pola bazowego. Nieznane wartoci zmiennych generowane s przy zaoeniu, e znane
s jedynie dane w punktach obszaru pola bazowego. Generacja przebiega w trzech etapach.
W pierwszym etapie dziaania algorytmu generowane s cztery punkty wyjciowe (rys. 5.1.a).
Nastpnie, w drugim etapie generowane s kolejne punkty z pola bazowego (rys. 5.1.b),
w nawizaniu do czterech punktw wyjciowych. Kolejny etap dziaania powtarzany
jest wielokrotnie. Pole bazowe jest przesuwane i generowane s kolejne pojedyncze punkty
pola (rys. 5.1.c oraz rys. 5.1.d). Zauway naley, i dla kadego kolejnego punktu pola i
(5 i (c d )) jedyn nieznan zmienn jest Xi , podczas gdy wszystkie wczeniej
wygenerowane zmienne X1 X i 1 s ju znane. Generacja pojedynczych zmiennych losowych
znacznie upraszcza wzory traktujce o rozdziale wektora losowego oraz macierzy kowariancji
na elementy znane i nieznane naley w nich wwczas podstawi kolejno: m = i , n = 1
oraz p = i 1 . Dokonana w ten sposb redukcja algorytmu do jednego wymiaru ( Kc Kc ,
(5.20)
1
oraz Xc = Xu + K12 K22
( Xk Xk )
(5.21)
Xi = ai + (bi ai ) ui
(5.22)
fmax = u ,
= (1 t )
(i 1)/2
( 2 Kc )1 2
(5.23);(5.24)
1
f ( X i ) = exp
J ( X i )
2 (1 t )
( Xi Xc )
J (X ) =
(5.25)
gdzie
Kc
(5.26)
fmax f ( Xi )
(5.27)
116
Jeeli powyszy warunek jest speniony, to wwczas wygenerowana zmienna losowa Xi jest
akceptowana. W przeciwnym wypadku, obliczenia wykonywane s ponownie, poczwszy
od punktu 3 podanego powyej algorytmu. Z dziaaniem tym zwizana jest nazwa
metody (algorytmu) warunkowej akceptacji (gdy warunek punktu 6 jest speniony)
i odrzucania (gdy warunek punktu 6 nie jest speniony).
Wan rol w powyszym procesie generacyjnym spenia przedzia (ai , bi ), definiowany
dla kadego punktu z osobna i ograniczajcy wygenerowane wartoci zmiennych losowych.
Przedzia jest powizany z odchyleniem standardowym zdefiniowanym w i tym punkcie
12
bi
2
( x i xi ) f ( xi ) dxi
a
= i
(5.28)
117
(5.29)
m m ( ) m (x)
m =1
oraz C (x1 , x 2 ) =
(5.30)
m m (x1 ) m (x2 )
(5.31)
m =1
gdzie
mm (x1 ) =
przy
czym
powyszych
m = 1, 2, 3,...
rwnaniach 1 , 2 , ... s
kolejnymi
(5.32)
funkcjami
wasnymi
m , n = 1, 2, 3,... , nastpnie
1
m
V (x, ) m (x)dx
(5.33)
118
metod dyskretyzacji pl losowych, wymagajcej bardzo maej liczby zmiennych losowych aby
mc przedstawi za ich pomoc pole losowe przy zachowaniu dobrego poziomu dokadnoci
odwzorowania [Zhang i Ellingwood, 1995].
W celu uproszczenia oblicze, w dalszej czci rozdziau przyjmuje si, e pole opisane jest
nastpujc jednorodn funkcj korelacyjn [Anders, 2000]
x x1
y y1
2
C (x 2 x1 , y2 y1 ) = 2 2
bx
by
(5.34)
C (s) = 2
nx + ny
b
(5.35)
S (vx , vy , vz ) = 2
bxbybz
(bx2vx2
+ 1)(by2vy2 + 1)(bz2vz2 + 1)
(5.36)
l l ly ly
A = x , x ,
2 2 2 2
(5.37)
lx /2 ly /2
lx /2 ly /2
m (x , y ) = i x (x )jy (y )
(5.39)
oraz m = xi yj , m, i , j = 1, 2, ...
(5.40)
119
t t
exp 2 1
bs
lx /2
lx /2
s
s s
i (t2 )dt2 = i i (t1 ),
s = x , y, ...
i = 1, 2, ...
(5.41)
wisls
2
l
sin(wisls )
i s = s 1
wisls
2
si =
1
2
1
2
cos(wist ),
t [ ls / 2, ls / 2], i = 1, 3, 5, ...
(5.42)
cos(wist ),
t [ ls / 2, ls / 2], i = 1, 3, 5, ...
(5.43)
2bs2
,
1 + bs2 (wis )2
i = 1, 2, 3,...
(5.44)
s ls
s
s ls
tan wi + wi bs tan wi s = 0
2
2 wi bs
(5.45)
(x , y , z ) =
1
i x (x )jx (y ) + jx (x )i x (y )
(5.46)
Bardzo interesujc propozycj jest take podjta prba poczenia ortogonalnego rozwinicia
Karhunena Lovea z falkami Haara, ktr znale mona w pracy [Korol, 2012].
x x1
y y1
C (x 2 x1 , y2 y1 ) = 2 2
2
bx
by
(5.47)
120
1.2
0.8
0.6
Rozwiazanie teoretyczne
Generacja warunkowa
Generacja K-L
0.4
0.2
0
0
50
100
150
200
250
300
350
400
450
1
Rozwizanie teoretyczne
Generacja warunkowa
Generacja K-L
0.8
0.6
0.4
0.2
0
0
50
100
150
200
250
300
350
Nr elementw macierzy kowariancyjnej
400
450
121
1.2
1
0.8
0.6
Rozwizanie teoretyc zne
Generacja warunkowa
Generacja K-L
0.4
0.2
0
0
200
400
600
800
1000
1200
1400
Nr elementw m acierzy kowariancyjnej
1600
1800
Rozwizanie teoretyczne
Generacja warunkowa
Generacja Karhunena - Loeve'a
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0
200
400
600
800
1000
1200
1400
1600
1800
Gbl
K K
(
) 100%
=
(5.48)
(K)
1 NR
1 NR
T
(
w
w
)(
w
w
)
oraz
w
=
i
wi
i
NR 1 i =1
NR i =1
(5.49);(5.50)
122
Rozdzia 6
Przykady zastosowa podejcia probabilistycznego
w rzeczywistych problemach inynierskich
124
i =1
i =1
y(x) = 0 + i xi + ii x i2 + ij x i x j
i < j j =2
(6.1)
= 81 + 8 x1 + 14 x 2 2 x 47 x + 10 x1x 2
2
1
2
2
125
Rys. 6.1. Wyjciowa powierzchnia rzdu drugiego zadania, dla dwch zmiennych
niezalenych, wyraona wielomianem stopnia drugiego z czonami interakcyjnymi, o rwnaniu
y(x) = 81 + 8 x1 + 14 x 2 2 x12 47 x 22 + 10 x1x 2 , wg [Treharne, 1991].
Poniej zostan zatem przedstawione jedynie wyniki analizy wykonanej za pomoc
bogatszej funkcji aproksymacyjnej, tzn. wielomianu stopnia drugiego z czonami
interakcyjnymi. Analiz podjto w zalenoci od dwch ustalonych wczeniej parametrw
iloci punktw obliczeniowych rozmieszczonych regularnie w dwuwymiarowej przestrzeni
realizacji zadania oraz parametru rozrzedzenia siatki (odlegoci pomidzy punktami
obliczeniowymi mierzonej wzgldem osi wymiaru przestrzeni probabilistycznej). Wyniki teje
analizy mona znale w Tablicy 6.1.
W Tablicy 6.1. zakrelono kolorem czerwonym pole prezentujce najgorsze dopasowanie
powierzchni odpowiedzi do danych pocztkowych zadania, a kolorem zielonym zakrelono
pole prezentujce najlepsze dopasowanie.
Na podstawie Tablicy 6.1. zaobserwowa mona take, i siatka prowadzca do najgorszej
aproksymacji powierzchni odpowiedzi, spord dwunastu zrealizowanych wariantw
siatkowania, to siatka charakteryzujca si iloci punktw siatki na osi wymiaru rwn 5
oraz odlegoci midzy punktami siatki na osi wymiaru wynoszc jedn jednostk wymiaru.
Powierzchnia aproksymowana przy uyciu takiego rozoenia punktw obliczeniowych
zadania przedstawia si rwnaniem
g(x) = 61, 489 + 6, 677 x1 + 18,148 x 2 1, 996 x12 47, 224 x 22 + 10,143 x1x 2
(6.2)
126
Dla tak wykonanej aproksymacji powierzchni odpowiedzi przywoa mona wycig z tablicy
analizy wariancji ANOVA (Tablica 6.2.), ktry wyranie potwierdza sab jako
dopasowania. W tabeli wytuszczono odpowiedni element (FBD ), ktry podkrela,
i aproksymacja ta cechuje si bardzo duym bdem (w tym przypadku eF = 0,1092437 ).
Cakowity bd dopasowania okrela redni warto bdu dopasowania obliczon
we wszystkich punktach obliczeniowych pomidzy wartociami rwnania powierzchni zadania
pochodzcymi z manualnego wprowadzenia na starcie pracy programu, a wartociami
obliczonymi z rwnania powierzchni odpowiedzi, zaproponowanej po aproksymacji.
Tablica 6.1. Wyniki analizy sprawdzenia poprawnoci i jakoci matematycznej doboru
powierzchni odpowiedzi do danych pocztkowych zadania w zalenoci od iloci punktw
obliczeniowych w dwuwymiarowej przestrzeni realizacji oraz parametru rozrzedzenia siatki.
ilo pkt.
odlego midzy punktami siatki na osi jednego wymiaru
siatki na
przestrzeni realizacji
osi
100
10
1
jednego
(szeroki rozstaw)
(umiarkowany rozstaw)
(ciasny rozstaw)
wymiaru
g(x) = 81, 083
g(x) = 80, 831
g(x) = 61, 489
5
+7, 998 x 1 + 14, 000 x 2
+7, 968 x 1 + 14, 040 x 2
+6, 677 x1 + 18,148 x 2
(suma
=52
=25)
11
(suma
=112
=121)
25
(suma
=252
=625)
+10, 000 x 1x 2
g(x) = 80, 905
+10, 001 x 1x 2
g(x) = 81, 385
+10,143 x 1x 2
g(x) = 81, 082
+10, 000 x 1x 2
g(x) = 80, 996
101
(suma
=1012
=10201)
+10, 000 x 1x 2
g(x) = 81, 007
2, 000 x1 47, 000 x 2
+10, 000 x 1x 2
+10, 000 x 1x 2
g(x) = 81, 002
+10, 000 x 1x 2
g(x) = 80, 999
+10, 000 x 1x 2
(6.3)
Dla tak wykonanej aproksymacji powierzchni odpowiedzi ponownie przywoa mona wycig
z tablicy analizy wariancji ANOVA (Tablica 6.3.), ktry tym razem wyranie potwierdza
doskona jako dopasowania. W tabeli ponownie wytuszczono element (FBD ),
wskazujcy na pomijalnie may bd aproksymacji (w tym przypadku eF = 0, 00009447 ).
127
Tablica 6.2. Wycig z tablicy analizy wariancji ANOVA dla powierzchni odpowiedzi
aproksymowanej przy uyciu siatkowania dwuwymiarowego z liczb 5 punktw
obliczeniowych na osi pojedynczego wymiaru oraz odlegoci midzy punktami siatki na osi
wymiaru wynoszc jednostk. Wytuszczono cakowity wspczynnik dopasowania (FBD ) .
TABELA ANALIZY WARIANCJI
ZRODLO
SS
SK
SSK
TOTAL
WEDLUG B0
WEDLUG B1
WEDLUG B2
WEDLUG B11
WEDLUG B22
WEDLUG B12
REZYDUUM
BRAK DOPAS.
25
1
1
1
1
1
1
19
19
0.2587361E+09
0.2568103E+09
0.1119582E+00
0.3369305E+00
0.1089826E+01
0.6098007E+03
0.4018840E+02
0.6406903E+00
0.6406903E+00
0.1034945E+08
0.2568103E+09
0.1119582E+00
0.3369305E+00
0.1089826E+01
0.6098007E+03
0.4018840E+02
0.3372054E-01
0.3372054E-01
FIT-RATIO
WSPOLCZYNNIK
0.2408807E+00 0.6148866E+02
0.1653625E+00 0.6677100E+01
0.2285681E+00 0.1814807E+02
0.1795500E-02 -0.1996409E+01
0.4748198E-02 -0.4722423E+02
0.1410714E-01 0.1014309E+02
0.1092437E+00
Tablica 6.3. Wycig z tablicy analizy wariancji ANOVA dla powierzchni odpowiedzi
aproksymowanej przy uyciu siatkowania dwuwymiarowego z liczb 101 punktw
obliczeniowych na osi pojedynczego wymiaru oraz odlegoci midzy punktami siatki na osi
wymiaru wynoszc jednostk. Wytuszczono cakowity wspczynnik dopasowania (FBD ) .
TABELA ANALIZY WARIANCJI
ZRODLO
SS
TOTAL
10201
WEDLUG B0
1
WEDLUG B1
1
WEDLUG B2
1
WEDLUG B11
1
WEDLUG B22
1
WEDLUG B12
1
REZYDUUM
10195
BRAK DOPAS. 10195
SK
SSK
0.1051992E+12
0.1046648E+12
0.3108514E+02
0.4217620E+02
0.2386025E+03
0.1301443E+06
0.7391515E+04
0.5112657E+03
0.5112657E+03
0.1031263E+08
0.1046648E+12
0.3108514E+02
0.4217620E+02
0.2386025E+03
0.1301443E+06
0.7391515E+04
0.5014867E-01
0.5014867E-01
FIT-RATIO
WSPOLCZYNNIK
0.1555556E-04 0.8099874E+02
0.2703019E-03 0.8002163E+01
0.5714253E-05 0.1400008E+02
0.2224505E-03 -0.2000445E+01
0.9787138E-05 -0.4700046E+02
0.4299982E-04 0.1000043E+02
0.9446820E-04
128
niewyznaczalnej
129
5
q
q
4, 3125
= 0, 01388888 4, 3125
360
EJ
EJ
(6.4)
Zmienna losowa
x1
Warto rednia
q = x1 = 10, 0 kN/m
Odchylenie standardowe
q = x1 = 0, 4 kN/m
x2
E = x 2 = 20000000 kN/m 2
E = x 2 = 5000000 kN/m 2
x3
J = x 3 = 0, 0008 m 4
J = x 3 = 0, 00015 m 4
g(x) = g(x) = 0 + i xi + ij xi x j =
i =1
i j i =1
(6.5)
(6.6)
130
iteracyjnych
oraz wspczynnikw
oblicze
wskanika
wraliwoci
i ,
niezawodnoci
wraz
Hasofera
obliczonymi
Linda
rnicami
HL
pomidzy
HL ,obl HL ,mono
HL ,mono
100% =
3,1805 3,1730
100% = 0, 2364%
3,1730
(6.7)
6.5.
Szczegy
iteracyjnych
oblicze
wartoci
wskanika
niezawodnoci
10
3,0000
3,2480
3,3108
3,2216
3,1866
3,1812
3,1805
3,1805
3,1805
3,1805
3,1805
0,0373
0,0349
0,0344
0,0342
0,0342
0,0342
0,0342
0,0342
-0,5774 -0,8513 -0,9493 -0,9765 -0,9817 -0,9827 -0,9829 -0,9830 -0,9830 -0,9830 -0,9830
-0,5774 -0,5231 -0,3114 -0,2124 -0,1873 -0,1819 -0,1807 -0,1805 -0,1805 -0,1804 -0,1804
bd
8,2667
1,9335
2,6963
1,0846
0,1709
0,0202
0,0022
0,0002
0,0000
0,0000
bd 1
1,6077
0,3382
0,0727
0,0163
0,0037
0,0008
bd 2
0,1044
0,0222
0,0050
0,0011
0,0003
0,0000
bd 3
0,6370
0,1441
0,0332
0,0077
0,0018
0,5340
131
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
-0,50
-1,00
1
2
3
0
10
liczba iteracji
Rys. 6.3. Uzyskiwanie zbienoci iteracyjnych oblicze wartoci wskanika niezawodnoci
Hasofera Linda HL oraz wspczynnikw wraliwoci i .
100,00
80,00
60,00
bd
40,00
bd 1
20,00
bd 2
bd 3
0,00
0
10
liczba iteracji
Rys. 6.4. Uzyskiwanie niwelacji rnic midzy otrzymywanymi w kolejnych krokach iteracji
wynikami wskanika niezawodnoci Hasofera Linda HL i wspczynnikw wraliwoci i .
Wykonujc natomiast za pomoc autorskiego oprogramowania iteracyjn procedur
obliczania wskanika niezawodnoci Hasofera Linda Rackwitza Fiesslera
otrzymuje si wynik HLRF = 3,1805 , identyczny jak dla oblicze wg Hasofera Linda.
Ciekawym elementem rozwizania algorytmu Hasofera Linda Rackwitza Fiesslera jest
natomiast kontynuowane w kadej iteracji bezporednie wyznaczanie wartoci zmiennych
losowych zadania x i , ktre wyranie wskazuj przemieszczanie si punktu projektowego
w przestrzeni realizacji zadania. Jest to dziaanie analogiczne do wyznaczania
wspczynnikw wraliwoci, lecz w procesie stricte inynierskim jest to technika bardziej
otwarta dla eksperymentatora, duo atwiejsza w interpretacji.
Szczegy oblicze wskanika niezawodnoci Hasofera Linda Rackwitza Fiesslera HLRF
oraz wartoci zmiennych losowych zadania x i , wraz z obliczonymi rnicami pomidzy
otrzymywanymi w kolejnych krokach iteracji wynikami, przedstawiono w Tablicy 6.6.
132
10
3,0000
2,5782
3,2896
3,2135
3,1821
3,1805
3,1805
3,1805
3,1805
3,1805
3,1805
20000000
9690365
5369144
4540748
4418672
4380462
4371076
4368840
4368314
4368191
4368160
0,000800
0,000568
0,000575
0,000670
0,000705
0,000712
0,000713
0,000714
0,000714
0,000714
0,000714
bd
0,9774
0,0481
0,0028
0,0001
0,0000
0,0000
0,0000
bd q
2,3677
0,1063
0,0040
0,0005
0,0002
0,0000
0,0001
bd E
0,8648
0,2143
0,0511
0,0120
0,0028
0,0007
bd J
0,9795
0,2187
0,0507
0,0119
0,0028
0,0007
100,00
1,00
0,01
0,00
0
10
liczba iteracji
Rys. 6.5. Uzyskiwanie zbienoci iteracyjnych oblicze wartoci wskanika niezawodnoci
Hasofera Linda Rackwitza Fiesslera HLRF oraz wartoci zmiennych zadania x i .
Dla przejrzystoci rysunku posuono si skal logarytmiczn na osi wartoci liczbowych.
133
100,00
80,00
60,00
bd
40,00
bd q
20,00
bd E
bd J
0,00
0
10
liczba iteracji
Rys. 6.6. Uzyskiwanie niwelacji rnic pomidzy otrzymywanymi w kolejnych krokach
iteracji wynikami wskanika niezawodnoci Hasofera Linda Rackwitza Fiesslera HLRF
oraz wartoci zmiennych losowych zadania x i .
134
1
1
1
2
2
X1 (1 + x1 ) (1 ) + X 2 (1 + x 2 ) (2 1 ) P L (12 + 2 2 )
2
2
2
(6.8)
Model niniejszego supa wymaga rozpatrzenia energii potencjalnej jedynie drugiego rzdu.
Dla podanego modelu wyprowadzi mona take jawny zapis funkcji granicznej, ktry
przedstawi mona rwnaniem
g(x) = G (x 1 , x 2 ) =
1
1
x1 (1 + x1 ) + x 2 (1 + x 2 )
2
2
x1 2 (1 + x1 )2 + 4 x 2 2 (1 + x 2 )2
(6.9)
b)
Dobr
wasny
powierzchni
odpowiedzi
do
zadania
pocztkowego,
i =1
i =1
g(x) = 0 + i x i + ii xi2 + ij xi x j +
(6.10)
i < j j =2
Dla niniejszego zadania (dwie zmienne losowe), wzr ten mona rozpisa jako
(6.11)
135
Oznacza to, e dla 25 punktw obliczeniowych ilo punktw na osi jednego wymiaru
px1 = px2 = 5 , a odlego midzy punktami dx1 = dx2 = 0, 5 jednostki; dla 121 punktw
obliczeniowych ilo punktw na osi jednego wymiaru px1 = px2 = 11, a odlego midzy
punktami dx1 = dx2 = 0, 2 jednostki; a dla 10201 punktw obliczeniowych ilo punktw na osi
jednego wymiaru px1 = px2 = 101, a odlego midzy punktami dx1 = dx2 = 0, 02 jednostki.
W kadym przypadku analizy oceniany jest take globalny wspczynnik dopasowania
powierzchni odpowiedzi w obrbie linii rwnania stanu granicznego (FBD ) .
(6.12)
136
Tablica 6.7. Wycig z tablicy analizy wariancji ANOVA dla powierzchni odpowiedzi
aproksymowanej przy uyciu siatkowania dwuwymiarowego z liczb 25 punktw
obliczeniowych (ilo punktw na osi = 5, odlego midzy punktami = 0,5 jednostki).
TABELA ANALIZY WARIANCJI
ZRODLO
SS
SK
SSK
WSPOLCZYNNIK
TOTAL
WEDLUG B0
WEDLUG B1
WEDLUG B2
WEDLUG B11
WEDLUG B22
WEDLUG B12
REZYDUUM
BRAK DOPAS.
25
1
1
1
1
1
1
19
19
0.1714518E+01
0.1757353E+00
0.7246635E+00
0.4618566E+00
0.1779287E-01
0.8263580E-01
0.2144977E+00
0.3733633E-01
0.3733633E-01
0.6858073E-01
0.1757353E+00
0.7246635E+00
0.4618566E+00
0.1779287E-01
0.8263580E-01
0.2144977E+00
0.1965070E-02
0.1965070E-02
0.1844450E+00
0.2407760E+00
0.1922200E+00
-0.6377257E-01
-0.1374343E+00
0.1852556E+00
12
13
14
15
3,79 3,68 3,58 3,47 3,37 3,29 3,22 3,18 3,15 3,13 3,12 3,11 3,11 3,11 3,11
HLRF
4,00
3,90
3,80
3,70
3,60
3,50
3,40
3,30
3,20
3,10
3,00
HLRF
10
11
12
13
14
15
liczba iteracji
Rys. 6.9. Uzyskiwanie zbienoci iteracyjnych oblicze wartoci wskanika niezawodnoci
Hasofera Linda Rackwitza Fiesslera HLRF skalkulowanego za pomoc 25 punktw
obliczeniowych.
Dla 121 punktw kontrolnych, uzyskano powierzchni odpowiedzi dan wzorem
(6.13)
137
Tablica 6.9. Wycig z tablicy analizy wariancji ANOVA dla powierzchni odpowiedzi
aproksymowanej przy uyciu siatkowania dwuwymiarowego z liczb 121 punktw
obliczeniowych (ilo punktw na osi = 11, odlego midzy punktami = 0,2 jednostki).
TABELA ANALIZY WARIANCJI
ZRODLO
SS
TOTAL
121
WEDLUG B0
1
WEDLUG B1
1
WEDLUG B2
1
WEDLUG B11
1
WEDLUG B22
1
WEDLUG B12
1
REZYDUUM
115
BRAK DOPAS. 115
SK
SSK
0.7036892E+01
0.1379307E+01
0.2966732E+01
0.1549281E+01
0.7926765E-01
0.2854454E+00
0.6560206E+00
0.1208377E+00
0.1208377E+00
0.5815613E-01
0.1379307E+01
0.2966732E+01
0.1549281E+01
0.7926765E-01
0.2854454E+00
0.6560206E+00
0.1050762E-02
0.1050762E-02
WSPOLCZYNNIK
0.1907426E+00
0.2475805E+00
0.1789132E+00
-0.7245160E-01
-0.1374870E+00
0.1840798E+00
12
13
14
15
3,84 3,79 3,75 3,71 3,68 3,65 3,62 3,60 3,57 3,55 3,53 3,52 3,50 3,49 3,48
138
3,90
3,85
3,80
3,75
3,70
3,65
3,60
3,55
3,50
3,45
3,40
HLRF
10
11
12
13
14
15
liczba iteracji
Rys. 6.11. Uzyskiwanie zbienoci iteracyjnych oblicze wartoci wskanika niezawodnoci
Hasofera Linda Rackwitza Fiesslera HLRF skalkulowanego przy uyciu 121 punktw
obliczeniowych.
Dla 10201 punktw kontrolnych, uzyskano powierzchni odpowiedzi dan wzorem
(6.14)
Tablica 6.11. Wycig z tablicy analizy wariancji ANOVA dla powierzchni odpowiedzi
aproksymowanej przy uyciu dyskretyzacji dwuwymiarowej z liczb 10201 punktw
obliczeniowych (ilo punktw na osi = 101, odlego midzy punktami = 0,02 jednostki).
TABELA ANALIZY WARIANCJI
ZRODLO
SS
TOTAL
10201
WEDLUG B0
1
WEDLUG B1
1
WEDLUG B2
1
WEDLUG B11
1
WEDLUG B22
1
WEDLUG B12
1
REZYDUUM
10195
BRAK DOPAS. 10195
SK
SSK
0.3918601E+03
0.3131675E+03
0.6259555E+02
0.1247017E+02
0.4497810E+00
0.5849543E+00
0.2484154E+01
0.1079875E+00
0.1079875E+00
0.3841389E-01
0.3131675E+03
0.6259555E+02
0.1247017E+02
0.4497810E+00
0.5849543E+00
0.2484154E+01
0.1059220E-04
0.1059220E-04
WSPOLCZYNNIK
0.1911059E+00
0.2686834E+00
0.1199238E+00
-0.8735326E-01
-0.9961840E-01
0.1835900E+00
139
Linda
obliczeniowych.
1
HLRF
12
13
14
15
3,56 3,45 3,38 3,30 3,26 3,20 3,16 3,12 3,08 3,05 3,01 2,98 2,95 2,95 2,95
3,80
3,70
3,60
3,50
3,40
3,30
3,20
3,10
3,00
2,90
2,80
HLRF
10
11
12
13
14
15
liczba iteracji
Rys. 6.13. Uzyskiwanie zbienoci iteracyjnych oblicze wartoci wskanika niezawodnoci
Hasofera Linda Rackwitza Fiesslera HLRF skalkulowanego przy uyciu 10201 punktw
obliczeniowych.
c) Skalkulowanie wskanika niezawodnoci metod symulacji Monte Carlo
Prawdopodobiestwo awarii obliczone metod symulacji Monte Carlo za pomoc miliona
prbek w przypadku wygenerowanej powierzchni odpowiedzi wynioso Pf = 2, 386 10 3 ,
dajc bd rzdu e = 1, 39% , co jest wynikiem jakociowo zadowalajcym.
140
wyniki
powyszych
analiz
numerycznych
prawdopodobiestwa
awarii Pf
Autorskie,
25 pkt.
oblicz.
Autorskie,
121 pkt.
oblicz.
Autorskie,
10201 pkt.
oblicz.
Autorskie,
MMC
Pf
Pf = 2, 390 10 3
Pf = 0, 94 10 3
Pf = 0, 25 10 3
Pf = 1, 59 10 3
Pf = 2, 39 10 3
= 2, 8599
= 3,11
= 3, 48
= 2, 95
= 2, 82
-------
e = 8, 04%
e = 17, 82%
e = 3, 05%
e = 1, 39%
141
spryn
modelowane
jako
dwie
zmienne
losowe:
k1 = X1 (1 + x1 )
142
1
1
H
1
2
4 = X1 (1 + x 1 ) ( ) + X 2 (1 + x 2 ) 2 + 2 P H
2
2
L
2
2 +
(6.15)
H
Model ramy wymaga rozpatrzenia energii potencjalnej czwartego rzdu, gdy cechuje si
on asymetryczn bifurkacj, co powoduje take jego wraliwo na imperfekcje obcieniowe.
W zaproponowanej analizie prawdopodobiestwo wyboczenia ramy jest obliczane przy
zaoeniu, i k1 = k2 = X1 = X2 = 1 kNm , H = 1 m , L = 1 m , P = 1 kN , zatem konstrukcja
idealna (x1 = x 2 = 0) wykazuje obcienie wybaczajce rwne: = 5, 0 = E . Dobrano take
wstpn imperfekcj obcieniow na poziomie = 0, 05 . W pierwszym podejciu, w analizie
niezawodnoci wspczynnik krytyczny obcienia zosta dobrany jako = 0, 5 E = 2, 5 ,
a podstawowe zmienne losowe (x1 , x2 ) zaoono jako nieskorelowane (0 = 0) .
Prawdopodobiestwo awarii zostao obliczone w publikacji odniesienia metod symulacji
Monte Carlo za pomoc stu tysicy prbek i wynioso Pf = 2, 780 10 -2 .
Wyliczony za pomoc algorytmu HLRF wskanik niezawodnoci wynis = 1, 9877 .
b)
Dobr
wasny
powierzchni
odpowiedzi
do
zadania
pocztkowego,
i =1
i =1
g(x) = 0 + i x i + ii xi2 + ij xi x j +
(6.10)
i < j j =2
Dla niniejszego zadania (dwie zmienne losowe), wzr ten mona rozpisa jako
(6.11)
143
(6.16)
SS
SK
SSK
TOTAL
WEDLUG B0
WEDLUG B1
WEDLUG B2
WEDLUG B11
WEDLUG B22
WEDLUG B12
REZYDUUM
BRAK DOPAS.
25
1
1
1
1
1
1
19
19
0.6250000E+01
0.3906250E+00
0.5063792E+00
0.6795171E+00
0.1816039E-01
0.3077122E-01
0.1164504E+00
0.8702236E-01
0.8702236E-01
0.3906250E+00
0.3906250E+00
0.5063792E+00
0.6795171E+00
0.1816039E-01
0.3077122E-01
0.1164504E+00
0.8702236E-02
0.8702236E-02
WSPOLCZYNNIK
0.2465191E+01
0.1469314E+01
0.9150694E+00
-0.1304617E+00
-0.4925359E-01
0.3142906E+00
144
HLRF
2,19
1,95
1,92
1,92
1,92
1,92
10
1,92
1,92
1,92
2,30
2,25
2,20
2,15
2,10
2,05
2,00
1,95
1,90
1,85
1,80
HLRF
10
liczba iteracji
Rys. 6.16. Uzyskiwanie zbienoci iteracyjnych oblicze wartoci wskanika niezawodnoci
Hasofera Linda Rackwitza Fiesslera HLRF skalkulowanego przy uyciu 25 punktw
obliczeniowych Monte Carlo.
Dla 121 punktw kontrolnych, uzyskano powierzchni odpowiedzi dano wzorem
(6.17)
145
Tablica 6.16. Wycig z tablicy analizy wariancji ANOVA dla powierzchni odpowiedzi
aproksymowanej przy uyciu 121 punktw obliczeniowych wygenerowanych za pomoc
metody Monte Carlo w obrbie rwnania stanu granicznego.
TABELA ANALIZY WARIANCJI
ZRODLO
SS
TOTAL
121
WEDLUG B0
1
WEDLUG B1
1
WEDLUG B2
1
WEDLUG B11
1
WEDLUG B22
1
WEDLUG B12
1
REZYDUUM
115
BRAK DOPAS. 115
SK
SSK
0.5898981E+03
0.5678085E+03
0.1000331E+02
0.7519374E+01
0.6587866E-02
0.1976961E-02
0.6616999E-01
0.1740830E-02
0.1740830E-02
0.5840576E+01
0.5678085E+03
0.1000331E+02
0.7519374E+01
0.6587866E-02
0.1976961E-02
0.6616999E-01
0.1832452E-04
0.1832452E-04
WSPOLCZYNNIK
0.2501120E+01
0.1501072E+01
0.9015059E+00
-0.1299999E+00
-0.5039177E-01
0.3122408E+00
HLRF
2,20
1,96
1,92
1,91
1,91
1,91
10
1,91
1,91
1,91
146
2,30
2,25
2,20
2,15
2,10
2,05
2,00
1,95
1,90
1,85
1,80
HLRF
10
liczba iteracji
Rys. 6.18. Uzyskiwanie zbienoci iteracyjnych oblicze wartoci wskanika niezawodnoci
Hasofera Linda Rackwitza Fiesslera HLRF skalkulowanego przy uyciu 121 punktw
obliczeniowych Monte Carlo.
c) Skalkulowanie wskanika niezawodnoci metod symulacji Monte Carlo
Prawdopodobiestwo awarii obliczone metod symulacji Monte Carlo za pomoc miliona
prbek w przypadku wygenerowanej powierzchni odpowiedzi wynioso Pf = 2,169 102 ,
co daje bd rzdu e = 1, 59% , co jest wynikiem jakociowo bardzo dobrym.
Wskanik niezawodnoci obliczany przy uyciu zamiany prawdopodobiestwa awarii
obliczonego metod Monte Carlo (na bazie tablic rozkadu normalnego) wynosi = 2, 02 .
d) Podsumowanie
Wszystkie
wyniki
powyszych
analiz
numerycznych
prawdopodobiestwa
awarii Pf
Autorskie,
25 pkt. oblicz.
Autorskie,
121 pkt. oblicz.
Autorskie,
MMC
Pf
Pf = 2, 780 10 2
Pf = 2, 74 10 2
Pf = 2, 81 10 2
Pf = 2,169 10 2
= 1, 9877
= 1, 92
= 1, 91
= 2, 02
-------
e = 3, 52%
e = 4, 02%
e = 1, 59%
147
148
149
Panela
wykonana
jest
kompozytu
XAS-914C,
ktrego
parametry
materiaowe
oraz Gab = Gac = Gbc = 5 106 kPa . Na bazie przedstawionego wyej zapisu warstwowego
i parametrw kadej z lamin obliczy mona cakowite parametry materiaowe paneli,
przykadowo na podstawie rwna fizycznych dla kompozytw wykonywanych w ukadzie
"off-axis", przedstawionych m.in. w [Christensen, 1979; German, 2001; Woniak, 2001].
150
K (x1 , x2 ) = sw2 e
x1 x1
(1 + x1 x1 )e x 2 x2 (1 + x2 x2 )
(6.18)
poziomego
x1
x 2 = S 40 = 421, 2 mm 40 = 10, 53 mm
oraz
dla
wymiaru
Dw ( x , y ) =
2
x x
2
3
3
y y
y
x x
1 e x x
1 e y (6.19)
2 + e
2 + e
x x
y y
y y
K w ( x , y ) =
e x x
( x x )
e
y y
( y )
{cos ( x ) sin ( x ) + 2 x 1}
x
cos ( y y ) sin ( y y ) + 2y y 1
(6.20)
c) Obliczenia numeryczne
Wynikiem pojedynczej serii obliczeniowej jest wykrelona cieka rwnowagi przemieszczenia
osiowego U , zaznaczonego symbolicznie na rys. 6.19. kolorem czerwonym. Na rzeczonej
ciece rwnowagi rozpatrywane s dwa punkty szczeglne. Pierwszym z nich jest
przemieszczenie wza rodkowego krawdzi zakrzywionej U101 dla poziomu
151
152
Korelacja (unormowana)
1
0.8
0.6
0.4
0.2
0
0
2
4
6
8
10
Zasieg korelacji (e lementy)
Rys. 6.21. Zwizek pomidzy stopniem korelacji, a wpywem na okrelon liczb elementw
skoczonych paneli kompozytowej, w zalenoci od przyjtego parametru zasigu korelacji .
153
Rys. 6.22. Przykadowe pola losowe o rnych wartociach parametru zasigu korelacji :
a) pole o bardzo sabej korelacji, = x1 = x2 = 1, 00
b) pole o sabej korelacji, = x1 = x2 = 0, 80
c) pole o redniej korelacji, = x1 = x2 = 0, 50
d) pole o silnej korelacji, = x1 = x2 = 0, 30 .
(0, 05; 0, 30), (0,10 ; 0, 30), (0, 05; 0, 80), (0,10 ; 0, 80), (0, 01; 0, 50) oraz (1,00; 0,50) .
W etapie trzecim przeanalizowano kolejnych 12 prbek wybranych z przestrzeni
realizacji cakowicie losowo (za pomoc bezporedniego prbkowania metod Monte Carlo),
tak, aby zagci informacje o powierzchni odpowiedzi konstrukcji w pobliu jej rodka.
Wybrano punkty o wsprzdnych (m ; ) wynoszcych kolejno: (0, 43; 0, 74), (0, 38; 0, 75),
(0, 75; 0, 42), (0, 66; 0, 71), (0, 69; 0, 39), (0, 23; 0, 67),
(0, 85; 0, 53), (0, 21; 0, 56) oraz (0,12 ; 0, 44) .
154
a)
b)
c)
Rys. 6.23. cieki rwnowagi dla przemieszczenia U dla modelu paneli z imperfekcjami:
a) etap pierwszy analizy, b) etap drugi analizy, c) etap trzeci analizy.
155
U101 [mm]
Ncrit [kN]
(limit = -2,00)
(limit = 100,00)
przy 80kN I0/1 przy ucrit I0/1
-3,12008
0
113,120
1
-2,60901
0
109,862
1
-0,74544
1
114,164
1
-0,69972
1
124,132
1
-0,68375
1
134,790
1
-0,68416
1
136,134
1
1.
2.
3.
4.
5.
6.
0,30
0,80
0,50
0,50
0,30
0,80
1,00
1,00
0,10
0,05
0,01
0,01
7.
8.
9.
10.
11.
12.
0,30
0,30
0,50
0,50
0,80
0,80
0,10
0,05
1,00
0,01
0,10
0,05
-0,73906
-0,69677
-2,77036
-0,68412
-0,75164
-0,70149
1
1
0
1
1
1
98,824
116,130
82,708
134,954
117,732
127,574
0
1
0
1
1
1
13.
14.
15.
16.
17.
18.
19.
20.
21.
22.
23.
24.
0,74
0,75
0,42
0,71
0,39
0,67
0,38
0,43
0,72
0,53
0,56
0,44
0,43
0,38
0,75
0,66
0,69
0,23
0,30
0,52
0,84
0,85
0,21
0,12
-1,40191
-1,35024
-2,18863
-1,99699
-1,96836
-1,00521
-0,97521
-1,30618
-2,45007
-2,60283
-0,94040
-0,76001
1
1
0
1
1
1
1
1
0
0
1
1
96,490
87,960
84,114
108,550
92,106
101,214
90,574
81,818
100,184
77,364
90,188
106,556
0
0
0
1
0
1
0
0
1
0
0
1
156
WYNIK
REDNIA
ODCHYLENIE
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
liczba porzdkowa prbki obliczeniowej
Rys. 6.24. Uzyskiwanie zbienoci oblicze momentw odpowiedzi dla wariantu zadania
ledzcego przemieszczenie U 101 dla cakowitej siy obciajcej rwnej 80 kN.
Na podstawie rys. 6.24 stwierdzi mona, i po pierwszym etapie analizy (rozpatrzeniu tylko
6 prbek) zadowalajca zbieno nie zostaa osignita. Wie si to ze znaczn
rozbienoci przemieszcze obserwowanych dla punktw rodkowych powierzchni, a tych
zaobserwowanych dla punktw naronych powierzchni. Jest to bardzo ciekawa obserwacja,
gdy wiadczy ona o fakcie, e dla punktw o redniej korelacji i stosunkowo maej
amplitudzie cieki rwnowagi przyrastaj duo bardziej w kierunku osi przemieszczenia U 101 ,
ni przykadowo cieki rwnowagi dla punktw o maej bd silnej korelacji i bardzo duej
amplitudzie. Moe si to wiza z faktem, i bardzo duy poziom amplitudy imperfekcji
(wynoszcy piciokrotno gruboci caej paneli) jest de facto zupenie inn geometri dla
zadania, pracujc analogicznie do powoczki falistej bardziej ni analogicznie do paskiej.
Ze wzgldu na dobr punktw w drugim etapie analizy, zaobserwowana zbieno po jego
zakoczeniu (po rozpatrzeniu 12 prbek) jest ju zadowalajca rnica rezultatu redniego
przemieszczenia U 101 pomidzy wynikiem przedostatnim, a ostatnim wynosi zaledwie 3,80%.
Jednake ze wzgldu na sposb rozmieszczenia prbek na powierzchni odpowiedzi trudno jest
powiedzie, i wybr ten odpowiada cile zaoeniom metody Monte Carlo. Rozpatrzenie
kolejnych prbek, wybranych z przedziaw zmiennoci zmiennych probabilistycznych
w sposb cile losowy wydaje si zatem konieczne, aby dowie o moliwoci zastosowania
predykcji prawdopodobiestwa awarii konstrukcji metod Monte Carlo.
157
WYNIK
60,00
REDNIA
40,00
ODCHYLENIE
20,00
0,00
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
liczba porzdkowa prbki obliczeniowej
158
(6.11)
(6.21)
(6.22)
159
(6.23)
g(x) = 46,161 42, 797 x1 225, 341 x 2 + 41, 435 x12 + 204, 200 x 22 9, 297 x1x 2
(6.24)
160
g(x) = 47, 455 64, 406 x1 298, 278 x 2 + 76,172 x12 + 271, 685 x 22 17, 807 x1x 2 (6.25)
Pogldowy szkic powierzchni odpowiedzi na powierzchni stanu granicznego zagadnienia,
aproksymowanej przy uyciu 12 punktw obliczeniowych przedstawia rys. 6.30.
g(x) = 51,189 118, 460 x1 134, 889 x 2 + 124, 706 x12 + 111, 401 x 22 2, 052 x1x 2 (6.26)
Pogldowy szkic powierzchni odpowiedzi na powierzchni stanu granicznego zagadnienia,
aproksymowanej przy uyciu 24 punktw obliczeniowych przedstawia rys. 6.31.
161
Skalkulowanie
prawdopodobiestwa
awarii
paneli Pf
oraz
wskanikw
162
jako stosunek liczby prbek speniajcych warunek graniczny do ich cakowitej liczby,
bezawaryjno paneli wg podejcia bezporedniego Monte Carlo Ps ,MC ,
jako przeciwstawiestwo Pf ,MC zdefiniowanego powyej (Ps ,MC = 1 Pf ,MC ),
bezawaryjno paneli Ps,HLRF ,RSM obliczana jako: (Ps ,HLRF ,RSM = 1 Pf ,HLRF ,RSM ) .
SERIA 1
6 prbek
0,333
0,667
0,430
0,217
0,783
0,783
0,191
0,809
0,875
SERIA 2
12 prbek
0,250
0,750
0,675
0,197
0,803
0,853
0,142
0,858
1,076
SERIA 3
24 prbki
0,250
0,750
0,675
0,250
0,750
0,673
0,176
0,824
0,932
163
SERIA 1
6 prbek
0,000
1,000
3,999
0,265
0,735
0,627
0,374
0,626
0,320
SERIA 2
12 prbek
0,167
0,833
0,970
0,327
0,673
0,447
0,394
0,606
0,270
SERIA 3
24 prbki
0,417
0,583
0,210
0,381
0,619
0,304
0,406
0,594
0,139
b)
1,300
1,100
0,900
0,700
0,500
0,300
1
2
3
liczba porzdkowa serii obliczeniowej
PF,MC
PF,HL,RSM
1
2
3
liczba porzdkowa serii obliczeniowej
PF,HLRF,RSM
C,MC
HL,RSM
HLRF,RSM
Rys. 6.32. Uzyskiwanie zbienoci po kolejnych etapach analizy wariantu zadania ledzcego
przemieszczenie U 101 dla siy obciajcej rwnej 80 kN:
a) przez wartoci prawdopodobiestwa awarii paneli Pf ; b) przez wskaniki niezawodnoci .
a)
b) 4,000
2,000
1,000
0,500
0,250
0,125
0,500
0,400
0,300
0,200
0,100
0,000
1
2
3
liczba porzdkowa serii obliczeniowej
PF,MC
PF,HL,RSM
PF,HLRF,RSM
1
2
3
liczba porzdkowa serii obliczeniowej
C,MC
HL,RSM
HLRF,RSM
Rys. 6.33. Uzyskiwanie zbienoci po kolejnych etapach analizy wariantu zadania ledzcego
przemieszczenie U 101 dla siy obciajcej powodujcej utrat statecznoci Ncrit :
a) przez wartoci prawdopodobiestwa awarii paneli Pf ; b) przez wskaniki niezawodnoci .
164
Dla pierwszego wariantu zadania, tj. kiedy bada si, czy przemieszczenie wza rodkowego
krawdzi zakrzywionej U 101 dla poziomu siy obciajcej rwnej 80 kN przekracza warto
graniczn U 101,lim = 2, 0 mm, wyszukiwanie parametrw probabilistycznej oceny niezawodnoci
powoki (zarwno prawdopodobiestwa awarii paneli Pf , jak i wskanika niezawodnoci )
zostao zakoczone po trzech seriach obliczeniowych (po kalkulacji powierzchni odpowiedzi
przy uyciu 24 punktw obliczeniowych) niewystarczajc zbienoci rozwiza.
Pomidzy etapem z 12 punktami, a etapem z 24 punktami obliczeniowymi wykryto znaczne
obnienie caoci powierzchni odpowiedzi wzgldem osi x 3 (prezentujcej warto funkcji
granicznej g(x) dla realizacji zmiennych x1 , x 2 ), co jest zmian odpowiadajc za to,
e wskaniki niezawodnoci obliczone na jej podstawie (programem autorskim) midzy drug,
a trzeci seri rosn niemale rwnolegle do siebie, zamiast przejawia zbieganie si ich
wartoci (konsekwentnie takie samo zachowanie przejawia prawdopodobiestwo awarii liczone
za ich pomoc). Referencyjnie podane parametry probabilistycznej oceny niezawodnoci
powoki, obliczane metod Monte Carlo, maj za to du zbieno z rozwizaniem
wskanika niezawodnoci wedug podejcia Hasofera Linda HL . Mona wic oczekiwa,
e w przypadku ustalenia si poziomu powierzchni odpowiedzi w przestrzeni realizacji
zmiennych losowych w kolejnych seriach obliczeniowych, wykonywanych przy uyciu wikszej
liczby prbek ni 24, wyniki te osign jeszcze bardziej zadowalajc zbieno.
Dla drugiego wariantu zadania, tj. kiedy bada si, czy punkt utraty statecznoci, w ktrym
osignita zostaje odpowiednia krytyczna lub graniczna warto obcienia nastpuje powyej
poziomu wypadkowej siy obciajcej rwnej 100 kN, wyszukiwanie parametrw
probabilistycznej oceny niezawodnoci powoki zostao zakoczone po trzech seriach
obliczeniowych niemale doskona zbienoci rozwiza.
Pomidzy etapem z 12 punktami, a etapem z 24 punktami obliczeniowymi znacznie
poprawio si rozeznanie topografii powierzchni, a linia nakrelona przez rwnanie stanu
granicznego zostaa wygadzona i lepiej przybliona numerycznie, co jest zmian
odpowiadajc za szybk i zadowalajc zbieno parametrw probabilistycznej oceny
niezawodnoci powoki obliczonych na jej podstawie. Referencyjnie podane parametry
probabilistycznej oceny niezawodnoci powoki obliczane metod Monte Carlo take maj
po trzeciej serii obliczeniowej zadowalajc zbieno z rozwizaniem programem RSMWin.
Powysze wyniki potwierdzaj tez, e ju niewielka ilo intuicyjnie dobranych punktw
obliczeniowych prowadzi do dobrych rozwiza. Braku zbienoci pomidzy seriami 2 i 3
w pierwszym przypadku analizy daoby si prawdopodobnie unikn, gdyby dokona
wymieszania kolejnoci rozpatrywania punktw obliczeniowych (dwie pierwsze serie modeluj
tylko krawdzie powierzchni, trzecia modeluje rodek takie dziaanie okazao si docelowo
skuteczne, ale nie wydaje si by optymalne). Wan kwesti jest take wyczerpujca analiza,
wykonywana wszystkimi moliwymi procedurami, jakie zostay zaimplementowane
do programu autorskiego. W tak zaawansowanych problemach inynierskich nie mona
ograniczy si jedynie do jednego wybranego arbitralnie wskanika niezawodnoci,
ale powinno si zaleca kalkulacje wskanikw wszystkimi metodami i podejciami,
aby zaprezentowana warto kocowa bya uprawomocniona przez kade moliwe podejcie,
co jak wida w drugim przypadku analizy, jest rwnoczenie miernikiem poprawno
aproksymacji powierzchni odpowiedzi i dobrego rozpoznania jej topografii.
165
g) Podsumowanie
W zadaniu, do przedstawienia powierzchni odpowiedzi na zmienne losowe parametrw
imperfekcji, wyznaczanej za pomoc standardowej analizy regresji, wzbogaconej
zastosowaniem techniki tabelarycznej analizy wariancji (ANOVA) uywa si dedykowanego
zagadnieniu programu autorskiego RSMWin, a nastpnie stosujc dwa podejcia
matematyczne okrela si dla powoki kompozytowej wskanik niezawodnoci. Ponadto
stosuje si metod Monte Carlo do oszacowania prawdopodobiestwa awarii i obliczenia
kolejnego wskanika niezawodnoci.
Na podstawie zadania wykazano, i obliczenia obejmujce losowy charakter modelu powoki
kompozytowej (w tym przypadku przy zaoeniu pola losowego modelujcego imperfekcje
geometryczne rozoone na powierzchni paneli) s zasadne i mog mie odzwierciedlenie take
w projektowych obliczeniach inynierskich. Moliwe jest wic podejmowanie prb szacowania
niezawodnoci tego typu konstrukcji i sformuowania w szerszym zakresie metody obliczania
niezawodnoci problemw geometrycznie nieliniowych.
W trakcie przebiegu oblicze potwierdzono rwnie wyranie wany fakt, i imperfekcje,
mogce faktycznie wystpi w takich rozmiarach i konfiguracjach na konstrukcjach
powokowych widocznie rnicuj ich odpowiedzi (parametry nonoci oraz uytkowalnoci).
166
167
168
Elementy skoczone tworzce siatk paszcza silosu maj wymiar 125 mm 174, 5 mm ,
przy czym pierwszy wymiar dotyczy kierunku pionowego (wysoko elementu trjktnego),
a drugi kierunku obwodowego (podstawa trjkta prostoktnego). Na dugoci obwodu
znajduj si 72 elementy, natomiast na wysokoci poszczeglnego piercienia 20 elementw.
Siatka dyskretyzacyjna kopuy dachu, leja oraz przypodporowego pasma wzmacniajcego
zostaa wygenerowana w sposb nieregularny.
Imperfekcja zbiornika modelowana jest jako zaburzenie wzw siatki MES, wykonane jeszcze
przed generacj siatki elementw skoczonych. Przyjmowana jest ona jako wgniecenie
o gbokoci dobranej wedug zalece Eurokodu PN-EN 1993-1-6:2009, o ksztacie elipsy
o dugociach osi ustalonych na mocy przepisw tej samej normatywy.
b) Imperfekcje geometryczne modelu
Ze wszystkich parametrw, ktre mog opisa losowo modelu silosu jako
obrotowosymetrycznego dwigara powierzchniowego, przyjto do analizy (jak w przypadku
zadania z rozdziau poprzedniego) jedynie imperfekcje geometryczne powoki.
W zadaniu pominito imperfekcje podparcia konstrukcji, niepewnoci parametrw
materiaowych materiaw oraz losowo obcienia wiatrem, tak wic i tym razem
zastosowany losowy opis modelu jest uproszczony. Jednake, tak samo jak w poprzedniej
analizie, stwierdzi mona, i znajduje si on w penej zgodnoci z podejciem inynierskim
stosowanym w projektowaniu, a take i spenia on postulaty metodologii wymiarowania
konstrukcji i szacowania jej niezawodnoci, jaka sugerowana jest uywanymi obecnie kodami
projektowymi, co przywoano ju w Rozdziale 4 niniejszej rozprawy, a co mona take
potwierdzi na mocy stwierdze zawartych m. in. w pracy [Biegus, 1999].
Pierwszym krokiem w generacji imperfekcji geometrycznych konstrukcji jest przedsiwzicie
wstpnych zaoe co do ich wymiarw. Przyjcie imperfekcji na wyidealizowanej powierzchni
bocznej silosu wymaga powoania si na zestaw normatyw, ktre ustalaj, jakich wymiarw
indentacje mog pojawi si na obliczanej konstrukcji. Przyjcie ich bez powoania si na
sugerowane w kodach projektowych progi skutkowa mogoby uzyskaniem mylnych
rezultatw oblicze i prowadzi do bdnych wnioskw. Pierwsze zaoenia do oblicze
numerycznych trzeba dobra na podstawie wzorw podanych w PN-EN 1993-1-6:2009
[Goota i inni, 2011].
Przypomnie naley, i w przywoanym powyej kodzie projektowym nakazuje si zastosowa
do pomiaru wgbie przymiary w okrelonych pooeniach w obu gwnych kierunkach
powierzchni bocznych silosu. Jednake, postpujc w zgodzie z wytycznymi PN-B-03202:1996
postanowiono wstpnie przyj, i obwodowa dugo zasigu wgniecenia m zostanie
dobrana jako maksymalna z moliwych do zaistnienia i wyniesie m = 2 m , tak wic
graniczna strzaka wgniecenia wyniesie tv 0 = 0, 01 m = 0, 01 2 m = 0, 02 m = 2 cm .
Pomiary wgniecenia wzdu tworzcej walca (poudnikowe) przeprowadza si za pomoc
przymiaru o dugoci gX = 4 rt , zatem dugo ta wynosi w rozpatrywanym przypadku
gX = 4 rt = 4 2 m t110
(6.27)
169
co, uwzgldniajc zmienn grubo blach (t1 = 4 mm, t10 = 10, 5 mm) daje przedzia wartoci
0,25
2
= 2, 3 ( 2 2 m ) 2 m t110
0,25
(6.28)
lecz: g 2 m
co, uwzgldniajc zmienn grubo blach (t1 = 4 mm, t10 = 10, 5 mm) daje przedzia wartoci
g = ( g ,min ; g ,max ) =
= 2, 3 32 2 m3 0, 0040 m
0,25
; 2, 3 32 2 m 3 0, 0105 m
0,25
zalecane
U 0,max
przymiar w 0X U 0,max gX
przymiar w 0 U 0,max g
klasa A
0,006
w0X 0, 006 60 cm = 0, 36 cm
klasa B
0,010
w0X 0, 010 60 cm = 0, 60 cm
klasa C
0,016
w0X 0, 016 60 cm = 0, 96 cm
170
Rys. 6.35. Trzy sposoby przyjmowania oddziaywania wiatrem na silos wg EC: obcienie
dokadne, wg wzoru trygonometrycznego (a), obcienie sektorowe (b) i uproszczone (c).
Obcienie wiatrem pk jest to obcienie wywoane oddziaywaniem na budowl wiatru
o prdkoci
charakterystycznej
Vk
(redniej
dziesiciominutowej
prdkoci
wiatru
171
pk = qk Ce C
(6.29)
(6.30)
= 1, 0 +
r
(kb + kr )
Ce
(6.31)
terenu
paskiego,
otwartego,
nielicznymi
Ce = 0, 9 + 0, 015 32 m = 0, 9 + 0, 48 = 1.38 ;
o czstotliwociach
pozarezonansowych
kb = 1, 265
oraz
oddziaywania
oddziaywania
turbulentnego
turbulentnego
172
0, 08
(1, 265 + 0, 097 ) = 2,124 .
1, 38
CeC (z , ) = (1, 00) (0, 356 + 0, 322 cos + 0, 636 cos 2 + 0, 501 cos 3 + ...
... + 0, 058 cos 4 0,128 cos 5 0, 034 cos 6) (6.32)
b) Jeli z 10 m; 20 m , to rwnanie funkcji aerodynamicznej ma posta
CeC (z , ) = (0, 80 + 0, 02 z ) (0, 356 + 0, 322 cos + 0, 636 cos 2 + 0, 501 cos 3 + ...
... + 0, 058 cos 4 0,128 cos 5 0, 034 cos 6) (6.33)
c) Jeli z 20 m; 30 m , to rwnanie funkcji aerodynamicznej ma posta
CeC (z , ) = (0, 90 + 0, 015 z ) (0, 356 + 0, 322 cos + 0, 636 cos 2 + 0, 501cos 3 + ...
... + 0, 058 cos 4 0,128 cos 5 0, 034 cos 6) (6.34)
gdzie powysze zapisy s poprawne dla zaoenia o terenie paskim, otwartym, z nielicznymi
przeszkodami, zgodnie z zapisem klasy A wspczynnika ekspozycji .
Powysze zapisy maj bardzo skomplikowan posta, umoliwia ona jednak projektantowi
atw implementacj przedstawionego za ich pomoc obcienia wiatrem do modelu
numerycznego, w szczeglnoci jeli model zosta wykonany jako obrotowosymetryczny.
Wwczas, traktujc wysoko z pooenia wektora skadowego i kierunku zorientowania
wektora jako parametry generacji tego obcienia, wystarczy zebra reszt
wspczynnikw jako mnonik startowy obcienia, a nastpnie wykonujc powtarzalne
generacje, stworzy obraz obcienia na powierzchni bocznej silosu. Obcienie tego typu
mona take w atwy sposb rzutowa na pochye powierzchnie kopuy dachu i leja silosu.
Wykorzystujc t obserwacj, mona zaproponowa zapis obcienia obliczeniowego
wywoanego dziaaniem wiatru w postaci
p = qk Ce C f = (qk f ) (Ce C ( z , ) ) = mw (Ce C ( z , ) )
(6.35)
(6.36)
173
rwnowagi
W przypadku oblicze cinienia krytycznego wiatru dla modelu silosu o geometrii idealnej
uzyskano w zadaniu warto krytyczn mnonika startowego obcienia mcrit = 0,518 ,
co odpowiada wartoci cinienia krytycznego wiatru rwnej
(6.37)
174
kta
nieznacznym
175
176
pcrit = 0, 970 kPa dla = 0 oraz dla h = 3, 50 m , co jest wartoci mniejsz nawet od
normowo zakadanej mocy obcienia wiatrem), a pomidzy mcrit = 0, 551 (co daje
pcrit = 2, 755 kPa dla = 60 oraz dla h = 10, 00m , co jest wartoci wiksz od cinienia
krytycznego zbiornika idealnego).
Przed przystpieniem do procedur szacowania niezawodnoci silosu, sformuowa naley stan
graniczny, jaki narzuca si dla poszczeglnych przypadkw. W niniejszym zadaniu przyjto,
i w pierwszym przypadku analizy stan graniczny zostanie zdefiniowany jako 75% wartoci
cinienia krytycznego wiatru obliczonego dla zbiornika idealnego, tzn. za model
awaryjny uzna si silos niezdolny do przeciwstawienia si cinieniu wiatru o wartoci
pcrit 0, 75 0, 518 5 kPa = 0, 389 5 kPa = 1, 945 kPa , a w drugim przypadku analizy stan
graniczny zostanie zdefiniowany jako 50% wartoci cinienia krytycznego wiatru
obliczonego dla zbiornika idealnego (co stanowi wymg mniej restrykcyjny, ktry
powinien charakteryzowa si mniejszym prawdopodobiestwem awarii i wikszym
wskanikiem niezawodnoci), tzn. za awaryjny uzna si silos niezdolny do przeciwstawienia
si cinieniu wiatru o wartoci pcrit 0, 50 0, 518 5 kPa = 0, 259 5 kPa = 1, 295 kPa .
Zaoono take, i w ramach analizy przykadu numerycznego obrotowosymetrycznego
aluminiowego silosu zbadane zostan kolejno: prawdopodobiestwo awarii silosu wg metody
Monte Carlo Pf ,MC (jako stosunek liczby prbek speniajcych warunek graniczny do
cakowitej liczby prbek), bezawaryjno silosu wg metody Monte Carlo Ps ,MC = 1 Pf ,MC
oraz wskanik niezawodnoci obliczany wg podejcia Cornella, jako C ,MC = 1 (Pf ) .
1) Analiza przy uyciu bezporedniego podejcia metody Monte Carlo (CMC, Crude
Monte Carlo).
Analiza podejciem bezporednim metody Monte Carlo podzielona zostaa na sze serii.
W serii pierwszej rozpatrzono jedynie 6 punktw obliczeniowych. W serii drugiej liczba ta
wzrosa do wartoci 12 punktw obliczeniowych. Analogicznie, w serii trzeciej ujto 24
punkty obliczeniowe, w serii czwartej 48 punktw, a w serii pitej 96 punktw.
W finaowej, szstej serii rozpatrzono wszystkie wygenerowane punkty obliczeniowe, zatem
ich liczba w zadaniu wyniosa 144. Warto jednake nadmieni, i wygenerowane punkty
obliczeniowe nie zostaway w poszczeglnych seriach ustawione w kolejnoci, jak mgby
sugerowa system ich generacji, ale zostay ustawione w sposb cakowicie losowy.
Zbieno rezultatw probabilistycznych momentw odpowiedzi (redniej arytmetycznej
mnonika krytycznego i jego odchylenia standardowego w danej serii) dla wariantu zadania
uywajcego bezporedniego podejcia Monte Carlo, przy kolejno zwikszajcej si liczbie
prbek obliczeniowych (w szeciu kolejnych etapach analizy), przedstawiona jest na rys. 6.36.
177
a)
0,600
0,500
0,400
0,300
0,200
0,100
0,000
b)
0,600
0,500
0,400
0,300
0,200
0,100
0,000
1
2
3
4
5
6
liczba porzdkowa prbki obliczeniowej w serii
1 2 3 4 5 6 7 8 9 10 11 12
liczba porzdkowa prbki obliczeniowej w serii
0,600
0,600
0,500
0,500
0,400
0,400
0,300
c)
0,300
d)
0,200
0,100
0,200
0,100
0,000
0,000
1
3 5 7 9 11 13 15 17 19 21 23
liczba porzdkowa prbki obliczeniowej w serii
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46
liczba porzdkowa prbki obliczeniowej w serii
0,600
0,500
0,400
0,300
e)
0,200
0,100
94
91
88
85
82
79
76
73
70
67
64
61
58
55
52
49
46
43
40
37
34
31
28
25
22
19
16
13
10
0,000
liczba porzdkowa prbki obliczeniowej w serii
0,600
0,500
0,400
0,300
0,200
f)
0,100
1
5
9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
101
105
109
113
117
121
125
129
133
137
141
0,000
liczba porzdkowa prbki obliczeniowej w serii
IDEALNY
75% IDEALNEGO
50% IDEALNEGO
WYNIK
REDNIA
OS
178
Na podstawie rys. 6.36. stwierdzi mona, i po pierwszej serii analizy (rozpatrzeniu tylko
6 prbek) zadowalajca zbieno nie zostaa osignita. Duo lepiej przedstawia si sytuacja
w serii drugiej (dla 12 prbek), lecz ju rezultaty serii trzeciej i czwartej ponownie nie
prezentuj zadowalajcej zbienoci. Dopiero seria pita i szsta pozwalaj przyj okrelone
po ich zakoczeniu wartoci jako miarodajne, jednake zauway naley, i seria finaowa
prezentuje znacznie rne wartoci redniej i odchylenia standardowego, anieli te
wypracowane po serii pitej (rnica 2,06% midzy wynikami redniej i a 13.74% midzy
wynikami odchylenia). Oczywicie, jako wyniki referencyjne powinno si przyj wyniki po
szstej serii, take stwierdzi mona, i do poprawnej kalkulacji redniego mnonika
krytycznego obcienia wiatrem i znalezienia jego prawidowej wariancji,
potrzeba wykona a 144 obliczenia modeli prbek.
Dysponujc wynikami poszczeglnych oblicze prbek, obliczy mona dla kadej z serii
wskazywane przez ni prawdopodobiestwo awarii silosu, jego bezawaryjno oraz wskanik
niezawodnoci, w dwch przyjtych wariantach analizy dla kwantyli 75% i dla 50%.
Wyniki te zgromadzono w Tablicy 6.23. Zgromadzono w niej take informacje o rnicy
pomidzy wynikiem danej wartoci uzyskanym w danej serii, a wynikiem serii ostatniej,
uznanej za referencyjn.
Tablica 6.23. Prawdopodobiestwo awarii silosu, jego bezawaryjno oraz wskanik
niezawodnoci obliczone dla kadej z serii obliczeniowych dla wariantu zadania uywajcego
bezporedniego podejcia Monte Carlo, w dwch przyjtych wariantach analizy (75%, 50%).
179
wyniku. Naley rwnie wyranie podkreli, i nawet due rozbienoci (5%10%) pomidzy
rozwizaniem referencyjnym, a wynikiem serii nie s czynnikiem dyskredytujcym metod.
Pamita naley, i operuje si na bardzo maych wartociach, a wic rnica, ktra
bezwzgldnie nie wydaje si wielka, w obliczeniu bdu wzgldnego moe okaza si znaczna.
2) Analiza przy uyciu metody Monte Carlo z zastosowaniem prbkowania warstwowego
(SS, Stratified Sampling Monte Carlo).
Analiza przy uyciu metody Monte Carlo z zastosowaniem prbkowania warstwowego
podzielona zostaa na cztery serie. W serii pierwszej dokonano podziau przestrzeni realizacji
na trzy pasma rwnego zasigu, wzdu kadej z osi wymiarw probabilistycznych (x1 , x 2 ) ,
co spowodowao odseparowanie 3x3=9 podprzestrzeni zdarze losowych. Z kadej z tych
podprzestrzeni wybrano tylko jedn prbk, ktr starano si dobra w ten sposb, aby jak
najlepiej reprezentowaa wszystkie prbki znajdujce si w danej podprzestrzeni (tzw. prbk
rodkow). Tak przygotowan populacj 9 prbek obliczeniowych przyjto za 9 punktw
obliczeniowych serii. W serii drugiej kad z osi wymiarw probabilistycznych przestrzeni
podzielono na cztery pasma, w serii trzeciej na sze pasm, a w serii czwartej na dwanacie.
Respektujc metodologi prbkowania warstwowego, nakrelon powyej, w serii drugiej
uzyskano 16 punktw obliczeniowych z 4x4=16 podprzestrzeni zdarze losowych, w serii
trzeciej 36 punktw obliczeniowych z 36 podprzestrzeni, a w serii czwartej 144 punktw
obliczeniowych z takiej samej iloci podprzestrzeni.
Szczegy tej techniki zostay przywoane w punkcie 2.6.2.1. niniejszej rozprawy.
Definicja zadania wskazuje wic na to, i szsta seria oblicze prowadzonych za pomoc
bezporedniego podejcia Monte Carlo i czwarta seria oblicze prowadzonych przy uyciu
prbkowania warstwowego powinny da identyczne wyniki, korzystaj bowiem ze wszystkich
144 prbek obliczeniowych przygotowanych na potrzeby teje analizy. Co wane,
w poszczeglnych seriach prbki byy tym razem ustawione w kolejnoci, jak
sugerowa system przeszukiwania podzielonej przestrzeni realizacji. Zrobiono tak, aby
zaobserwowa rnic midzy losowym, a celowym doborem kolejnoci prbek.
Zbieno rezultatw probabilistycznych momentw odpowiedzi (redniej arytmetycznej
mnonika krytycznego i jego odchylenia standardowego w danej serii) dla wariantu zadania
uywajcego metody Monte Carlo wzbogaconej o technik prbkowania warstwowego,
przy kolejno zwikszajcej si liczbie prbek obliczeniowych (w czterech kolejnych etapach
analizy), przedstawiono na rys. 6.37.
Na podstawie rys. 6.37. stwierdzi mona, i technika ta doskonale aproksymuje wartoci
liczbowe momentw odpowiedzi probabilistycznej, wymaga ona jednake rozpatrzenia caej
liczby punktw dobranych z podprzestrzeni realizacji. Oblicze nie mona zakoczy
dla iloci prbek mniejszej, anieli liczba podprzestrzeni realizacji, gdy specyfika techniki
prbkowania powoduje, i dziaanie takie odbyoby si ze szkod dla rezultatw. Trudno te
mwi w tym przypadku o zbienoci rezultatw redniej i odchylenia standardowego,
a raczej o pewnej tendencji, ktr dla tyche momentw mona zaobserwowa. Ten fakt moe
by zwizany z celowym doborem kolejnoci prbek, ktry sprawdza si widocznie sabiej,
ni proponowany przez bezporedni metod Monte Carlo ukad losowy.
180
0,600
0,600
0,500
0,500
0,400
0,400
0,300
a)
0,300
b)
0,200
0,100
0,200
0,100
0,000
0,000
1
2
3
4
5
6
7
8
9
liczba porzdkowa prbki obliczeniowej w serii
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
liczba porzdkowa prbki obliczeniowej w serii
0,600
0,500
0,400
0,300
c)
0,200
0,100
0,000
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36
liczba porzdkowa prbki obliczeniowej w serii
0,600
0,500
0,400
0,300
d)
0,200
0,100
1
5
9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
101
105
109
113
117
121
125
129
133
137
141
0,000
liczba porzdkowa prbki obliczeniowej w serii
IDEALNY
75% IDEALNEGO
50% IDEALNEGO
WYNIK
REDNIA
OS
181
182
a)
b)
0,600
0,500
0,500
0,400
0,400
0,300
0,300
a)
b)
0,200
0,200
0,100
0,100
0,000
0,000
1
2
3
4
5
6
liczba porzdkowa prbki obliczeniowej w serii
1
2
3
4
5
6
liczba porzdkowa prbki obliczeniowej w serii
0,600
0,600
0,500
0,500
0,400
0,400
0,300
c)
0,300
d)
0,200
0,200
0,100
0,100
0,000
0,000
1
2
3
4
5
6
liczba porzdkowa prbki obliczeniowej w serii
e)
183
1 2 3 4 5 6 7 8 9 10 11 12
liczba porzdkowa prbki obliczeniowej w serii
0,600
0,600
0,500
0,500
0,400
0,400
0,300
0,300
f)
0,200
0,200
0,100
0,100
0,000
0,000
1 2 3 4 5 6 7 8 9 10 11 12
liczba porzdkowa prbki obliczeniowej w serii
1 2 3 4 5 6 7 8 9 10 11 12
liczba porzdkowa prbki obliczeniowej w serii
184
185
seriami wida jednak znaczne zmniejszenie bdu na korzy serii bardziej licznej w punkty
obliczeniowe, co potwierdza postawiony powyej wniosek, i dla bardziej szczegowego
podzia na podprzestrzenie realizacji (wikszej liczbie prbek) technika ta mogaby w kocu
wskaza duo bardziej zadowalajce rezultaty.
Zauway mona z pen stanowczoci, i metoda Monte Carlo, ktrej liczba prbek
w populacji zostaa celowo zmniejszona technik hiperszecianu aciskiego nie sprawdza si
przy rozpoznawaniu zmian obcienia krytycznego zbiornika. Co wicej, nawet poprawienie
jakoci jej pracy (przykadowo w sposb zasugerowany powyej) absolutnie nie jest
konkurencyjne wobec metodologii podejcia bezporedniego Monte Carlo, a tym bardziej dla
wzbogacenia metody prbkowaniem warstwowego. Wniosek taki potwierdza sformuowane
w punkcie 2.6.3. niniejszej rozprawy obserwacje, jakoby taka technika prbkowania dla
problemw inynierskich o maym stopniu skomplikowania nie dawaa wyranych efektw
i musiaa by wspomagana innymi dziaaniami, przykadowo prbkowaniem wagowym.
4) Analiza przy uyciu metody Monte Carlo z zastosowaniem prbkowania wagowego
(IS, Importance Sampling Monte Carlo).
Analiza przy uyciu metody Monte Carlo z zastosowaniem prbkowania wagowego
podzielona zostaa na cztery serie. W serii pierwszej rozpatrzono jedynie 8 punktw
obliczeniowych, ktre na bazie wstpnych testw numerycznych zdaway si znajdowa
w przestrzeni realizacji najbardziej stanu granicznego przypadku analizy 50% kwantyla
obcienia wiatrem. W serii drugiej rozpatrzono natomiast 16 punktw obliczeniowych, ktre
na bazie wstpnych testw numerycznych zdaway si znajdowa w przestrzeni realizacji
najbardziej stanu granicznego przypadku analizy 75% kwantyla obcienia wiatrem. Seria
trzecia to obliczenia 24 punktw obliczeniowych, ktre stanowi poczenie obu pierwszych
serii. W serii czwartej rozpatrzono 48 punktw obliczeniowych, gdzie do punktw serii
trzeciej dopisano 24 punkty speniajce rwnanie stanu granicznego, ale od niego w nieco
dalszej odlegoci. Wygenerowane punkty obliczeniowe zostaway w poszczeglnych seriach
ustawione w kolejnoci cakowicie losowej.
Szczegy techniki prbkowania IS zostay przywoane w punkcie 2.6.2.3. niniejszej rozprawy.
Zbieno rezultatw probabilistycznych momentw odpowiedzi (redniej arytmetycznej
mnonika krytycznego i jego odchylenia standardowego w danej serii) dla wariantu zadania
uywajcego metody Monte Carlo wzbogaconej o technik prbkowania wagowego, przy
kolejno zwikszajcej si liczbie prbek obliczeniowych (w szeciu kolejnych wariantach
analizy), przedstawiono na rys. 6.40.
Na podstawie rys. 6.40 stwierdzi mona, i technika prbkowania hiperszecianu aciskiego
nie jest dla zadania optymalna. Jednake obliczeniom z wykorzystaniem tej techniki
przywieca inny cel nie miaa by ona rzeczywistym miernikiem momentw
probabilistycznych prby, ani te wytyczn do kalkulacji miar niezawodnoci modelu,
ale tylko pewnym wprowadzeniem i rozpoznaniem, wykonywanym przed analiz metod
powierzchni odpowiedzi. W przypadku wszystkich analiz tej serii ani zbieno rezultatw
redniej, ani odchylenia standardowego prby nie zostaa osignita, a skalkulowane kocowo
wartoci s bdne, rnice si od rozwizania referencyjnego o wielko bdu wzgldnego
wynoszc od 17.72% (48 prbek) do 40.92% (8 prbek). Prbkowanie wanociowe
186
ma bowiem wiele zalet nie w przypadku analizy Monte Carlo, ale w przypadku przetwarzania
rezultatw punktw obliczeniowych za pomoc innych narzdzi stochastycznych. W metodzie
powierzchni odpowiedzi, dla bardzo skomplikowanych modeli, powinno by gwarantem
dobrego odwzorowania powierzchni w obrbie jej stanu granicznego.
0,600
0,600
0,500
0,500
0,400
0,400
0,300
a)
0,300
b)
0,200
0,100
0,200
0,100
0,000
0,000
1
2
3
4
5
6
7
8
liczba porzdkowa prbki obliczeniowej w serii
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
liczba porzdkowa prbki obliczeniowej w serii
0,600
0,600
0,500
0,500
0,400
0,400
0,300
c)
0,300
d)
0,200
0,200
0,100
0,100
0,000
0,000
1 3 5 7 9 11 13 15 17 19 21 23
liczba porzdkowa prbki obliczeniowej w serii
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46
liczba porzdkowa prbki obliczeniowej w serii
187
188
a)
b)
Rys. 6.41. Wizualizacje wstpnego rozpoznania topografii powierzchni zalenoci cinienia
krytycznego od zmiennych przyjtych w analizie, kolejno: a) w widoku 2D, b) w widoku 3D.
Jak wida na przywoanych na rys. 6.41 wizualizacjach, krzywizna rzeczywistej powierzchni
odpowiedzi konstrukcji nie jest jednoznacznie okrelona. Powierzchnia ta ma jedno wgbienie
w swoim narou i delikatne wybrzuszenie w strefie rodkowej. Dostrzegajc jej
skomplikowanie odrzucono zastosowanie modelu pierwszego rzdu i w kocowym etapie
analizy przyjto dla zadania model aproksymacyjny drugiego rzdu z czonami
interakcyjnymi (ktrego poprawno i sprawno dziaania zostaa ju udowodniona
w analizach poprzedzajcych), dla dwch zmiennych losowych, w postaci
(6.11)
189
na poz. 75%
na poz. 50%
2
2
na poz. 75% g(x) = 0,221151 + 0,005246x1 + 0,021042x 2 0,000018x1 0,000373x 2 0,000132x1x 2
2
2
na poz. 50% g(x) = 0,090963 + 0,005229x1 + 0,020932x 2 0,000018x1 0,000370x 2 0,000132x1x 2
2
2
144 punktw na poz. 75% g(x) = 0,186594 + 0,004170x1 + 0,017220x 2 0,000013x1 0,000312x 2 0,000080x1x 2
oblicz.
na poz. 50% g(x) = 0,056524 + 0,004155x1 + 0,017159x 2 0,000013x12 0,000312x 22 0,000080x1x 2
190
Uywajc:
6 punktw
oblicz.
12 punktw
oblicz.
24 punktw
oblicz.
48 punktw
oblicz.
96 punktw
oblicz.
144 punktw
oblicz.
191
Jak zaobserwowa mona na podstawie Tablicy 6.27 oraz rys. 6.42, pierwsza seria
obliczeniowa, wykorzystujca 6 punktw, nie odzwierciedla prawidowo powierzchni stanu
granicznego zagadnienia. Jednake kada nastpna seria obliczeniowa przynosi dobre
oszacowanie powierzchni odpowiedzi, a zbieno jej topografii znacznie stabilizuje si.
Dla serii drugiej, trzeciej i czwartej szczyt wypukoci jest bardziej wyniesiony ponad
powierzchni zerow, nie stanowi to jednak bdu aproksymacji, gdy powierzchnia w obrbie
rwnania stanu granicznego odzwierciedlona jest poprawnie. Mona zatem z ca
stanowczoci stwierdzi, i transformacja prbek bezporedniej metody Monte Carlo na
punkty obliczeniowe powierzchni odpowiedzi jest trafna i poprawna.
Dysponujc wynikami poszczeglnych aproksymacji powierzchni odpowiedzi, obliczy mona
dla kadej z serii wskazywane przez ni prawdopodobiestwo awarii silosu, jego
bezawaryjno oraz wskanik niezawodnoci, w dwch przyjtych wariantach analizy dla
kwantyli 75% i 50%. Wyniki te zgromadzono w Tablicy 6.28.
Tablica 6.28. Prawdopodobiestwo awarii silosu, jego bezawaryjno oraz wskanik
niezawodnoci obliczone dla kadej z serii obliczeniowych dla powierzchni odpowiedzi
aproksymowanych przy uyciu prbek wygenerowanych dla bezporedniego podejcia Monte
Carlo, w dwch przyjtych wariantach analizy (75%, 50% obcienia krytycznego dla
zbiornika idealnego).
192
2
2
144 punktw na poz. 75% g(x) = 0,186594 + 0,004170x1 + 0,017220x 2 0,000013x1 0,000312x 2 0,000080x1x 2
oblicz.
na poz. 50% g(x) = 0,056524 + 0,004155x1 + 0,017159x 2 0,000013x12 0,000312x 22 0,000080x1x 2
Jak zaobserwowa mona na podstawie Tablicy 6.29 oraz rys. 6.43, wszystkie serie
obliczeniowe, odzwierciedlaj prawidowo powierzchni stanu granicznego zagadnienia,
zbieno jej topografii stabilizuje si poczwszy od pierwszej aproksymacji. Szczyt
wypukoci nie jest wyniesiony znaczniej ponad powierzchni zerow w adnej serii
obliczeniowej, wszystkie wspczynniki kierunkowe powierzchni maj doskonae podobiestwo
do siebie nawzajem. Mona zatem stwierdzi, i transformacja prbek metody Monte Carlo
z zastosowaniem prbkowania warstwowego na punkty obliczeniowe powierzchni odpowiedzi
jest doskonaym rozwizaniem wobec wszystkich innych podej prezentowanych dla
niniejszego zadania w tej rozprawie.
Dysponujc wynikami poszczeglnych oblicze prbek, obliczy mona dla kadej z serii
wskazywane przez ni prawdopodobiestwo awarii silosu, jego bezawaryjno oraz wskanik
niezawodnoci, w dwch przyjtych wariantach analizy dla kwantyli 75% i dla 50%.
Wyniki te zgromadzono w Tablicy 6.30. Zgromadzono w niej take informacje o rnicy
pomidzy wynikiem danej wartoci uzyskanym w danej serii, a wynikiem serii uznanej
za referencyjn.
Uywajc:
193
9 punktw
oblicz.
16 punktw
oblicz.
36 punktw
oblicz.
144 punktw
oblicz.
194
Uywajc:
195
6 punktw
oblicz.
(wariant
czerwony)
6 punktw
oblicz.
(wariant
niebieski)
6 punktw
oblicz.
(wariant
ty)
12 punktw
oblicz.
(wariant
czerwony)
12 punktw
oblicz.
(wariant
niebieski)
12 punktw
oblicz.
(wariant
ty)
196
2
2
6 punktw na poz. 75% g(x) = 0,302178 + 0,007790x1 + 0,002399x 2 + 0,000032x1 + 0,003668x 2 0,001044x1x 2
oblicz. (Nb) na poz. 50% g(x) = 0,173178 + 0,007790x1 + 0,002399x 2 + 0,000032x12 + 0,003668x 22 0,001044x1x 2
6 punktw
oblicz. (t)
12 punktw
oblicz. (Cz)
2
2
na poz. 75% g(x) = 0,020530 + 0,002449x1 + 0,005350x 2 0,000009x1 0,000155x 2 0,000030x1x 2
2
2
na poz. 50% g(x) = 0,111098 + 0,002410x1 + 0,005117x 2 0,000009x1 0,000146x 2 0,000029x1x 2
2
2
12 punktw na poz. 75% g(x) = 0,078868 + 0,002654x1 + 0,011170x 2 0,000006x1 0,000221x 2 0,000078x1x 2
oblicz. (Nb) na poz. 50% g(x) = 0,050770 + 0,002646x1 + 0,011138x 2 0,000006x12 0,000221x 22 0,000078x1x 2
12 punktw
oblicz. (t)
197
2
2
na poz. 75% g(x) = 0,112159 0,003881x1 0,038235x 2 + 0,000401x1 + 0,004793x 2 0,000003x1x 2
198
Uywajc:
8 punktw
oblicz.
16 punktw
oblicz.
24 punktw
oblicz.
48 punktw
oblicz.
199
Jak zaobserwowa mona na podstawie Tablicy 6.33 oraz rys. 6.45, take i dla tej techniki
prbkowania serie obliczeniowe prezentuj zdecydowanie rozbiene odzwierciedlenia
powierzchni stanu granicznego zagadnienia. Z czterech przeanalizowanych przypadkw,
w adnym nie odwzorowano poprawnie natury zjawiska, pamita naley jednak, i nie byo
to wyjciowym celem prbkowania. Dwie z powierzchni (seria pierwsza i czwarta) maj
ksztat bardzo skrconej paraboloidy hiperbolicznej i wykazuj do dobr zgodno
w obrbie rwnania stanu granicznego powierzchni dla wariantu zadania z doborem stanu
granicznego na poziomie 50% obcienia krytycznego dla zbiornika idealnego. Dwie pozostae
powierzchnie (seria druga i trzecia) maj ksztat paraboloidy skierowanej ku doowi
(zakoczonej pojedynczym wgnieceniem) i wykazuj do dobr zgodno w obrbie rwnania
stanu granicznego powierzchni dla wariantu zadania z doborem stanu granicznego
na poziomie 75% obcienia krytycznego dla zbiornika idealnego.
Mimo powyszych pozytywnych rezultatw, stwierdzi mona jednak, i transformacja
prbek metody Monte Carlo z zastosowaniem prbkowania wagowego na punkty obliczeniowe
powierzchni odpowiedzi rwnie jest rozwizaniem nieoptymalnym i take wymagaoby albo
zwikszenia liczby prbek w analizie, albo sprzenia rnych typw prbkowania.
Dysponujc wynikami poszczeglnych oblicze prbek, obliczy mona dla kadej z serii
wskazywane przez ni prawdopodobiestwo awarii silosu, jego bezawaryjno oraz wskanik
niezawodnoci, w dwch przyjtych wariantach analizy dla kwantyli 75% i dla 50%.
Wyniki te zebrano w Tablicy 6.34. Zgromadzono w niej take informacje o rnicy pomidzy
wynikiem danej wartoci uzyskanym w danej serii, a wynikiem serii uznanej za referencyjn.
Tablica 6.34. Prawdopodobiestwo awarii silosu, jego bezawaryjno oraz wskanik
niezawodnoci obliczone dla kadej z serii dla powierzchni odpowiedzi aproksymowanych przy
uyciu prbek wygenerowanych dla metody MC z zastosowaniem prbkowania IS, w dwch
przyjtych wariantach analizy (75%, 50% obcienia krytycznego dla zbiornika idealnego).
200
6 prbek
12 prbek
24 prbki
48 prbek
96 prbek
144 prbki
Pf ,75%
Ps,75%
0,16667
0,08333
0,12500
0,14583
0,16667
0,13194
0,83333
0,91667
0,87500
0,85417
0,83333
0,86806
C ,75%
0,96742
1,38298
1,15034
1,05448
0,96742
1,11727
Pf ,RSM ,75%
Ps ,RSM ,75%
0,34236
0,13720
0,14084
0,13716
0,14995
0,14026
0,65764
0,86280
0,85916
0,86284
0,85005
0,85974
0,40604
1,09298
1,07654
1,09315
1,03664
1,07914
Pf ,50%
Ps,50%
0,16667
0,08333
0,08333
0,08333
0,09375
0,06250
0,83333
0,91667
0,91667
0,91667
0,90625
0,93750
C ,50%
0,96742
1,38298
1,15034
1,38298
1,31804
1,53415
Pf ,RSM ,50%
Ps ,RSM ,50%
0,33648
0,10197
0,11030
0,10360
0,10856
0,09783
0,66352
0,89803
0,88970
0,89640
0,89144
0,90217
0,42209
1,27039
1,22492
1,26130
1,23422
1,29403
a)
1,60
1,40
1,20
1,00
0,80
0,60
0,40
0,20
0,00
b)
12
24
48
96
144
liczba prbek obliczeniowych w serii
201
1,60
1,40
1,20
1,00
0,80
0,60
0,40
0,20
0,00
6
12
24
48
96
144
liczba prbek obliczeniowych w serii
202
a)
SS
9 prbek
16 prbek
36 prbek
144 prbki
Pf ,75%
Ps,75%
0,11111
0,12500
0,13889
0,13194
0,88889
0,87500
0,86111
0,86806
C ,75%
1,22063
1,15034
1,08534
1,11727
Pf ,RSM ,75%
Ps ,RSM ,75%
0,14635
0,14473
0,13958
0,14026
0,85365
0,85527
0,86042
0,85974
1,05223
1,05931
1,08219
1,07914
Pf ,50%
Ps,50%
0,00000
0,06250
0,05556
0,06250
1,00000
0,93750
0,94444
0,93750
C ,50%
3,99999
1,53415
1,59325
1,53415
Pf ,RSM ,50%
Ps ,RSM ,50%
0,10432
0,10391
0,09789
0,09783
0,89568
0,89609
0,90211
0,90217
1,25729
1,25958
1,29365
1,29403
1,40
1,20
1,00
0,80
0,60
0,40
0,20
0,00
b)
3x3=9
4x4=16
6x6=36 12x12=144
liczba prbek obliczeniowych w serii
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
3x3=9
4x4=16
6x6=36
12x12=144
203
a)
LHS
6 prbek Cz
6 prbek Nb
6 prbek t
12 prbek Cz
12 prbek Nb
12 prbek t
Pf ,75%
Ps,75%
0,33333
0,16667
0,00000
0,08333
0,08333
0,08333
0,66667
0,83333
1,00000
0,91667
0,91667
0,91667
C ,75%
0,43073
0,96742
3,99999
1,38298
1,38298
1,38298
Pf ,RSM ,75%
Ps ,RSM ,75%
0,37974
0,18971
0,15166
0,16110
0,16573
0,15473
0,62026
0,81029
0,84834
0,83890
0,83427
0,84527
0,30615
0,87897
1,02935
0,98994
0,97118
1,01637
Pf ,50%
Ps,50%
0,16667
0,16667
0,00000
0,08333
0,00000
0,08333
0,83333
0,83333
1,00000
0,91667
1,00000
0,91667
C ,50%
0,96742
0,96742
3,99999
1,38298
3,99999
1,38298
Pf ,RSM ,50%
Ps ,RSM ,50%
0,36551
0,16381
0,06868
0,12817
0,13279
0,12789
0,63449
0,83619
0,93132
0,87183
0,86721
0,87211
0,34377
0,97892
1,48567
1,13507
1,11328
1,13642
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
b)
4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
6-Cz
6-Nb
6-t
204
Analizujc dane zgromadzone w Tablicy 6.37 oraz wykresy przedstawione na rys. 6.48,
stwierdzi mona, i dla techniki LHS stabilizacja wskanika niezawodnoci obliczanego
wg podejcia Cornella nastpuje dopiero na drodze drugiej serii obliczeniowej (obliczone
w rnych wariantach wskaniki maj bardzo podobn warto, jeeli tylko w danym
wariancie uniknie si opisanego powyej efektu przypadkowego losowania, ktre, jak wida
na rys. 6.48, jest czsto napotykanym przy tym prbkowaniu problemem. Wskanik
niezawodnoci skalkulowany wg metody powierzchni odpowiedzi uzyskuje t zbieno
rwnie dopiero dla serii obliczeniowej, ale jego fluktuacje s pomijalnie mae, co oznacza jego
odporno na efekt przypadkowoci losowania.
Ponownie, ze wzgldu na mae wartoci liczbowe prawdopodobiestwa awarii oraz
bezawaryjnoci, obserwowana zbieno pomidzy ich rezultatami pochodzcymi z obu
metodologii jest idealna, jeeli przyjmie si obserwacje z drugiej serii oblicze.
Z du doz pewnoci mona na podstawie rys. 6.48 zadecydowa, i seria pierwsza powinna
by cakowicie odrzucona, a przestrze realizacji powinna by podzielona duo gciej.
Dla prbkowania wagowego (IS) wartoci probabilistycznych parametrw oceny
bezpieczestwa przy kolejno zwikszajcej si liczbie prbek dla metody Monte Carlo
i metody powierzchni odpowiedzi, zebrane s w Tablicy 6.38. Uzyskiwanie zbienoci oblicze
tyche parametrw po wykonaniu kolejnych serii analizy zaprezentowano na rys. 6.49.
Tablica 6.38. Wartoci parametrw probabilistycznej oceny bezpieczestwa przy kolejno
zwikszajcej si liczbie prbek wygenerowanych za pomoc podejcia techniki prbkowania
warstwowego (SS).
IS
8 prbek
16 prbek
24 prbki
48 prbek
Pf ,75%
Ps,75%
1,00000
0,87500
0,79167
0,39583
0,00000
0,12500
0,20833
0,60417
C ,75%
-2,00000
-1,15035
-0,81222
0,26415
Pf ,RSM ,75%
Ps ,RSM ,75%
0,85000
0,82271
0,83947
0,36092
0,15000
0,17729
0,16053
0,63908
-1,03644
-0,92573
-0,99227
0,35600
Pf ,50%
Ps,50%
0,25000
0,25000
0,37500
0,18750
0,75000
0,75000
0,62500
0,81250
C ,50%
0,67450
0,67450
0,31863
0,88715
Pf ,RSM ,50%
Ps ,RSM ,50%
0,70067
0,43034
0,51696
0,30501
0,29933
0,56966
0,48304
0,69499
-0,52632
0,17550
-0,04253
0,51004
Analizujc dane zgromadzone w Tablicy 6.38 oraz wykresy przedstawione na rys. 6.49,
stwierdzi mona, i dla techniki IS stabilizacja wskanika niezawodnoci obliczanego
wg podejcia Cornella jest obserwowana dla serii obliczeniowych, ktre skupiaj si w pobliu
funkcji rwnania stanu granicznego. Po rozpatrzeniu jakichkolwiek innych punktw
obliczeniowych, o wartoci zmiennej odpowiedzi jak dla silosu idealnego, zbieno ta jest
205
1,00
0,50
0,50
0,00
0,00
-0,50
a)
b)
-1,00
-1,50
-0,50
-1,00
-2,00
8
16
24
48
liczba prbek obliczeniowych w serii
16
24
48
liczba prbek obliczeniowych w serii
206
Rozdzia 7
Ocena rezultatw i wnioski z pracy
208
209
210
Rozdzia 8
Literatura
[Adler, 1981]
Adler R.J.: The geometry of random fields. John Wiley and Sons, Chichester
(1981)
2.
[Alibrandi
i inni, 2009]
3.
[Alibrandi
i inni, 2010]
4.
[Anders, 2000]
5.
6.
[Arbocz
i Babcock, 1969]
7.
[Arbocz
i Starnes, 2002]
Arbocz J., Starnes J.H.: Future directions and challenges in shell stability
analysis. Thin-Walled Structures, 40 (2002), str. 729754
8.
[Arbocz, 1983]
9.
[Arbocz, 1998]
10.
[Augusti
i inni, 1984]
11.
[Babcock, 1974]
212
12.
[Baoping
i inni, 2011]
Baoping C., Yonghong L., Zengkai L., Xiaojie T., Renjie J., Hang L.: Reliabilitybased load and resistance factor design of composite pressure vessel
under external hydrostatic pressure. Composite Structures, 93 (2011),
str. 28442852
13.
[Barbero
i inni, 2000]
14.
[Bathe, 1996]
15.
[Baant
i Cedolin, 1991]
16.
[Bendat
i Piersol, 1971]
17.
[Bendat, 1990]
18.
[Ben-Haim, 1996]
19.
[Benjamin
i Cornell, 1977]
Benjamin J.R., Cornell C.A.: Probability, Statistics and Decision for Civil
Engineers. Wydawnictwa Naukowo Technologiczne (wyd. polskie), Warszawa
(1977)
20.
[Bethea
i inni, 1984]
Bethea R.M., Duran B.S., Boulion T.L.: Statistical methods for engineers
and scientists. Marcel Derker Incorporated, Nowy Jork (1984)
21.
[Biegus, 1999]
22.
[Bielewicz
i Grski, 2002]
23.
[Bielewicz
i inni, 1985]
24.
[Bielewicz
i inni, 1987]
Bielewicz E., Grski J., Skowronek M.: Redukcja zbioru realizacji w symulacji
dwuwymiarowego pola losowego. Zeszyty Naukowe Politechniki Gdaskiej,
Budownictwo Ldowe 44/408 (1987), str. 715
25.
[Bielewicz
i inni, 1994]
Bielewicz E., Grski J., Schmidt R., Walukiewicz H.: Random fields in the limit
analysis of elastic-plastic shell structures. Computers and Structures,
51 (1994), str. 267275
26.
[Bootin, 1968]
27.
[Bower, 2010]
konstrukcji
and
measurement
stalowych.
Pastwowe
213
Rozdzia 8 Literatura
28.
[Box
i Wilson, 1951]
29.
[Bradley, 2007]
30.
[Bucinell, 1998]
31.
[Caflish, 1998]
32.
[Carley
i inni, 2004]
33.
[Chen i Lind, 1983] Chen X., Lind N.C.: Fast probability integration by three-parameter normal
tail approximation. Structural Safety, 1 (1983), str. 269276
34.
[Cheng
i Young, 1993]
35.
[Christensen, 1979] Christensen R.M.: Mechanics of Composite Materials. John Wiley and Sons,
Nowy Jork (1979)
36.
[Cornell, 1969]
37.
[Crisfield, 1991]
38.
[De Paor
i inni, 2012]
De Paor C., Cronin K., Gleeson J.P., Kelliher D.: Statistical characterisation
and modelling of random geometric imperfections in cylindrical shells.
Thin-Walled Structures, 58 (2012), str. 917
39.
[Der Kiureghian
i Ditlevsen, 2009]
40.
[Devroye, 1986]
41.
[Ditlevsen
i Madsen, 1996]
42.
[Ditlevsen, 1973]
43.
[Ditlevsen, 1981]
44.
[Ditlevsen, 1982]
45.
[Elishakoff
i Arbocz, 1985]
of
Solids
and
214
46.
[Elishakoff, 1983]
47.
[Ellingwood
i inni, 1982]
Ellingwood B., MacGregor G., Galambos T.V., Cornell C.A.: Probability based
load criteria: load factors and load combinations. ASCE Journal
of Structural Division, 108 (1982), str. 978997.
48.
[Ellingwood, 2001]
49.
Feng Z., Lu Z., Cui L., Song S.: Reliability Sensitivity Algorithm Based on
Stratified Importance Sampling Method for Multiple Failure Modes
Systems. Chinese Journal of Aeronautics, 23(2010), str. 660669
50.
[Ferson
i Ginzburg, 1996]
51.
[Fisher, 1925]
Fisher R.A.: Statistical Methods For Research Workers. Oliver and Boyd,
Edynburg (1925)
52.
[Fisher, 1993]
53.
[Frangopol
i Recek, 2003]
54.
[Freudenthal,
1954]
55.
[Freudenthal,
1956]
56.
57.
[Galambos
i inni, 1982]
Galambos T.V., Ellingwood B., MacGregor G., Cornell C.A.: Probability based
load criteria: assessment of current design practice. ASCE Journal
of Structural Division, 108 (1982), str. 959977.
58.
[Gavin
i Yau, 2009]
Gavin H.P., Yau S.C.: High-order limit state functions in the response
surface method for structural reliability analysis. Structural Safety,
30 (2008), str. 162179
59.
[Gayton
i inni, 2004]
Gayton N., Mohamed A., Sorensen J.D., Pendola M., Lemaire M.: Calibration
methods for reliability-based design codes. Structural Safety, 26 (2004),
str. 91121
60.
[Ghanem
i Spanos, 1991]
61.
[Godoy, 1998]
62.
[Goota
i inni, 2011]
Goota M., Winkelmann K., Grski J., Mikulski T.: Wpyw wstpnych
imperfekcji geometrycznych na nono silosu obcionego podcinieniem
i wiatrem. Inynieria i Budownictwo, 2 (2011), str. 113117
215
Rozdzia 8 Literatura
63.
[Gomes
i Awruch, 2002]
64.
[Grski
i Mikulski, 2005]
65.
[Grski
i Mikulski, 2008]
66.
[Grski, 2006]
67.
[Grigoriu
Grigoriu M., Balopoulou S.: A simulation method for stationary Gaussian
i Balopoulou, 1993] random function based on the sampling theorem. Probabilistic Engineering
Mechanics, 8 (1993), str. 239254
68.
[Grigoriu, 1999]
69.
[Gwd, 1998]
70.
[Gwd
Gwd M., Machowski A.: Wybrane badania i obliczenia konstrukcji
i Machowski, 2011] budowlanych metodami probabilistycznymi. Wydawnictwo Politechniki
Krakowskiej, Krakw (2011)
71.
[Hammersley
i Handscomb,
1964]
Hammersley J.M., Handscomb D.C.: Monte Carlo Methods. Fletcher & Son
Limited, Norwich (1964)
72.
[Hart, 1982]
73.
[Hasofer
i Lind, 1974]
74.
[Haugen, 1968]
75.
[Helton
i Davis, 2003]
Helton J.C., Davis F.J.: Latin hypercube sampling and the propagation of
uncertainty in analyses of complex systems. Reliability Engineering
and System Safety, 81 (2003), str. 2369
76.
[Hien, 2003]
77.
[Hill i Hunter,
1966]
78.
[Hjelmstad, 2005]
International
and
Journal
safety
systems.
in
of
Solids
Structural
Wydawnictwo
216
79.
[Hornberger
i Spear, 1981]
80.
[Hotaa, 2003]
81.
[Hurtado
i Barbat, 1998]
82.
[Hutchinson
i Koiter, 1971]
83.
[Ikeda
i Murota, 1991]
84.
[Iman
i Conover, 1980]
85.
86.
[Jankowski
i Walukiewicz,
1997]
87.
[Jankowski, 2002]
88.
[Jankowski, 2006]
89.
[Johnson
i inni, 1999]
90.
[Johnson, 2010]
91.
92.
[Kahn
i Marshall, 1953]
Kahn H., Marshall A.W.: Methods of reducing sample size in Monte Carlo
computations. Journal of the Operations Research Society of America 5 (1953),
str. 263278
217
Rozdzia 8 Literatura
93.
[Kahn, 1956]
94.
[Kamiski, 2002]
95.
[Kamiski, 2005]
96.
Kang S.-C., Koh H.-M., Choo J.F.: An efficient response surface method
using moving least squares approximation for structural reliability
analysis. Probabilistic Engineering Mechanics, 25 (2010), str. 365371
97.
[Karhunen, 1947]
98.
[Kharmanda
i inni, 2002]
99.
[Khuri
i Cornell, 1996]
Khuri A.I., Cornell J.A.: Response Surfaces. Dekker, Nowy Jork (1996)
King L., Toutanji H., Vuddandam R.: Load and resistance factor design
of fiber reinforced polymer composite bridge deck. Composites: Part B,
43 (2012), str. 673680
101. [Kleiber
i Hien, 1992]
Kleiber M., Hien T.D.: The Stochastic Finite Elements Method: Basic
Perturbation Technique and Computer Implementation. John Wiley
and Sons, Chichester (1992)
102. [Kleiber
i inni, 1997]
Kleiber M., Antnez H., Hien T.D., Kowalczyk P.: Parameter sensitivity
in nonlinear mechanics. John Wiley and Sons, Londyn (1997)
103. [Knabe
i inni, 1998]
Knabe W., Przewcki J., Ryski G.: Spatial averages for linear elements
for two-parameter random field. Probabilistic Engineering Mechanics,
13 (1998), str. 147167
218
Love M.: Functions aleatoires du second ordre. Gauthier Vilares, Pary (1948)
114. [Lundberg
i Galambos, 1996]
117. [Madsen
i inni, 1986]
Madsen H.O., Krenk S., Lind N.C.: Methods of Structural Safety. Prentice-Hall,
New Jersey (1986)
118. [Marek
i inni, 1996]
119. [Mason
i inni, 1989]
Mason R.L., Gunst R.F., Hess J.L.: Statistical Design and Analysis
of Experiments with Applications to Engineering and Science. John Wiley
and Sons, Chichester (1989)
Matheron G.: Random sets and integral geometry. John Wiley and Sons,
Nowy Jork (1975)
121. [McKay
i inni, 1979]
design
konstrukcji.
123. [MelnikMelnikow Melnik-Melnikow P.G., Dechtiaruk E.S.: Rare events probabilities estimation
i Dechtiaruk, 2000] by Russian Roulette and Splitting simulation technique. Probabilistic
Engineering Mechanics, 15 (2000), str. 125129
124. [Metropolis
i Ulam, 1949]
Metropolis N., Ulam S.M.: The Monte Carlo method. Journal of the American
Statistical Association, 44 (1949), str. 335341
125. [Mignolet
i Spanos, 1992]
126. [Montgomery,
2004]
Montgomery D.C.: Design and Analysis of Experiments. John Wiley and Sons,
Nowy Jork (2004)
Rozdzia 8 Literatura
219
127. [Myers
i Montgomery,
1995]
Nayfeh A.H.: Perturbation methods. John Wiley and Sons, Nowy Jork (1973)
130. [NematNasser
i inni, 1980]
NematNasser S., Sumi Y., Keer L.M.: Unstable growth of tension cracks
in brittle solids: Stable and unstable bifurcations, snap-through,
and imperfection sensitivity. International Journal of Solids and Structures,
16 (1980), str. 10171035
131. [Nowak
i Collins, 1976]
133. [Olsson
i inni, 2003]
135. [Popescu
i inni, 1998]
Simulation
of
homogeneous
Popescu R.,
Deodatis G.,
Prevost J.H.:
non Gaussian stochastic vector fields. Probabilistic Engineering Mechanics,
13 (1998), str. 113
136. [Pradlwarter
i Schuller, 1997]
137. [Przewcki
i Grski, 2001]
Przewcki J., Grski J.: Strip foundation on 2-D and 3-D random subsoil.
Probabilistic Engineering Mechanics, 16 (2001), str. 121136
138. [Rackwitz
i Fiessler, 1978]
Rackwitz R., Fiessler B.: Structural reliability under combined random load
sequences. Computers and Structures, 9 (1978), str. 489494
140. [Rajashekhar
Rajashekhar M.R., Ellingwood B.: A new look at the response surface
i Ellingwood, 1993] approach for reliability analysis. Structural Safety, 12 (1993), str. 205220
141. [Razzaq
i inni, 1996]
Razzaq Z., Prabhakaran R.: Load and resistance factor design (LRFD)
approach for reinforced-plastic channel beam buckling. Composites: Part B,
27B (1996), str. 361369
143. [Rosenblueth
i Esteva, 1972]
Rosenblueth E., Esteva L.: Reliability basis for some Mexico codes. Special
Publication SP31 of American Concrete Institute, Detroit (1972), str. 141155.
220
144. [Rosenblueth
i Mendoza, 1971]
Rubinstein R.Y.: Simulation and the Monte Carlo Method. John Wiley
and Sons, Chichester (1981)
146. [Ruiz
i Aguilar, 1994]
Ruiz S.E., Aguilar J.C.: Reliability of Short and Slender ReinforcedConcrete Columns. Journal of Structural Engineering, 120 (1994), str. 18501865
147. [Sabik
i Kreja, 2010]
obcionych
149. [Sacks i inni, 1989] Sacks J., Welch W.J., Mitchell T.J., Wynn H.P.: Design and analysis
of computer experiments. Statistical Science, 4 (1989), str. 409435
150. [Saltelli
i Annoni, 2010]
151. [Saltelli
i inni, 2004]
Saltelli A., Tarantola S., Campolongo F., Ratto M.: Sensitivity Analysis
in Practice: A Guide to Assessing Scientific Models. John Wiley and Sons,
Nowy Jork (2004)
152. [Saltelli
i inni, 2008]
Saltelli A., Ratto M., Andres T., Campolongo F., Cariboni J., Gatelli D., Saisana
M., Tarantola S.: Global Sensitivity Analysis. John Wiley and Sons, Nowy Jork
(2008)
153. [Sawilowskij
i Fahoome, 2003]
Sawilowskij S.S., Fahoome G.C.: Statistics via Monte Carlo Simulation with
Fortran. Stoney Creek University, Rochester Hills (2003)
155. [Shinozuka
i Deodatis, 1996]
156. [Shinozuka
i Yamazaki, 1988]
159. [Singer
i Abramovich,
1995]
160. [Singer
i inni, 1971]
Singer J., Arbocz J., Babcock C.D.: Buckling of imperfect stiffened cylindrical
shells under axial compression. American Institute of Aeronautics and
Astronautics Journal, 9 (1971), str. 6875
221
Rozdzia 8 Literatura
161. [Singer, 1982]
of
recent
162. [Skalmierski
Skalmierski B., Tylikowski A.: Stochastic processes in dynamics. Pastwowe
i Tylikowski, 1982] Wydawnictwo Naukowe, Warszawa (1982)
163. [Snell
i Morley, 1985]
Snell M., Morley N.: The compression buckling behaviour of highly curved
panels of carbon fibre reinforced plastic. Proceedings of the 5th International
Conference on Composite Materials, San Diego (1985), str. 13271354
165. [Srensen
i inni, 1994]
166. [Srivastava
i Carter, 1983]
170. [Tejchman
i Grski, 2009]
Tejchman J., Grski J.: Finite Element study of patterns of shear zones
in granular bodies during plane strain compression. Acta Geotechnica,
5 (2009), str. 95112
171. [Tejchman
i Grski, 2011]
172. [Tejchman
i inni, 2009]
Tejchman J., Bobiski J., Grski J.: Notched concrete beams under bending
calculations of size effects within stochastic elasto-plasticity with nonlocal softening. Archives of Mechanics, 61 (2009), str. 125
reliability-based
code
173. [ThoftChristensen ThoftChristensen P., Baker M.J.: Structural Reliability Theory and Its
i Baker, 1982]
Applications. Springer-Verlag, Berlin (1982)
174. [ThoftChristensen ThoftChristensen P., Murotsu Y.: Application
i Murotsu, 1986]
reliability theory. Springer-Verlag, Berlin (1986)
of
structural
systems
175. [ThoftChristensen ThoftChristensen P., Srensen J.D.: Optimal Strategy for Inspection and
i Srensen, 1987]
Repair of Structural Systems. Civil Engineering Systems, 4 (1987), str. 94100
176. [Topping, 2002]
high
performance
222
182. [Vrouwenvelder,
2002]
183. [Walukiewicz
i inni, 1995]
184. [Walukiewicz
i inni, 1997]
Wen Y.K.: Wind direction and structural reliability. Part 1. ASCE Journal
of Structural Engineering, 109 (1983), str. 10281041
Wen Y.K.: Wind direction and structural reliability. Part 2. ASCE Journal
of Structural Engineering, 110 (1984), str. 12531264
188. [Whitcomb
i Anderson, 2004]
Winkler G.: Image analysis, random fields and dynamic Monte Carlo
methods. Springer-Verlag, Berlin (1995)
191. [Woliski
i Wrbel, 2001]
Woliski
Sz.:
Probabilistyczne
podstawy
wspczesnych
norm
projektowania. Materiay 57 Konferencji Naukowej KILiW PAN oraz KN PZITB,
Krynica, Polska (2011)
223
Rozdzia 8 Literatura
194. [Wong i inni, 2005] Wong S.M., Hobbs R.E., Onof C.: An adaptive response surface method
for reliability analysis of structures with multiple loading sequences.
Structural Safety, 27 (2005), str. 287308
195. [Woniak
i Kleiber, 1982]
197. [Yamazaki
i Shinozuka, 1990]
198. [Zhang
Zhang J., Ellinwood B.: Error measure for reliability studies using reduced
i Ellingwood, 1994] variable set. ASCE Journal of Engineering Mechanics, 121 (1995), str. 935937
199. [Zienkiewicz
i Taylor, 2005]
Zienkiewicz O.C., Taylor R.L.: The Finite Element Method Set. ButterworthHeinemann, Londyn (2005)
for
Reliability
and
Risk
Analysis.
statystyki
[PN-76/B-03001]
[PN-77/B-02011]
[PN-80/B-02010]
4.
5.
[PN-82/B-02000]
[PN-82/B-02001]
6.
[PN-82/B-02003]
7.
8.
[PN-82/B-02004]
[PN-86/B-02005]
9.
10.
[PN-86/B-02015]
[PN-87/B-02013]
11.
12.
[PN-88/B-02014]
[PN-B-03202:1996]
13.
[PN-EN 1090-2]
14.
[PN-EN 1991-1-1]
15.
[PN-EN 1991-1-2]
16.
[PN-EN 1991-1-3]
224
17.
[PN-EN 1991-1-4]
18.
[PN-EN 1991-1-5]
19.
[PN-EN 1993-1-1]
20.
[PN-EN 1993-16:2009]
21.
[PN-EN 1994-1-1]
22.
[PN-ISO 2394:2000]