PHD Winkelmann

POLITECHNIKA GDASKA
WYDZIA INYNIERII LDOWEJ I RODOWISKA

KATEDRA MECHANIKI BUDOWLI I MOSTW
MGR IN. KAROL WINKELMANN
OBLICZANIE NIEZAWODNOCI
KONSTRUKCJI INYNIERSKICH
METODAMI SYMULACYJNYMI
ORAZ METOD
POWIERZCHNI ODPOWIEDZI
ROZPRAWA DOKTORSKA
PROMOTOR
DR HAB. IN. JAROSAW GRSKI, PROF. NADZW. PG
GDASK 2013
PRAGN SERDECZNIE PODZIKOWA:
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
2. Metody okrelania niezawodnoci modeli konstrukcji inynierskich

2.1. Wprowadzenie
2.2. Niezawodno w ujciu normowym (deterministycznym)
2.3. Niezawodno wedug podejcia symulacyjnego (probabilistycznego)
2.3.1. Podstawowe pojcia teorii niezawodnoci
2.3.2. Problem podstawowy analizy niezawodnoci
2.4. Wybrane miary niezawodnoci
2.4.1. Wskanik niezawodnoci Cornella
2.4.2. Wskanik niezawodnoci Rosenbluetha Estevy / FOSM
2.4.3. Wskanik niezawodnoci Hasofera Linda
2.4.4. Wskanik niezawodnoci Hasofera Linda Rackwitza Fiesslera
2.5. Metoda perturbacyjna
2.6. Metody oparte na miarach funkcji prawdopodobiestwa
2.6.1. Metoda Monte Carlo
2.6.2. Metoda Monte Carlo z uyciem technik redukcyjnych
2.6.2.1. Prbkowanie warstwowe
2.6.2.2. Prbkowanie hiperszecianu aciskiego
2.6.2.3. Prbkowanie wagowe
2.6.2.4. Prbkowanie rosyjskiej ruletki i rozdzielania
2.6.3. Ilustracja numeryczna wpywu technik redukcyjnych na obliczenia
metod Monte Carlo
2.6.3.1. Model 2-D
2.6.3.2. Model 3-D
2.7. Metoda powierzchni odpowiedzi
2.7.1. Metoda powierzchni odpowiedzi z uyciem aproksymacji wielomianem
2.7.2. Metoda powierzchni odpowiedzi z uyciem aproksymacji ilorazem
wielomianw
2.8. Wraliwo probabilistyczna modeli konstrukcji inynierskich
2.8.1. Techniki okrelania wraliwoci majce za podstaw metod Monte Carlo
2.8.2. Techniki okrelania wraliwoci majce za podstaw metod powierzchni
odpowiedzi
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
3. Autorski program do oblicze wskanikw niezawodnoci

i prawdopodobiestwa awarii konstrukcji inynierskich RSMWin
3.1. Wprowadzenie
3.2. Technika analizy wariancji metod tabelaryczn
3.3. Techniki i algorytmy dziaania programu autorskiego
91
91
93
97
4. Imperfekcje geometryczne konstrukcji inynierskich

4.1. Imperfekcje w konstrukcjach rzeczywistych w wietle podejcia normowego
4.2. Identyfikacja inynierska pl imperfekcji geometrycznych modeli rzeczywistych
konstrukcji inynierskich
103
103
5. Generacja dwuwymiarowych i trjwymiarowych pl losowych

5.1. Generacja pl losowych za pomoc metody warunkowej akceptacji
i odrzucania
5.2. Generacja pl losowych za pomoc rozwinicia Karhunena Lovea
5.3. Przykad symulacji pola losowego za pomoc przedstawionych technik
generacji
111
6. Przykady zastosowa podejcia probabilistycznego w rzeczywistych

problemach inynierskich
6.1. Proste modele prtowe
6.1.1. Dobr optymalnej powierzchni odpowiedzi do zadania pocztkowego
6.1.2. Kalkulacja i porwnanie wskanikw niezawodnoci dla trjprzsowej
belki cigej Lemaitrea
6.1.3. Pene rozwizanie problemu niezawodnoci dla kolumny Zieglera
6.1.4. Pene rozwizanie problemu niezawodnoci dla ramy Roordy
6.2. Mao wyniosa powoka kompozytowa
6.3. Obrotowosymetryczny metalowy dwigar powierzchniowy
107
111
117
119
123
123
124
128
133
141
147
165
7. Ocena rezultatw i wnioski z pracy
207
8. Literatura
211
Rozdzia 1
Przedmiot, cel i zakres pracy
1.1. Przedmiot pracy

Nigdy dotd przed inynierem nie staa konieczno projektowania tak bardzo restrykcyjnego
oraz tak mocno balansujcego na granicy wykorzystania peni parametrw fizycznych
i wytrzymaoci materiau w stosunku do jego gabarytw, tak jak to ma miejsce w czasach
dzisiejszych. Jednake jakkolwiek taka konstrukcja bdzie wytworzona, w jakimkolwiek polu
inynierii ma znale swoje zastosowanie i jak mocno zbliono si w niej do limitu
wytrzymaoci materiau, jedna rzecz musi pozosta uniwersalna. Konstrukcja taka musi
bezwarunkowo zagwarantowa spenienie swojego podstawowego zadania wypenienia jej
przeznaczenia przez cakowity czas uytkowania, zaoony w procesie projektowania.
To z kolei pociga za sob wymg kolejny zapewnienie cakowitego bezpieczestwa
konstrukcji inynierskiej ju w trakcie jej uytkowania.
W standardowym procesie projektowym zapewnianie bezpieczestwa konstrukcji speniane
jest przez odpowiednie stosowanie si do normatyw technicznych charakterystycznych dla
danego kraju lub rodowiska. Na ich podstawie parametry materiaowe lub obcieniowe,
w rzeczywistoci zmienne, obarczone pewnymi tolerancjami lub niepewnociami, przedstawia
si w postaci zbioru mnonikw i wspczynnikw, zastpujcych wiedz o okrelonym
stopniu losowoci lub zmiennoci w czasie tyche cech. Zalenie od potrzeb wspczynniki te
zwikszaj wpywy zewntrzne, jeli niekorzystnym w sensie inynierskim bdzie narastanie
danego obcienia lub niedoskonaoci materiau, albo te zmniejszaj je, jeli wpywy danego
czynnika naturalnie pomagaj zachowa bezpieczestwo danej konstrukcji, bd gdy
zmniejszenie obcienia powoduje bezporednio zmniejszenie bezpieczestwa konstrukcji.
Jednake naley mie wiadomo, e nawet najdokadniejsze sterowanie rzeczonymi
wspczynnikami w procesie projektowym moe nie by wystarczajcym gwarantem
bezpieczestwa konstrukcji. Pojawi si bowiem mog (z pewnym okrelonym
prawdopodobiestwem) niepewnoci czynnikw wiksze ni te, ktre byy brane pod uwag
przy projektowaniu zgodnie z normami czy specyfikacjami. Zatem, take z pewnym
okrelonym prawdopodobiestwem, konstrukcja zaprojektowana z naleytym zachowaniem
procedur normowych, moe mimo wszystko ulec awarii [Vrouwenvelder, 2002].
Jest to jeden z najistotniejszych powodw, dla ktrych w czasach obecnych rozwija si teorie
i modele probabilistyczne. We wszystkich probabilistycznych wariantach analizy, midzy
innymi w analizie niezawodnoci konstrukcji, ktra jest przedmiotem niniejszej pracy, przyj
mona, i wspomniane powyej materiay, obcienia, bd cae konstrukcje obarczane s
pewnymi niepewnociami (wymiaru, wielkoci, wykonania, wytrzymaoci) i niepewnoci te
powinno si modelowa za pomoc odpowiednio dobranych zmiennych losowych lub pl
losowych. Wwczas awari konstrukcji inynierskiej definiuje si w sposb bardziej zoony,
Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...
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,
Rozdzia 1 Przedmiot, cel i zakres pracy
i problem zapewnienia konstrukcji bezpieczestwa ze wzgldu na nono i uytkowanie nie

tylko wymaga wiedzy na temat podejcia probabilistycznego potrzebnej do kalkulacji
prawdopodobiestwa awarii projektowanej konstrukcji, ale take umiejtnoci stworzenia
i kalibracji modelu do uycia w takich obliczeniach [Devroye, 1986].
Wszystkie powysze fakty dziaaj na niekorzy podejcia losowego, jeeli mowa
o projektowaniu codziennym, o standardowym dziaaniu biur projektw budownictwa
komunalnego. Istniej jednake projekty o wikszej zoonoci, o silniej i wyraniej
stawianych kryteriach odbioru lub wikszych ni zazwyczaj obostrzeniach ekonomiki
konstrukcji. W tyche projektach podejcie normowe jest niewystarczajce i stosowanie
metod losowych staje si koniecznoci. Pamita rwnie naley, i dziki nieustannemu
zwikszaniu si moliwoci obliczeniowych komputerw i algorytmw numerycznych coraz
bliej jest tradycyjnej inynierii do przeskoku na podejcie probabilistyczne i w coraz
wikszym procencie komercyjnego oprogramowania analizy takie s na dzie dzisiejszy
moliwe do wykonania [Stocki, 1999].
W skad rodziny analiz podejcia probabilistycznego oprcz wspomnianego szacowania
niezawodnoci wchodz rwnie szeroko pojte optymalizacje niezawodnociowe oraz analizy
wraliwoci konstrukcji. Optymalizacje niezawodnociowe s technikami pozwalajcymi na
wprowadzenie w konstrukcj szeregu ogranicze prawdopodobiestwa jej awarii w sposb
globalny (suma zmian czynnikw obarczonych niepewnociami lub modyfikowalnymi pod
wzgldem kubatury i przyjtego materiau), a analizy wraliwoci podchodz do czynnikw
podlegajcych niepewnociom w sposb lokalny, skupiajc si na zmianach
prawdopodobiestwa awarii konstrukcji na skutek wywoania okrelonego poziomu zmiany
ustalonej wczeniej pojedynczej, konkretnej zmiennej losowej. Objcie zasigiem wszystkich
wymienionych gazi analiz daje z ca pewnoci najdoskonalszy obraz zachowania si
konstrukcji, a poczenie lub wzbogacenie standardowej metodologii elementw skoczonych
o szereg procedur i algorytmw zawierajcych podejcie losowe w wielu przypadkach
prowadzi do redukcji czasu bd rozcigoci oblicze modelu oraz lepszej kontroli procesu
kalkulacji rozwizania, co ma swoje najbardziej wyrane zalety w przypadku postpowania
z konstrukcjami materiaowo lub geometrycznie nieliniowymi [Kolanek, 2007; Stocki, 2010].
1.2. Cel i zakres pracy

Celem niniejszej pracy jest przede wszystkim potwierdzenie zasadnoci
i celowoci wykonywania analizy niezawodnoci nieliniowych problemw cile
inynierskich, na kadym kroku procesu projektowania. Celem pracy jest take
przedstawienie moliwych do zastosowania, szeroko uznawanych probabilistycznych metod
szacowania bezpieczestwa konstrukcji, teoretyczne opracowanie oraz komputerowa
implementacja programu autorskiego sucego do jego obliczania, a take stworzenie cile
zgodnej z normatywami procedury generacji pl losowych modelujcych przestrzenny rozkad
imperfekcji geometrycznych i materiaowych, wraz z udowodnieniem wpywu tych ostatnich
na nono konstrukcji inynierskiej.
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.
Praca skada si z omiu rozdziaw.

Rozdzia 1 jest dedykowany przedstawieniu przedmiotu pracy, jej celu oraz zakresu
tematyki, jakiej podejmuje si niniejsza rozprawa doktorska.
Rozdzia ten nakrela midzy innymi rnice pomidzy klasycznym podejciem do
projektowania, a podejciem probabilistycznym, sugerowanym przez prac i w niej
przedstawianym. Zawiera take wskazania, i probabilistyczne szacowanie niezawodnoci
moe mie przewag nad podejciem normowym, co skutkuje w czasach obecnych
gwatownym rozwojem tej dyscypliny inynierii (ktry to fakt sta si motywem podjcia
pracy w takim temacie i o takiej rozcigoci). Pokrtce nawietla si w nim take nieliczne
wady, jakimi charakteryzuje si podejcie probabilistyczne.
W drugiej czci rozdziau nakrela si szczegowo zakres pracy. Tekst skada si z dwch
partii ujcia oglnego poruszanego w pracy wycinka zbioru technik probabilistycznych
i modeli konstrukcji inynierskich, do ktrych zostanie on zastosowany oraz ujcia
szczegowego, odnoszcego poszczeglne tematy przewodnie do ich miejsc w treci pracy.
Kocowo, dokonane jest sformuowanie tezy pracy.
Rozdzia 2 jest w caoci powicony metodom okrelania niezawodnoci konstrukcji,
na kadym poziomie oceny bezpieczestwa konstrukcji inynierskich.
W pierwszej czci rozdziau umieszcza si cise przedstawienie podejcia probabilistycznego
i definiuje si podzia metod szacowania bezpieczestwa konstrukcji inynierskich na cztery
odpowiednie poziomy, w zalenoci od stopnia zaawansowania ich odniesienia do technik
probabilistycznych. Szczegowo przedstawione zostaj dwa z nich poziom pierwszy,
tj. ujcie deterministyczne problemu niezawodnoci, przedstawiane w normatywach
technicznych i kodach projektowych oraz poziom drugi, tj. ujcie symulacyjne problemu
niezawodnoci, przedstawiane w literaturze dedykowanej obliczeniom probabilistycznym
i technikom stochastycznym. Dla poziomu symulacyjnego definiowane s podstawowe pojcia
matematyczne teorii niezawodnoci oraz formuowany jest problem podstawowy analizy
niezawodnoci. Przedstawiane s take miary niezawodnoci w probabilistycznej przestrzeni
realizacji zmiennych losowych problemu. Znajduje si wrd nich take nakrelenie
najistotniejszego z punktu widzenia rozprawy wspczynnika wskanika niezawodnoci,
stosowanego jako podstawowa miara niezawodnoci modelu konstrukcji inynierskiej.
Definiowane s cztery rne koncepcje wskanika: liniowy Cornella, quasi liniowy FOSM,
kwadratowy Hasofera Linda i kwadratowy ulepszony Rackwitza Fiesslera. Opisano take
wszystkie techniki pomocne przy jego kalkulacji.
W drugiej czci rozdziau przedstawiono ga metod, dziki ktrym oszacowa mona
wszystkie miary probabilistyczne bezpieczestwa konstrukcji inynierskiej. Pokrtce
omwiona zostaje midzy nimi metoda perturbacyjna, jednake gwn ogniskow rozprawy
s metoda Monte Carlo oraz metoda powierzchni odpowiedzi (RSM). Metoda Monte
Carlo przedstawiana jest w ujciu podejcia bezporedniej generacji populacji punktw
obliczeniowych, jak rwnie w ujciu metod wiadomej i bezstratnej redukcji populacji
punktw obliczeniowych. Opisane s szczegowo cztery techniki prbkowania redukcyjnego:
prbkowanie warstwowe, prbkowanie hiperszecianu aciskiego, prbkowanie wagowe oraz
prbkowanie rosyjskiej ruletki i rozdzielania. Pierwsze trzy techniki znajduj nastpnie
szerokie zastosowanie w przykadach obliczeniowych, przedstawionych w rozprawie.
Kolejn czci rozdziau s dwa przykady ilustrujce wpyw wyej wymienionych technik
redukcji wariancji na obliczenia prowadzone metod Monte Carlo. Podejmuje si w rozprawie
analiz dwch modeli nieskoczenie sztywnego pionowego elementu prtowego (masztu)

z odcigiem (odcigami) w postaci elementw sprystych o losowych staych sprystoci.
Wpierw analizuje si model geometrycznie dwuwymiarowy, o jednym stopniu swobody,
a nastpnie geometrycznie trjwymiarowy, o dwch stopniach swobody. Zakada si, e
maszty maj pewn niezamierzon niedoskonao wykonania, ktra objawia si utrat jego
pionowoci. Ukad geometrycznie dwuwymiarowy suy przede wszystkim do teoretycznego
wprowadzenia w rozpatrywany problem nieliniowy, natomiast model geometrycznie
trjwymiarowy jest uyty przede wszystkim do wykonania wyej wspomnianej analizy
porwnawczej sprawnoci ulepszonej metody Monte Carlo.
Nastpny punkt rozdziau dedykowany jest przedstawieniu teoretycznych podstaw metody
powierzchni odpowiedzi, bdcej gwn ogniskow rozprawy. Metoda ta pozwala
na oszacowanie, jak okrelona odpowied konstrukcji zmienia si pod wpywem zmian
poziomw wspczynnikw analizy oraz pozwala osign zrozumienie zachowania si
konstrukcji obarczonej zadanymi niepewnociami. Przede wszystkim jednak, metoda ta
pozwala uzyska kompletn wiedz o waciwociach pracy konstrukcji na testowanym
obszarze zmiennoci jej parametrw. Przedstawia si dwa podejcia do metody podejcie
klasyczne, gdzie powierzchni odpowiedzi aproksymuje si modelem wielomianowym, a take
podejcie innowacyjne, gdzie powierzchni aproksymuje si modelem ilorazu wielomianowego.
Osobne miejsce na kocu rozdziau zostao powicone opisowi problemu okrelania
wraliwoci probabilistycznej modeli konstrukcji inynierskich. Dokonano krytycznego
przegldu technik, jakie mog by stosowane do szacowania wraliwoci, jeli dysponuje si
wynikami analizy niezawodnoci metod Monte Carlo i/lub metody powierzchni odpowiedzi.
Rozdzia 3 jest powicony przedstawieniu autorskiego programu RSM-Win (napisanego
w jzyku Fortran F90), sucego do analizy problemw inynierskich za pomoc metodologii
powierzchni odpowiedzi oraz do szacowania podstawowych miar niezawodnoci pierwszego
i drugiego rzdu, dokonywanych na bazie informacji numerycznej z powierzchni odpowiedzi.
W rozdziale tym umieszcza si kolejno: przedstawienie motywacji do wykonania takiego
narzdzia, nawietlenie technik matematycznych, wok ktrych zosta zbudowany (gwnie
standardow analiz regresji oraz analiz wariancji odpowiedzi metod tablicow ANOVA)
oraz przedstawienie gwnych schematw jego dziaania, jakie s przez program uywane
do uzyskiwania wartoci podanych przez osob realizujc obliczenia. Rozpisane zostaj
midzy innymi uywane przez program algorytmy poszukiwania wskanikw niezawodnoci
Hasofera Linda i Hasofera Linda Rackwitza Fiesslera.
Rozdzia 4 jest powicony imperfekcjom geometrycznym konstrukcji inynierskich.
W pierwszej czci rozdziau poruszono problem wystpowania imperfekcji geometrycznych,
widziany z perspektywy przepisw normowych. Przedstawiono kolejno wszystkie typy
imperfekcji, jakie mog wystpi w rzeczywistych konstrukcjach inynierskich, a nastpnie
przywoano fakt, i norma nakazuje wybiera do analiz procesu projektowego jedynie
niepewnoci geometryczne. Przywouje si wszystkie prawomocne krajowe normatywy, jakie
poruszaj wspomnian kwesti. Zgodnie z Eurokodem PN-EN 1993-1-6:2009, podaje si
wstpne zaoenia dotyczce ich wymiarw i pooenia, w odniesieniu do gruboci elementu
obarczonego imperfekcj lub do klasy precyzji wykonania elementu konstrukcyjnego.
W drugiej czci rozdziau podano technik identyfikacji inynierskiej rozproszonych
imperfekcji geometrycznych jako rwnowan metod dokonywania wstpnych zaoe
dotyczcych ich wymiarw i pooenia. Odwoano si do literatury podkrelajcej zasadno
i uyteczno takiego dziaania. Na koniec rozdziau podaje si literatur poruszajc temat

transkrypcji danych dowiadczalnego pomiaru imperfekcji w posta odpowiadajcych im
symulowanych pl losowych. Formuuje si warunki, jakie narzucane s na pola losowe, aby
pozostay one wiernym odwzorowaniem niedokadnoci geometrii konstrukcji rzeczywistych.
Rozdzia 5 jest intuicyjn kontynuacj rozwaa nad polami imperfekcji geometrycznych,
opisujc procesy generacji dwuwymiarowych i trjwymiarowych pl losowych sucych do
pniejszego modelowania imperfekcji geometrycznych i materiaowych.
Przywoywane s dwie techniki generacji pl losowych. W pierwszej kolejnoci prezentowana
jest metoda warunkowej akceptacji i odrzucania. Wpierw dokonuje si krytycznego przegldu
literatury, jaki powicony jest metodzie, a nastpnie podaje si matematyczne podstawy
generacji. Na ich podstawie definiuje si obrazowo przebieg generacji, a kocowo formuuje
si jej algorytm. Ostatecznie, rozwaa si zalety generacji warunkowej i przywouje jej
zastosowania. Jako druga, przedstawiana jest uniwersalnie stosowana generacja pl losowych
za pomoc rozwinicia Karhunena Lovea. Podaje si wpierw, jak poprzednio, podstawy
matematyczne generacji, a na ich podstawie formuuje si kocowo algorytm generacyjny.
Druga cz rozdziau powicona jest wykonaniu przykadu obliczeniowego, wygenerowanego
w programie wasnym, polegajcego na symulacji pola losowego za pomoc obu technik
generacji i jednoczenie dokonujcego porwnania wynikw dla obu metod. Dodatkowo,
oblicza si dla przykadu globalny bd macierzy kowariancyjnej, sucy jako miara jakoci
otrzymanych pl losowych. Bdy owe porwnuje si w kocwce rozdziau, a na ich
podstawie wyciga si wnioski sugerujce korzystniejsz dla przyszych przykadw
obliczeniowych technik generacji.
Rozdzia 6 jest w opinii autora najbardziej istotn czci rozprawy. Rozdzia ten
zawiera opis przeprowadzonych oblicze przykadw ilustrujcych moliwo zastosowania
podejcia probabilistycznego w rzeczywistych konstrukcjach inynierskich do szacowania ich
niezawodnoci. Podjte badania numeryczne maj na celu potwierdzenie tezy rozprawy,
sformuowanej w rozdziale otwierajcym prac.
Wszelakie wprowadzenie danych, obliczenia probabilistyczne oraz obrbka danych
wyjciowych zostaa wykonana przy uyciu programu autorskiego RSMWin oraz przy
uyciu autorskich procedur wspomagajcych, napisanych w jzykach Fortran F90 oraz
SciLab. Obliczenia numeryczne zaawansowanych modeli konstrukcji inynierskich zostay
wykonane w komercyjnych programach obliczeniowych NX Nastran i SOFiSTiK FEA.
W pierwszej czci rozdziau przedsiwzito analiz prostych modeli prtowych, dla ktrych
rezultaty oblicze wykonanych programem autorskim mona w atwy sposb porwna
z wynikami bada numerycznych, jakie zostay przeprowadzone w literaturze wiatowej.
Przykady te maj przede wszystkim na celu wskazanie poprawnoci dziaania programu
autorskiego, a take nawietlenie tyche obszarw modelowania probabilistycznego
wykonywanych przy uyciu programu autorskiego, w ktrych uytkownikowi zalecana jest
szczeglna ostrono przy wprowadzaniu danych wejciowych oraz przy analizie, obrbce
i interpretacji wynikw kocowych.
Wykonywane s kolejno: dobr optymalnej powierzchni odpowiedzi do zadania pocztkowego,
gdzie wskazuje si wpyw iloci i rozproszenia punktw obliczeniowych zadania
na poprawno aproksymacji algorytmu programu; kalkulacja i porwnanie wskanikw
niezawodnoci dla trjprzsowej belki cigej Lemaitrea, co ma na celu wskazanie
poprawnoci dziaania algorytmw programu autorskiego obliczajcych wskaniki
niezawodnoci Hasofera Linda (HL) i Hasofera Linda Rackwitza Fiesslera (HLRF)

oraz zaproponowanie jednego z nich jako referencyjny dla reszty oblicze; pene rozwizanie
problemu niezawodnoci dla kolumny Zieglera, zawierajce rozpoznanie problemu
nieliniowego modelu, opis funkcji granicznej rwnaniem jawnym, dopasowanie powierzchni
odpowiedzi zadania i na jej podstawie dokonanie obliczenia miar probabilistycznego
bezpieczestwa konstrukcji (prawdopodobiestwa awarii i wskanika HLRF) oraz porwnanie
ich z rozwizaniem referencyjnym; a take pene rozwizanie problemu niezawodnoci dla
ramy Roordy, o rozcigoci bada numerycznych identycznej, jak dla kolumny Zieglera.
W drugiej czci rozdziau rozwaa si model mao wyniosej, 16warstwowej powoki
kompozytowej z wkien wglowych w spoiwie z ywicy epoksydowej, poddanej obcieniu
ciskajcemu wzdu tworzcej, obarczonej imperfekcjami geometrycznymi.
Celem zadania jest zbadanie wpywu wygenerowanych symulacyjnie, losowych pl imperfekcji
geometrycznych na wynikowe rozkady odpowiedzi konstrukcji oraz zbadanie niezawodnoci
konstrukcji powokowej obarczonej tego typu odchykami od geometrii idealnej. Do generacji
pl modelujcych imperfekcje geometryczne wedug sformuowanej wczeniej funkcji
korelacyjnej zastosowano algorytm warunkowej akceptacji i odrzucania. Pole losowe jest
nonikiem zmiennych podstawowych problemu pierwsz z nich jest wielko amplitudy
pola, a drug warto parametrw opisujcych zasig korelacji w obu kierunkach pola.
Obliczenia realizuje si w trzech seriach, ktre zawieraj w sumie 24 realizacji. Wynikiem
pojedynczej realizacji, wykonywanej w programie NX Nastran, jest wykrelona cieka
rwnowagi dla przemieszczenia osiowego. Stan graniczny zdefiniowano dwojako jako
przemieszczenie wza rodkowego krawdzi zakrzywionej dla ustalonego poziomu
wypadkowej siy obciajcej oraz punkt utraty statecznoci, w ktrym osignita zostaje
odpowiednia krytyczna lub graniczna warto obcienia.
Dla danego przykadu kalkulowane jest prawdopodobiestwo awarii paneli przy uyciu
bezporedniego podejcia metody Monte Carlo oraz prawdopodobiestwo awarii i wskanik
niezawodnoci paneli przy uyciu metody powierzchni odpowiedzi. Wykonuje si take prost
analiz zbienoci dla obu podej. Na jej podstawie dokonuje si krytycznej oceny
rezultatw, przyjcia postanowie odnonie kolejnych bada i definiuje si wnioski z zadania.
W trzeciej czci rozdziau rozwaa si stan wytenia modelu osiowosymetrycznego silosu
aluminiowego, obarczonego okrelon punktow imperfekcj geometryczn jego powierzchni
bocznej. Wytenie wywoane jest dziaajcym na zbiornik obcieniem wiatrem. Rezultatem
analizy jest znalezienie cinienia krytycznego obcienia, ktre prowadzi do utraty
statecznoci zbiornika.
Celem zadania jest odnalezienie zalenoci, midzy zaistnia na zbiorniku imperfekcj
o okrelonym rozmiarze i lokalizacji, a kierunkiem gwnym obcienia wiatru.
Imperfekcje punktowe wygenerowano zgodnie z zaoeniami PN-EN 1993-1-6:2009,
w ksztacie elipsy, o dugociach osi ustalonych na mocy przepisw tej samej normatywy.
Obcienie wiatrem zostao wygenerowane w wietle zapisw PN-EN 1991-1-4:2007.
Jako pierwsz zmienn losow rozwaanego problemu przyjto kt zorientowania kierunku
gwnego dziaania wiatru wzgldem osi gwnej imperfekcji powierzchni bocznej silosu,
a jako drug przyjto wysoko pooenia zadanej imperfekcji na powierzchni bocznej silosu.
Obliczenia realizuje si przy uyciu 144 realizacji modelu. Wynikiem pojedynczej realizacji,
wykonywanej w programie SOFiSTiK FEA, jest wyznaczona warto cinienia krytycznego
wiatru. Stan graniczny konstrukcji zdefiniowano dwojako jako przekroczenie przez cinienie
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.
1.3. Teza pracy

Przedstawione w poprzednich podrozdziaach podoe metodyczno merytoryczne oraz
wstpnie przeprowadzone analizy rozpoznawcze aktualnego stanu wiedzy o problemie
poruszanym w rozprawie pozwalaj na sformuowanie kilku najistotniejszych punktw,
jakie postawiono w postaci zbiorczej tezy rozprawy.
Teza gwna: Moliwe jest szacowanie niezawodnoci konstrukcji inynierskich
z losowymi imperfekcjami geometrycznymi i materiaowymi (na kadym etapie
procesu projektowania) opisanych nieliniowymi modelami MES, przy
zastosowaniu
zoptymalizowanego
podejcia
probabilistycznego,
zaimplementowanego w procedurach obliczeniowych.
Tezy uszczegowiajce: Obliczenia obejmujce losowy charakter modeli konstrukcji
inynierskich s zasadne i powinny mie oddwik w obliczeniach inynierskich.
Imperfekcje (nieliniowoci geometryczne), ustalone zgodnie z zapisami kodu projektowego,
rwnie widocznie rnicuj odpowiedzi konstrukcji (parametry jej nonoci oraz
uytkowalnoci). Tak sam sytuacj obserwuje si dla imperfekcji materiaowych.
W przypadku niektrych typw konstrukcji inynierskich zdecydowanie nie mona
rozpatrywa jedynie modeli o geometrii idealnej.
10
Rozwizanie symulacyjne problemu umoliwia uwzgldnienie imperfekcji geometrycznych

i/lub materiaowych w nieliniowych obliczeniach konstrukcji.
Stosujc metod Monte Carlo i/lub metod powierzchni odpowiedzi mona efektywnie
oszacowa niezawodno konstrukcji. Istniej take takie techniki redukcji populacji punktw
obliczeniowych rozpatrywanych zada, ktre pozwalaj na znaczne oszczdnoci kosztu
i czasu oblicze numerycznych w komercyjnych programach obliczeniowych.
Moliwe jest wnioskowanie na temat projektowych procesw optymalizacyjnych na podstawie
zapewnianych przez obie metody miar niezawodnoci tego typu konstrukcji.
Udowodnienie wyej sformuowanych tez zawarte jest w rozdziaach kolejnych, w ktrych
przedstawiono algorytmy autorskich programw obliczeniowych dedykowanych zagadnieniu,
rozwaania nad moliwoci implementacji pl losowych do analiz numerycznych oraz wyniki
tyche analiz i zaproponowane na ich podstawie wnioski kocowe.
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
Wanie z wyej wymienionych przyczyn wkracza do rozwaa teoria obliczania

niezawodnoci konstrukcji. Stojc przed niemonoci poczynienia zbyt daleko idcych
uproszcze projektowych, projektant musi zastanowi si, na jak due uproszczenia moe
sobie pozwoli i z jak konstrukcj (pod wzgldem czynnikw ekonomicznych, znaczenia
spoeczno gospodarczego lub inynieryjnego) ma do czynienia.
Najprostszym trybem postpowania w projektowaniu jest cise zastosowanie si wycznie do
polece normatyw takie potraktowanie problemu zwane jest podejciem
deterministycznym. W przypadku niektrych konstrukcji to podejcie jest jednak
nieuzasadnione lub niepoprawne i w tym przypadku korzysta si z oblicze na bazie teorii
prawdopodobiestwa jest to podejcie probabilistyczne.
Rozwaania na temat niezawodnoci oraz sposobw jej analizy naleaoby rozpocz
od wprowadzenia linii wyranie rozdzielajcej podejcie deterministyczne od podejcia
probabilistycznego, wskazujc rwnoczenie na odpowiednie pola inynierii, na ktrych
poszczeglne podejcia powinny znale swoje zastosowanie, lub ju je znajduj [Lind, 1970].
W samym podejciu losowym istniej bowiem rne poziomy analizy niezawodnoci
konstrukcji inynierskich, ktre mog by wykorzystane w jakiejkolwiek metodologii
projektowania, ktre rozrniane s w zalenoci wycznie od samej konstrukcji jej typu,
stopnia zoonoci, przeznaczenia, gabarytw. Do stworzenia takiej klasyfikacji wprowadzany
jest powszechnie termin poziomu, co mona przetumaczy jako charakterystyk mylow
zakresu zebranych informacji na temat problemu zmiennoci parametrw materiaw
i obcie, ktry to zakres jest brany pod rozwag na starcie procesu projektowania.
W zgodnoci z oglnie przyjtym w literaturze trendem, metody analizy bezpieczestwa
konstrukcji, proponowane obecnie do identyfikacji okrelonego stanu granicznego ukadu
mona podzieli na cztery podstawowe poziomy, w zalenoci od stopnia zaawansowania ich
podejcia do problemw inynierii konstrukcyjnej.
Poziom 1 stanowi te metody, w ktrych probabilistyczna natura problemu wystpowania
niepewnoci parametrw materiaw i obcie jest (w celu zapewnienia odpowiedniego
poziomu bezpieczestwa konstrukcji) brana pod uwag wycznie jako odpowiednie,
reprezentatywne wartoci, zwane czciowymi wspczynnikami obcienia lub czciowymi
wspczynnikami bezpieczestwa. Metody te polegaj w skrcie na wprowadzeniu wyej
wymienionych statystycznie okrelonych wspczynnikw (reprezentujcych zmiennoci cech
materiaw konstrukcyjnych oraz charakteru i mocy oddziaywania obcie) do oblicze
odwoujcych si do stabelaryzowanych, unormowanych i powszechnie przyjmowanych
urednionych wartoci zmiennych losowych nakrelonych w przeprowadzanej analizie.
Wspczynniki czciowe s rozumiane jako odpowiednie kwantyle okrelonych rozkadw
prawdopodobiestwa opisujcych zmienne losowe takie, aby zapewniay na etapie procesu
projektowania podany dla konstrukcji poziom niezawodnoci. Naley jednak pamita, e
poprzez tak upraszczajce podejcie, wspczynnik niezawodnoci pyncy z tego typu
oblicze odbiega od zakadanych wartoci docelowych. Koniecznoci zatem jest
minimalizacja rozbienoci midzy wynikiem oblicze upraszczajcych, a analiz dokadn,
co uzyska mona przykadowo rozmyln kalibracj przyjmowanych czciowych
wspczynnikw bezpieczestwa. Do tego poziomu metod analizy bezpieczestwa, biorcych
za priorytet kalibracj wspczynnikw, mona zaliczy szeroko spopularyzowan grup
Rozdzia 2 Metody okrelania niezawodnoci modeli konstrukcji inynierskich
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
konserwacji i napraw konstrukcji lub jej elementu, szybkoci narastania odsetek

od zapoyczonego kapitau inwestycyjnego w stosunku do wypracowywanego przez
konstrukcj zysku, konsekwencje awarii konstrukcji lub urzdze w niej dziaajcych dla
spoeczestwa, ludnoci cywilnej lub rodowiska, itp.
Sztandarowymi obiektami inynieryjnymi wymagajcymi projektowania poruszajcego si na
poziomie czwartym analizy bezpieczestwa konstrukcji s fundamenty specjalne
dla konstrukcji wraliwych na wpywy rodowiskowe lub drgania spowodowane obcieniami
wyjtkowymi, takich jak elektrownie jdrowe, budynki wysokociowe, budynki na terenach
zagroonych sejsmik skorupy ziemskiej, przyczki i oparcia mostw autostradowych, wiee
transmisji elektrycznoci, wiee i maszty radiowe i telekomunikacyjne, itd.
2.2. Niezawodno w ujciu normowym

(deterministycznym)
Losowo, czsto nazywana take niepewnoci lub przypadkowoci, ma jawny wpyw
na konstrukcj i powinna by brana pod uwag ju na pocztku powstawania projektu
inynierskiego, od fazy projektu wstpnego. Zanim konstrukcja zostanie wykonana
w rodowisku, do jakiego zostaa przeznaczona oraz zanim zostanie poddana dziaaniu
obcie, ktrych przeniesienie ma gwarantowa, musi zosta sporzdzony jej projekt,
obejmujcy odpowiedniego poziomu analiz bezpieczestwa w warunkach uytkowania.
Standardowym podejciem do wyej wspomnianego problemu, prezentowanym w dzisiejszej
inynierii, jest bez wtpienia projektowanie z uyciem typowych procedur i zalece,
unifikowanych dla danego obszaru, rodowiska, pastwa, itp. tj. normatyw bd kodw
projektowych. Wikszo obecnie uywanych norm i specyfikacji konstrukcyjnych
w obszarze przewidywania bezwzgldnego bezpieczestwa uytkowania konstrukcji ma swoje
podstawy w podejciu deterministycznym lub pprobabilistycznym, czyli wykorzystuje
podejcie prezentowane we wstpie do niniejszego rozdziau, podejcie poziomu pierwszego
metod analizy bezpieczestwa konstrukcji. Metody te, polegajce na wprowadzeniu
statystycznie okrelonych czciowych wspczynnikw bezpieczestwa (reprezentujcych
zmienno cech materiaw i obcie) do oblicze projektowych, s najszybszym i w wielu
przypadkach wystarczajcym gwarantem zachowania wiedzy o moliwoci pojawienia si
niebezpiecznych dla konstrukcji niepewnoci parametrw projektowych i zabezpieczenia
projektowanej struktury na taki niekorzystny zestaw przypadkw [Woliski, 2011a].
Czciowe wspczynniki bezpieczestwa s wprowadzane jako okrelony poziom zmiennoci,
gwarantujcy podany dla konstrukcji poziom niezawodnoci. Normy definiuj
te wspczynniki jako wielkoci uwzgldniajce moliwo wystpienia wartoci obcienia
lub parametru wytrzymaociowego bdcej mniej korzystn dla konstrukcji, ni warto
ustalona jako reprezentatywna rednia [Ellingwood, 2001].
Jako gwne grupy zjawisk, ksztatujce wielko wspczynnikw czciowych wymienia si:
niepewno waciwoci mechanicznych materiaw konstrukcyjnych, niedokadno
wykonania przekrojw poprzecznych elementw konstrukcyjnych, jako pracy wytwrni
komponentw konstrukcji lub dokadno ich wykonania w warunkach placu budowy, zmiany
15
waciwoci materiaowych i przekrojw poprzecznych na skutek eksploatacji w ustalonym

okresie czasu (degradacja, zarysowania, reologia i korozja), losowo obcie dziaajcych
na konstrukcj (moliwa jednoczesno zaistnienia, zmienno w czasie i przestrzeni,
dugotrwao, cykliczno, redukcja w czasie, dynamika), moliwa konsekwencja zniszczenia
konstrukcji (w zalenoci od stopnia zagroenia ycia ludzkiego i wartoci strat
gospodarczych), dokadno teorii obliczeniowych zastosowanych w projekcie, dokadno
modelu matematycznego (dokadno programu komputerowego wspomagania projektowania)
oraz kocowo zgodno modelu teoretycznego z rzeczywist prac wykonanych wczeniej
podobnego typu konstrukcji [PN-82/B-02000, 1982].
Zasad ogln ustalania wartoci wytrzymaoci materiaw konstrukcyjnych
i obcie, zarwno wedug PN-82/B-02000, jak i PN-EN 1991-1 jest poprawne okrelenie
caoci cech fizycznych i wytrzymaociowych wszystkich materiaw konstrukcyjno
budowlanych uytych w procesie projektowania oraz wszystkich obcie wystpujcych
w stadium montau i eksploatacji konstrukcji (w niezbdnych wypadkach rwnie w stadiach
wykonywania, przechowywania, remontu i transportu elementw konstrukcji) tak, aby
projektujc budowle i konstrukcje budowlane zapewni im naleyte bezpieczestwo,
pojmowane w okrelonym przez projekt znaczeniu. W celu deterministycznego ujcia
zmiennoci tyche cech w czasie i w przestrzeni, winno si rozrnia nastpujce wartoci
tyche parametrw losowych: warto charakterystyczn oraz warto obliczeniow.
Warto charakterystyczna jest podstaw mylow wyraania wielkoci podlegajcych
wyej wspomnianym typom zmiennoci, wedug metod poziomu pierwszego.
Zastpuje ona jednoznacznie kady parametr losowy, wystpujcy w procesie projektowym.
Polska Norma PN-82/B-02000 okrela warto charakterystyczn jako warto o przyjtym
prawdopodobiestwie nieprzekroczenia w kierunku niebezpiecznym dla konstrukcji, w cigu
okrelonego czasu (okresu uytkowania budowli lub innego okresu odniesienia); lub te, jeli
brak jest wystarczajcych do penego rozpoznania zjawiska danych statystycznych, jako
warto nominaln, ustalon odpowiednio do przewidywanego sposobu uytkowania
konstrukcji, lub te warunkw fizycznych bd prawnych jej funkcjonowania.
Oznaczajc warto redni okrelonej wytrzymaoci danego materiau konstrukcyjnego
jako R oraz odchylenie standardowe teje wytrzymaoci przez R zdefiniowa mona
warto charakterystyczn wytrzymaoci materiau konstrukcyjnego, jako
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. 2.1. Definicja wartoci charakterystycznej zmiennej losowej wytrzymaoci materiaw.
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
Podstawow, obowizujc na terenie Polski norm definiujc wartoci charakterystyczne

jest PN-82/B-02000 (lub te, rwnowanie PN-EN 1990), a ustalajcymi te wartoci normami
szczegowymi s m.in. PN-82/B-02001 lub PN-EN 1991-1-1 (parametry materiaowe
i obcienia stae), PN-82/B-02003 (obcienia zmienne technologiczne), PN-82/B-02004
(obcienia pojazdami), PN-86/B-02005 (obcienia zmienne maszynowe), PN-80/B-02010
lub PN-EN 1991-1-3 (obcienie niegiem), PN-77/B-02011 lub PN-EN 1991-1-4 (obcienie
wiatrem), PN-87/B-02013 (obcienie oblodzeniem), PN-88/B-02014 (obcienie gruntem),
PN-86/B-02015 lub PN-EN 1991-1-5 (obcienia termiczne), PN-EN 1991-1-2 (poary).
Warto obliczeniowa jest koniecznym z inynierskiego punktu widzenia rozszerzeniem
wartoci charakterystycznej. Czsto nazywana jest wartoci projektow, co wyranie
podkrela fakt, i ostatecznie zapewnia konstrukcji okrelony poziom niezawodnoci.
Polska Norma PN-82/B-02000 definiuje warto obliczeniow jako warto parametru
materiaowego lub obcienia nie korzystniejsz od wartoci charakterystycznej, domylnie
rwn iloczynowi tej ostatniej i czciowego wspczynnika bezpieczestwa.
Biorc wartoci charakterystyczne wytrzymaoci danego materiau konstrukcyjnego oraz
dowolnego obcienia oznaczone przez Rk oraz Qk otrzymujemy:
gdzie f
jest zasugerowanym
Rd = f Rk
(2.3)
oraz Qd = f Qk
(2.4)
w normie
odpowiednim
czciowym wspczynnikiem
bezpieczestwa (zalenie od typu zmiennoci wspczynnikiem wytrzymaoci materiau,

czsto te definiowanym jako s = f 1 lub wspczynnikiem obcienia).
Normowe
(deterministyczne)
zapewnienie
bezpieczestwa
konstrukcji
inynierskiej polega na wykazaniu, e we wszystkich przewidywalnych przypadkach
projektowych, zarwno w fazie realizacji, jak i eksploatacji konstrukcji, spenione s dwa
podstawowe warunki nonoci (wymiarowanie na stan graniczny nonoci i odpowiadajce
temu
stanowi
wartoci
obliczeniowe
parametrw
obarczonych
zmiennociami)
oraz sztywnoci (wymiarowanie na stan graniczny uytkowania i odpowiadajce temu
stanowi wartoci charakterystyczne parametrw obarczonych zmiennociami).
W oglnym przypadku normatywny warunek bezpieczestwa konstrukcji (w metodach
probabilistycznych poziomu pierwszego) mona zapisa w postaci:
g (Rd ,Qd , ) > 0

gdzie: Rd oraz Qd
(2.5)
to odpowiednio wartoci obliczeniowe wytrzymaoci danego materiau
konstrukcyjnego oraz dowolnego obcienia, a symbol jest wyraeniem wszystkich

wspczynnikw modelujcych zachowanie naleytego bezpieczestwa i niezawodnoci
konstrukcji, uwzgldniajcych niepewnoci jej modelu matematycznego, oczywicie nie liczc
do tej grupy tych spord rzeczonych wspczynnikw, ktre zostay wzite pod uwag
wczeniej, jako wpywajce na odpowiednie czciowe wspczynniki bezpieczestwa
parametrw materiaowych i obcienia ( f oraz s ) [PN-82/B-02000, 1982].
18
Wspczynniki bezpieczestwa i niezawodnoci konstrukcji inynierskiej

wymienione pod koniec poprzedniego paragrafu mona podzieli na kilka zdecydowanie
odmiennych od siebie kategorii wedug stanowionego przez nie sensu mylowego, wedug
wartoci uzyskanej w okrelonym punkcie czasu i przestrzeni, lub te wedug znaczenia samej
konstrukcji inynierskiej dla czowieka i rodowiska.
Norma PN-82/B-02000 (lub te rwnowanie PN-EN 1991-1), podaje nastpujce grupy
tyche wspczynnikw: wspczynniki konsekwencji zniszczenia konstrukcji n (dodatkowe
zwikszenie lub zmniejszenie bezpieczestwa konstrukcji w zalenoci od zagroenia ycia
ludzkiego, strat materialnych, gospodarczych, ekonomicznych lub rodowiskowych);
wspczynniki jednoczesnoci zachodzenia obcie o (wystpienie w jednym czasie kilku
rnych grup obcie o maym prawdopodobiestwie wsplnego zaistnienia); wspczynniki
czci dugotrwaej obcienia d (okrelajce natur obcienia w czasie: w caoci
dugotrwao, w czci dugotrwao, w caoci krtkotrwao, wyjtkowo);
wspczynniki redukcji obcienia (zmniejszone prawdopodobiestwo jednoczesnego
wystpienia jednego typu obcienia na duej powierzchni jednego poziomu ustroju
konstrukcyjnego lub na kilku poziomach jednego ustroju konstrukcyjnego) oraz wspczynniki
dynamiczne dyn (zwikszenie wartoci obcienia statycznego do wartoci modelujcej
dziaanie obcienia o charakterze cile dynamicznym wytyczne przyjmowania tyche
wspczynnikw znale mona dla niektrych rodzajw obcie m.in. w PN-82/B-02003,
PN-82/B-02004, PN-86/B-02005 oraz PN-77/B-02011).
Kombinacje obcie wyaniaj si jako logiczne nastpstwo wymienionych wyej
wspczynnikw. Ze wszystkich nich pynie bowiem jasny przekaz nie mona dla caego
zestawu rnorakich obcie, jakim poddawana jest konstrukcja ju od fazy montau,
przypisa jednakowej wagi i jednoczesnego wystpowania w danym punkcie przestrzeni
i czasu. Ta mnogo moliwych do zaistnienia kombinacji zarwno samych typw obcie,
jak i ich wartoci, a take wyej wymienionych czciowych wspczynnikw, przez ktre
zaleca si wymnoy te wartoci, jest waciwym sensem projektowania w ramach metod
poziomu pierwszego zapewniania bezpieczestwa i niezawodnoci konstrukcji inynierskiej.
Wedug PN-82/B-02000 zasada oglna kombinowania obcie stanowi, i kombinacje te
ustala si w zalenoci od rozpatrywanego stanu granicznego (opisano je w PN-76/B-03001)
w wyniku analizy moliwych wariantw jednoczesnego dziaania rnych obcie,
uwzgldniajc przy tym, e niektre z nich mog nie wystpowa lub zmienia schemat
przyoenia si. Obcienia powinny by zestawione tak, aby daway najbardziej niekorzystny
efekt w rozpatrywanym stanie granicznym [PN-82/B-02000, 1982].
W przypadku podjcia analizy stanu granicznego nonoci naley, wg PN-82/B-02000,
zastosowa dwie kombinacje obcie kombinacj podstawow i kombinacj wyjtkow.
Kombinacja podstawowa dla SGN skada si z obcie staych i zmiennych, przy czym
te ostatnie powinno uszeregowa si wg ich znaczenia, z przynalenymi do kadego z nich
wspczynnikami jednoczesnoci obcienia. Posta odpowiadajcego tej kombinacji
obcienia obliczeniowego mona przedstawi za pomoc wyraenia
P=
(G
i =1
ki
fi ) n + (Qkj fj ) n oj j dyn , j
j =1
(2.6)
gdzie:
19
(Gki fi ) to warto obliczeniowa i-tego obcienia staego, (Qkj fj ) to warto
obliczeniowa j-tego obcienia zmiennego, a reszta symboli reprezentuje wkad odpowiednich

wspczynnikw obcienia (i-tego staego i j-tego zmiennego): konsekwencji zniszczenia n ,
jednoczesnoci zachodzenia obcie o , czci dugotrwaej obcienia d , redukcji
obcienia oraz dynamiczny dyn .
Kombinacja wyjtkowa (akcydentalna) dla SGN skada si z obcie staych oraz
niektrych zmiennych, przy czym naley wymnoy je przez wspczynnik jednoczesnoci
zachodzenia obcie o = 0, 8 , niezalenie od ich liczby i znaczenia, z wyjtkiem cile
okrelonych przypadkw projektowania konstrukcji, ktrych zniszczenie miaoby
katastrofalne skutki spoeczno ekonomiczne (takie mylenie powoduje, e bardzo czsto
przyjmuje si w tej kombinacji wpyw wspczynnika konsekwencji zniszczenia n = 1 ) oraz
jednego, rozwaanego w danej kombinacji obcienia wyjtkowego. Posta odpowiadajcego
tej kombinacji obcienia obliczeniowego mona przedstawi za pomoc wyraenia
m
i =1
j =1
Pa = (Gki fi ) + 0, 8 (Qkj fj ) j dyn , j + Fa
(2.7)
gdzie symbole uyte w pocztkowym fragmencie powyszego zapisu s zgodne z powyej

objanion nomenklatur, a Fa to warto rozwaanego obcienia wyjtkowego.
W przypadku podjcia analizy stanu granicznego uytkowania naley wg PN-82/B-02000
zastosowa rwnie dwie kombinacje obcie podstawow i obcie dugotrwaych.
Kombinacja podstawowa dla SGU dotyczy wszystkich konstrukcji i skada si ze
wszystkich obcie staych i jednego, najbardziej niekorzystnego obcienia zmiennego, bez
adnych wspczynnikw zmniejszajcych. Posta odpowiadajcego tej kombinacji obcienia
charakterystycznego mona przedstawi za pomoc wyraenia
Pk =
G
i =1
ki
+ Qk
(2.8)
gdzie Gki to warto charakterystyczna i-tego obcienia staego, a Qk to warto

charakterystyczna wybranego, najbardziej niekorzystnego obcienia zmiennego.
Kombinacja obcie dugotrwaych dla SGU dotyczy tylko tych konstrukcji,
dla ktrych ma znaczenie czas wystpowania obcienia ze wzgldu na skutki eksploatacji
(degradacja, zarysowania, reologia i korozja) i skada si ze wszystkich obcie staych
i tych obcie zmiennych, ktre wykazuj dugotrwao. Posta odpowiadajcego tej
kombinacji obcienia charakterystycznego mona przedstawi za pomoc wyraenia
Pk ,lt =
i =1
j =1
Gki + Qkj dj
(2.9)
gdzie wszystkie symbole uyte w powyszym zapisie s zgodne z powyszymi objanieniami.
20
Aktualizacja kodw projektowych i normatyw technicznych to kolejny wany punkt

projektowania na poziomie pierwszym szacowania bezpieczestwa i niezawodnoci konstrukcji
inynierskich, nierozczny z bardzo szerok gazi projektw budowlanych i inynieryjnych.
Kody projektowe maj zwykle cisy format deterministyczny i podaj wytyczne dotyczce
projektowania oraz wykonania kadego typu konstrukcji z danej grupy czy z danej klasy
budowli w sposb kompendialny. S uywane wobec rozlegych grup konstrukcji
inynierskich, a w ich wietle celem inyniera powinno by zapewnienie bezpieczestwa dla
wszystkich przypadkw kombinacji obcie w caoci klasy danej konstrukcji, bardziej ni
dla pojedynczego przypadku. Powoduje to uzyskanie w analizie sprecyzowanego problemu
wynikw bardzo rnorodnych, zwizanych przede wszystkim z uredniajc, uwsplniajc
problem inynierski natur czciowych wspczynnikw bezpieczestwa [Murzewski, 1999].
Jednake, jeli przyjmie si za cel indywidualizacj projektu, wyran prb dopasowania
kosztw budowy i utrzymania konstrukcji dla potrzeb sprecyzowanego zagadnienia, jeli
narzuci si dodatkowe warunki na projektowanie, to mona zagwarantowa jeden
indywidualny, najbardziej optymalny poziom bezpieczestwa konstrukcji inynierskiej przy
danych materiaach i obcieniach, uzyskujc w tym przypadku niezawodno jednorodn dla
kadego przypadku obcienia. Akceptowanym powszechnie celem ewolucji kodw
obliczeniowych jest ch osignicia poziomw bezpieczestwa starych norm projektowych, za
pomoc optymalizacyjnej natury nowych norm, biorcej za cel wyran indywidualizacj
funkcji stanu granicznego dla poszczeglnych konstrukcji z danej grupy czy z danej klasy
realizacji [Rosenblueth i Mendoza, 1971; Srensen i inni, 1994; Rackwitz, 2000].
Kolejnym celem ewolucji norm projektowych powinna by tendencja do tworzenia takich
procedur projektowych, ktre podchodz z ufnoci do cakowicie nowych form budownictwa,
bez uprzedniej koniecznoci przeprowadzania testw laboratoryjnych lub terenowych dla
osobno wykonanego modelu konstrukcji (prototypu). Normy projektowe musz nada
za zmianami przede wszystkim za rozwojem technologii budowy, pojawianiem si nowych
materiaw, a take za definiowaniem nowych obcie, ktrym poddawane s konstrukcje.
Normatywy musz wic zawsze mie charakter ewolucyjny, ze zmianami wprowadzanymi
w regularnych okresach czasu (zwykle w odstpach 3 10 lat), wanie w celu implementacji
do mylenia inynierskiego nowych typw formowania konstrukcji, skutkw lepszego
zrozumienia zachowania konstrukcji, skutkw zmian w produkcji lub kontroli jakoci
elementw konstrukcyjnych, lepsz i bardziej rozwinit wiedz odnonie obcie itp.
Najnowsza generacja kodw projektowych, do ktrych mona zaliczy wprowadzane szeroko
Eurokody i zwizane z nimi wytyczne dla stali, betonu, innych klasycznych materiaw oraz
wreszcie materiaw technologicznie przeomowych (kompozyty), musz generowa korzyci
projektowe dla inyniera, lece zazwyczaj w moliwoci zwikszenia oglnego bezpieczestwa
konstrukcji przy zachowaniu tych samych kosztw budowy, bd te w sytuacji odwrotnej,
tj. zachowania oglnego bezpieczestwa konstrukcji przy zmniejszeniu kosztw budowlanych.
Proces projektowania w gwnej mierze dy ma bowiem do kompromisu pomidzy
opisywanymi wyej czynnikami kosztem budowy, bezpieczestwem konstrukcji, trwaoci,
uytkowalnoci, sztywnoci, czynnikami ekologicznymi, spoeczno ekonomicznymi itp.,
zatem nierozsdne jest niekiedy reagowanie na przekroczenie stanu granicznego konstrukcji
jedynie zwikszaniem wymiarw konstrukcji inynierskiej lub zwikszaniem kosztw
21
zapewnienia odpowiedniego poziomu obcienia. Zastpczo, powinno si wwczas stosowa

regulacj czciowych wspczynnikw bezpieczestwa, ktre, jak podkrelono w ustpach
powyej, maj charakter arbitralny, a normatywy bardzo czsto same zalecaj ich kalibracj
i modyfikacj. Tak sytuacj wyszczeglniaj praktycznie wszystkie Eurokody kolejno:
PN-EN 1990 (podstawy konstruowania inynierskiego); PN-EN 1991-1-1 (budownictwo
oglne); PN-EN 1993-1-1 (konstrukcje stalowe); PN-EN 1994-1-1 (konstrukcje zespolone) itp.
Na pocztku wprowadzania kodw projektowych, do takich modyfikacji zatrudniano
wycznie zespoy eksperckie, jednake przy rozwoju komputerowego wspomagania
budownictwa, normy zostawiaj te dziaania po stronie jej uytkownika, zastrzegajc tylko
nadrzdny obowizek narzucany na inynieri konieczno wypenienia celu projektowego.
Nowoczesne podejcie do konstrukcji inynierskich polega obecnie wanie na modyfikacji
wybranych czciowych wspczynnikw bezpieczestwa, a nastpnie wykonywaniu
ponownego sprawdzenia, czy przy tak dobranym poziomie ich wartoci (nadal dopuszczalnym
przez norm) stan graniczny jest przekroczony, a jeli tak, to w jak niekorzystnie duym
stopniu (niekorzystnym ze wzgldw kosztw obliczeniowych, projektowych bd
ekonomicznych). Proces kilku do kilkunastu iteracji moe w takim przypadku wygenerowa
zadowalajce rezultaty (speniony zostanie stan graniczny, zadowalajco zostan
zminimalizowane powysze koszty), ale jednoczenie nie powinien zapewni optymalnego
ksztatowania konstrukcji, wic poprawniejsze projektowanie konstrukcji powinno si odwoa
do bardziej zoonych, penych technik probabilistycznych, zoonej wielokryterialnej
optymalizacji caoci zadania, biorcych pod uwag rne zalecenia i sytuacje projektowe.
Jeszcze raz w tym miejscu powinno si podkreli, i niepewnoci parametrw materiaw
i obcie, wraz z ryzykiem, jakie jest z nimi zwizane, wyraane jest wedug podejcia
deterministycznego jedynie za pomoc czciowych wspczynnikw bezpieczestwa, zgodnie
z ich natur wyraan w poziomie pierwszym metod szacowania niezawodnoci konstrukcji.
Wida zatem, e wszystkie cele i korzyci opisane powyej mog by osignite jedynie
poprzez racjonaln ocen tyche wspczynnikw czciowych (zwizanych czy to
z informacj o zakresie moliwej zmiany dowolnej zmiennej losowej konstrukcji inynierskiej,
czy te z jej ewolucj) oraz poprzez szczegowe wczeniejsze zbadanie oddziaywa, ktrym
ta konstrukcja zostanie poddana.
To oglne stwierdzenie mona zastosowa jako przedstawienie istoty nowej gazi analizy
niezawodnoci na poziomie pierwszym (czsto identyfikowanej jako metody poziomu 1,5)
tzw. metod kalibracyjnych, ktre zbiorczo nazywa si w literaturze terminem Load and
Resistance Factor Design (LRFD; pol.: Projektowanie Wspczynnikw Bezpieczestwa
Obcie i Wytrzymaoci). Procedury kalibracyjne s podawane i szeroko komentowane
w wielu monografiach traktujcych o niezawodnoci konstrukcji [Nowak i Collins, 1976;
Ellingwood i inni, 1982; Galambos i inni, 1982; ThoftChristensen i Baker, 1982].
Metody kalibracyjne s stosowane po to, aby wypracowa optymalny format
innowacyjnych normatyw projektowych, zachowujc jednoczenie wymagane wczeniej przez
komitety normalizacyjne odpowiednie poziomy bezpieczestwa i niezawodnoci konstrukcji
budowlanych. Procedura kalibracyjna moe by postrzegana jako specyficzny proces
optymalizacyjny, gdzie rozpatrywanymi i analizowanymi zmiennymi nie s de facto
rzeczywiste zmienne parametry zmiennoci cech i wytrzymaoci materiaw oraz obcienia
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].
2.3. Niezawodno wedug podejcia probabilistycznego

Jak wskazano wczeniej, metody probabilistyczne s rozszerzeniem analizy deterministycznej,
przeniesieniem jej na poziom bardziej szczegowy i bardziej dokadnie odwzorowujcy
zoono problemw niepewnoci parametrw wytrzymaoci materiau oraz obcienia
konstrukcji. Jeeli przedsiwzity przez inyniera tok mylenia wkracza w zakres analizy
czerpicej informacj z probabilistycznych momentw odpowiedzi (warto rednia,
odchylenie standardowe, skono, kurtoza itp.) lub penych funkcji gstoci
prawdopodobiestwa, jeeli mylenie inynierskie przestaje ogranicza si wycznie do
uwzgldniania arbitralnoci czciowych wspczynnikw bezpieczestwa, to przechodzi si
w szerokie spektrum metod szacowania niezawodnoci, prowadzcych do penej
probabilistycznej oceny bezpieczestwa konstrukcji inynierskich [Haugen, 1968; Lind, 1970].
Wstpna klasyfikacja metod, technik i teorii probabilistycznych jest trudna do wykonania
i poszczeglni autorzy dokonuj jej zazwyczaj w zalenoci wycznie od uzyskiwanych przez
nich wynikw kocowych analiz, lub drogi, ktr postpuje prezentowane przez nich
rozwizanie problemu inynierskiego. Argumentem za takim postpowaniem jest fakt, i wiele
z tych metod jest uniwersalnych, stosowanych we wszystkich polach inynierii, poczwszy od
ekonomiki, przez konstrukcje inynierskie i budowlane, a koczc na chemii i biotechnologii
[Madsen i inni, 1986; Melchers, 1999; Sudret i Der Khuregian, 2000; Ang i Tang, 2007].
23
Podstawowymi narzdziami do pracy z parametrami, ktre mona opisa jako zmienne

losowe s statystyka i rachunek prawdopodobiestwa. W praktyce inynierskiej najczciej
czerpie si z tego ostatniego. Rachunek prawdopodobiestwa pozwala nam bowiem
wywnioskowa, w jaki sposb doszuka si mona moliwoci wystpienia interesujcych nas
zdarze (przykadowo, w procesach okrelania niezawodnoci bdzie to prawdopodobiestwo
zdarzenia si awarii konstrukcji lub jej elementu) oraz oblicza prawdopodobiestwa
zbudowanych z nich zdarze pochodnych (ywotno lub podatno na uszkodzenia, ktre
nie zagraaj konstrukcji, takie jak czasowe wyczenia z uytku, konieczno modernizacji)
[Bootin, 1968; Hart, 1982; Srivastava i Carter, 1983; Gwd i Machowski, 2011].
Literatura traktujca o matematycznych i inynierskich sposobach oceny niezawodnoci jest
bardzo bogata, obejmuje tysice monografii, rozpraw oraz publikacji, std w niniejszej
rozprawie zostan wspomniane jedynie te z nich, ktre miay najwikszy wpyw na jej
kocowy ksztat, a take te najpeniej opisujce pola dziaania, w ktrych si poruszano.
S one postrzegane przez pryzmat niniejszej rozprawy jako fundamentalne, a nierzadko s
to absolutnie prekursorskie prace w temacie rozwaania niezawodnoci konstrukcji jako
zagadnienia probabilistycznego [Weibull, 1939; Freudenthal, 1954; Lin, 1967; Cornell, 1969;
Hasofer i Lind, 1974; Lind, 1977; Ditlevsen, 1981; Biegus, 1999 i wiele innych].
Na podstawie tych prac mona sprbowa wprowadzi ramowy podzia rzeczonych metod na
dostrzegalnie rozrnione trzy gwne gazie. Podczas, gdy niektre ich koncepcje zostan
zilustrowane w niniejszej dysertacji ze wzgldu na ch jak najpeniejszego zobrazowania
zoonoci projektowania probabilistycznego, nie wszystkie zostan w niej wykorzystywane.
Pierwsz z gazi jest szereg metod, ktre skupiaj si na obliczeniach momentw odpowiedzi
probabilistycznej konstrukcji poddanej analizie, zwane metodami perturbacyjnymi.
Metody te przewanie skupiaj si na obliczeniach jedynie pierwszych dwch momentw
odpowiedzi wartoci redniej zmiennej losowej i jej wariancji (bd pochodnie odchylenia
kwadratowego), wraz z zaczon analiz korelacji pomidzy poszczeglnymi zmiennymi
[ThoftChristensen i Baker, 1982; Melchers, 1999].
Drug gazi s metody szacowania niezawodnoci, zwane te teori niezawodnoci,
ktre skupiaj si przede wszystkim na oszacowaniu prawdopodobiestwa awarii konstrukcji
na skutek zaistnienia sumy wspgrajcych, niekorzystnych wartoci niepewnoci
obrazowanych poprzez zmienne losowe [Hart, 1982; ThoftChristensen i Baker, 1982;
Ditlevsen i Madsen, 1996; Melchers, 1999; Ang i Tang, 2007].
Aby oszacowa niezawodno konstrukcji stosuje si liczn grup podej teoretycznych
z zakresu metod statystycznych, symulacyjnych i probabilistycznych. Dominujcymi
gatunkami tyche podej s omwione bd wspomniane w pniejszych rozdziaach: metoda
Monte Carlo [Kahn, 1956; Hammersley i Handscomb, 1964; Pradlwarter i Schuller, 1997;
Hurtado i Barbat, 1998; Johnson i inni, 1999; Schuller, 2001], metody analizy niezawodnoci
pierwszego i drugiego rzdu (First i Second Order Reliability Methods FORM i SORM)
[Rackwitz i Fiessler, 1978; Ditlevsen, 1982; Chen i Lind, 1983; Ditlevsen i Madsen, 1996],
metoda powierzchni odpowiedzi (Response Surface Method RSM) [ThoftChristensen
i Baker, 1982; Myers i Montgomery, 1995; Melchers, 1999; Miller i Sa, 2003; Whitcomb
i Anderson, 2004] oraz zyskujce rosnc popularno metody sztucznych sieci neuronowych
(Neural Network Methods NNM) [Sudret i Der Khuregian, 2000].
24
Osobnym problemem jest generacja zmiennych losowych potrzebnych do analizy

niezawodnoci. Szczegowy przegld technik generacyjnych zmiennych losowych mona
znale w wikszoci publikacji ksikowych zajmujcych si teori niezawodnoci konstrukcji
inynierskich [Kahn, 1956; Devroye, 1986; Ditlevsen i Madsen, 1996; Melchers, 1999].
Trzeci istotn gazi metod probabilistycznych jest stochastyczna metoda elementw
skoczonych (Stochastic Finite Element Method SFEM), ktra pozwala rozway
wielkoci odpowiedzi konstrukcji inynierskiej poddanej dziaaniom procesw losowych
[Skalmierski i Tylikowski, 1982; Shinozuka i Yamazaki, 1988; Sudret i Der Khuregian, 2000].
W analizach stochastycznych konieczne jest odwzorowanie wspomnianych procesw losowych,
tj. zachowa bdcych rnymi w zalenoci od czasu i przestrzeni parametrw wejciowych
analizy [Cheng i Young, 1993; Grigoriu, 1999].
Istnieje take caa gama metod zajmujca si dyskretyzacj stochastycznych pl losowych
[Li i Der Kiureghian, 1993; Sudret i Der Khuregian, 2000].
2.3.1. Podstawowe pojcia teorii niezawodnoci

Gwny nacisk niniejszej dysertacji zosta pooony na drug z opisanych gazi metod
i technik probabilistycznych, tj. na teori niezawodnoci konstrukcji.
Jej gwn zasad mona sformuowa, jak wspomniano przy okazji wymieniania grup metod
poziomu pierwszego, jako prb oszacowania prawdopodobiestwa awarii ukadu, ktrego
model matematyczny bierze pod uwag pene probabilistyczne dane ilociowe i jakociowe
dotyczce niepewnoci parametrw wytrzymaoci materiau oraz efektw dziaania
obcienia [Zubrzycki, 1961; ThoftChristensen i Murotsu, 1986; Woliski i Wrbel, 2001].
W podejciu klasycznym teorii niezawodnoci konstrukcja rozkadana jest mylowo na
poszczeglne komponenty (parametry), ktre zostaj potraktowane jako niezalene od czasu
zmienne losowe (wyranie naley zaznaczy ten fakt, jako odrnienie od procesw
losowych, przedmiot dziaania SFEM). Zmienne losowe mog reprezentowa kade (bd te
wybrane przez projektanta) niepewnoci, mogce zaistnie w konstrukcji lub w jej elemencie.
Wwczas, zdefiniowa mona pewien wielowymiarowy zestaw (wektor kolumnowy) tyche
zmiennych, tzw. wektor losowy
X = {X1 , X 2 , X3 ,..., Xn }
(2.10)
gdzie X1 , X2 , X3 ,..., Xn s kolejnymi zmiennociami (o ich cakowitej liczbie rwnej n ),

wyraonymi w postaci jednowymiarowych zmiennych losowych, tzw. podstawowych
(bazowych) zmiennych losowych.
W tak zdefiniowanej, n wymiarowej przestrzeni rzeczywistej R n wektor losowy przyjmuje
nieskoczenie wiele pojedynczych zbiorw wartoci poszczeglnych zmiennych podstawowych,
rwnych odpowiednio: x1 , x2 , x3 ,..., xn .
Pojedynczy zbir x = {x1 , x 2 , x 3 ,..., xn } nazywamy realizacj zmiennej losowej X .
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
fX (x) = fX1 ,...,Xn (x1 ,..., xn ) ,
dla
zmiennych
zmiennych
podstawowych niezalenych fX (x) = fX1 (x1 ) ... fXn (xn ) .

Przeciwstawiestwem prawdopodobiestwa awarii zdefiniowanego w powyszy sposb jest
tzw. bezawaryjno Ps , ktr mona w prosty sposb wyrazi w postaci
Ps = 1 Pf = P ( s ) = 1 P ( f ) = P ( g ( X ) > 0 )
(2.13)
26
Obszar cakowania g(X) 0 idealnie opisuje interesujc inyniera przestrze naruszania

stanu granicznego. Jednake (poza pewnymi przypadkami szczeglnymi), cakowanie
potrzebne do wyznaczenia prawdopodobiestwa awarii Pf na tyme obszarze jest analitycznie
niewykonalne. Jest to zwizane z trzema gwnymi przyczynami po pierwsze, nawet majc
pen wiedz matematyczn o funkcji gstoci rozkadu prawdopodobiestwa fX (x) bd
o uoglnionej losowej funkcji granicznej g(X) , cakowanie numeryczne wyraenia jest bardzo
trudne (przyjmuje si, e dla n > 5 obliczenia numeryczne s wysoce nieefektywne lub wrcz
niewykonalne); po drugie gsto rozkadu prawdopodobiestwa fX (x) moe nie by dobrze
opisana (przykadowo z powodu braku, niekompletnoci lub niewystarczalnoci danych
statystycznych bd eksperymentalnych) oraz po trzecie losowa funkcja graniczna g(X)
rwnie moe by obarczona pewnym bdem, powstajcym przy odwzorowywaniu
rzeczywistej konstrukcji inynierskiej do modelu matematycznego [Melchers, 1999].
Rozwizanie problemu skalkulowania prawdopodobiestwa awarii Pf moe by wwczas
osigalne tylko na drodze pewnych uproszcze lub operacji matematycznych (lub te obu
dziaa naraz), wykonanych na kadym z powyszej wymienionych zakresw problemu,
z czego najistotniejsze s dwie zasygnalizowane poniej techniki postpowania, ktre zostan
szerzej omwione bd w niniejszej pracy w rozdziaach kolejnych.
Pierwsz z nich jest uywanie aproksymacji numerycznych, tzw. symulacji, ktre pozwalaj
na wykonanie wymaganego cakowania wielowymiarowego poprzez przeprowadzanie go na
odpowiednio duej prbie realizacji x = {x1 , x2 , x 3 ,..., xn } dobranych w sposb losowy
lub pseudo losowy. Podejcie takie jest zbiorczo okrelane mianem metody Monte Carlo.
Drug z nich jest metoda omijajca cakowicie proces cakowania, co da si uzyska
zastpujc czn gsto rozkadu prawdopodobiestwa fX (x) poprzez zasygnalizowan
powyej prostsz posta gstoci rozkadu. Mona tego dokona przez uycie jej waciwoci
szczeglnych tak, aby przyblienie prawdopodobiestwa awarii Pf byo satysfakcjonujce.
Podejcie takie jest zbiorczo okrelane mianem metody pierwszego rzdu drugiego
momentu odpowiedzi (First Order Second Moment) [Melchers, 1999].
2.3.2. Problem podstawowy analizy niezawodnoci

Na wstpie poniszych rozwaa zaznaczy mona, i w wielu pozycjach literatury dokonuje
si wprowadzenia dodatkowej zmiennej losowej, uzyskiwanej przez podmian w rwnaniu
opisanej na obszarze granicznym 0 n wymiarowej powierzchni granicznej g(x) = 0 wektora
realizacji x = {x1 , x2 , x 3 ,..., xn } na odpowiadajc zmienn losow X = {X1 , X2 , X3 ,..., Xn }.
T dodatkow zmienn losow nazywa si zapasem (marginesem) bezpieczestwa
i oznacza si j poprzez M , gdzie M = g(X) . Tak zdefiniowany margines bezpieczestwa
z definicji odzwierciedla arbitralno, jak wprowadza si do zadania poprzez dobr
okrelonego typu uoglnion losow funkcj graniczn (awaryjn) g(X).
27
Przyjcie zmiennej losowej marginesu bezpieczestwa prowadzi za sob logiczne rozwinicie

upraszczajcego podejcia do konstruowania funkcji granicznej g(X). Bardzo czsto przyjmuje
si bowiem, i w modelu probabilistycznym konstrukcji inynierskiej istniej jedynie dwie
reprezentatywne zmienne losowe, reprezentujce kolejno cakowit wytrzymao
materiaw (XR ) , z jakich wykonana jest dana konstrukcja lub jej element (caociowo)
oraz efekt (sum) obcie (XS ) dziaajcych na konstrukcj bd jej element.
Zapis zmiennej losowej marginesu bezpieczestwa mona przedstawi wwczas nastpujco
M = g ( X ) = g ( XR , XS ) = g (R, S )
(2.14)
W wielu przypadkach reprezentatywne zmienne losowe (XR , XS ) s przyjmowane jako

zmienne nieujemne i niezalene, koniecznie te naley je dyskretyzowa w jednakowych
jednostkach. Zmienne te opisywane s za pomoc odpowiednich reprezentatywnych funkcji
gstoci prawdopodobiestwa kolejno fR (xR ) oraz fS (xS ) .
W tak uproszczonym rozumowaniu przyjmuje si, i konstrukcja lub jej element przekroczy
stan graniczny (znajdzie si w stanie awarii) wtedy i tylko wtedy, gdy jej zmienna losowa
cakowitej wytrzymaoci XR = R osignie mniejsz warto ni powstae w niej naprenia
bd przemieszczenia spowodowane dziaajc na ni sum obcie XS = S .
Pozwala to na prostsze przedstawienie zalenoci pozwalajcej obliczy prawdopodobiestwo
awarii takiej konstrukcji, ktre teraz prezentuje si nastpujco
Pf = P ( g ( X ) 0 ) = P ( g (R, S ) 0 ) = P (R S 0 )
(2.15)
lub te, w postaci rwnowanej

Pf = P (R S ) = P (R S 1)
(2.16)
Wprowadzajc wspomniane pojcia reprezentatywnych funkcji gstoci prawdopodobiestwa

fR (xR ) oraz fS (xS ) , prawdopodobiestwo awarii konstrukcji zapisa mona nastpujco
Pf = P ( X R X S 0 ) =
f (x
RS
, x S ) drds
(2.17)
lub te, jeli reprezentatywne zmienne losowe ( XR , XS ) s rzeczywicie niezalene, w postaci

Pf = P ( X R X S 0 ) =
+ s r
f (x ) f (x ) dx
R
dx S
(2.18)
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 s zaprezentowane na rys. 2.3.
Ponadto, dla dowolnej zmiennej losowej X , dystrybuanta rozkadu prawdopodobiestwa
zmiennej w chwili t ma warto
FX ( x ) = P ( X x ) =
f (t ) dt
X
(2.19)
28
i poda mona postaci dystrybuant reprezentatywnych zmiennych losowych (XR , XS )
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]
Rys. 2.4. Problem podstawowy analizy niezawodnoci (poszukiwanie prawdopodobiestwa

awarii) rozwizywany za pomoc caki splotu.
29
Taki zapis jest jednak rozwaany jedynie w przypadku niezalenoci reprezentatywnych

zmiennych losowych (XR , XS ) . W przypadku, gdy powinno si rozpatrzy zwizek pomidzy
obiema zmiennymi, uywa si bardziej oglnego zapisu, ktry przedstawia si nastpujco
Pf = P ( X R X s 0 ) =
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.
Rys. 2.5. Problem podstawowy analizy niezawodnoci (poszukiwanie prawdopodobiestwa

awarii) rozwizywany przy uyciu informacji o funkcjach gstoci prawdopodobiestwa.
2.4. Wybrane miary niezawodnoci

Wskanik niezawodnoci jest prostym identyfikatorem stanu bezpieczestwa konstrukcji
w sensie teorii probabilistycznych. Na jego podstawie mona wprowadzi pewne ustalone
przez normatywy wymagane poziomy bezpieczestwa konstrukcji, rnicujc wymogi
w zalenoci od skutkw ewentualnej awarii bd zniszczenia konstrukcji, kosztw jej
konserwacji i napraw, skutkw spoeczno ekonomicznych awarii itp., analogicznie do
zaoe przestrzegania bezpieczestwa dla metod poziomu pierwszego [BenHaim, 1996].
Uzyskanie pewnego poziomu niezawodnoci konstrukcji jest szczeglnie wane wwczas, gdy
w razie jej awarii lub zniszczenia zgin lub ulec obraeniom moe czowiek. W przypadkach
konstrukcji budowlano inynierskich zaleca si, aby dodatkow procedur byo porwnanie,
jeli to moliwe, wskanika niezawodnoci uzyskanego technikami analizy probabilistycznej
z moliwymi do wyszukania danymi statystycznymi odnonie powstawania okrelonego stanu
awarii czy zniszczenia konstrukcji, z jakim ma si do czynienia w projekcie, w przecigu
okrelonego czasu pracy konstrukcji (czsto na przestrzeni roku, na przestrzeni tzw. czasu
powrotu obcienia) lub na przestrzeni zakadanego w projekcie czasu jej uytkowania.
30
Z ekonomicznego punktu widzenia, docelowy poziom niezawodnoci zadania powinien zalee

od rwnowagi midzy skutkami zniszcze, a kosztem rodkw zabezpieczajcych, jakie trzeba
ponie, aby niebezpieczestwo to zredukowa moliwie najbardziej.
Pamita naley, e wspomniane w poprzednim rozdziale techniki matematyczne bardzo
trudno stosowa bezporednio w codziennej praktyce inynierskiej. Istnieje bowiem zasadnicza
rnica midzy probabilistyczn miar moliwoci zaistnienia sytuacji awaryjnej,
a rzeczywist czstoci awarii, bdc czasem skutkiem nieprzewidywalnych bdw
i zaniedba projektantw i wykonawcw konstrukcji. Opis tej ostatniej mona odnale
m.in. w PN-ISO 2394:2000.
Projekt konstrukcji inynierskiej musi by sporzdzony tak, aby prawdopodobiestwo awarii
Pf byo znikome, moliwie jak najmniejsze. Zaznaczy naley w tym miejscu,
i o wystpieniu (bd niewystpieniu) awarii konstrukcji decyduj tzw. marginesy (ogony)
rozkadw prawdopodobiestwa, co powoduje, i obliczane wartoci Pf s zwyczajowo
bardzo mae, majce rzd setnych do milionowych czci jednoci (czyli jednoczenie
wymagajce stosowania oblicze o duej dokadnoci, aby oszacowa je naleycie
i poprawnie), co dla prby opisu normowego sprawioby niema trudno.
Alternatyw dla prawdopodobiestwa awarii Pf przy okrelaniu bezpieczestwa konstrukcji
sta si wic wspomniany wskanik niezawodnoci , ktrego podejcia wyznaczania bd
szerzej omawiane w pniejszych rozdziaach rozprawy.
Wartoci numeryczne szacujce niezawodno s czsto opisane na podstawie wskanika
niezawodnoci . Jego relacja wobec prawdopodobiestwa awarii Pf przedstawiona jest
w Tablicy 2.1.
Tablica 2.1. Relacja pomidzy prawdopodobiestwem awarii Pf , a wartoci wskanika
niezawodnoci wg [PN-ISO 2394:2000].
Prawdopodobiestwo awarii Pf
101
102
103
104
105
106
107
Wskanik niezawodnoci
1, 3
2, 3
3,1
3, 7
4, 2
4, 7
5, 2
Wskaza mona take przyjmowane przez normatywy przykady docelowych poziomw

wskanika niezawodnoci w zagadnieniach zwizanych z okresem uytkowania konstrukcji,
zalenie od skutkw jej awarii lub zniszczenia oraz zalenie od wzgldnego kosztu konserwacji
czy naprawy konstrukcji. Proponowane poziomy wskanika przedstawiono w Tablicy 2.2.
Tablica 2.2. Przykady docelowych poziomw wskanika niezawodnoci , w zalenoci od

kosztw zapewnienia bezpieczestwa i skutkw awarii konstrukcji wg [PN-ISO 2394:2000].
Wzgldne koszty
zapewnienia
bezpieczestwa konstrukcji
wysokie
umiarkowane
niskie
awarii
mae
0,0
1,3
2,3
Skutki spoeczno ekonomiczne

bd zniszczenia konstrukcji inynierskiej
odczuwalne umiarkowane
wielkie
1,5 (a)
2,3
3,1 (b)
2,3
3,1
3,8 (c)
3,1
3,8
4,3
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.
2.4.1. Wskanik niezawodnoci Cornella

Oryginalne sformuowanie wskanika niezawodnoci Cornella zawierao zapis funkcji stanu
granicznego w postaci rnicy midzy cakowitym wkadem niepewnoci wytrzymaoci
materiaw r , a cakowitym wkadem niepewnoci obcie dziaajcych na konstrukcj s
g (r , s ) = r s
(2.24)
Przyjmujc, i wkady te rwnie mona wyrazi za pomoc reprezentatywnych zmiennych

losowych R, S , co wskazano w rozdziale 2.3.2. rozprawy, margines bezpieczestwa wynosi
M = g (R, S ) = R S
(2.25)
Rozway naley sytuacj pewnego uproszczenia, w ktrym to skadowe zmiennej losowej

zapasu bezpieczestwa M (cakowita wytrzymao materiaw konstrukcji R oraz suma
obcie S na ni dziaajcych) s zmiennymi losowymi o rozkadzie normalnym.
Margines (zapas) bezpieczestwa ma wwczas momenty probabilistyczne wynikajce
bezporednio z prostych dziaa arytmetycznych na momentach probabilistycznych
skadowych zmiennych reprezentatywnych, tak wic caka splotu (2.22), wyznaczona
w rozdziale 2.3.2. rozprawy, moe by uproszczona nastpujco
0 E [M ]
Pf = P (R S 0 ) = P ( M 0 ) =
D [M ]
(2.26)
gdzie (i) jest funkcj dystrybuanty rozkadu normalnego o zerowej wartoci redniej
i jednostkowym odchyleniu standardowym.
32
Zaproponowano wic, aby miar niezawodnoci konstrukcji inynierskiej uj w pewien cile

przyjty wskanik (wskanik niezawodnoci ), ktry ma by stanowiony
wg [Cornell, 1969] przez odwrotno wspczynnika zmiennoci zapasu bezpieczestwa
E [M ]
1
=
VM
D [M ]
(2.27)
gdzie: VM to wspczynnik zmiennoci zapasu bezpieczestwa, E[M ] reprezentuje warto

oczekiwan (redni) zapasu bezpieczestwa, a D[M ] jego odchylenie standardowe.
Wskanikiem
niezawodnoci
mona
takim
ukadzie
nazwa
odwrotno
wspczynnika zmiennoci zapasu bezpieczestwa M , miar oddalenia redniego stanu

interakcji cakowitej wytrzymaoci materiaw oraz efektw obcie konstrukcji
od krawdzi stanu granicznego konstrukcji, moliwego do sprecyzowania cak splotu.
Takie sprecyzowanie oszacowania niezawodnoci konstrukcji odpowiada idei wskanika
niezawodnoci wg Cornella wskanik ma mierzy odlego od lokalizacji punktu
pomiarowego podstawowych zmiennych losowych zadania (E[M ]) do granicy powierzchni
stanu granicznego, mierzonej w jednostkach parametrw skali niepewnoci (D[M ]) .
Ilustracj sensu wskanika niezawodnoci wg Cornella przedstawia rys. 2.6.
Rys. 2.6. Graficzna interpretacja wskanika niezawodnoci wg Cornella, naniesiona

na reprezentatywn funkcj gstoci prawdopodobiestwa zapasu bezpieczestwa fM (xM ) .
Wskanik niezawodnoci mona take zamiennie zwiza bezporednio z obliczanym
numerycznie (na bazie caki splotu) prawdopodobiestwem awarii, poprzez zaleno
odwrotn, przedstawian w postaci
= 1 ( Pf )
(2.28)
gdzie 1(i) jest funkcj odwrotn dystrybuanty rozkadu normalnego o zerowej wartoci
redniej i jednostkowym odchyleniu standardowym.
33
Jeeli zmienne R, S s nieskorelowane, to wskanik niezawodnoci , oznaczany dalej jako

wskanik niezawodnoci Cornella C (dla rozrnienia jego wartoci od wartoci wskanikw
niezawodnoci wyznaczanych pniej wedug innych podej), mona zapisa w postaci
= C =
E [M ]
D [M ]
E [R ] E [S ]
D [R ; S ]
R s
(2.29)
R2 + S2
lub te, jeeli zmienne R, S s skorelowane, to w postaci

C =
E [M ]
D [M ]
E [R ] E [S ]
D [R ; S ]
R s
(2.30)
2RS R S + S2
2
R
gdzie kolejno: R to warto oczekiwana zmiennej losowej wyraajcej wytrzymaoci

materiaw, S to warto oczekiwana zmiennej losowej wyraajcej obcienia, R oraz S
to
odchylenia
standardowe
wyej
wymienionych
zmiennych,
natomiast
RS
jest
wspczynnikiem korelacji obu zmiennych losowych.

Wskanik niezawodnoci Cornella mona obliczy take w stosunkowo prosty sposb, kiedy
zapas
bezpieczestwa
jest
funkcj
liniow
(powierzchnia
graniczna
g(x) = 0 jest
hiperpaszczyzn). Mona wwczas zapisa funkcj marginesu bezpieczestwa w notacji

n
g ( xi ) = a0 + ai xi = a0 + aT x = g ( x )
(2.31)
i =1
gdzie: a0 to wyraz wolny n wymiarowej powierzchni, a = {a1 , a2 , a3 ,..., an } to wektor

kolumnowy
zbierajcy
wspczynniki
kierunkowe
wymiarowej
powierzchni,
a x = {x1 , x2 , x 3 ,..., xn } to wektor kolumnowy realizacji.

Dodatkow zmienn losow zapasu (marginesu) bezpieczestwa, odpowiadajc powyszej
funkcj marginesu bezpieczestwa mona zatem przedstawi jako
n
M = a0 + ai Xi = a0 + aT X
(2.32)
i =1
Przyjty przez Cornella wskanik niezawodnoci przybiera wwczas posta

n
C =
a0 + ai X i
i =1
aTC X a
a0 + aT E [ X ]
aTC X a
(2.33)
gdzie: E[X] to wektor kolumnowy zbierajcy wartoci oczekiwane zmiennej losowej X ,

natomiast C X to macierz kowariancyjna zmiennej losowej X .
Posta problemu wyznaczania wskanika niezawodnoci dla liniowej hiperpowierzchni funkcji
stanu granicznego g(x) = 0 w przestrzeni realizacji przedstawia rys. 2.7. Przywouje si j,
gdy peni bardzo istotn rol w niniejszej dysertacji.
Wan obserwacj jest take fakt, i wskanik niezawodnoci Cornella C jest niezmienny
w obliczu dowolnej liniowej transformacji podstawowej zmiennej losowej X .
34
Rys. 2.7. Liniowa, n wymiarowa (dla uproszczenia wskazana dla n = 2 ) powierzchnia

funkcji stanu granicznego g ( x ) = 0 w przestrzeni realizacji zmiennych podstawowych, wraz
z zaznaczeniem znaczenia wskanika niezawodnoci Cornella C oraz jednostkowego wektora
normalnego do powierzchni granicznej .
Jeeli powierzchnia graniczna g ( x ) = 0 nie jest hiperpaszczyzn, to nie jest moliwe
sformuowanie zapasu bezpieczestwa jako funkcji liniowej przy uyciu podstawowej zmiennej
losowej. Wwczas sugesti Cornella jest rozwinicie jej w szereg Taylora wok wartoci
oczekiwanych E[X] w przestrzeni bazowej zmiennej, z dokadnoci do wyrazw liniowych.
2.4.2. Wskanik niezawodnoci Rosenbluetha Estevy / FOSM

Zapis funkcji stanu granicznego g (r , s ) z uyciem cakowitego wkadu niepewnoci
wytrzymaoci materiaw konstrukcyjnych r i cakowitego wkadu niepewnoci obcie
dziaajcych na konstrukcj s moe przyjmowa rne formy, w zalenoci od natury
reprezentatywnych zmiennych losowych R, S . Z powodw czysto fizycznych, obie
wymienione zmienne czsto przyjmuj jedynie wartoci dodatnie. Wwczas logiczn, prost
alternatyw dla rwnania (2.24) staje si zapis
r
g (r , s ) = ln
s
(2.34)
ktry doskonale odzwierciedla istot fizycznego ograniczenia zmiennych R, S .

Odpowiadajcy temu zapisowi zapas (margines) bezpieczestwa wyrazi mona poprzez zapis
R
M = ln
S
(2.35)
Rwnanie to zostao uyte w [Rosenblueth i Esteva, 1972] do przeksztacenia wskanika

niezawodnoci Cornella w posta
RE =
E [M ]
D [M ]
E [M ]
V [M ]
R
E ln
S
R
V ln
S
(2.36)
35
lub te, jeeli zmienne R, S s skorelowane, to wykorzystujc waciwoci ln ( i ) , w posta
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)
Na skutek linearyzacji wskanik niezawodnoci Rosenbluetha i Estevy RE przybiera posta

RE =
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)
gdzie: R to warto oczekiwana zmiennej losowej wyraajcej wytrzymaoci materiaw,
S to warto oczekiwana zmiennej losowej wyraajcej obcienia, R oraz S to odchylenia

standardowe w/w zmiennych, VR oraz VS to ich wspczynniki zmiennoci, natomiast RS
jest wspczynnikiem korelacji tyche zmiennych.
Jeeli reprezentatywne zmienne bazowe R, S s nieskorelowane, wzr (2.39) upraszcza si do
RE =
ln E [R ] ln E [S ]
V +V
2
R
2
S
ln R ln S
2
R S
+
R S
(2.40)
Przedstawiony wskanik niezawodnoci Rosenbluetha i Estevy RE bardzo mocno zaley

od doboru i opisu matematycznego funkcji stanu granicznego, a nie tylko od ksztatu
uzyskiwanej dla zadania hiperpowierzchni granicznej, co moe prowadzi do faktu,
i uzyskany powyszym rwnaniem wskanik bdzie zdecydowanie rny od wyniku oblicze
wskanika niezawodnoci Cornella C [Ditlevsen, 1973].
Dla innej linearyzacji nieliniowej funkcji granicznej, zapisanej w otoczeniu dowolnego punktu
pojedynczej realizacji podstawowej zmiennej losowej (uywajc zapisu wyjciowego wektora
n wymiarowej zmiennej losowej x), otrzymuje si linearyzowany zapas bezpieczestwa M FO
wyraony wzorem
n
M FO = g ( x ) +
i =1
g
( x ) ( Xi xi )
xi
(2.41)
36
Odpowiadajcy temu punktowi wskanik niezawodnoci okrela si czsto mianem

wskanika niezawodnoci pierwszego rzdu drugiego momentu FOSM i wyrazi
mona go wzorem
n
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)
2.4.3. Wskanik niezawodnoci Hasofera Linda

Aby unikn arbitralnoci wyniku liczbowego wskanika niezawodnoci Rosenbluetha
i Estevy RE naley oprcz bardzo dobrego opisu matematycznego funkcji stanu granicznego
wprowadzi take odpowiednio dokadnie dobrany punkt linearyzacji zmiennej marginesu
bezpieczestwa w przestrzeni realizacji. Arbitralno ta znika, jeli dokonamy wyboru punktu
linearyzacji lecego dokadnie na powierzchni granicznej.
Z nieskoczonej iloci punktw realizacji, jakie na niej le, naturalnym wyborem jest taki,
ktry znajduje si w najmniejszej odlegoci od punktu realizacji zawierajcego wartoci
rednie wszystkich zmiennych zadania. Wynika to oczywicie z sensu wskanika
niezawodnoci, ktry zosta przytoczony w poprzednich rozdziaach, tj. pomiaru minimalnej
odlegoci od lokalizacji punktu pomiarowego do granicy powierzchni stanu granicznego.
Graficzna posta problemu wyznaczania wskanika niezawodnoci dla nieliniowej
hiperpowierzchni funkcji stanu granicznego g(x) = 0 w przestrzeni realizacji podstawowych
zmiennych losowych przedstawiona jest na rys. 2.8.
Rys. 2.8. Nieliniowa, n wymiarowa (dla uproszczenia wskazana dla n = 2 ) powierzchnia

funkcji stanu granicznego g(x) = 0 w przestrzeni realizacji zmiennych podstawowych, wraz
z zaznaczeniem linearyzacji powierzchni funkcji stanu granicznego, znaczenia wskanika
niezawodnoci Rosenbluetha i Estevy RE oraz jednostkowego wektora normalnego
do powierzchni granicznej .
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)
gdzie A jest macierz transformacyjn, moliw do wyznaczenia przy zastosowaniu szeregu

standardowych technik algebry liniowej.
Macierz kowariancji zmiennej losowej bazowej X mona zapisa wzorem
T
CX = Cov X ; XT = E ( X E [ X]) ( X E [ X])
(2.44)
Macierz kowariancji zmiennej losowej znormalizowanej Z mona wwczas wyprowadzi,

czc zapisy (2.43) oraz (2.44). Wynik wyprowadzenia przedstawi mona wzorem
CZ = Cov Z ; ZT = ACXAT = A Cov X ; XT AT = I
(2.45)
Warunek graniczny, po uwzgldnieniu powyszych transformacji, przyjmuje kocowo posta

g ( Z) = g ( X ( Z ) ) = g ( A1Z + E [ X]) = 0
(2.46)
Przez identyczne odwzorowanie, jakie opisano powyej, zapisa mona i
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
lub rwnowanie, w przestrzeni realizacji x

(x) =
( x E [ X ])
CX1 ( x E [ X]) ; x 0(
x)
(2.49)
Najkrtsza odlego od punktu pocztkowego analizy niezawodnoci do wybranego punktu

na powierzchni granicznej zostaa wybrana jako miara wskanika niezawodnoci Hasofera
Linda HL . Moe ona by zapisana zamknitym wzorem jako
HL = min ( z ) = min zT z ; z 0(
g ( z)=0
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)
Lecy na powierzchni granicznej punkt realizacji x uzyskiwany w procesie poszukiwania

wskanika niezawodnoci Hasofera Linda HL oznacza si symbolem x* i nazywa si go
punktem projektowym (obliczeniowym) analizy niezawodnoci [Hasofer i Lind, 1974].

Jeeli mamy do czynienia z powierzchni graniczn w postaci n wymiarowej paszczyzny,
to wartoci liczbowe wskanika niezawodnoci Hasofera Linda HL oraz wskanika
niezawodnoci Cornella C s jednakowe. Wskanik niezawodnoci Hasofera Linda jest wic
uoglnieniem wskanika niezawodnoci Cornella dla nieliniowych powierzchni granicznych.
Jeli natomiast zaoy si punkt projektowy analizy niezawodnoci wedug Hasofera i Linda
jako punkt linearyzacji podstawowej zmiennej losowej, to warto wskanika niezawodnoci
Hasofera Linda pokryje si dokadnie z wartoci wskanika niezawodnoci pierwszego
rzdu drugiego momentu FOSM obliczon dla tego punktu linearyzacji (jednoczenie drugi
wskanik utraci take swoj niepodan arbitralno).
Wskanik niezawodnoci Hasofera Linda HL jest rozwizaniem nieliniowego procesu
optymalizacji z jedn funkcj celu. Rozwizania tego problemu dostarcza szeroka gama
algorytmw iteracyjnych. Nie ma jednak pewnoci, i algorytmy te bd zbiene
we wszystkich przypadkach funkcji stanw granicznych. Celem optymalizacji jest oczywicie
znalezienie najlepszego (speniajcego sens metody) punktu projektowego x* .
Algorytm wyszukiwania punktu projektowego x* analizy niezawodnoci, zaproponowany
przez Hasofera i Linda zostanie zobrazowany dla uproszczenia w przestrzeni realizacji z .
Wwczas zamiennie poszukuje si punktu projektowego z* odpowiadajcego punktowi x*
oraz jednostkowego wektora normalnego do powierzchni granicznej * wyznaczanego
w punkcie z* , bdcego proporcjonalnym do wektora ledzcego punkt z* wzgldem pocztku
ukadu wsprzdnych przestrzeni realizacji z .
Przy takiej definicji wektorw wskanik niezawodnoci Hasofera Linda HL jest sta
proporcjonalnoci midzy wektorami realizacji i powierzchni granicznej:
z* = * HL
Punkt z* jest granic sekwencji algorytmu z(0 ) z(1) ... z(m ) ... z* .
(2.52)
39
Jednostkowy wektor normalny do trajektorii prowadzonej przez algorytm g(z) = g(z(m ) )

zdefiniowany w punkcie z(m ) oznacza si przez (m ) , tak wic wektor (m ) jest rwnolegy do
wektora gradientu trajektorii prowadzonej przez algorytm, zdefiniowanej w punkcie z(m ) i jest
skierowany w stron obszaru awarii f = {z : g(z) < 0} .
Przedstawi go mona nastpujco
(m ) =
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)
Punkt startowy algorytmu (punkt pocztkowy) moe by przyjty w punkcie pocztku

ukadu
wsprzdnych
przestrzeni
realizacji z , o
wsprzdnych z(0) = {0; 0; 0;...; 0},
lub te w tzw. punkcie podporowym w przestrzeni realizacji x , o wsprzdnych

1
1
1
1
x( p) =
;
;
;...;
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
rnych punktw startowych algorytmu) i obliczenie w kadym miejscu odrbnej wartoci

wskanika niezawodnoci.
Wskanik niezawodnoci Hasofera Linda HL jest wwczas zdefiniowany jako:
HL = min ( HL1 ; HL 2 ; HL 3 ;...; HLk )
(2.58)
Przykadowa powierzchnia graniczna zawieraj kilka punktw projektowych (przykadowo

sporzdzana dla systemu szeregowego) zaprezentowana jest na rys. 2.10.
Natomiast, przywoujc transformacj (2.47), mona sformuowa algorytm iteracyjny
Hasofera i Linda w wyjciowej przestrzeni realizacji x . Jego krok iteracyjny oblicza si jako
x
(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)
Rys. 2.9. Ilustracja poszukiwania wskanika niezawodnoci w przestrzeni realizacji z .
Rys. 2.10. Ilustracja powierzchni granicznej systemu szeregowego, wymagajcej wyszukania

wskanika niezawodnoci jako minimum wszystkich wyznaczalnych wskanikw.
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)
Zebrane n wartoci i , oszacowanych w punkcie projektowym analizy z* , ktry oznaczy

mona przez i * , jest miar wraliwoci wskanika niezawodnoci na niepewnoci pojawiajce
si w zadaniu za pomoc wartoci skadowych zi realizacji punktu projektowego z* .
Wartoci i * s czsto nazywane wspczynnikami wraliwoci (patrz: rozdzia 2.8.2.).
2.4.4. Wskanik niezawodnoci Hasofera Linda Rackwitza

Fiesslera
W oglnym, przestawionym w powyszych rozdziaach przypadku, podstawowe zmienne
losowe nie s zmiennymi o rozkadzie normalnym. Jednake, ze wzgldu na fakt, e wiele
zmiennych mona w dobrym przyblieniu przedstawi jako zmienne losowe o rozkadzie
normalnym, mona zapisa pewn transformacj T , przeksztacajc zmienn losow
o dowolnym rozkadzie na zmienn o rozkadzie gaussowskim, definiowan jako
T : X = ( X1 ; X 2 ; X 3 ;...; Xn ) U = (U1 ;U 2 ;U 3 ;...;U n )
(2.61)
gdzie podstawowe zmienne losowe U = (U1 ;U 2 ;U 3 ;...;U n ) s nieskorelowane i charakteryzuj

si standaryzowanym rozkadem normalnym.
Powierzchnia graniczna w przestrzeni realizacji x moe by wwczas odwzorowana
w odpowiedni powierzchni graniczn w przestrzeni realizacji u , w ktrej rwnie mona
znale minimaln odlego od pocztku ukadu wsprzdnych przestrzeni do okrelonego
punktu na powierzchni granicznej.
Macierz transformacyjn T najprociej zapisa wtedy, gdy podstawowe zmienne losowe s
niezalene, a ich funkcje rozkadu gstoci prawdopodobiestwa mona zapisa rozdzielnie:
FX1 ; FX2 ; FX3 ;...; FXn . Kada zmienna losowa moe by wwczas transformowana oddzielnie,
gdzie kade rwnanie transformacyjne przedstawi mona nastpujco
(ui ) = FX i ( x i ) ; i = 1;...; n
(2.62)
Macierz transformacyjna T ma zatem elementy postaci
T : ui = 1 FXi ( x i ) ; i = 1;...; n
(2.63)
lub te, dla odwrotnoci macierzy transformacyjnej T1 , postaci
T 1: xi = FXi1 ( (ui ) ) ; i = 1;...; n
(2.64)
42
Funkcja stanu granicznego gu w przestrzeni realizacji u moe by rwnie podana

w odniesieniu do funkcji stanu granicznego g w przestrzeni realizacji x , co zapisuje si
g ( x ) = g ( T 1( u ) ) = gu ( u )
(2.65)
Punkt projektowy analizy niezawodnoci u* w przestrzeni realizacji u jest rozwizaniem

nieliniowego procesu optymalizacji z jedn funkcj celu
u* = min u min T ( x ) = x*
gu ( u ) = 0
(2.66)
g ( x )=0
Zwizek wartoci funkcji stanu granicznego pomidzy przestrzeniami realizacji mona

natomiast przestawi za pomoc rozwinitych pochodnych czstkowych
( (
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)
Oznaczajc przez ui * wsprzdne punktu na powierzchni granicznej, pooonego najbliej

pocztku ukadu wsprzdnych realizacji u , mona przedstawi rwnanie n wymiarowej
paszczyzny stycznej do powierzchni granicznej w tym punkcie, w postaci
gu
x ( u )(u
n
i =1
ui * ) = 0
(2.68)
a przyblienie pierwszego rzdu prawdopodobiestwa awarii Pf jako
Pf ( ) = u*
(2.69)
Przywoujc te informacje, przedstawi mona ulepszenie zapisanego w rozdziale 2.4.3.

algorytmu poszukiwania optymalnego punktu projektowego analizy niezawodnoci Hasofera
i Linda, zaproponowane przez Rackwitza i Fiesslera [Rackwitz i Fiessler, 1978]. Zostanie ono,
zgodnie z oryginalnym sformuowaniem, przedstawione dla punktu projektowego u* lecego
na powierzchni granicznej w przestrzeni realizacji u .
Mona wykona tzw. aproksymacyjne liniowe podstawienie zwrotne u (m +1) do zapisu x(m +1)
x(m +1) = x(m ) + J ( u(m +1) u(m ) )
(2.70)
gdzie J jest jakobianem transformacji wyraonej macierz T [Rosenblatt, 1952].

czc rwnanie aproksymacyjne Hasofera i Linda z przedstawionym powyej
aproksymacyjnym liniowym podstawieniem zwrotnym uzyskuje si schemat aproksymacyjny
nazywany regu aproksymacyjn ogonw rozkadw normalnych [Ditlevsen, 1981]
z(m +1) = z(m ) (m ) (m ) +

T
g ( z(m ) )
g ( z
(m )
(m ) u(m +1) = u(m ) (m ) (m ) +

T
gu ( u(m ) )
gu ( u
(m )
(m ) (2.71)
43
Jednostkowy
wektor normalny
do
trajektorii
prowadzonej przez
algorytm gu (u(m ) )
przedstawi mona nastpujco

(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)
w ktrym to zapisie, wg reguy aproksymacyjnej ogonw rozkadw normalnych
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)
Wprowadzi mona wwczas realizacje zmiennych losowych algorytmu zi w postaci
zi =
xi i
i
(2.78)
Wskanik niezawodnoci Hasofera Linda HL zaadaptowany przez Rackwitza i Fiesslera

tak, aby stosowa powyej skonstruowane (2.78) realizacje zmiennych losowych zi
w algorytmie wyszukujcym punktu z* (wyznaczanego jako granica sekwencji algorytmu
z(0 ) z(1) ... z(m ) ... z* ) lecego w najmniejszej odlegoci od punktu pocztkowego
nazywany jest wskanikiem niezawodnoci Hasofera Linda Rackwitza Fiesslera HLRF .
2.5. Metoda perturbacyjna

Teoria probabilistycznego szacowania niezawodnoci konstrukcji inynierskich zostaa
wprowadzona w celu wskazania projektantowi szacowanej miary zmiennoci odpowiedzi
konstrukcji, czyli zachowania si konstrukcji na skutek zaistnienia lub zmiany okrelonych jej
parametrw (bd wspczynnikw analizy, jeli mwi si o eksperymencie numerycznym).
44
Przywoane pojcie odpowiedzi konstrukcji inynierskiej jest szeroko rozpowszechnione

w analizach probabilistycznych i uywa si go jako mylowego, zbiorczego okrelenia miary
rezultatw pracy konstrukcji inynierskiej, ktre brane s przez projektanta do dalszych
analiz lub oceny realizacji procesu projektowego [Sudret i Der Kiureghian, 2000].
Z punktu widzenia mechaniki konstrukcji jedn z najbardziej rozpowszechnionych metod
analizy, jakie przedstawia si w literaturze ukierunkowanej na stosowanie probabilistycznych
miar bezpieczestwa konstrukcji i dopuszczalnoci jej odpowiedzi jest ga technik i metod
perturbacyjnych [Nayfeh, 1973; Hurtado i Barbat, 1998].
Zachowanie si konstrukcji mona opisa jako wielko rozrzutu wynikowej odpowiedzi
konstrukcji (ktrej parametry s obarczone pewnymi cile sprecyzowanymi niepewnociami)
wzgldem punktu wartoci redniej teje odpowiedzi (obliczonej zazwyczaj dla ukadu
idealnego, czyli takiego, gdzie wszystkie niepewnoci s reprezentowane przez wartoci rednie
swoich parametrw). Przyjcie takiego podejcia stanowi istot metod perturbacyjnych.
Metody perturbacyjne polegaj na uywaniu rozwini wielkoci zawizanych w rwnanie
rwnowagi konstrukcji inynierskiej w szeregi Taylora w kontekcie metody elementw
skoczonych dla problemw liniowo sprystych bd to przykadowo wyraajce
niepewnoci parametrw losowe skadniki macierzy sztywnoci, wektora obcie
zewntrznych oraz wektora przemieszcze wynikowych (K U = F) .
Rozwinicia tyche wielkoci dokonuje si wzgldem ich wartoci rednich. Wspczynniki
wyraajce wkad zmiennoci, bdce zwizane z rozwiniciami w szereg Taylora wielkoci
strony lewej i prawej rwnania rwnowagi, s podczas przebiegu metody wyznaczane na bazie
analizy perturbacji (skd wywodzi si nazwa metody). Rozwinicie w szereg wspomnianych
wartoci zapewnia projektantowi zoony ukad rwna, z ktrego wyznaczy mona
zdefiniowan wczeniej liczb (najczciej poprzestaje si na pierwszych dwch)
probabilistycznych momentw odpowiedzi [Kleiber i Hien, 1992; Ang i Tang, 2007].
W inynierii istotne jest take zrozumienie, w jaki sposb niepewnoci przenosz si pomidzy
danymi wejciowymi, a odpowiedzi konstrukcji. Metoda perturbacyjna bardzo dobrze
wyraa wraliwo odpowiedzi konstrukcji na zmiany wartoci ustalonych parametrw
niepewnoci, co powoduje, i na jej podstawie zaproponowa mona szereg procesw
optymalizacyjnych dla rozwizania projektowego w wielu dziedzinach inynierii ldowej
[Shinozuka i Yamazaki, 1988; Sudret i Der Kiureghian, 2000].
Wad metod perturbacyjnych jest fakt, i uzyskanie zadowalajcej dokadnoci oszacowania
momentw probabilistycznych wymaga uwzgldnienia duej iloci kolejnych wyrazw
rozwinicia w szereg Taylora. Zatem, rozwinicie w szereg potrzebne do uzyskania jedynie
dwch pierwszych momentw odpowiedzi (czyli wykonywane za pomoc rozpisania jedynie
dwch pierwszych wyrazw szeregu) determinuje fakt, i dokadno metody perturbacyjnej
jest ograniczona. Daje ona zadowalajce wyniki jedynie w tych przypadkach analizy,
w ktrych wejciowe zmienne losowe maj bardzo mae wspczynniki zmiennoci cv
(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
matematycznego przedstawiajcego zmiennoci najbardziej wpywajce na rezultat (wycznie

na ich podstawie analizowane jest nieprzekroczenie stanu granicznego konstrukcji), a nie
wszystkich zmiennoci wystpujcych w konstrukcji, moliwych do opisania.
Dodatkowo, w przypadku konstrukcji nieliniowych, oba wspomniane wyej obostrzenia
przybieraj na restrykcyjnoci (przykadowo wspczynniki zmiennoci wejciowych
zmiennych losowych nie mog przekroczy wartoci cv ,max = 0,10 ), co powoduje, i bardzo
czsto metoda ta uwaana jest przy projektowaniu tego typu konstrukcji inynierskich
za nieefektywn bd nieoptymaln.
W wietle wyej wymienionych ogranicze metoda perturbacyjna jest w dysertacji jedynie
przywoywana, nie podaje si szczegw algorytmu jej implementacji. Nie jest ona
wykorzystana w pniejszych rozdziaach rozprawy, jednake jej zaoenia i fragmenty jej
metodologii s przytaczane przy okazji prezentacji innych technik probabilistycznych.
2.6. Metody oparte na miarach prawdopodobiestwa

Jak wspomniano w rozdziaach poprzedzajcych, alternatywn do przywoanych wczeniej
metod perturbacyjnych gazi technik szacowania bezpieczestwa konstrukcji s wszelkiego
rodzaju techniki i metody symulacyjne i probabilistyczne, opierajce si na informacjach
pyncych nie tylko z wyznaczonych probabilistycznych momentw odpowiedzi, ale przede
wszystkim z funkcji rozkadu prawdopodobiestwa zmiennych losowych zawizanych
w problemie inynierskim. W niniejszej rozprawie wybrano posugiwanie si dwiema grupami
wyej wymienionych metod metod Monte Carlo jako narzdziem reprezentujcym
podejcie symulacyjne oraz metod powierzchni odpowiedzi jako narzdziem reprezentujcym
podejcie probabilistyczne.
W otaczajcym nas wiecie wiele zjawisk i procesw przebiega w sposb w znacznym stopniu
losowy. Czasami przebieg danego procesu jest uzaleniony od tak wielu parametrw
obarczonych zmiennociami, e w uproszczeniu mona przyj, i zachodzi on w sposb
cakowicie przypadkowy. Wanie w celu uatwienia obserwacji i analizy takich procesw
powsta dzia technik i metod symulacyjnych, pozwalajcy prbowa opisa dane zjawisko
przy uyciu prawdopodobiestwa [Metropolis i Ulam, 1949; Ulam, 1961].
Metody symulacyjne s szeroko stosowane w rnych dziaach matematyki numerycznej oraz
w wielu dyscyplinach inynierii, gdzie obejmuj obszar projektowania powizany z badaniami
numerycznymi wykonywanymi na dyskretnych realizacjach zmiennych losowych projektu
inynierskiego. Uywane s take tam, gdzie problem ten jest zbyt zoony (obliczenia caek
lub acuchw procesw statystycznych s niemoliwe do opisania matematycznie),
aby mona byo przewidzie jego rezultaty za pomoc podejcia analitycznego.
Przyjto, i podejcie tych metod opiera si na obserwacji zachowania si (rnicowania)
odpowiedzi sprecyzowanego przez inyniera problemu inynierskiego na wybran liczb
sztucznie wygenerowanych zestaww realizacji zmiennych losowych, nazywanych prbkami
losowymi, dobranych do symulacji zadanego problemu w sposb ukierunkowany
na osignicie optymalnego dziaania procesu lub podanej odpowiedzi.
46
We wszystkich metodach symulacyjnych wyrni mona kilka wsplnych, gwnych krokw

postpowania, do ktrych zaliczy mona sformuowanie modeli stochastycznych badanych
procesw realnych, modelowanie numeryczne zmiennych losowych o zadanym rozkadzie
prawdopodobiestwa, nazywane generacj prbek losowych oraz rozwizywanie problemu
statystycznego z zakresu teorii estymacji [Hammersley i Handscomb, 1964].
Przez dziesitki lat metody symulacyjne byy odrzucane z powodu braku narzdzi
obliczeniowych, mogcych sprosta zoonoci procesu generacji danych, a wymagana
wielko populacji zestaww realizacji nie moga by wpisana w ramy parametrw dostpnego
sprztu komputerowego. Jednake wraz ze wzrostem moliwoci komputerw w obszarze
przeprowadzania szybkich i rwnolegych oblicze, nawet dla zoonych konstrukcji
inynierskich, odrzucanie technik symulacyjnych spotykane w literaturze w poprzednich
dekadach stao si nieaktualne, a metody te, odpowiednio rozwijane i modyfikowane, stay si
popularne w analizach niemale kadej konstrukcji [Hurtado i Barbat, 1998; Topping, 2002].
W czasach obecnych podejcie symulacyjne jest ju szeroko rozpowszechnione i z ca
pewnoci mona stwierdzi, i stao si podstawow technik kalkulacji okrelonej grupy
problemw inynierskich. Dzieje si tak gwnie ze wzgldu na wszystkie zalety podejcia,
przede wszystkim relatywnie prosty opis matematyczny (w odniesieniu do innych metod
teorii szacowania bezpieczestwa) i atwo implementacji do narzdzi komputerowego
wspomagania projektowania. Ceni si take atwo obrbki wynikw uzyskiwanych na
drodze symulacji, prostot analizy wraliwoci dokonywanej za pomoc tego podejcia
i wszechstronno przyszych eksperymentw numerycznych, jakie mona dziki technice
symulacyjnej podj w temacie analizowanego problemu [Marek i inni, 1996; Liu, 2001].
Do wad podejcia symulacyjnego naley zaliczy znaczn czasochonno oblicze, ma
kontrol nad produktem generacji dla zoonych konstrukcji inynierskich oraz trudno
sprecyzowania optymalnego, szybko zbienego zbioru wygenerowanych realizacji bez
posikowania si technikami redukcji populacji realizacji zmiennych losowych.
Zauway naley take, i podczas rozwizywania zada inynierskich pojawiaj si problemy
w obszarze okrelania rozkadw prawdopodobiestw dowolnych zdarze w taki sposb,
aby odzwierciedlay waciwie natur opisywanych zmiennoci parametrw konstrukcji.
Trudne jest take okrelanie wartoci momentw probabilistycznych uywanych zmiennych
losowych oraz sama metodologia generacji realizacji zmiennych.
2.6.1. Metoda Monte Carlo

Metoda Monte Carlo zostaa opracowana przez zesp Johna von Neumanna podczas
II wojny wiatowej, w trakcie prac nad arsenaem jdrowym w Los Alamos. Von Neumann
wykorzysta zaadaptowane przez niego podejcie symulacyjne, aby opisa losow natur
ruchu czstek (dyfuzji neutronw). Termin Monte Carlo zosta zaczerpnity z nazwy
pobliskiego kasyna skojarzenie z hazardem miao wskazywa nie tylko na przypadkowy
(losowy) charakter symulowanych zjawisk, ale take na wiadomo niebezpieczestwa
kryjcego si za militarnymi eksperymentami nuklearnymi [Hammersley i Handscomb, 1964].
47
Metoda Monte Carlo od dawna jest uznawana za technik cechujc si najwiksz

dokadnoci
spord
wszystkich
metod
wymagajcych
wiedzy
o
rozkadzie
prawdopodobiestwa funkcji odpowiedzi konstrukcji opisanej za pomoc parametrw
obarczonych losowymi niepewnociami. Pierwsze powojenne prby opisania podstaw
teoretycznych metody Monte Carlo w odniesieniu do inynierii ldowej datuje si ju na
pocztek drugiej poowy ubiegego stulecia [Kahn, 1955; Hammersley i Handscomb, 1964;
Rubinstein, 1981; Hurtado i Barbat, 1988; Zio, 2008].
Metoda Monte Carlo znajduje zastosowanie w prawie wszystkich dziedzinach techniki,
zajmujcych si teori niezawodnoci. Szczegln pozycj zajmuje w badaniach
eksperymentalnych i numerycznych elementw elbetowych [Hurtado i Barbat, 1988;
Pradlwarter i Schuller, 1997; Johnson i inni, 1999; Wang, 1999; Schuller, 2001].
Na przestrzeni czasu metoda ta jest w sposb cigy udoskonalana i dopracowywana.
Najwaniejszym obszarem precyzowania metody jest w czasach obecnych podejmowanie prb
optymalizacji matematycznego opisu generowania wartoci losowych, przy rwnoczesnej
minimalizacji nakadu oblicze, prowadzonej w celu uatwienia modelowania lub symulacji
zoonych konstrukcji, procesw i zjawisk, ktre zachodz w sposb w peni losowy.
Teoretyczne podwaliny metody Monte Carlo mona przedstawi, opierajc si na rozwiniciu
informacji o stanie granicznym konstrukcji inynierskiej obarczonej niepewnociami jej
parametrw. Prawdopodobiestwo awarii takiej konstrukcji Pf mona okreli w sposb
przedstawiony wczeniej, jako funkcj spenienia marginesu bezpieczestwa:
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)
gdzie funkcje fXi (x i ) s kolejnymi czstkowymi funkcjami gstoci prawdopodobiestwa

podstawowych zmiennych Xi .
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)
Zgodnie z prawem wielkich liczb, rednia wielu niezalenych zmiennych losowych

z jednakow wartoci redni i skoczonymi wariancjami stabilizuje si w ich wsplnej
redniej lim I = I , z prawdopodobiestwem rwnym jednoci.
n
MC
Stopie zbienoci rozwizania tego problemu moe by obliczony na podstawie centralnego

twierdzenia granicznego
m IMC ,m I N ( 0, 2 )
(2.84)
gdzie wariancja rozkadu jest zwizana z funkcj stanu granicznego 2 = Var[g(x)] .

W przypadku analizy niezawodnoci konstrukcji inynierskich powysza procedura oznacza,
i kady wektor realizacji zmiennych losowych xi jest generowany losowo, aby otrzyma
i , dla ktrej sprawdza si pniej

pojedyncz warto realizacji tzw. prbki losowej x
i ) = 0.
spenienie rwnania stanu granicznego konstrukcji inynierskiej g(x
i ) 0 , to zakada si wwczas, e dla danej
Jeli stan graniczny jest przekroczony, tj. jeli g(x
prbki konstrukcja ulega awarii.
Eksperyment z pojedyncz prbk powtarza si wielokrotnie, zalenie od zaoe procesu
projektowego okrelonego przez inyniera. Jeli przeprowadzony zostanie on N razy,
prawdopodobiestwo cakowite awarii jest w przyblieniu rwne
Pf
i ) 0)
n (g ( x
N
= J MC
(2.85)
i ) 0) oznacza liczb prb symulacji dla ktrych konstrukcja inynierska ulega

gdzie n(g(x
i ) 0 , a N oznacza cakowit liczb prb w symulacji. Liczba
awarii, czyli dla ktrych g(x
ta ma bardzo duy wpyw na dokadno oszacowania cakowitego prawdopodobiestwa
awarii konstrukcji Pf , zatem musi by dobrana z nalen odpowiedzialnoci.
Warto Pf oszacowana metod Monte Carlo jest czsto zwana wartoci estymowan
lub estymatorem prawdopodobiestwa awarii J MC , dla odrnienia teje wartoci od
prawdopodobiestwa awarii obliczonego za pomoc zamknitych procedur.
49
Bardzo czsto w literaturze spotyka si zapis estymatora prawdopodobiestwa awarii

dokonany za pomoc wprowadzonej zewntrznie dwupunktowej funkcji charakterystycznej,
przedstawiany w nastpujcy sposb:
Pf
1
N
I ( g ( x ) 0) = J
i =1
0/1
(2.86)
MC
gdzie funkcja charakterystyczna wyraana jest wzorem

i ) 0
1 , gdy g ( x
i ) 0 ) =
I 0/1 ( g ( x
i ) > 0
0 , gdy g ( x
(2.87)
Bd estymatora prawdopodobiestwa awarii wyraa si za pomoc jego wariancji,

ktr w przypadku zastosowania zapisu z uyciem funkcji charakterystycznej obszaru awarii
zapisa mona rwnoci
VPf = Var (J MC ) = Var ( Pf ) =
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
lub w postaci uproszczonej jako

VPf =
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)
lub odwrotnie, na podstawie przeksztacenia rwnania liczb symulacji, jak naley

wykona, aby otrzyma estymator o danym wspczynniku zmiennoci (odpowiadajcy
oczekiwanemu przez projektanta zadanemu prawdopodobiestwu awarii) mona okreli jako
eMC =
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
2.6.2. Metoda Monte Carlo z uyciem technik redukcyjnych

Najprostszym podejciem uywajcym metodologii Monte Carlo w zastosowaniu do obliczania
niezawodnoci konstrukcji inynierskich jest tzw. prbkowanie bezporednie, znane te
pod nazw prostego prbkowania losowego (direct sampling, simple random sampling)
lub jako prbkowanie surowe (crude sampling) [Hurtado i Barbat, 1988].
Podejcie takie nie zawiera adnej techniki redukcyjnej wobec pierwotnie wygenerowanej
liczby prbek, co pozwala na opis statystyczny zachowania konstrukcji lub jej elementu bez
spadku jakoci statystycznej tego opisu. Jednake metoda prbkowania bezporedniego moe
nie by wystarczajco szybka dla analizy konstrukcji o wielu stopniach swobody.
Ilustracj przykadowej populacji prbek przedstawia rys. 2.11.
Populacj uzyskan przez prbkowanie surowe mona ograniczy w prosty sposb,
bez zawizywania w proces generacji zazwyczaj zoonych operacji matematycznych,
przykadowo losowo wybierajc przyjcie lub odrzucenie wygenerowanej prbki. Takie
podejcie jest nazywane prbkowaniem chybi-trafi (hit-or-miss sampling), ale jest
rzadko stosowane w problemach szacowania niezawodnoci konstrukcji inynierskich,
ze wzgldu na rzeczony brak opisu matematycznego i zbyt du dowolno redukcji populacji.
Rys. 2.11. Przykadowa populacja prbek, wygenerowanych za pomoc prbkowania

bezporedniego (dla uproszczenia wielowymiarowe zagadnienie przedstawione jest tutaj
na paszczynie dwch wymiarw probabilistycznych wektora zmiennych losowych zadania).
Obecnie, duo bardziej popularne staj si techniki redukcji rozmiaru populacji prbek
wygenerowanych metod Monte Carlo, opisane w sposb cisy. Bardzo trudno jest jednak
dokona zamknitego podziau technik redukcji na odpowiednie grupy dua moliwo
manipulacji algorytmami generacyjnymi powoduje, e granice pomidzy poszczeglnymi
gaziami redukcji populacji s przesuwane lub zacierane. W niniejszej dysertacji
zdecydowano si na podzia technik redukcji na podejcie warstwowe i podejcie wagowe.
Pierwszym rodzajem technik generacji zredukowanej populacji prbek, majc poprawi czas
i koszt oblicze przy jednoczesnym zachowaniu dokadnoci oblicze jest prbkowanie
warstwowe, nazywane take prbkowaniem uwarstwionym (stratified sampling), gdzie
51
wielowymiarow przestrze realizacji dzieli si na podsektory, z ktrych wybiera si jedn

losow prbk realizacji niezalenie od ich pocztkowej iloci w sektorze. Rozwiniciem
prbkowania warstwowego, stosowanym przede wszystkich w konstrukcjach o duym stopniu
skomplikowania jest prbkowanie hiperszecianu aciskiego (latin hypercube
sampling), gdzie z odpowiedniego podziau na sektory uproszczone do jednej prbki, wybiera
si jedynie odpowiednio ulokowane w przestrzeni realizacji prbki reprezentatywne. Zalet
tego podejcia jest bardzo szybkie uzyskiwanie zbienoci rezultatw oraz zwyczajowo bardzo
due zyski co do wymaganej liczby koniecznych realizacji zmiennych losowych.
Drugim rodzajem technik redukcji populacji prbek jest prbkowanie wagowe, nazywane
take prbkowaniem waonym lub wanociowym (importance sampling), ktre w celu
wybrania okrelonej iloci prbek rozdziela nie przestrze, ale wybrane realizacje, niezalenie
od ich dystrybucji w przestrzeni n wymiarowej. Podejcie to jest bardzo uyteczne
w analizach niezawodnoci, mona bowiem tak sterowa doborem prbek, aby prbki
wybrane przez uytkownika zbieray realizacje podstawowych zmiennych losowych otaczajce
lub wypeniajce ogony rozkadw prawdopodobiestwa tyche zmiennych. Jedn z bardziej
rozpoznawanych technik reprezentujcych to podejcie jest prbkowanie rosyjskiej
ruletki i rozdzielania (russian roulette and splitting), ktre jest procesem wykonywanym
sekwencyjnie, w pewnej liczbie etapw. Pierwszym z nich jest podzia prbek na zasadzie gry
w rosyjsk ruletk na prbki istotne i nieistotne, z jednoczesnym nadaniem im odpowiednich
wag. Prbka istotna rozbita zostaje na kilka identycznych realizacji, natomiast prbka
nieistotna moe by wyeliminowana, z zadanym prawdopodobiestwem. Po przeprowadzeniu
obu operacji nastpuje aktualizacja wag poszczeglnych prbek, dla zachowania warunku
normalizacji (suma wszystkich wag rwna jednoci), po czym proces sekwencyjny zostaje
powtrzony [Hurtado i Barbat, 1988].
Wyrnione techniki prbkowania prbkowanie warstwowe, prbkowanie hiperszecianu
aciskiego, prbkowanie wagowe oraz prbkowanie rosyjskiej ruletki i rozdzielania zostan
szerzej opisane w niniejszej rozprawie, a ich dziaanie zostanie zaprezentowane w kolejnym
rozdziale na prostych prtowych nieliniowych modelach konstrukcji masztowych.
Populacje zestaww realizacji zmiennych losowych mona take zredukowa czysto
matematycznie (co nie zostanie szerzej poruszone w niniejszej dysertacji), przykadowo
technikami kontroli wariancji lub technikami wariancji przeciwstawnej. Dziki tym
technikom eksperymentator jest w stanie dokona popraw w funkcjonowaniu algorytmu
prbkowania, zastosowania przeszukiwania przestrzeni realizacji zadania lub technik
adaptacyjnych oraz ma moliwo wskazania wpywu zmian populacji prbek lub okrelonych
zmiennych losowych na prawdopodobiestwo prawidowego oszacowania szukanych wartoci.
Symulacje majce na celu optymalizacj wyniku poprzez takie wanie dziaania nazywa si
symulacjami ukierunkowujcymi (directional simulations) [Kahn, 1955].
2.6.2.1. Prbkowanie warstwowe

Prbkowanie warstwowe (stratified sampling) jest pierwsz z dwch podstawowych technik
redukcji wariancji symulacji metod Monte Carlo, jakie wyrnia si w literaturze
jako gwne gazie dokonywania ogranicze wielkoci populacji prbek.
52
W technice prbkowania warstwowego przestrze zmiennych losowych zadania dzieli si

na kilka rozcznych podprzestrzeni l (l = 1; 2; 3;...; L ) , nazywanych warstwami (std
nazwa prbkowania), ktre to podprzestrzenie speniaj podstawowe geometryczne zalenoci:
L
= l , i l = ,
l =1
(l
= 1, 2, 3,..., L ; i j ; i , j = 1, 2, 3,..., n )
(2.92)
gdzie liczba L okrela ilo wydzielonych rozcznych podprzestrzeni zmiennych losowych, do

kadej l tej podprzestrzeni przypisana jest odpowiednia wielko populacji prbek, zalenie
od wkadu podprzestrzeni w cakowite prawdopodobiestwo awarii [Rubinstein, 1981].
Ilustracja przykadowej populacji prbek, jak uzyskuje si w wyniku dziaania procesu
generacyjnego metody Monte Carlo, wzbogaconej o uycie techniki prbkowania
warstwowego, przedstawiona jest na rys. 2.12.
Zakadajc, e Pl ,(l = 1;2;3;...; L) oznacza prawdopodobiestwo znalezienia si w obszarze
danej l tej podprzestrzeni l , a Pfl
oznacza prawdopodobiestwo awarii realizacji
pochodzcej z tej podprzestrzeni, to cakowite prawdopodobiestwo awarii powodowane przez

realizacje z danej podprzestrzeni moe by wyraone jako
Pl =
f ( x ) dx
l
(2.93)
Rys. 2.12. Populacja prbek, wygenerowana z zastosowaniem prbkowania warstwowego

(wielowymiarowe zagadnienie przedstawione jest tutaj na paszczynie dwch wymiarw
probabilistycznych wektora standaryzowanych zmiennych losowych).
Dla obszaru danej l tej podprzestrzeni l zaproponowa mona dystrybuant rozkadu
prawdopodobiestwa fl ( x ) , ktra ma by realizowana przez losowo wygenerowan prbk
losow. Ma ona posta
0 dla x l
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
gdzie: xl j jest l j t wygenerowan prbk wektora realizacji zaczerpnit z l tej

podprzestrzeni l poprzez dobranie fl (x) jako dystrybuanty generacyjnej, Nl jest cakowit
liczb prbek wylosowanych za pomoc dobranej dystrybuanty generacyjnej fl (x) ,
a I 0/1 (g(xl j ) 0) jest wprowadzon zewntrznie dwupunktow funkcj charakterystyczn
zapisan na obszarze awarii fl , zaobserwowanym w l .
Szacowane prawdopodobiestwo awarii Pf realizacji pochodzcej z caoci przestrzeni l
mona zatem przedstawi jako sum wszystkich czciowych prawdopodobiestw awarii Pfl
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)
Warto wyniku powyszego rwnania jest czsto zwana estymatorem warstwowym

(prbkowanym warstwowo) prawdopodobiestwa awarii J MC ,SS .
Dysponujc oszacowanym estymatorem mona, za pomoc jego wariancji, identycznie
jak w przypadku metody Monte Carlo, wyrazi bd estymacji prawdopodobiestwa awarii.
Rwnie wspczynnik zmiennoci estymatora moe by skalkulowany analogicznie.
Prbkowanie warstwowe jest doskona technik redukcyjn dla metody Monte Carlo, gdy
powoduje zauwaalny spadek kosztu i czasu oblicze numerycznych dla praktycznie
wszystkich konstrukcji inynierskich. Wad tego typu prbkowania jest fakt, i w przypadku
zoonych konstrukcji inynierskich wymaga ona dobrania odpowiedniej strategii
warstwowania przestrzeni l a jej efektywno jest wwczas bardzo mocno zalena od
dobranych funkcji dystrybuant generacyjnych fl (x) [Feng i inni, 2010].
To, jak maj by dobrane warstwy (podprzestrzenie l ) mocno zaley od klasy problemu
inynierskiego. Jednake, dla dowolnie przyjtego podziau mona w atwy sposb oszacowa
optymaln liczb prbek koniecznych do wygenerowania w obrbie danej podprzestrzeni l ,
aby obliczenia byy efektywne. Wymaga to jedynie niewielkiej liczby testowych oblicze
wstpnych, pomagajcych znale momenty odpowiedzi probabilistycznych zmiennych
losowych zawizanych w zadaniu. Takie obliczenia nazywane s przedbiegami
lub przebiegami prbnymi (trial runs). T cech prbkowania rwnie naley zaliczy
do jego zalet, popularyzujcych t technik w projektowaniu inynierskim [Rubinstein, 1981].
Ilustracj przykadowej populacji prbek, jak uzyskuje si w procesie generacyjnym
z uyciem
prbkowania
warstwowego,
o
arbitralnie
dobranych
warstwach
(podprzestrzeniach l ), przedstawiaj rys. 2.13. oraz rys. 2.14.
54
Rys. 2.13. Populacja prbek, wygenerowanych przy uyciu prbkowania warstwowego

o podprzestrzeniach
o
nierwnym
podziale
pola
funkcji
rozkadu
gstoci
prawdopodobiestwa (wielowymiarowe zagadnienie przedstawione jest tutaj na paszczynie
dwch wymiarw probabilistycznych wektora zmiennych losowych).
Rys. 2.14. Populacja prbek, wygenerowanych przy uyciu prbkowania warstwowego

o podprzestrzeniach o nierwnej wadze skadowych funkcji rozkadu gstoci
prawdopodobiestwa (wielowymiarowe zagadnienie przedstawione jest tutaj na paszczynie
dwch wymiarw probabilistycznych wektora standaryzowanych zmiennych losowych).
2.6.2.2. Prbkowanie hiperszecianu aciskiego

Prbkowanie hiperszecianu aciskiego (latin hypercube sampling) jest rozwiniciem idei
jaka stoi za prbkowaniem wagowym. Prbkowanie tego typu jest jedn z najbardziej
efektywnych metod generowania prbek losowych moliwych do uzyskania z funkcji gstoci
rozkadu prawdopodobiestwa skadowych n wymiarowego wektora losowego.
Metoda ta jest obecnie szeroko stosowana w analizie niezawodnoci konstrukcji inynierskich.
W technice prbkowania aciskiego hiperszeciennego przestrze zmiennych losowych
zadania
rwnie
dzieli
si
na
kilka
rozcznych
podprzestrzeni l (l = 1; 2; 3;...; L ) ,
jednake istnieje pewne ograniczenie odnonie generacji prbek z danych podprzestrzeni.
55
W prbkowaniu warstwowym, w pojedynczej generacji, z kadego zaproponowanego przez

projektanta l tego podprzedziau okrelonego dla pojedynczego i tego wymiaru skadowej
wektora zmiennych losowych (Xi ) , generowana jest okrelona ilo prbek w ten sposb,
aby zachowana bya wzajemno relacji midzy wszystkimi n wymiarami, a wygenerowane
prbki zawieray losowe realizacje wszystkich pozostaych wymiarw wektora X .
W prbkowaniu aciskim hiperszeciennym natomiast, w pojedynczej generacji z kadego
l tego podprzedziau okrelonego dla pojedynczego i tego wymiaru skadowej wektora
zmiennych losowych, generowana jest jedynie jedna prbka, stworzona na zasadzie
kombinatoryki pomidzy wszystkimi n wymiarami wektora X [McKay i inni, 1979].
Dziaanie takie moe by zobrazowane podobiestwem do tzw. kwadratu aciskiego
Eulera, ktry jest l poziomow, dwuwymiarow tablic liczbow wypenion liczb L
rnych wartoci (w oryginalnym sformuowaniu Eulera byy to litery alfabetu aciskiego,
zostaa std zaczerpnita nazwa techniki), w ten sposb, e w danym i tym wierszu oraz
kolumnie i ty element wystpuje tylko na jednym miejscu (przeciciu kolumny i wiersza).
Moliwoci stworzenia kwadratu aciskiego jest skoczenie wiele, liczba ta jednak (porednio
w zalenoci od wymiaru l podpodziau tablicy liczbowej) jest satysfakcjonujco dua,
aby zaanektowa j jako liczb generowanych prbek dla metod symulacyjnych.
Przykad kwadratu aciskiego, ktrego wartoci jest kolor, zaprezentowano na rys. 2.15.
Rys. 2.15. Witra upamitniajcy R.A. Fishera, twrc eksperymentalnego projektowania

probabilistycznego, przedstawiajcy pomys wykorzystania wzoru kwadratu aciskiego
w technikach redukcji populacji prbek, zaprojektowany przez jego studenta, A.W.F.
Edwardsa. Witra znajduje si w Caius College, w Cambridge. Jest wykonany jako kwadrat
aciski o wymiarach 7x7, ktrego tworzc jest kolor (w tym przypadku barwa szka).
56
Hiperszecian aciski Eulera jest uoglnieniem pojcia kwadratu aciskiego na dowoln

liczb wymiarw (w oglnoci na n wymiarw przestrzeni realizacji wektora zmiennych
losowych X ). W celu pobrania prbki losowej z funkcji n wymiarowej zmiennej losowej,
zakres zmiennoci kadego wymiaru realizacji zmiennej losowej rozdziela si na l rwnie
prawdopodobnych do zaistnienia podprzedziaw, z ktrych generuje si tylko jedn prbk,
lec na kadej krawdzi przecicia si podprzedziaw l kadego z n wymiarw.
Wylosowane prbki mog by podjte z jednego punktu przecicia krawdzi tylko raz,
pamitajc jednak, i kombinacji rozoenia punktw realizacji zmiennych losowych
na krawdziach przecicia jest wiele [Iman i Conover, 1980; Iman i inni, 1981].
Maksymaln liczb kombinacji (a co za tym idzie maksymaln, moliw do pobrania liczb
prbek) dla prbkowania hiperszecianu aciskiego n wymiarowej przestrzeni zmiennych
losowych , z ktrych kady z wymiarw zosta podzielony na l rwnie prawdopodobnych
podprzedziaw, mona obliczy nastpujco
n 1
l 1
Lx = (l j )
j =0
= (l ! )
n 1
(2.97)
Prbki na danym podprzedziale l kadego z n wymiarw s najczciej dobierane

za pomoc odwrotnoci dystrybuanty rozkadu prawdopodobiestwa pojedynczej skadowej
wektora zmiennej losowej (Xi ) , w sposb okrelony wzorem
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.
Rys. 2.16. Populacja prbek, wygenerowanych przy uyciu prbkowania hiperszecianu

aciskiego (wielowymiarowe zagadnienie przedstawione jest tutaj na paszczynie dwch
wymiarw probabilistycznych wektora standaryzowanych zmiennych losowych).
57
Dla tak przygotowanej liczby Lx prbek realizacji wektora zmiennych losowych X

podj mona estymacj prawdopodobiestwa awarii konstrukcji w sposb analogiczny do tej,
proponowanej przez metod Monte Carlo. Zapisa j mona rwnaniem
Pf
( ( ) ) =J
ik 0
n g x
Nx
(2.99)
MC ,LHS
ik ) 0) oznacza liczb prb symulacji dla ktrych konstrukcja inynierska ulega

gdzie n(g(x
awarii, a N x oznacza cakowit liczb prb uytych w symulacji (przy czym N x Lx ).
2.6.2.3. Prbkowanie wagowe

Prbkowanie wagowe, waone lub wanociowe (importance sampling) jest drug
z podstawowych technik redukcji wariancji symulacji metod Monte Carlo, jakie wyrnia si
w literaturze jako gwne gazie technik dokonywania ogranicze wielkoci populacji prbek.
W technice prbkowania wagowego przestrze zmiennych losowych zadania zostaje tak
zaaranowana, aby mc wydzieli z niej obszary majce najwiksze znaczenie w analizie
probabilistycznej, bd te maj najwikszy wpyw na interesujcy inyniera rezultat.
Najbardziej istotnym pojciem teje techniki jest pojcie wagi (wanoci) funkcji doboru
realizacji, okrelajcym znaczenie wygenerowanej wartoci dla ksztatowania si uzyskiwanego
wyniku [Ziha, 1995].
Zapisa mona ponownie wyjciowy estymator prawdopodobiestwa awarii wg metody Monte
Carlo z uyciem funkcji charakterystycznej:
Pf
1
N
I ( g ( x ) 0) = J
i =1
0/1
(2.86)
MC
Wprowadzi mona za wektor realizacji zmiennych losowych przestrzeni realizacji X

nowy wektor realizacji zmiennych losowych, ulokowany w przestrzeni realizacji W , o znanej
funkcji gstoci rozkadu prawdopodobiestwa fW (wi ) , dobranej w ten sposb, aby wariancja
oszacowanego prawdopodobiestwa awarii ulega widocznej redukcji [Kahn i Marshall, 1953].
Poprawiony technik prbkowania wagowego estymator prawdopodobiestwa awarii wyrazi
mona wwczas rwnaniem
Pf
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
kwesti sprawnoci techniki w obliczeniach numerycznych. Stosunek ten musi koniecznie by

ograniczony, inaczej projektant naraa si na nieprawidowe wyrnienie takiej grupy
elementw prby losowej, dla ktrych rezultaty s niekonsystentne lub nieprawidowe.
Prawidowo
dziaania
techniki
pozwala
kontrolowa
prawdopodobiestwa awarii , ktr mona zapisa rwnoci:
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)
co mona rwnie zapisa jako

VPf = E W

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.
2.6.2.4. Prbkowanie rosyjskiej ruletki i rozdzielania

Prbkowanie wagowe dopuszcza w swoim zaoeniu istnienie prbek o maym znaczeniu
dla osignicia podanego rozwizania, a sensem poprawnego posugiwania si technik jest
zapewnienie jak najmniejszego udziau tych prbek w osiganiu kocowego rezultatu. Kada
prbka o maej wadze wprowadzona do oblicze metody Monte Carlo doprowadza bowiem do
wyduenia czasu obliczeniowego, jednoczenie nie pomagajc w osiganiu zbienoci przez
rozwizanie, a czsto nawet powodujc odbieganie od docelowej wartoci wynikowej.
Istniej jednake podejcia, ktre proponuj ekstremalne postpowanie z prbkami o maej
wadze. W metodologii symulacji losowych procesw dynamicznych stosowane s techniki,
ktre sztucznie zwielokrotniaj liczb prbek o duej wadze dla osignicia podanego
rozwizania, a ograniczaj wpyw prbek o maej wadze, przykadowo uywana w fizyce
molekularnej technika podwajania i zbijania (double-and-clump sampling).
Podejcie to mona kocowo rozwin do sytuacji, w ktrej prbki o maej wadze nie s
jedynie zbijane (ich wkad jest sztucznie minimalizowany), a s wprost zabijane
(s cakowicie wyrzucane z oblicze). Technika ta jest znana pod pojciem prbkowania
rosyjskiej ruletki i rozdzielania (russian roulette and splitting sampling).
Termin rosyjska ruletka jest nieprzypadkowym odniesieniem do zabjczej eliminacji
(gry z wysokim prawdopodobiestwem wystpienia eliminacji), prowadzcej do przerzedzenia
populacji prbek realizacji zmiennych losowych. Termin rozdzielanie wie si natomiast
z pomnaaniem przez podzia liczby prbek pozostaych w procesie, tak, aby ich cakowita
ilo utrzymywaa si na staym poziomie. Fakt, i wyrzucanie prbek z symulacji bez zmiany
momentw odpowiedzi rozkadu prbkowania jest niemoliwe, prowadzi do stwierdzenia
powanej wady metody, jak jest spadek iloci informacji statystycznej o procesie
projektowym, ktr inynier moe dysponowa [Pradlwarter i Schueller, 1997].
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
dokonaniem pojedynczej gry rosyjskiej ruletki, a funkcja
charakterystyczna I 0/1(Xn (t ), x) przyjmuje wartoci
0 dla X nk x k
I 0/1 ( Xn (t ) , x ) =
,
1 dla Xnk < x k
(k
= 1; 2; 3;...; nt )
(2.104)
gdzie: Xn (t ) to wektor stanu zmiennej losowej, x to wektor pocztkowy realizacji zmiennej

losowej, a k to liczba krokw czasowych (stanw) procesu.
W momencie osignicia okrelonego kroku algorytmu nastpuje pojedyncza gra rosyjskiej
ruletki i te prbki, ktre zostay wskazane jako niewane (nie lece w interesujcym
inyniera obszarze) zostaj cakowicie wyeliminowane. Aby poziom liczby prbek pozosta
niezmieniony (mimo cakowitej eliminacji niektrych z nich, dokonanej w trakcie pojedynczej
gry) te, ktre przetrway gr, zostaj rozdzielone na okrelon liczb takich samych realizacji
wektora zmiennych losowych o rwnomiernie rozdzielonej pomidzy nowe prbki wadze.
Ilustracj schematu dziaania algorytmu doboru prbek technik
i rozdzielania przedstawia rys. 2.17.
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)
Takie postpowanie powoduje, i rozkad prbkowania ma takie same wartoci oczekiwane

przed pojedyncz gr, jak i po niej, ale ma rne wariancje, co jest jednym z kosztw
rozdzielania wektora realizacji w kilka niezalenych prbek w obszarach zainteresowania
analizy (zupenie tak samo dzieje si przy posugiwaniu si prbkowaniem wagowym).
Technika rosyjskiej ruletki i rozdzielania jest do prosta w stosowaniu i doskonale nadaje si
do zoonych procesw i konstrukcji inynierskich, szczeglnie nieliniowych. Dla konstrukcji
prostych rwnie potrafi osiga zadowalajce rezultaty, gdy ze wzgldu na cakowit
eliminacj prbek, koszt zwikszenia wariancji jest czsto wyrwnywany zyskiem czasu
oblicze. Procedura ta jest take niezalena od wymiaru wektora zmiennych losowych.
Wanym elementem generacji przy uyciu techniki rosyjskiej ruletki i rozdzielania jest
odpowiednie dobranie kroku czasowego dokonywania gry na populacji. Z racji tego,
i prbki s na skutek gry cakowicie odrzucane (co zmienia wariancj rozkadu generacji)
efekt stosowania techniki redukcyjnej na wariancj musi by cile kontrolowany na kadym
z krokw. Nieumiejtne sterowanie krokiem czasowym moe spowodowa, i wariancja
rozkadu generacji prbek nie bdzie skoczona [MelnikMelnikow i Dechtiaruk, 2000].
61
2.6.3. Ilustracja numeryczna wpywu technik redukcyjnych

na obliczenia metod Monte Carlo
Podejcia symulacyjne i probabilistyczne, co zostao ju podkrelone w rozprawie, dostarczaj
interesujcych inyniera wynikw w sposb bardzo atwy do realizacji i s obecnie jedn
z podstawowych strategii szacowania niezawodnoci problemw inynierskich. Jednake
zgodzi trzeba si z oglnie utrwalonym stwierdzeniem, i mimo wszystkich zalet
bezporedniego podejcia metody Monte Carlo, kwesti podan w obliczeniach
numerycznych jest zredukowanie liczby prbek losowych, jakie trzeba wczy do analizy.
Trudno jest jednak przewidzie, ktra z zasygnalizowanych technik redukcji wariancji
jest najbardziej skuteczna, zaley to gwnie od klasy problemu jaki jest rozwaany.
Ilustracja tego wpywu zostanie wskazana w niniejszym rozdziale na numerycznym
przykadzie poszukiwania stanu granicznego geometrycznie nieliniowego modelu prtowego
masztu. Wpierw, w celu wprowadzenia w problematyk oblicze przedstawiony zostanie
model geometrycznie dwuwymiarowy z jednym stopniem swobody, a nastpnie, w celu
wskazania wpywu technik redukcyjnych model geometrycznie trjwymiarowy z dwoma
stopniami swobody. W obu przypadkach, w modelach zakada si wstpne imperfekcje
odchylenia masztu od pionu i niepewnoci materiaowe staej sprystoci odcigw.
Odchylenia te s traktowane jako pocztkowe zmienne losowe.
W pierwszej kolejnoci zostanie zaprezentowana skuteczno dziaania zarwno bezporedniej
metody Monte Carlo, jak i dobranych do zada technik redukcji wariancji generowanych
prbek. Analizowany jest wpyw redukcji populacji na szybko osigania zbienoci
pierwszych trzech probabilistycznych momentw odpowiedzi: wartoci oczekiwanej,
odchylenia standardowego (badanie pierwszych dwch momentw jest zadaniem
obligatoryjnym w analizy niezawodnoci) oraz skonoci (zadanie wykonywane kontrolnie).
Zbadana zostanie take zmienno wartoci krytycznego obcienia ciskajcego masztu
(podawanego jako mnonik wyjciowego poziomu obcienia), prowadzcego do awarii
konstrukcji. Zadanie to wykonuje si ustalajc warto jednej wybranej imperfekcji,
a nastpnie odczytujc zakres zmiennoci odpowiedzi modelu konstrukcji (zachowania si
cieek rwnowagi) dla najbardziej skrajnych przypadkw wartoci pozostaych zmiennych.
Jest to badanie wskazujce wpyw imperfekcji na uzyskiwane przez inyniera rezultaty.
Pamita naley, e due zrnicowanie rezultatw pyncych z modeli o maym stopniu
skomplikowania moe posuy jako wskanik skali problemu, z jakim mona spotka si
w rzeczywistej inynierii, posugujcej si duo bardziej skomplikowanymi modelami.
W literaturze dostrzec mona du dostpno wielu rnorodnych, doskonale opisanych
matematycznie, prostych modeli nieliniowych konstrukcji inynierskich. Dwa przykady,
ktre zostay przedstawione w rozdziaach 2.6.3.1 oraz 2.6.3.2 [Baant i Cedolin, 1991;
Hjelmstad, 2005] wybrane zostay z dostpnej puli modeli gwnie ze wzgldu na ich cise
nawizanie do rzeczywistych konstrukcji inynierskich, konkretnie do masztw z odcigami.
W obu przedsiwzitych do analizy modelach naley take wskaza ich stosunkowo
nieskomplikowany cisy opis matematyczny, co jest bardzo korzystne przy pniejszym
porwnawczym zestawianiu jawnie obliczonych krytycznych mnonikw siy obciajcej
z rezultatami otrzymanymi symulacyjnie.
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].
2.6.3.1. Model 2-D

W pierwszej kolejnoci podejmuje si w rozprawie analiz modelu dwuwymiarowego
geometrycznie, o jednym stopniu swobody
Rozwaa si nieskoczenie sztywny (EA [kN] = ; EJ [kNm2 ] = ) pionowy element prtowy
o dugoci l [m] (maszt), ktry u dou jest zamocowany przegubowo w podou, a u szczytu
podparty liniow, poprowadzon pod ktem [rad] spryn (odcigiem), zaczepion
przegubowo zarwno do podoa, jak i do samego elementu prtowego. Spryna ma zadan
sztywno liniow, rwn k [kN m] . Punkty podparcia spryny i elementu prtowego s
oddalone od siebie o dystans rwny a [m] . Maszt obciony jest u szczytu si pionow
o wartoci P [kN] .
Konstrukcj przedstawiono na rys. 2.18.
Pozycj sztywnego elementu prtowego masztu mona zdefiniowa wycznie jednym
stopniem swobody ktem obrotu elementu wzgldem kierunku pionu, oznaczanego [rad].
Zakada si jednak, e maszt ma pewn niezamierzon niedoskonao wykonania, ktra
objawia si utrat jego pionowoci. Imperfekcj t opisuje si za pomoc kta pocztkowego
pochylenia elementu 0 [rad]. Jest ona jedn z imperfekcji losowych w ukadzie, obok
wspomnianej sztywnoci liniowej spryny odcigu k .
W modelu zakada si, i nie dopuszcza si powstawania w sprynie si ciskajcych,
co powoduje, i rzeczywicie mona mwi o sprynach jako o typowych odcigach masztw.
Ponadto zaoy mona bliniaczy model, gdzie u szczytu zamocowane s dwie spryny,
a nie jedna, jak w tym przypadku (przy czym cao ukadu pozostaje w paszczynie
geometrycznie dwuwymiarowej), co dawaoby peen, rzeczywisty obraz masztu poprawnego
w sensie inynierskim. Zaprezentowany w pracy przypadek jest w tym wietle pewnego
rodzaju uproszczeniem dla modelu z dwiema sprynami, wykorzystujcym symetri
rzeczywistej pracy tyche konstrukcji (zakadajc ich dwuwymiarowo).
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.
Rys.2.18. Dwuwymiarowy geometrycznie model nieskoczenie sztywnego

prtowego (masztu), podpartego za pomoc jednej spryny (odcigu).
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)
gdzie: x = l sin jest przemieszczeniem poziomym szczytu masztu (ramieniem siy P ),
r jest ramieniem siy panujcej w sprynie odcigu, a s osiowym wydueniem odcigu.

Wyduenie spryny s mona opisa rwnaniem
s = s s0
(2.109)
gdzie s jest dugoci spryny rozcignitej obrotem o kt , a s0 jest dugoci spryny

rozcignitej niezamierzonym obrotem o kt 0 .
Zakadajc trygonometryczne zalenoci a 2 + l 2 = s 2 dla obu stanw wychylenia masztu:
(a + a ) + (l l )
2
(a + a ) + (l l )
2
= s0 2 ;
= s 2 (2.110);(2.111)
otrzyma mona rwno

s =
(a + a ) + (l l )
2
(a + a ) + (l l )
2
(2.112)
64
Rozwijajc
kolejno
skadniki
przyrostw
dugoci
spryny: a0 = l sin 0 ,
rzutw
a = l sin , ; l l0 = l cos 0 oraz l l = l cos , otrzyma mona prostszy zapis
s =
(a + l sin )
(a + l sin 0 )
+ (l cos )
2
+ (l cos 0 )
(2.113)
co mona zapisa rwnowanie, wykorzystujc zwizek sin2 ( i ) + cos2 ( i ) = 1 , jako

s = a 2 + 2 al sin + l 2 a 2 + 2 al sin 0 + l 2
(2.114)
lub, w uproszczeniu, podstawiajc wyjciowy kt pochylenia spryny ( = a l ) , jako

s = l
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)
otrzymujc w wyniku rwnanie
a
l l
s
r =
(2.118)
co mona, podstawiajc wspomniany powyej zwizek trygonometryczny l l = l cos

oraz zaleno (2.111), rozwin kolejno do postaci
r =
(a + a ) + (l l )
2
l cos =
a l cos
+ 2 sin + 1
2
a cos
+ 2 sin + 1
2
(2.119)
Podstawiajc przedstawione powyej wyprowadzone rwnoci do wyjciowego rwnania

rwnowagi ukadu (2.108), otrzymuje si
P = k l
2 + 2 sin + 1 2 + 2 sin 0 + 1
a cos
1
(2.120)
2 + 2 sin + 1 l sin
ktry to zapis mona przedstawi w najprostszej postaci, jako

P ( ) = k a
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
gdzie h jest wysokoci punktu przyoenia siy ponad poziom podparcia
) (
h = l0 l = l l0 l l = l cos 0 l cos = l ( cos 0 cos )
(2.123)
Podstawiajc wyprowadzon wysoko punktu przyoenia siy (2.123) do wzoru na energi

modelu (2.122), otrzymuje si
V =
k
l
2
2 + 2 sin + 1 2 + 2 sin 0 + 1
P l ( cos 0 cos )
(2.124)
z ktrej to rwnoci wyznaczy mona przebieg krzywej (oznaczanej przez s( )),

rozgraniczajcej (wspomniane w rozdziale poprzedzajcym) stabilne i niestabilne cieki
rozwizania zalenoci kta wstpnej imperfekcji utraty pionowoci elementu 0 od siy P .
Jeli druga pochodna czstkowa z energii modelu, obliczana wzgldem stopni swobody
modelu (w tym przypadku wzgldem jednego stopnia kta ) jest skoczona,
to rozwizanie jest stabilne wycznie takie przypadki s rozwaane w niniejszej rozprawie.
Pochodn czstkow energii mona zapisa rwnaniem
2V
2 k l
=
0
2
2 2
2 + 2 sin + 1 2 + 2 sin 0 + 1
P l ( cos 0 cos ) = 0 (2.125)
tak wic wzr krzywej rozgraniczajcej mona sformuowa w postaci

k l
s ( ) =
cos
2 cos2
2 + 2 sin 0 + 1
+ 2 sin + 1
2
+ sin
sin (2.126)
2 + 2 sin + 1
2 + 2 sin 0 + 1
Zakadajc, i a = l ( = 1) , zaprezentowa mona przykadowo zachowanie si zalenoci

wartoci siy ledzcej P od kta obrotu elementu wzgldem pionu (rys. 2.19).
Przypomnie naley, i zadecydowano przyj, e warto imperfekcji kta pocztkowego
pochylenia elementu 0 nie moe przybra wartoci ujemnych. Dziki temu stanem
granicznym jest osignicie granicznego kta obrotu elementu rwnowane z osigniciem
punktu granicznego na ciece postkrytycznej w zakresie sprystym pracy konstrukcji.
W sytuacji prowadzenia oblicze na wielowymiarowej zmiennej losowej wyznaczenie zbioru
punktw granicznych wszystkich cieek postkrytycznych, wygenerowanych z towarzyszcych
zbiorw realizacji wartoci imperfekcji konstrukcji, moe by w prosty sposb wykonywalne
za pomoc metody powierzchni odpowiedzi. Ze wzgldu na spektrum zainteresowa w pracy,
moliwoci metody zostan szerzej zaprezentowane w kolejnych przykadach numerycznych.
Ponadto, jeeli zdefiniowana jest funkcja rozkadu prawdopodobiestwa kta pocztkowego
pochylenia elementu 0 , a granice moliwych do zaistnienia wartoci imperfekcji s wyranie
okrelone, to moliwe jest uzyskanie rozkadu gstoci prawdopodobiestwa wynikowej
odpowiedzi konstrukcji, czyli nonoci granicznej elementu Ncr . Jeeli dana jest take
rzeczywista, inyniersko zweryfikowana funkcja rozkadu prawdopodobiestwa moliwych do
zaistnienia wartoci obcienia P , to dodatkowo oszacowa mona realn niezawodno
konstrukcji.
66
Rys.2.19. Dopuszczalny zakres wartoci siy ledzcej P w zalenoci od kta obrotu

elementu wzgldem pionu oraz znaku kta pocztkowego pochylenia elementu 0 .
Przerywan lini zaznaczono cieki niestabilne, lini cig oznaczono cieki stabilne.
Lini czerwon zaznaczono ten fragment cieki stabilnej, jaki rozwaany jest w zadaniu.
Lini pomaraczow oznaczono krzyw rozgraniczajc (2.126).
2.6.3.2. Model 3-D

W dalszej kolejnoci podejmuje si w rozprawie analiz modelu trjwymiarowego
geometrycznie, o dwch stopniach swobody. Ponownie rozwaa si nieskoczenie sztywny
(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,
Powinno si w tym miejscu zaznaczy, i zdecydowano si ustali warto sztywnoci liniowej

spryny k1 jako jednostkow, celowo pomijajc jej teoretyczn losowo (dokonano tego
majc wiadomo, i w rzeczywistoci inynierskiej oba odcigi s zapewne wykonywane
z identycznego materiau, wic jeli s traktowane jako obarczone losowymi niepewnociami,
to niepewnoci te powinny by rwnowane), tracc przy tym inyniersk natur zagadnienia.
Dziaaniem takim posuono si w celu bardziej wyranego uwidocznienia wkadu rnicy
sztywnoci obu wprowadzonych do ukadu spryn na cieki rwnowagi ukadu oraz na si
krytyczn, jak element masztu jest w stanie przenie bez wystpienia jego duych obrotw
i przemieszcze. Rnica ta w bardzo znaczcy sposb rysuje si w odpowiedzi konstrukcji
i zostaaby zatarta w rezultatach numerycznych, gdyby obie spryny zostay potraktowane
jako obarczone rwnoprawnymi losowymi niepewnociami. Moliwo dostrzeenia
zrnicowania odpowiedzi konstrukcji wzrasta bowiem wraz ze zmian odlegoci midzy
wartociami oczekiwanymi losowych zmiennych podstawowych sztywnoci liniowych spryn
k1 oraz k2 w przestrzeni realizacji.
Sta sprystoci spryny k2 przyjto zatem jako jedyn materiaow zmienn losow,
a jej wartoci
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.
Rys.2.20. Trjwymiarowy geometrycznie model nieskoczenie sztywnego

prtowego (masztu), podpartego za pomoc dwch spryn (odcigw).
elementu
68
W modelu tym take zakada si brak dopuszczania powstawania si ciskajcych

w sprynie. Gdyby zaoy bliniaczy model, gdzie u szczytu zamocowane s kolejne dwie
spryny, w obu pionowych paszczyznach obecnych spryn, usytuowanych symetrycznie
wzgldem osi masztu do istniejcych, to mona by mwi o w peni rzeczywistym maszcie.
Model ten jest wic, mimo swojej prostoty, dobrym obrazem realnej konstrukcji inynierskiej.
Elementem rozwizania, prowadzcym do uzyskania zamknitej formuy na obliczenie
zalenoci wartoci siy ledzcej P od kta wstpnej imperfekcji utraty pionowoci elementu
0 oraz kta obrotu elementu wzgldem konfiguracji pocztkowej 0 jest w oglnym
przypadku kalkulacja energii wewntrznej modelu konstrukcji masztu, ktr dla tego zadania
zapisa mona rwnaniem
V = Ek E p =
k s12 k s22
+
P h
2
2
(2.127)
gdzie h jest wysokoci punktu przyoenia siy ponad poziom podparcia
h = l ( cos 0 cos )
(2.128)
Punktem wyjcia do oblicze interesujcej odpowiedzi konstrukcji s kalkulacje

podstawowych rwna rwnowagi, ktre w tym przypadku mona wyrazi za pomoc
odpowiednich rwnoci zawierajcych pochodne czstkowe pierwszego rzdu z energii ukadu,
obliczane wzgldem poszczeglnych stopni swobody elementu. Problem podstawowy
zachowania rwnowagi modelu mona wyrazi za pomoc nastpujcej rwnoci:
V
V
= 0 oraz
=0
(2.129);(2.130)
Obliczenie osiowych wydue odcigw s1, s2 oraz przedstawienie wyprowadzenia

zalenoci
wartoci
siy
ledzcej
od
ktw
obrotu
elementu
P(, )
do
skomplikowanymi procedurami matematycznymi i przedstawienie ich w tekcie rozprawy

mogoby przysoni waciwe cele analizy, zostan zatem pominite.
Dziki wyznaczeniu energii modelu V , wyznaczy mona ponownie przebieg krzywej s(, ) ,
rozgraniczajcej stabilne i niestabilne cieki rozwizania problemu. Prowadzca do
wskazania zalenoci druga pochodna czstkowa z energii modelu, obliczana wzgldem stopni
swobody modelu ma wwczas nastpujc posta:
2
2V 2V 2V
=0
2 2
(2.131)
Nastpny krok analizy dotyczy problemu losowoci parametrw konstrukcji.

Oprcz wspomnianej i opisanej zmiennoci losowej staej sprystoci odcigu k2 , w modelu
pojawiaj
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
poszczeglne niepewnoci maj na zachowanie si zalenoci P(, ) . cieki
rwnowagi modelu staj si w tym przypadku skomplikowanymi krzywymi przestrzennymi.

Jedynym sposobem, w jaki mona pogldowo zilustrowa oddziaywanie imperfekcji
na przebieg rozwizania jest obranie jednej ze zmiennych losowych jako faktyczn zmienno
i zachowanie wszystkich jej charakterystyk probabilistycznych, natomiast dla wszystkich
pozostaych zmiennych losowych dokonanie ich chwilowego ustalenia poprzez nadpisanie
zamiast odpowiednich losowoci wartoci rednich tych zmiennych lub wartoci wybranych
przez projektanta, z czego w niniejszej pracy bdzie si korzystao znacznie czciej.
Poniej, w trjwymiarowym ukadzie zalenoci P(, ) , przedstawiono trzy rozwizania
cieek rwnowagi zadania, sporzdzone dla trzech wariantw w pierwszej kolejnoci ustala
si jako zmienn losow sta sprystoci drugiego odcigu k2 , ustalajc wartoci
niezamierzonych obrotw (0 , 0 ) jako wartoci rednie ich rozkadw prawdopodobiestwa.
Nastpnie, w analogiczny sposb przyjmuje si jako podstawow zmienn losow kt
pocztkowego pochylenia 0 , a ustala si wartoci parametrw (k2 , 0 ) . Kocowo, jako
zmienn przyjmuje si kt obrotu elementu 0 , a ustala wartoci parametrw (k2 , 0 ) .
1.1. Zmienno staej sprystoci odcigu.
cieki rwnowagi wyznaczone dla pierwszego przypadku analizy (zmienne k2 , stae 0 , 0 )
zaprezentowano na rys. 2.21.
Na podstawie rysunku zauway mona, i efekt zmiany staej sprystoci odcigu jest
bardzo widoczny. Pierwsza cieka rwnowagi zaznaczona jest na rys. 2.21 kolorem zielonym
i sporzdzona jest dla k2 = 0,5 kN m , natomiast druga cieka rwnowagi zaznaczona jest na
rys. 2.21 kolorem niebieskim i jest sporzdzona dla k2 = 1,0 kN m .
Midzy zaprezentowanymi przebiegami cieek rwnowagi widoczna jest nie tylko rnica
dzielcego je dystansu w przestrzeni realizacji, ale przede wszystkim rnica charakteru ich
przebiegu. Pierwsza ze cieek (k2 = 0,5) prowadzi do uzyskania zdecydowanie niszej siy
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 .
Rys.2.21. cieki rwnowagi dla modelu trjwymiarowego, geometrycznie nieliniowego,

pierwszy przypadek analizy: k2 0, 075 ;1, 0 kN m , 0 = 0,01 rad oraz 0 = 0, 75 rad .
1.2. Zmienno kta pocztkowego pochylenia masztu.
cieki rwnowagi wyznaczone dla drugiego przypadku analizy (zmienne 0 , stae k2 , 0 )
Na podstawie rysunku zauway mona, i efekt zmiany kta pocztkowego pochylenia
masztu jest rwnie widoczny, lecz nie jest on tak wyrany, jak w przypadku
poprzedzajcym. Pierwsza cieka rwnowagi zaznaczona jest na rys. 2.22 kolorem niebieskim
i sporzdzona jest dla 0 = 0,00005 rad , natomiast druga cieka zaznaczona jest na rys. 2.22
kolorem zielonym i jest sporzdzona dla 0 = 0,01 rad.
Midzy obiema granicami obwiedni przebiegu cieek rwnowagi widoczna jest przede
wszystkim rnica dystansu w przestrzeni realizacji. Pierwsza ze cieek (0 = 0,00005)
bardzo szybko doprowadza do osignicia siy krytycznej Ncr , przy towarzyszcym jej
niewielkim wychyleniu . Po osigniciu teje wartoci nastpuje taki sam efekt, jaki
obserwowano poprzednio dla przypadku (k2 = 1,0) , tj. wystpienie nagego obrotu wzgldem
konfiguracji pocztkowej . Identyczny efekt wystpuje dla drugiego z przebiegw
(0 = 0, 01) , tutaj jednak zaobserwowa mona si krytyczn Ncr nieco nisz,

ni poprzednio i wystpujc przy znacznie wikszym wychyleniu . Przy dalszym przyrocie
kta pochylenia obie cieki wykazuj niemale identyczne zachowanie.
71
Na podstawie tego przykadu mona z ca stanowczoci stwierdzi, i fakt pojawiania si

nagego obrotu przypisany jest identycznoci sztywnoci obu spryn podtrzymujcych
maszt, jako, e w zadaniu tym warto staej sprystoci k2 ustalono na jednostkow,
identyczn z k1 = 1, 0 , a w zadaniu poprzedzajcym krzywa zachowujca si w jednakowy
sposb zostaa sporzdzona dla sytuacji, w ktrej k2 = 1,0 kN m .

drugi przypadek analizy: k2 = 1,0 kN m , 0 107 ; 32 rad oraz 0 = 0,75 rad.
1.3. Zmienno kta pocztkowego obrcenia masztu.
cieki rwnowagi wyznaczone dla drugiego przypadku analizy (zmienne 0 , stae k2 , 0 )
Na podstawie rysunku zauway mona, i efekt zmiany kta pocztkowego obrcenia masztu
zdaje si mie najmniejsze znaczenie dla pracy konstrukcji. Pierwsza zaprezentowana cieka
rwnowagi zaznaczona jest na rys. 2.23 kolorem niebieskim i sporzdzona jest dla
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
Na podstawie tego przykadu mona potwierdzi brak pojawiania si nagego obrotu

w przypadku braku identycznoci sztywnoci spryn. W zadaniu tym warto staej
sprystoci k2 ustalono na k2 = 0, 8 kN m , co wyranie w obu przypadkach wygadzio
przebieg rozwizania w przestrzeni realizacji zmiennych losowych.

trzeci przypadek analizy: k2 = 0, 8 kN m , 0 = 0,01 rad oraz 0
21 39
; rad .
40 40
2. Badanie zbienoci wartoci probabilistycznych momentw odpowiedzi siy

krytycznej Ncr masztu, przy wykorzystaniu rnych technik redukcji wariancji.
Na podstawie powyszych przykadw potwierdzi mona tez, i obliczenia wprowadzajce
elementy podejcia losowego do wartoci liczbowych parametrw konstrukcji mog dawa
do nieprzewidywalne i skomplikowane rezultaty, nawet w przypadku tak prostego modelu.
Widoczne w przedstawionych w powyszych ustpach przykadach numerycznych zmiany
pooenia punktu osigania siy krytycznej Ncr w przestrzeni realizacji zmiennych losowych
oraz sama zmienno teje wartoci wskazuj wyranie, i obliczenia te nie mog zosta
wykonane na pojedynczych wektorach realizacji, ale musz by przeprowadzone bardziej
zaawansowanymi metodami probabilistycznymi, na duo wikszej populacji prbek losowych.
Takie podejcia s z reguy czasochonne, a dua ilo niezbdnych symulacji lub zoono
metod zamknitych powoduj trudnoci w posugiwaniu si tymi operacjami.
W niniejszej rozprawie zdecydowano si przedsiwzi podejcie symulacyjne metody Monte
Carlo, gwnie aby wskaza, i symulacje nie powinny by z gry klasyfikowane jako
nieefektywne lub czasochonne, a techniki redukcji wariancji populacji, jakich opisy
matematyczne s dostpne w literaturze mog rzeczywicie posuy do wyranego
polepszenia skutecznoci dziaania metody.
73
2.1. Metoda Monte Carlo z prbkowaniem bezporednim

W analizie tej, za pomoc bezporedniej metody Monte Carlo, bez uycia jakichkolwiek
technik redukcyjnych, dokonano w pierwszej kolejnoci generacji populacji 5000 prbek, czyli
realizacji wektorw losowych trzech zmiennych parametrw konstrukcji (k2 , 0 , 0 ),
uywanych w modelu. Nastpnie, dla kadej pojedynczej realizacji dokonano kalkulacji
wartoci siy krytycznej Ncr oraz towarzyszco, oblicze trzech pierwszych
probabilistycznych momentw odpowiedzi modelu: wartoci oczekiwanej, odchylenia
standardowego oraz skonoci, wraz z wykonaniem analizy ich zbienoci. Zachowanie si
momentw probabilistycznych, obliczanych po kalkulacji siy krytycznej dla kadej kolejnej
realizacji z wygenerowanej technik bezporedni populacji, zostao zilustrowane na rys. 2.24.
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
2.2. Metoda Monte Carlo z uyciem techniki prbkowania warstwowego

W dalszej kolejnoci, na potrzeby generacji populacji prbek z wykorzystaniem technik
redukcji wariancji populacji, kady z wymiarw przestrzeni realizacji zmiennych losowych
podzielono rwnomiernie na pewn ilo przedziaw, poczwszy od dwch (ograniczono si
do tych obszarw wymiarw przestrzeni probabilistycznej, w ktrych moliwa jest zmienno
danych parametrw losowych k2 , 0 oraz 0 , niejako odrzucajc istnienie przestrzeni
o zerowej gstoci prawdopodobiestwa). Oznacza to dyskretyzacj przestrzeni wyjciowej
na okrelon liczb podprzestrzeni, z ktrych jedynie punkt centralny danej podprzestrzeni
(wektor realizacji zmiennej losowej przyjmujcy wartoci rednie z danego wymiaru zmiennej
na okrelonym podprzedziale) jest pobierany jako prbka losowa. Warto zauway, e dla
potrzeb badania numerycznego kolejno pobierania prbek do oblicze nie jest narzucana,
gdy rezultaty analizy nie s przez ten fakt znieksztacane.
W pierwszej kolejnoci zostaa wykonana symulacja metod Monte Carlo z uyciem techniki
redukcyjnej zwanej prbkowaniem warstwowym. Technika ta zostaa szerzej opisana
w rozdziale 2.6.2.1 niniejszej rozprawy.
Ilo prbek wykorzystywanych w pojedynczym kroku analizy z uyciem prbkowania
warstwowego mona skalkulowa rwnoci
NR = S n
(2.132)
gdzie S oznacza liczb podprzedziaw wyznaczonych na danej osi n wymiarowej

przestrzeni realizacji zmiennych losowych, a n oznacza liczb wymiarw przestrzeni.
W rozpatrywanym przypadku n = 3 , gdy jako losowe s przyjmowane trzy wyej
wymienione parametry staa sprystoci k2 oraz kty 0 , 0 . Oznacza to, e pierwsza
przyjta do oblicze populacja zoy si z NR = 23 = 8 prbek, kolejna z NR = 33 = 27
prbek, nastpna z NR = 43 = 64 prbek, a do kocowej, dziewitej populacji, skadajcej
si z liczby NR = 103 = 1000 prbek.
Dla kadej populacji realizacji wykonuje si, jak poprzednio, kalkulacj wartoci siy
krytycznej Ncr oraz trzech momentw probabilistycznych wartoci siy krytycznej, wraz
z analiz ich zbienoci. Zachowanie si obliczonych momentw probabilistycznych zostao
zilustrowane na rys. 2.25. Niebiesk lini zosta na rysunku naszkicowany rezultat uzyskany
metod Monte Carlo z uyciem techniki prbkowania warstwowego, a czarna linia na
rysunku przedstawia uzyskany w poprzedniej analizie rezultat oblicze wykorzystujcych
prbkowanie bezporednie.
Na podstawie analizy zilustrowanych na rys. 2.25 rezultatw poszukiwania zbienoci
probabilistycznych momentw odpowiedzi z zastosowaniem techniki prbkowania
warstwowego mona stwierdzi, i dla tego typu modelu, charakteryzujcego si maym
stopniem zoonoci, zaproponowana technika redukcji wariancji populacji przynosi idealne
efekty, zarwno pod wzgldem dokadnoci rozwizania, jak i czasochonnoci oblicze.
75
Rys.2.25. Metoda Monte Carlo z uyciem prbkowania warstwowego analiza zbienoci

kalkulacji trzech pierwszych probabilistycznych momentw odpowiedzi modelu.
Stwierdzi mona, e ju populacja o liczebnoci realizacji wektorw zmiennych losowych
rwnej NR = 3 3 3 = 27 prbek zapewnia satysfakcjonujc zbieno obliczanej wartoci
redniej siy krytycznej Ncr , a przy przyjciu bardziej rygorystycznego kryterium akceptacji
dopuszczalnego poziomu rnicy rezultatw, jest to liczebno rwna NR = 5 5 5 = 125
prbek. Bardzo podobny wniosek mona wysnu dla badania zbienoci wartoci odchylenia
standardowego, ktre uzyskuje satysfakcjonujc zbieno take dla populacji o liczebnoci
NR = 3 3 3 = 27 prbek, a niemale w peni ustabilizowan warto dla populacji
o liczebno rwnej NR = 7 7 7 = 343 prbek. Obliczenia zbienoci skonoci mona opisa
dokadnie takim samym wnioskiem, jak w przypadku opisu odchylenia standardowego.
Wskazane niewielkie liczebnoci populacji ka podkreli idealne dziaanie techniki dla
liczebnoci populacji na poziomie okoo NR = 500 prbek. Mona zatem zaobserwowa
wyrany zysk czasu i nakadu oblicze w porwnaniu z prbkowaniem bezporednim. Tak
niewielka ilo prbek potrzebna do finalizacji odpowiedzi konstrukcji jest dla procedury
obliczeniowej niemale marginalna. Naley zwrci uwag, i efektywno dziaania techniki
jest uzaleniona od zoonoci i ksztatu modelu, jaki jest kalkulowany.
Kocowo
zaznaczy
naley,
przyjtym
zakresie
licznoci
populacji
prbek
(NR = 10 = 1000) osiga si pen stabilizacj wyniku oblicze wszystkich trzech momentw
3
probabilistycznych. Na podstawie przeprowadzonego dowiadczenia numerycznego mona

stwierdzi, i wyniki uzyskane mona uzna za w peni dokadne. Ponadto, wartoci obliczone
przy uyciu techniki prbkowania warstwowego pokrywaj si dokadnie z wartociami
przyjtymi za dokadne w drodze symulacji podejciem bezporednim metody Monte Carlo
(podczas gdy ich osignicie dzieli piciokrotno liczebnoci populacji prbek).
2.3. Metoda Monte Carlo z uyciem techniki prbkowania aciskiego hiperszeciennego
Kolejno, wykonana zostaa symulacja metod Monte Carlo z uyciem techniki redukcyjnej
zwanej prbkowaniem aciskim hiperszeciennym. Technika ta zostaa szerzej opisana
w rozdziale 2.6.2.2 niniejszej rozprawy.
76
Ilo prbek wykorzystywanych w pojedynczym kroku analizy z uyciem prbkowania

aciskiego hiperszeciennego mona skalkulowa na bazie rwna zapisanych w rozdziale
2.6.2.2. Przypomnie jednak naley, i moe by ona okrelona w pojedynczej populacji na
przestrzeni realizacji zalenie od uznania eksperymentatora prowadzcego dan analiz.
Istnieje bowiem, jak wspomniano, skoczenie wiele kombinacji, w jakie przy okrelonym
podziale na podprzestrzenie mona uoy wybrane realizacje, aby speniay zaoenia
hiperszecianu aciskiego. Korzystajc z tej prawidowoci, w niniejszym problemie
zdecydowano si uy kilku moliwych do wytworzenia liczebnoci populacji dla pojedynczej,
okrelonej fragmentacji przestrzeni realizacji, skd bierze si zastosowana nieregularna liczba
prbek zadania: NR = 5, 8, 9,11,12,14, itd.
Dla kadej populacji realizacji zostaje jak poprzednio wykonana kalkulacja wartoci siy
krytycznej Ncr oraz trzech momentw probabilistycznych wartoci siy krytycznej,
wraz z analiz ich zbienoci. Zachowanie si momentw probabilistycznych zostao
zilustrowane na rys. 2.26. Czerwon lini zosta na rys. 2.26 podkrelony rezultat uzyskany
technik prbkowania aciskiego hiperszeciennego, a dla atwoci porwnania z poprzednimi
podejciami niebiesk lini zaznaczono na rys. 2.26 rezultaty otrzymane dziki technice
prbkowania warstwowego, a czarn lini dziki prbkowaniu bezporedniemu.
Rys.2.26. Metoda Monte Carlo z uyciem prbkowania hiperszecianu aciskiego analiza

zbienoci kalkulacji trzech pierwszych probabilistycznych momentw odpowiedzi modelu.
Stwierdzi mona, e populacja o liczebnoci realizacji wektorw zmiennych losowych rwnej
NR = 50 prbek zapewnia dos zadowalajc zbieno obliczanej wartoci redniej siy
krytycznej Ncr , stwierdzenie to jednak bardziej uprawomocnia fakt, i podobny wynik zosta
wskazany wczeniej przez technik prbkowania warstwowego, a nie faktyczne osiganie
zbienoci przez procedur kalkulacji. Identyczny wniosek mona przedstawi dla badania
zbienoci wartoci odchylenia standardowego. Fakt pewniejszego bazowania na wynikach
pyncych z uycia techniki prbkowania warstwowego, zamiast na wynikach uzyskanych
dziki technice hiperszecianu aciskiego, powinien skania do przyznania pierwszestwa
pierwszej z technik redukcji.
Ponadto, technika prbkowania hiperszecianu aciskiego wymaga bardzo zoonego
matematycznie przygotowania odpowiednich populacji prbek. Dziki tej obserwacji mona
poprze stwierdzenie, i mimo prowadzenia do osigania poprawnych wynikw, technika ta
jest dla uywanego w zadaniu modelu zdecydowanie mniej efektywna ni techniki poprzednie.
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.
2.7. Metoda powierzchni odpowiedzi

W oglnoci, metodologia powierzchni odpowiedzi (Response Surface Methodology RSM)
jest zbiorem technik matematycznych wykorzystywanych w procesach eksperymentalnych
i przy obrbce ich wynikw, a take przy projektowaniu statystycznym oraz poprawianiu jego
dziaania. Metodologia powierzchni odpowiedzi zostaa sformuowana przez Boxa i Wilsona,
w pracach badawczych na temat eksperymentalnego poszukiwania optymalnych warunkw
rozwoju biologicznego mikroorganizmw [Box i Wilson, 1951].
Metoda ta uywana jest w szczeglnoci do modelowania i analizy problemw inynierskich,
w ktrych interesujca miara skutecznoci dziaania procesu (w projektowaniu konstrukcji
bdzie to skuteczna minimalizacja prawdopodobiestwa awarii) lub miara jakoci
przeprowadzania tego procesu jest mocno zalena od fluktuacji pewnych sprecyzowanych
zmiennych, nakrelonych inynierowi ju przed pocztkiem procesu projektowego
[Hill i Hunter, 1966; Khuri i Cornell, 1996].
W projektowaniu konstrukcji budowlanych i inynierskich metoda powierzchni odpowiedzi
pozwala wyznaczy dopuszczalne poziomy (zakresy) wspczynnikw odpowiedzi
(zmiennych losowych wystpujcych w projekcie konstrukcji), ktre s w stanie speni
wymagania specyfikacji konstrukcyjnych i projektowych. Pozwala ona take na wyznaczenie
optymalnej kombinacji wspczynnikw, ktre wywouj okrelon odpowied konstrukcji
i opisuj t odpowied w sposb najbardziej zbliony do rzeczywistoci [Bradley, 2007].
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].
2.7.1. Metoda powierzchni odpowiedzi z uyciem aproksymacji

wielomianem
Jak wskazano w rozdziale poprzedzajcym, celem metody powierzchni odpowiedzi jest
ustalenie matematycznej postaci aproksymacji interesujcej inyniera odpowiedzi
80
konstrukcji y , ktrej dokonuje si przy zaoeniu, e istotny wpyw na konstrukcj ma

okrelona ilo n parametrw opisujcych wytrzymaoci materiaw konstrukcyjnych oraz
wartoci obcie, o moliwym do sformuowania zakresie realizacji niepewnoci.
Niech rzeczywista odpowied konstrukcji ( n wymiarowa powierzchnia stanu granicznego)
bdzie oznaczona jako y(X) = g(X) . Jednake, nie jest ona w tym przypadku zapisana
w postaci jawnej zalenoci od zbioru zmiennych losowych X . Moe by wic wyznaczona
tylko w przypadku posuenia si dyskretnymi wartociami realizacji x wektora tej zmiennej.
osadzonych w n wymiarowej przestrzeni

Przyj mona wwczas, i zbir punktw x
odpowiedzi reprezentuje zbir punktw w n wymiarowej wyjciowej przestrzeni
realizacji x , dla
ktrych
obliczana
jest
rzeczywista
odpowied
konstrukcji y ( x ) .
Matematyczn zasad funkcjonowania metody powierzchni odpowiedzi jest znalezienie takiej

).
funkcji y ( x ) , ktra w najlepszy sposb odwzorowuje dyskretny zbir wartoci funkcji y ( x
Aproksymowan odpowied konstrukcji mona zapisa w postaci oglnej jako funkcj miary
jej zalenoci od przyjtych w zadaniu realizacji podstawowych zmiennych losowych
y y(x) = f (x1 ; x 2 ; x3 ;...; xn ) +
(2.133)
gdzie: x1 ; x2 ; x3 ;...; xn s realizacjami podstawowych zmiennych losowych, y jest odpowiedzi

konstrukcji na dan realizacj zmiennych, a jest pewnym szacunkowym statystycznym
bdem eksperymentalnym, obrazujcym niedokadno odczytu odpowiedzi konstrukcji,
charakteryzujcym si rozkadem normalnym o redniej = 0 i wariancji rwniej 2 .
Jak wspomniano powyej, w zdecydowanej wikszoci przypadkw problemw inynierskich
rozpatrywanych za pomoc metody powierzchni odpowiedzi rzeczywista funkcja odpowiedzi
konstrukcji f (i) nie jest znana. Aby rozwin podane przyblienie teje funkcji, lub funkcji
obrazujcej rwnanie stanu granicznego konstrukcji, inynier zaczyna zazwyczaj od doboru
metodologii opisu. Najczciej stosowan i stosunkowo najatwiejsz postaci opisu jest
wielomian niskiego stopnia. Naley jednak pamita, i wielomian ten nie musi opisywa
dokadnie caej powierzchni odpowiedzi konstrukcji, a zapewnia przyblienie bliskie
idealnemu jedynie w pewnym obszarze teje odpowiedzi, dokadnie rzecz biorc w pobliu
stanu granicznego odpowiedzi konstrukcji oraz na obszarze jego przekroczenia.
Jeli odpowied konstrukcji inynierskiej jest poszukiwana jedynie na bardzo wskim obszarze
n wymiarowej przestrzeni realizacji x lub te obszar poszukiwania jest szeroki,
ale charakteryzuje si bardzo niskim wspczynnikiem skonoci, to powierzchnia odpowiedzi
moe zosta aproksymowana funkcj liniow niezalenych zmiennych losowych (wielomianem
stopnia pierwszego) i wwczas model taki nazywamy modelem pierwszego rzdu.
Model ten moe by zapisany przykadowo w postaci
n
y(x) = 0 + i xi +
i =1
(2.134)
81
Ta forma zapisu jest czsto nazywana modelem efektw gwnych n zmiennych,

ze wzgldu na zakadany brak powiza pomidzy poszczeglnymi zmiennymi losowymi xi
wektora realizacji tyche zmiennych x = {x1 ; x2 ; x 3 ;...; xn } [Carley i inni, 2004].
Jeli natomiast midzy poszczeglnymi realizacjami zmiennych losowych xi wystpuje
interakcja, to model pierwszego rzdu mona rozszerzy o czony interakcyjne drugiego
rzdu (wprowadzajce krzywizn powierzchni).
Model powierzchni odpowiedzi mona wwczas wyrazi rwnaniem
n
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
y(x) = 0 + i ( xi xi ,0(k ) ) + ii ( xi xi ,0(k ) ) +

n
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 ).
2.7.2. Metoda powierzchni odpowiedzi z uyciem aproksymacji

ilorazem wielomianw
W rozdziale poprzedzajcym wskazano, i bardzo dobr aproksymacj powierzchni
odpowiedzi zapewniaj modele matematyczne oparte na wielomianach, gwnie pierwszego
i drugiego stopnia. Istniej jednak techniki, ktre nie podnoszc stopnia wielomianu,
poprawiaj jednoczenie wykonywan aproksymacj. Jedn z nich jest udoskonalenie, ktre
jest w dysertacji przedstawione jako podejcie reprezentujce alternatyw dla klasycznych
modeli aproksymacyjnych.
Wybrane podejcie proponuje wyznaczy rwnanie powierzchni odpowiedzi y(x) = g(x)
na podstawie ilorazu wielomianw dowolnego stopnia. Proponowany wariant metody
powierzchni odpowiedzi spotyka si w literaturze pod nazw metody powierzchni
stosunku wielomianw (Ratio of Polynomials Surface - RPS), bd te pod pen
nazw, jako metoda powierzchni odpowiedzi z uyciem aproksymacji ilorazem
wielomianw [Alibrandi i inni, 2009; Alibrandi i inni, 2010].
Powierzchni stosunku wielomianw podaje si w formie superpozycji n wielomianw
odwrotnych pierwszego
stopnia,
nie
zawierajcych skadnikw
interakcyjnych.
Powierzchni t mona opisa rwnaniem
n
xi
i =1 ai + bi x i
y(x) = gRPS (x) = a0 +
(2.138)
gdzie a0 = gRPS (0) = gRPS (0;0;0;...;0) , natomiast ai i bi (dla i = 1, 2,..., n ) s wspczynnikami

kierunkowymi powierzchni stosunku wielomianw, koniecznymi do wyznaczenia numerycznie.
Tak skonstruowana powierzchnia odpowiedzi ma wiele podanych waciwoci,
w porwnaniu z oryginalnym sformuowaniem modelu pierwszego rzdu. Metoda powierzchni
odpowiedzi z uyciem aproksymacji ilorazem wielomianw nie jest wraliwa na dobr punktu
centralnego analizy niezawodnoci i przynosi wiksz dokadno jego iteracyjnego
wyznaczenia. Zazwyczaj, dla modeli konstrukcji o maym stopniu zoonoci, ju pierwsza
iteracja algorytmu obliczajcego powierzchni stosunku wielomianw daje satysfakcjonujce
dopasowanie do rzeczywistej powierzchni granicznej.
83
Majc za podstaw zapis powierzchni stosunku wielomianw mona wskaza posta,

jak uzyskuje przy takim podejciu rwnanie powierzchni granicznej g(x) = 0 , wyprowadzone
z tego zapisu. Moe by ono by wwczas przedstawione zapisem
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
si skadnikw wektora realizacji zmiennej losowej xi .

Poprzez fakt, i metoda ta prowadzi do otrzymania powierzchni granicznej o bardzo dobrym
wspczynniku dopasowania, prawdopodobiestwo awarii konstrukcji, jakie mona dziki niej
oszacowa jest bardzo dokadne i moe stanowi rdo kontroli wynikw zaprezentowanych
technik regresji liniowej pierwszego rzdu.
2.8. Wraliwo probabilistyczna modeli konstrukcji

inynierskich
Probabilistyczna analiza wraliwoci uywana jest do okrelania wielkoci wpywu, jaki
na ksztatowanie si odpowiedzi modelu obliczeniowego wywieraj zmiany jego odpowiednich
parametrw skadowych, bd te zmiany w konstrukcji (definicji) ukadu. Duo czciej
stosowanym i bardziej rozpowszechnionym typem analizy wraliwoci jest pierwsza z wyej
wymienionych gazi (tzw. parametryczna analiza wraliwoci) i to na niej skupi si
niniejsze opracowanie. Podstaw do analizy wraliwoci jest w tym podejciu dokadne
studiowanie niepewnoci, ktrymi obarczone s parametry materiaowe i obcieniowe
modelu konstrukcji inynierskiej [Kleiber i inni, 1997].
Kwestia poprawnego stworzenia modelu matematycznego dla celw parametrycznej analizy
wraliwoci jest w znakomitej wikszoci przypadkw bardzo skomplikowana, gdy nie mona
zazwyczaj oprze si przy jego definiowaniu na wynikach bada rzeczywistych konstrukcji
inynierskich (przykadowo wtedy, kiedy nieniszczcy pomiar niepewnoci budowli istniejcej
jest niemoliwy do przeprowadzenia) lub kiedy same modele numeryczne maj tendencj
do zmiennoci stochastycznej. Podczas budowy modelu ukadu, projektant powinien wic
dysponowa przynajmniej szcztkow wiedz o wartociach oczekiwanych wszystkich
parametrw, lub umie rozsdnie dobiera ich szacunkowe wartoci (przykadowo na bazie
kodw projektowych, normatyw lub ekspertyz) [Der Kiureghian i Ditlevsen, 2009].
W modelach obejmujcych znaczn ilo wejciowych zmiennych losowych, analiza
wraliwoci jest podstawowym skadnikiem tworzenia modelu obliczeniowego oraz
zapewniania jego jakoci, jej przeprowadzenie jest w procesie projektowym z gry wymagane.
Testy wraliwoci mog pomc wskaza, ktre z wartoci parametrw obaczonych
niepewnociami rozsdnie jest zastosowa w modelu (lub obserwowa ze zwikszon uwag)
lub te pomc sformuowa wymagany do rozwaenia zakres problemu inynierskiego.
84
Pozwala ona take okreli odpowiedni (zapewniajcy kalkulacj uytecznej i poprawnej

odpowied konstrukcji), konieczny do przyjcia poziom dokadnoci parametrw modelu.
Dodatkowo, jeeli wstpne testy numeryczne wyka, e model na zmiany okrelonych,
najistotniejszych parametrw jest cakowicie niewraliwy, to moe by wwczas moliwe
oszacowanie wartoci odpowiedzi z wiksza precyzj, lub te celowe zmniejszenie rozcigoci
analizy niezawodnoci modelu. Z drugiej strony dua populacja sytuacji projektowych,
tj. przeanalizowanie wielu wartoci kombinacji parametrw modelu, pozwala poprawnie
okreli zachowanie ukadu w sytuacjach ekstremalnych.
Poprzez umiejtne wskazanie, jak odpowied modelu reaguje na zmiany wartoci
poszczeglnych parametrw, uzyska mona nie tylko wiele informacji o samym modelu, ale
mona zbudowa inynierskie zaufanie do sporzdzonego modelu i jest to jeden
z podstawowych celw przeprowadzania takiej analizy (tzw. kryterium ufnoci).
Model konstrukcji inynierskiej powinien w trakcie przeprowadzania bada testowych
zachowywa si zgodnie z oczekiwaniami i obserwacjami konstrukcji rzeczywistych, lub
co najmniej dawa wystarczajcej jakoci wskazwki, ktre z wartoci parametrw
odzwierciedlaj rzeczywist prac konstrukcji, a ktre dostarczaj rezultatw rozbienych
z praktyk inyniersk. Na teje podstawie, analiza wraliwoci stosowana jest take aby
wskazywa proste metody modyfikacji modelu konstrukcji, jego kalibracji oraz optymalizacji.
Wybr odpowiedniej metody analizy wraliwoci uwarunkowany jest od wielu rnego
rodzaju czynnikw, wrd ktrych wyrni mona pewne cile okrelone problemy
podstawowe, przykadowo: problem nadmiernych kosztw obliczeniowych zadania, problem
okrelenia korelacji (niezalenoci) zmiennych modelu, bd jego interakcji, problemy
z nieliniowoci modeli, a take wszelkie problemy z obrbk danych wejcia i wyjcia dla
danego typu analizy niezawodnoci.
Analiza wraliwoci przeprowadzana jest w wikszoci przypadkw jako okrelona, zazwyczaj
dua liczba pojedynczych przebiegw realizacji zadania, w podejciu przypominajcym
bezporednie prbkowanie metod Monte Carlo. Czas potrzebny do ich przeprowadzenia,
czyli wyej wspomniany koszt obliczeniowy zadania okaza si znaczcym problemem
dla eksperymentatora, jeeli pojedyncza prba obliczeniowa modelu ma bardzo duy czas
realizacji (co skutkuje ogromnym czasem cakowitym analizy) lub gdy model ma du ilo
wprowadzonych niepewnoci (co skutkuje stworzeniem wielowymiarowej przestrzeni realizacji,
liczba zalenoci pomidzy wymiarami przestrzeni ronie ekspotencjalnie z iloci wymiarw).
Redukcj kosztu obliczeniowego mona przeprowadzi za pomoc odrbnych technik,
do ktrych mona zaliczy technik emulowania (dla modeli o znacznym czasie analizy)
oraz technik obrazowania (dla modeli o znacznym rozmiarze przestrzeni realizacji).
Niektre z podej analizy wraliwoci mog napotka problemy obliczeniowe zwizane
z nieliniowoci problemu, przykadowo te spord nich, ktre maj za podstaw analiz
regresji (jak chociaby analiza wraliwoci przy uyciu metodologii powierzchni odpowiedzi).
Techniki te mog doprowadzi do bdnych rezultatw i wnioskw pyncych z analizy, jeli
zostanie dobrany niewaciwej postaci model aproksymacyjny powierzchni odpowiedzi
(problem ten sygnalizowano take w rozdziale 2.7. pracy, powiconym wyej wspomnianemu
zagadnieniu). Problemu tego mona unikn kontrolujc powierzchni odpowiedzi poprzez
obliczenia testowe lub posugujc si innymi metodami, jak na przykad pomiarami
polegajcymi na ledzeniu wariancji odpowiedzi.
85
Kolejnym wanym problemem wpywajcym na wybr techniki analizy wraliwoci jest

kwestia danych, jakimi posuguje si analiza. W niektrych przypadkach, co zasygnalizowano
powyej, eksperymentator nie ma dostpu do danych rdowych modelu, lub dane wejciowe
s mu narzucone w postaci mao uporzdkowanej (przykadowo w formie zbiorw wartoci
dyskretnych nieodpowiednich z punktu widzenia eksperymentatora). Wwczas analiz trzeba
wzbogaci technikami szacujcymi rdo powstania danych wejciowych, wykonujc tzw.
analiz retrospektywn.
Dane wejciowe mog te okaza si zalene od siebie nawzajem, podczas gdy standardowe
zaoenia analizy zakadaj ich pen niezaleno. Taka sytuacja rwnie wymaga doboru
wzbogacajcej analizy pomocniczej, a spowodowana by moe chociaby narzuceniem
eksperymentatorowi pewnych zmiennych do procesu analizy wraliwoci, ktre s
skorelowane na mocy okrelonej natury zjawiska (obcienia towarzyszce, prawidowoci
struktury materiau itp.).
Problem z danymi wyjciowymi pojawia si natomiast wtedy, gdy wynikiem analizy jest zbir
pewnych rwnie prawdopodobnych rnych sytuacji projektowych (problem taki moe
pojawi si w przypadku analiz ukadw czasowo i przestrzennie zmiennych), lub gdy
standardowo proponowane pojedyncze rozwizanie problemu jest czasowo i przestrzennie
zmienne. Dodatkowo, jeeli dokada si do tego powyej wymieniony problem z zalenoci
zmiennych wejciowych, zmienna wyjciowa moe by cakowicie nieinterpretowalna.
W takim przypadku rwnie wymaga si wykonania szeregu pomocniczych oblicze
towarzyszcych, aby z otrzymanych danych wybra rozwizanie optymalne.
Ostatnim z czynnikw wpywajcych na wybr techniki analizy wraliwoci jest kwestia
interakcyjnoci modelu. Powstaniem interakcji w modelu nazywa si sytuacj, gdzie
jednoczesna perturbacja dwch lub wicej danych pocztkowych powoduje wytworzenie si
zmiennoci danej wyjciowej wikszej, ni zmienno jakiejkolwiek danej wejciowej.
Interakcje powstaj we wszystkich klasach modeli nieaddytywnych, jednake podejcia
przeszukiwania majce za podstaw metod Monte Carlo, doskonale ten problem rozwizuj.
Wielko interakcji jest mierzalna, przy uyciu analizy wraliwoci posugujcej si obliczon
wariancj danych, za pomoc wskanika wraliwoci rzdu n [Saltelli i Annoni, 2010].
Podejcia obliczeniowe metodologii analizy wraliwoci probabilistycznej nie s rozrniane
jedynie przez czynniki, ktre odgrywaj w nich wan rol lub ktrych wpyw naley
zminimalizowa, ale take przez pomocne przy danym pomiarze wraliwoci operacje
matematyczne, takie jak technika dekompozycji wariancji, wyznaczanie pochodnych
czstkowych odpowiedzi czy poszukiwanie jej efektw gwnych [Saltelli i inni, 2008].
Wszystkie techniki analizy wraliwoci dziaaj w zblionym do siebie cyklu podstawowych
krokw, do ktrych zaliczy mona: wprowadzenie danych wejciowych do analizy
(z okreleniem ich parametrw probabilistycznych, niepewnoci, zakresw zmiennoci),
identyfikacji podanych danych wyjciowych stworzonego modelu (takie
ukierunkowanie modelu obliczeniowego, aby wykazywa on rezultaty o jak najlepszej relacji
w stosunku do danych wprowadzonych), obliczenia numeryczne modelu (zalene
od wspomnianych powyej technik matematycznych, czynnikw niekorzystnie wpywajcych
na rezultaty) oraz kocowo kalkulacja miar wraliwoci na podstawie danych
wyjciowych modelu (ukierunkowana na informacje przydatne eksperymentatorowi).
86
W przypadku metod posugujcych si zaoeniami prbkowania bezporedniego oraz

w przypadku oblicze problemw wielowymiarowych, konieczne jest wielokrotne wykonanie
oblicze modelu, opierajce si na zaoeniach projektowania eksperymentalnego (DOE
design of experiments), traktujcych o odpowiednim rozdzieleniu zmiennoci mniej
istotnych od tych najwaniejszych i usuniciu ich z analizy, bez wywoywania utraty jakoci
matematycznej przeprowadzonych oblicze [Sacks i inni, 1989; Montgomery, 2004;
Whitcomb i Anderson, 2004].
W rozdziale tym omwione zostan gwne techniki podstawowe analizy wraliwoci,
wyrniajce si rnymi miarami czuoci, ktre s w ich trakcie obliczane (naley mie na
uwadze fakt, i niektre z tych kategorii nakadaj si). Poniszy rozdzia koncentruje si na
sposobach uzyskania tyche miar, posugujc si rozgraniczeniem na techniki wywodzce si
z metodologii prbkowania bezporedniego zmiennoci uytych w modelu i zaoeniach
metody Monte Carlo (rozdzia 2.8.1) oraz na techniki majce za podstaw poszukiwanie
pochodnych czstkowych i efektw gwnych powierzchni odpowiedzi problemu
rozpatrywanego w modelu obliczeniowym (rozdzia 2.8.2).
2.8.1. Techniki okrelania wraliwoci majce za podstaw metod

Monte Carlo
Pierwsz znaczc grup metod probabilistycznej analizy wraliwoci jest rodzina technik,
ktre maj u swoich podstaw zaoenia prbkowania bezporedniego metody Monte Carlo,
lub ktre odwouj si do technik redukcji wariancji prbek, stowarzyszonych ideowo
z bezporednim Monte Carlo. Podejcie takie nazywa si zbiorczo terminem technik oceny
wraliwoci metod prbkowania losowego.
Najpopularniejszym narzdziem obliczeniowym, klasyfikowanym do teje grupy technik
analizy wariancji jest metoda obrazu (chmury) rozproszenia. Jest to prosta i bardzo
uyteczna metoda, w ktrej kreli si zaleno midzy zmienn kocow (zmienn
odpowiedzi) y , a poszczeglnymi zmiennymi wejciowymi xi . Punkty obliczeniowe wybiera
si z rezultatw zmiennej odpowiedzi w sposb losowy, zgodnie z technik prbkowania
bezporedniego. Przykadowy obraz chmur rozproszenia przedstawiono na rys. 2.27.
W zadaniu, rozpatrywanym na rys. 2.27, zmienna odpowiedzi y jest uzaleniona od czterech
znormalizowanych zmiennych wejciowych zi [Saltelli i inni, 2004].
Punkty obliczeniowe s w kadym z wykresw dobrane jako jednakowe, s natomiast
wykrelane na odpowiednich rzutniach w zalenoci od rnych zmiennych wejciowych.
Jako najbardziej istotne dla zadania s uwaane zmienne, charakteryzujce si najbardziej
jednolitym uporzdkowaniem oraz najwikszym zakresem zmiennoci wzgldem osi zmiennej
wejciowej. W tym przypadku zmienna, na ktr zmienna odpowiedzi y jest najbardziej
wraliwa, to zmienna z 4 . Spenia ona bowiem jednoczenie oba wspomniane warunki.
87
Rys. 2.27. Analiza wraliwoci wykonana za pomoc chmur rozproszenia, podejcie

wywodzce si z prbkowania bezporedniego [Saltelli i inni, 2004].
Zalet podejcia chmury rozproszenia jest take fakt, i mona w nim operowa
wspomnianym we wstpie do rozdziau zbiorem danych narzuconych, co w wielu przypadkach
analizy wraliwoci jest duym ograniczeniem, a w tym przypadku jest zaledwie
rwnoznaczne z losowym prbkowaniem. Interesujce projektanta rezultaty miar wraliwoci
mog by wyznaczone bezporednio z przedstawionych powyej zalenoci midzy y i xi
(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
2.8.2. Techniki okrelania wraliwoci majce za podstaw metod

powierzchni odpowiedzi
Drug znaczc grup metod probabilistycznej analizy wraliwoci jest rodzina technik, ktre
maj u swoich podstaw zaoenia metody powierzchni odpowiedzi, lub ktre odwouj si
do technik matematycznych uywanych przy dopasowywaniu powierzchni odpowiedzi:
standardowej regresji liniowej, procedur aproksymacji kwadratowej oraz analizy pochodnych
czstkowych funkcji powierzchni odpowiedzi. Podejcie takie nazywa si zbiorczo terminem
technik oceny wraliwoci wywodzcych si z analizy wariancji.
Jednym z najprostszych i najbardziej rozpowszechnionych podej zaliczanych do tej grupy
jest technika OAT (one-at-a-time), polegajca na przeprowadzaniu serii bada
numerycznych biorcych pod uwag zmienno tylko pojedynczego czynnika na wynikow
odpowied konstrukcji (pozostawiajc reszt czynnikw niezmienn). Wraliwo jest przy
takim podejciu definiowana jako obserwowana (na drodze kalkulacji pochodnych
czstkowych lub regresji liniowej) zmiana danych wyjciowych, zachodzca na skutek zmiany
poszczeglnych danych wejciowych.
Takie podejcie gwarantuje rwnoczenie moliwo porwnania wynikw oblicze
wraliwoci dla rnych niepewnoci, jako e wszystkie efekty dokonywania zmian w danych
wejciowych mona w prosty sposb odnie do punktu centralnego przestrzeni realizacji.
Procedura OAT jest rozpowszechniona take z powodw czysto praktycznych, gdy jej koszt
obliczeniowy jest relatywnie niski, unika si efektw sprzgania wpywu kilku niepewnoci,
a take osiga si pen wiedz na temat poziomu odchylenia zmiennych od redniej, ktre
spowoduje przekroczenie okrelonego stanu granicznego modelu. Procedura OAT nie moe
by zastosowana, jak zasygnalizowano powyej, jeli sensem przeprowadzania analizy
wraliwoci jest przeszukiwanie przestrzeni realizacji zmiennych pod ktem moliwoci
zaistnienia interakcji zmiennych wejciowych.
Techniki skadowe procedury OAT mog by rwnoczenie osobnymi metodami analizy
wraliwoci. Kalkulacja wraliwoci modelu w jego okrelonym punkcie przestrzeni
probabilistycznej x(0) za pomoc pochodnych czstkowych funkcji stanu modelu y x i x(0)
nazywana jest czsto metod lokaln (podobnie do techniki OAT, metoda ta nie
przeszukuje caej przestrzeni realizacji, a jedynie rozwaa lokalne wpywy zmiennych
wejciowych na zachowania si powierzchni odpowiedzi), natomiast technika polegajca
na dopasowywaniu za pomoc regresji liniowej n wymiarowej paszczyzny do powierzchni
odpowiedzi, uywajca wspczynnikw standardowej regresji liniowej jako wskanikw
wraliwoci, nazywana jest metod analizy regresji (dziaa ona najlepiej,
jeli powierzchnia odpowiedzi modelu jest liniowa lub wartoci jej wielowymiarowych
wspczynnikw kierunkowych s pomijalnie mae).
Metody cile wynikajce z analizy wariancji zmiennej wyjciowej to klasa podej
probabilistycznych, ktre po ilociowym okreleniu niepewnoci wejciowe i wyjciowe modelu
jako odpowiednie rozkady prawdopodobiestwa s w stanie rozoy wariancj zmiennej
wyjcia (dokona jej dekompozycji) na czci przypisane do poszczeglnych zmiennych
wejciowych i poszczeglnych kombinacji tyche zmiennych. Wraliwo zmiennej wyjcia na
zmian w niepewnoci wejciowej mierzona jest poprzez kalkulacj wartoci fragmentarycznej
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
Podstawowymi typami emulatorw stosowanych w analizie wraliwoci s midzy innymi:

procesy gaussowskie (kriging), rodowisko drzew decyzyjnych (random forests),
powierzchnie gradientowo ulepszone (gradient boosting), powierzchnie chaosu
wielomianowego lub powierzchnie zoone z krzywych wygadzajcych (splining).
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.
Rozdzia 3 Autorski program do oblicze wskanikw niezawodnoci...
93
Obliczenia wskanikw niezawodnoci przeprowadzane s procedurami iteracyjnymi.

Na kadym poziomie iteracji uytkownik otrzymuje skalkulowan warto zarwno
wskanika, jak i wszystkich istotnych wartoci kalkulowanych podczas prowadzenia oblicze.
Zestawiane s take bdy wzgldne i bezwzgldne obliczanych wartoci, co ma pomaga
ledzi kryterium zbienoci otrzymywanych wartoci.
Implementacja tablic rozkadu normalnego do programu autorskiego pozwala take
na wykonanie moduu obliczania prawdopodobiestwa awarii konstrukcji, charakteryzujcej
si skalkulowan powierzchni odpowiedzi. Prawdopodobiestwo to oblicza si bezporednio
z osignitego oszacowania wskanika niezawodnoci wedug wzoru Pf = ( ) .
Dowoln powierzchni odpowiedzi konstrukcji mona rwnie zobrazowa graficznie. Rysunek
powierzchni odpowiedzi pozwala na sprawdzenie, czy zawiera ona widoczne, istotne
wzniesienia i obnienia topografii. Program autorski w chwili obecnej nie pozwala na tak
operacj, jednake prezentowany plik tekstowy zawiera wszelkie potrzebne dane,
aby wyrysowa rozwizanie w dowolnym innym programie matematycznym, statystycznym
lub graficznym. Postanowiono tak, aby da moliwo uytkownikowi obrbki danych
liczbowych w dowolny sposb, zamiast prezentowa gotow, a by moe nieatrakcyjn
lub nieoptymaln dla uytkownika ilustracj rezultatw.
Naley podkreli, i czas i koszt oblicze komputerowych wykonywanych w programie
dla caoci problemu jest bardzo niski, co jest jego niewtpliw zalet.
Zakada si, i program RSM-Win jest cay czas w fazie rozbudowy dokonano celowego
otwarcia kodu, aby w przyszoci kada dodatkowa funkcja, uwaana za rozwojow, moga
zosta dodana, bez koniecznoci ingerencji osoby modyfikujcej skrypt w jdro programu.
W chwili skadania rozprawy doktorskiej, jdro stanowi zaimplementowane podwaliny
matematyczne metodologii powierzchni odpowiedzi (opisane w rozdziale 2.7.), wykorzystanie
tablicy ANOVA (opisanej w rozdziale 3.2.) oraz operacje matematyczne wyznaczania
wskanikw niezawodnoci Cornella oraz Hasofera Linda, a take towarzyszcego
im szacowanego prawdopodobiestwa awarii konstrukcji (opisane w rozdziale 2.4.).
3.2. Technika analizy wariancji metod tabelaryczn

Procedura ANOVA jest technik szeroko rozpowszechnion w statystyce, polegajc
na przeprowadzeniu szeregu testw statystycznych, ktre pozwalaj uytkownikowi analizy
wyznaczy, czy dwie populacje (lub wicej) realizacji wektorw zmiennych losowych
w przestrzeni probabilistycznej wykazuj podobne cechy statystyczne. Testy uywaj do
wykonywania porwna populacji funkcji rozkadu prawdopodobiestwa poszczeglnych
zmiennych losowych zawizanych w stworzenie danej populacji oraz informacji o wariancji
caoci danej populacji, aby pomc zadecydowa eksperymentatorowi, czy podobiestwa
pomidzy poszczeglnymi populacjami (zarwno zewntrzne midzy nimi, jak i wewntrzne
populacji samej w sobie) s wyranie zaznaczone. Procedura analizy wariancji
poszczeglnych parametrw populacji zostaa sformalizowana, w latach trzydziestych
ubiegego wieku [Fisher, 1925].
94
Fisher narzuci analizie wariancji form tabelaryczn, ktrego to rozwizania uywa si

w wielu dziedzinach inynierii po dzie dzisiejszy. Przykadowo, w statystyce uywa si
tablicy procedury ANOVA niemale identycznej do zaczerpnitej z oryginalnej idei Fishera.
Tabela taka skada si z nastpujcych czterech kolumn:
1. rda zmiennoci (Sources), w ktrej to kolumnie zostaj zebrane i wypisane
wszystkie skadniki tabeli w przypadku metodologii powierzchni odpowiedzi rdami
zmiennoci s punkty poszukiwania wartoci wspczynnikw kierunkowych okrelonego typu
powierzchni odpowiedzi, pierwszego lub drugiego rzdu.
2. Stopnie swobody (DOF Degrees of Freedom), w ktrej to kolumnie zostaj
wypunktowane liczby wskazujce na ilo moliwego wariantowania wszystkich
podstawowych zmiennoci wejciowych.
3. Sumy kwadratw (SS Sum of Squares), w ktrej to kolumnie zostaj zebrane
sumy kwadratw wartoci pochodzcych z kolumny rde wejciowych.
4. Wartoci rednie sumy kwadratw (MS Mean of Sum of Squares), w ktrej to
kolumnie zostaj zebrane wartoci rednie wartoci kolumny sumy kwadratw [Fisher, 1925].
Obecnie, czsto przyjmuje si zaoenie, aby powiksza wyjciowy ukad tabeli Fishera
o dwie dodatkowe, bardzo istotne z punktu widzenia weryfikacji poprawnoci zastosowanej
metody aproksymacji powierzchni odpowiedzi, kolumny:
5. Wspczynnik F (FRatio), w ktrej to kolumnie zostaj obliczone tzw. wspczynniki
dopasowania (jednakowoci) wartoci parametrw, jako stosunki zmiennoci pojedynczego
rda do zmiennoci caoci populacji.
6. Wartoci odpowiadajce P (PValues), w ktrej to kolumnie zostaj obliczone
(skorelowane ze wszystkimi powyej skalkulowanymi wartociami) wartoci liczbowe
przewidywane finalnie dla wszystkich wejciowych rde zmiennoci [Bower, 2010].
Procedura ANOVA dy do rozkadu cakowitej wariancji populacji prbek losowych
wektorw realizacji zmiennych losowych na odpowiednie rda zmiennoci, z uwzgldnieniem
wkadu, jakie poszczeglne rda wnosz w kocowe rozwizanie rozwaanego problemu.
Zakadajc, i w procedurze uywa si liczby n rde zmiennoci, to w pojedynczym cyklu
obliczeniowym, przeprowadzonym metod ANOVA otrzymuje si n + 1 wartoci obliczonych
na bazie poszczeglnych skadnikw eksperymentu (w przypadku metodologii powierzchni
odpowiedzi wspczynnikw kierunkowych odpowiedniego modelu powierzchni odpowiedzi),
tzw. obserwacji. Ta dodatkowa warto jest miar caoci dziaania procedury, rednim
wyraeniem podobiestwa midzy populacj porwnawcz, a populacj wygenerowan.
Warto te przywoa podstawowe prawo analizy wariancji, ktre mwi, e kiedy fluktuacja
dowolnej iloci zmiennych powstaje w wyniku dziaania dwch lub wicej niezalenych
przyczyn, to wiadomo, e wariancja produkowana przez wszystkie przyczyny jednoczenie
w danym eksperymencie jest bezporednio sum wartoci wariancji powodowan przez
poszczeglne przyczyny oddzielnie. Ta wasno wariancji (kada niezalena zmienna ma swj
indywidualny wkad w cao zmiennej odpowiedzi) pozwala na pen analiz danych, a take
przypisanie, z wiksz lub mniejsz dokadnoci, wpywu fluktuacji odpowiedniej zmiennej
wejciowej lub grupy tych zmiennych na zachowanie caoci konstrukcji [Fisher, 1925].
95
W programie autorskim procedura ANOVA znajduje zastosowanie po wykonaniu kalkulacji

wspczynnikw regresji, na kadym kroku iteracyjnym programu. Uywa si jej
we wskazanym momencie prowadzenia oblicze w dwch istotnych dla oceny sprawnoci
dziaania programu celach. Po pierwsze, analiza taka jest konieczna, aby poprawnie okreli
efektywno dziaania regresji, a po drugie, konieczne jest na jej podstawie ocenienie
poprawnoci przyjcia modelu aproksymacji powierzchni odpowiedzi.
Tabel analizy regresji ANOVA tworzy si w programie autorskim RSMWin w sposb
cile nawizujcy do ukadu kolumn Fishera (wzbogaconych o kryterium wspczynnika F).
Uywan w programie tablic ANOVA odwzorowano w Tablicy 3.1.
Tablica 3.1. Tabela analizy regresji ANOVA zaimplementowana w programie autorskim.
rdo
zmiennoci
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
gdzie: n to cakowita ilo punktw obliczeniowych zadania (przypomnie naley, i kady

pojedynczy punkt poszukiwania z cakowitej liczby h punktw moe skada si z liczby hrep
punktw obliczeniowych), ni to ilo wspczynnikw pierwszego rzdu rwnania powierzchni
odpowiedzi, nii to ilo wspczynnikw drugiego rzdu rwnania powierzchni odpowiedzi,
nij to ilo wspczynnikw interakcyjnych rwnania powierzchni odpowiedzi, hrep,i to ilo

repetycji obliczeniowych w i tym danym punkcie poszukiwania, a wartoci SK (i) to sumy
kwadratw poszczeglnych skadnikw tabeli.
96
Sumy kwadratw poszczeglnych wartoci, uywane w analizie wariancji populacji

s obliczane w nastpujcy sposb:
(1) Suma
cakowita SK (Suma) jest rwna
wynikowych z powierzchni odpowiedzi,

obliczeniowych. Oblicza si j rwnoci
sumie
kwadratw
kalkulowanych
SK ( Suma ) =
(y (x))
i =1
we
wszystkich wartoci
wszystkich n
punktach
(3.1)
(2) Suma wspczynnika zerowego rzdu SK ( 0 ), czsto nazywana take wspczynnikiem

korekcyjnym, jest rwna redniej sumie kwadratw wszystkich wartoci wynikowych
z powierzchni odpowiedzi, obliczanych w n punktach obliczeniowych, zapisywana rwnoci
n
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)
(7) Suma bdu eksperymentalnego SK ( BE ) jest zadedykowana podanemu w zadaniu

dopuszczalnemu bdowi eksperymentu numerycznego, ktry nakada si na generowane
repetycje wartoci wynikowych oszacowywanych na powierzchni odpowiedzi.
97
Oblicza si j za pomoc rwnania
1
SK ( BE ) = yi (x)
hrep
i =1 i =1
n
yi (x) ,
i =1
i = 1, 2, 3,..., h
(3.5)
gdzie h jest wybranym punktem poszukiwania wartoci wynikowych z powierzchni

odpowiedzi, a liczba hrep jest liczb repetycji (punktw obliczeniowych) na poszczeglnym,
pojedynczym h tym punkcie projektowym.
Istotn uwag odnonie bdu eksperymentalnego jest fakt, i bd ten jest przewidywany
skutecznie wtedy i tylko wtedy, gdy pozostaa do jego dyspozycji liczba wolnych dla operacji
matematycznych stopni swobody nbe jest wiksza od piciu. Tylko wwczas przeprowadzi
mona skuteczne testy z uyciem wspczynnika F.
(8) Suma braku dopasowania odpowiedzi konstrukcji SK (BD) jest bdem zadedykowanym
ocenie poprawnoci przyjcia modelu pierwszego lub drugiego rzdu przy aproksymacji
powierzchni odpowiedzi. Oblicza si j rwnoci
SK ( BD ) = SK ( R ) SK ( BE )
(3.6)
3.3. Techniki i algorytmy dziaania programu

autorskiego
Metoda powierzchni odpowiedzi jest technik iteracyjn i moe wymaga wielu powtrze
lub zaptle cyklu obliczeniowego, tzw. repetycji, zanim za jej pomoc znajdzie si waciwe
optimum zmiennej odpowiedzi konstrukcji [Wong i inni, 2005].
Z tego te powodu program autorski jest niejako zmuszony obra struktur moduow, gdzie
najwaniejsze algorytmy zostaj przedstawione jako czony jdra programu, zwartych jedynie
sieci warunkw transmisji danych i rezultatw pomidzy poszczeglnymi moduami.
W rozdziale tym postanowiono przybliy zarwno zarys programu, wskazujcy na wzajemne
rozmieszczenie moduw, a take wypisa i opisa wszystkie algorytmy programu suce
do otrzymania okrelonego rodzaju wynikw, zamieszczone we wspomnianych moduach.
1. Przedstawienie moduw (krokw postpowania) programu autorskiego.

(Modu 1) Modu wprowadzania danych wejciowych w module tym moliwe jest
wprowadzenie zarwno opisu wspczynnikowego powierzchni wejciowej (jeeli pierwotna
funkcja stanu granicznego jest opisana matematycznie wielomianem stopnia drugiego lub te
jeeli ze wczeniejszych oblicze znana jest powierzchnia odpowiedzi opisana modelem
pierwszego lub drugiego rzdu), jak i moliwe jest wprowadzenie opisu dyskretnego
powierzchni wejciowej (jeeli wejciowa funkcja stanu granicznego jest funkcj niecig
lub jest funkcj o wikszym stopniu skomplikowania matematycznego ni wielomian stopnia
drugiego), co w peni wystarcza na potrzeby zada typowo inynierskich.
98
Wprowadzane przez uytkownika dane mog by zaczerpnite zarwno z wprowadzenia

manualnego, ktremu program asystuje na kadym etapie, bd te wprowadzone z pliku
zewntrznego, jednake plik zewntrzny musi by uprzednio poprawnie sformatowany, wedle
wskazwek pochodzcych z programu. Dane liczbowe musz zawiera odpowiedni liczb
punktw obserwacji odpowiedzi, aby program w swoim dalszym przebiegu mg poprawnie
obliczy kolejno wspczynniki regresji, bd eksperymentu oraz poprawno dopasowania
powierzchni odpowiedzi. Program reaguje wyranymi ostrzeeniami na niedostatek
wprowadzonych danych, a jeeli ich liczba jest satysfakcjonujca i pozwala na wyszukanie
powierzchni odpowiedzi, wwczas na potrzeby uytkownika program zestawia ponownie
wszystkie wprowadzane dane, z moliwoci ich zrzutu do pliku o formacie tekstowym.
(Modu 2) Modu wyboru rzdu podanej powierzchni odpowiedzi w module tym
nastpuje zapytanie si uytkownika o zdefiniowanie sposobu aproksymacji odpowiedzi, ktr
w programie wykona mona za pomoc funkcji liniowej (wielomianem stopnia pierwszego)
lub funkcji kwadratowej (wielomianem stopnia pierwszego ze skadnikami interakcyjnymi
lub wielomianem stopnia drugiego).
(Modu 3) Modu wprowadzania danych o parametrach losowych w module tym
nastpuje zapytanie si uytkownika o liczb niezalenych zmiennych losowych uywanych
w zadaniu, program pyta te o przysze informacje istotne dla procesu generowania
powierzchni odpowiedzi oraz poszukiwania wskanikw niezawodnoci, takie jak przykadowo
ilo punktw obliczeniowych, w ktrych maj nastpi obliczenia powierzchni odpowiedzi.
Program ponownie pozostawia uytkownikowi wybr pomidzy wprowadzeniem manualnym
(w przypadku, jeli liczba punktw obliczeniowych wymaganych do poprawnego
skonstruowania rodowiska oblicze numerycznych jest maa), a wprowadzeniem danych
dziki wygodnej generacji komputerowej punktw obliczeniowych (w przypadku, jeli liczba
punktw obliczeniowych wymaganych do poprawnego dziaania programu jest dua).
(Modu 4) Modu szacowania powierzchni odpowiedzi problemu w module tym
program szacuje optymaln warto wszystkich potrzebnych parametrw zmiennej
odpowiedzi problemu inynierskiego za pomoc techniki analizy wariancji ANOVA.
Program dokonuje aproksymacji powierzchni odpowiedzi na bazie wprowadzonych informacji
o wejciowej powierzchni stanu granicznego lub te na podstawie wprowadzonych
pojedynczych wartoci zmiennych wejciowych, dla ktrej nastpuje odpowied optymalna.
W zadaniu uyta zostaje posta oglna modelu drugiego rzdu, majcego u podstaw
wielomian stopnia drugiego (funkcji aproksymacyjnej stopnia drugiego), ktra w razie
odmiennego wyboru uytkownika zostaje uproszczona do modelu pierwszego rzdu poprzez
wyzerowanie odpowiednich skadnikw wielomianu.
Model oglnego rwnania powierzchni wyjciowej przedstawia si rwnaniem:
n
i =1
i =1
y(x) = 0 + i x i + ii x i2 + ij x i x j +
(3.7)
i < j j =2
Po zakoczeniu dziaania modu szacowania powierzchni odpowiedzi wyrzuca do pliku

tekstowego wszystkie informacje numeryczne, jakie s potrzebne do sporzdzenia obrazu
powierzchni odpowiedzi w dowolnie wybranym przez uytkownika programie graficznym.
99
(Modu 5) Modu szacowania wartoci optymalnych i wartoci krytycznych

z powierzchni odpowiedzi problemu inynierskiego w module tym program
dokonuje przeszukania skalkulowanej powierzchni odpowiedzi w celu znalezienia najbardziej i
najmniej korzystnego wektora realizacji zmiennej losowej dla danej powierzchni.
Po zakoczeniu swojego dziaania modu wyrzuca do pliku tekstowego informacje numeryczne
o znalezionych przez program wartociach krytycznych oszacowanej powierzchni odpowiedzi.
(Modu 6) Modu opcjonalny szacowania niezawodnoci problemu, wykorzystujcy
aproksymowan powierzchni odpowiedzi w module tym nastpuje zapytanie si
uytkownika o ch oblicze niezawodnoci i ich wykonanie w razie odpowiedzi twierdzcej.
Program proponuje obliczenie na bazie wspczynnikw modelu powierzchni odpowiedzi
wskanika niezawodnoci Cornella (jeli wczeniej wybrao si obliczenia powierzchni rzdu
pierwszego) bd te wskanika niezawodnoci Hasofera Linda lub Hasofera Linda
Rackwitza Fiesslera (jeli wczeniej wybrao si obliczenia powierzchni rzdu drugiego).
Do rozpoczcia oblicze potrzebne jest manualne wprowadzenie wartoci oczekiwanych
oraz odchyle standardowych zmiennych losowych. Zmienne losowe uyte do tego zadania
mog by jednake wycznie zmiennymi o cigym rozkadzie gstoci prawdopodobiestwa,
nie musz natomiast charakteryzowa si symetrycznym rozkadem prawdopodobiestwa.
W module uywane s dwa wewntrzne algorytmy iteracyjne do uzyskania wskanika
niezawodnoci Hasofera Linda uywana jest procedura rwna symultanicznych, natomiast
do uzyskania wskanika niezawodnoci Hasofera Linda Rackwitza Fiesslera uywana
jest procedura rwna macierzowych.
Po zakoczeniu swojego dziaania modu szacowania niezawodnoci wyrzuca do pliku
tekstowego wszystkie informacje numeryczne, jakie zostay zgromadzone w ptlach
prowadzenia oblicze dla penego poinformowania uytkownika o postpowaniu iteracji.
Modu opcjonalny szacowania prawdopodobiestwa awarii,
(Modu 7)
wykorzystujcy obliczon niezawodno problemu inynierskiego w module tym
nastpuje zapytanie si uytkownika o ch oblicze prawdopodobiestwa awarii i ich
wykonanie w razie odpowiedzi twierdzcej.
Program oblicza prawdopodobiestwo awarii bezporednio z oszacowanego w module
poprzedzajcym, dowolnie wybranego wskanika niezawodnoci.
Po zakoczeniu swojego dziaania modu wyrzuca do pliku tekstowego wszystkie informacje
numeryczne, jakie zostay zgromadzone podczas oblicze.
2. Przedstawienie zalecanej kolejnoci postpowania oblicze
Moduu 4 programu w przypadku poszukiwania optymalnej
odpowiedzi konstrukcji.
za pomoc
powierzchni
Podczas procesu przeprowadzania eksperymentu numerycznego wartoci liczbowe pobrane

z powierzchni odpowiedzi mog rni si od wskaza wejciowych ze wzgldu na moliwy
do pojawienia si bd eksperymentalny . Zakada si, i bd ten ma posta rozkadu
normalnego, o wartoci redniej rwnej zeru. Z racji faktu, i metodologia powierzchni
odpowiedzi jest metod iteracyjn, odpowiednim tokiem postpowania mona wpyn
znaczco na ksztat rozkadu prawdopodobiestwa bdu oraz na zniwelowanie jego wielkoci.
Wwczas odpowiednie posugiwanie si kolejnymi repetycjami procesu moe prowadzi
do faktycznego szybkiego znalezienia optymalnej powierzchni odpowiedzi [Treharne, 1991].
100
Przy przeprowadzaniu oblicze za pomoc Moduu 4 w programie autorskim zaleca si

nastpujc kolejno krokw, zgodn zarwno z zaoeniami metody powierzchni
odpowiedzi, jak i z oryginalnymi wytycznymi przeprowadzania oblicze [Box i Wilson, 1951]:
(Krok 1) Zaproponowanie aproksymacji powierzchni odpowiedzi modelem liniowym
(modelem pierwszego rzdu). Dane do wstpnej aproksymacji musz zawiera odpowiedni
liczb punktw obserwacji odpowiedzi, aby poprawnie obliczy wspczynniki regresji, bd
eksperymentalny oraz by mc poprawnie oceni jako dopasowania powierzchni odpowiedzi.
Dane musz te by odpowiednio rozoone w przestrzeni realizacji, aby poprawnie
odzwierciedli natur stanu granicznego i zapewni jego najlepsze odwzorowanie poprzez
powierzchni odpowiedzi.
(Krok 2) Przeprowadzenie oblicze modelem pierwszego rzdu.
(Krok 3) Oszacowanie, czy obliczenia aproksymacyjne przeprowadzone modelem pierwszego
rzdu s poprawne i wystarczajco dokadne. Jeeli dopasowanie powierzchni
do eksperymentu jest dosy dobre, acz nie do koca zadowalajce, naley zaproponowa inne
rozstawienie punktw obserwacji w przestrzeni realizacji. Jeli dopasowanie jest czciowo
dobre, mona zaproponowa inny punkt startowy, na linii najbardziej stromego wznoszenia
si lub opadania powierzchni odpowiedzi (poszukiwanie innego ekstremum lokalnego).
Jeli dopasowanie jest w wikszoci ze lub wrcz niemoliwe do osignicia w kilku seriach
oblicze, to naley przej do oblicze drugiego rzdu.
(Krok 4) Zaproponowanie aproksymacji powierzchni odpowiedzi modelem kwadratowym
(modelem drugiego rzdu). Dane rwnie musz zosta dobrane z odpowiedni starannoci,
przy zaoeniach identycznych, jak przy poprzednim doborze, dla modelu pierwszego rzdu.
(Krok 5) Przeprowadzenie oblicze modelem drugiego rzdu.
(Krok 6) Oszacowanie, czy obliczenia aproksymacyjne przeprowadzone modelem drugiego
rzdu s poprawne i wystarczajco dokadne. Jeeli dopasowanie powierzchni
do eksperymentu jest dosy dobre i zadowalajce, naley zaproponowa rozszerzenie obszaru
punktw obserwacji, tak, aby bd dopasowania by dla eksperymentatora jeszcze bardziej
zadowalajcy. Jeli dopasowanie jest czciowo dobre, naley zaproponowa zwenie obszaru
punktw obserwacji w przestrzeni realizacji. Jeli dopasowanie jest w wikszoci ze
lub niemoliwe w kilku seriach oblicze, to naley cakowicie poprawi zaoenia
eksperymentu numerycznego [Whitcomb i Anderson, 2004].
(Krok 7) Oszacowanie optymalnej wartoci zmiennej odpowiedzi na bazie wyznaczonej
aproksymacyjnie powierzchni odpowiedzi oraz znalezienie wartoci zmiennej odpowiedzi
problemu inynierskiego, dla ktrej nastpuje odpowied optymalna.
(Krok 8) Wykonanie zobrazowania graficznego oszacowanej powierzchni odpowiedzi w celu
wizualnej analizy jakociowej uzyskanego rozwizania i dokonania jego ewaluacji, majc
w pamici zaoenia eksperymentu [Wong i inni, 2005].
101
3. Przedstawienie algorytmu obliczania wartoci wskanika

Hasofera Linda (procedury rwna symultanicznych).
(Krok
niezawodnoci
1) Sformuowanie rwnania stanu granicznego G (X) = 0 i wszystkich jego
parametrw potrzebnych do oblicze niezawodnoci, w zalenoci od wyjciowych zmiennych

losowych X i .
(Krok 2) Wyraenie rwnania stanu granicznego w zalenoci od znormalizowanych
zmiennych losowych Zi .
(Krok 3) Wyraenie rwnania stanu granicznego w zalenoci od wspczynnikw
wraliwoci i oraz wskanika niezawodnoci S , korzystajc z zalenoci Z i = i S .
W wyjciowej, zerowej iteracji podstawia si nastpujce wartoci:
i =
1
n
; S = n
(3.8);(3.9)
(Krok 4) Wyprowadzenie zalenoci pozwalajcych obliczy nowe wartoci wspczynnikw

wraliwoci i , jako funkcj pocztkowych wspczynnikw wraliwoci i oraz
pocztkowego wskanika niezawodnoci S , zawizanych w rwnaniu Z i = i S .

Korzysta si przy tym ze wzoru
i =
G
Z i
k =1 Z k
n
(3.10)
Nowo skalkulowane wspczynniki wraliwoci musz spenia warunek:
( )
i =1
= 1.
(Krok 5) Wyprowadzenie zalenoci pozwalajcej obliczy wskanik niezawodnoci S
na podstawie obliczonych w poprzednim kroku wartoci i .

(Krok 6) Uycie wyliczonych w dwch powyszych krokach nowych wartoci i oraz S
w prawej stronie rwnoci Z i = i S i wyznaczenie na jej podstawie nowej wartoci Zi .

(Krok 7) Rozwizanie liczby n + 1 rwna symultanicznych Z i = i S zdefiniowanych
w poprzednim kroku, uzyskujc wartoci po pierwszej iteracji: i oraz S .

(Krok 8) Powrt do Kroku 6 i powtrzenie go.
Iterowanie a do uzyskania podanej zbienoci wartoci wspczynnikw wraliwoci i

oraz pocztkowego wskanika niezawodnoci S .
102
4. Przedstawienie algorytmu oblicze wartoci wskanika niezawodnoci

Hasofera Linda Rackwitza Fiesslera (procedury rwna macierzowych).
(Krok
1) Sformuowanie rwnania stanu granicznego G (X) = 0 i wszystkich jego
parametrw potrzebnych do oblicze niezawodnoci, w zalenoci od wyjciowych zmiennych

losowych X i .
(Krok 2) Uzyskanie pocztkowego punktu projektowego {X} = {X i } poprzez zaoenie
wartoci oczekiwanych jako wartoci n 1 wyjciowych zmiennych losowych.
Rozwizanie rwnania stanu granicznego dla pozostaej wyjciowej zmiennej losowej.
(Krok
3) Wyznaczenie zestawu znormalizowanych zmiennych losowych {Z} = {Z i },
odpowiadajcych pocztkowemu punktowi projektowemu {X} = {X i } .

Zi =
Xi Xi
Xi
(3.11)
(Krok 4) Wyznaczenie w danym punkcie projektowym wektora gradientu funkcji stanu

granicznego {G} = {Gi } .
Korzysta si przy tym z zalenoci
Gi =
G
Z i
(3.12)
(Krok 5) Obliczenie przyblionej wartoci wskanika niezawodnoci S .

{G} {}
T
{G} {G}
T
S =
(3.13)
(Krok 6) Wyznaczenie wektora wspczynnikw wraliwoci i .
Korzysta si przy tym z rwnania
{} =
{G}
T
{G} {G}
(3.14)
(Krok 7) Uzyskanie nowego punktu projektowego wzgldem znormalizowanych zmiennych

losowych {Z} = {Z i }, dla n 1 wyjciowych zmiennych losowych, uywajc zalenoci
Z i = i S .
(Krok 8) Wyznaczenie odpowiednika nowego punktu projektowego, uzyskanego w kroku 7
w zalenoci od wyjciowych zmiennych losowych {X} = {X i } .
Uywa si przy tym zalenoci Xi = Xi + Zi Xi .

(Krok 9) Wyznaczenie wartoci losowej pozostaej po procesie iteracyjnym zmiennej losowej
(wartoci nieuytej w krokach 7 i 8), poprzez rozwizanie rwnania stanu granicznego
G (X) = 0 .
(Krok 10) Powtarzanie krokw od 3 do 9, a do uzyskania zbienoci wartoci S
oraz wsprzdnych punktu projektowego {X} = {X i } .
Rozdzia 4
Imperfekcje geometryczne konstrukcji inynierskich
4.1. Imperfekcje w konstrukcjach rzeczywistych

w wietle podejcia normowego
Jak wskazano w rozdziaach poprzedzajcych, wykonanie idealnej konstrukcji inynierskiej,
jak czsto zakada si w modelach numerycznych lub przy prostych kalkulacjach
projektowych, jest praktycznie nierealne. Kada konstrukcja posiada bowiem szereg odchyek
wykonawczych, materiaowych i montaowych, zbiorczo okrelanych pojciem imperfekcji,
ktre przyczyniaj si do zdeformowania pierwotnie zamierzonego ksztatu lub zakadanych
w projekcie parametrw materiaowych i wytrzymaociowych. Naley zatem szczegowo
rozway ich wpyw na kocow odpowied konstrukcji, na kadym poziomie metod
szacowania bezpieczestwa konstrukcji.
Na poziomie pierwszym metod szacowania niezawodnoci (deterministycznym, normowym)
spord wszystkich powyej wskazanych grup imperfekcji, dwie z nich imperfekcje
materiaowe oraz imperfekcje obcieniowe s jedynie sztywno przypisywane w ramy
czciowych wspczynnikw bezpieczestwa. Wszelkie metody postpowania z odchyleniami
w obrbie tych grup zauwaane s w normach jedynie w postaci narzuconych procedur,
wzorw i schematw postpowania, zaprezentowanych w rozdziale 2.2. niniejszej rozprawy.
Na zupenie innym poziomie dokadnoci traktowana jest w normach i kodach projektowych
grupa imperfekcji geometrycznych, ktra swoim zaistnieniem w konstrukcji moe
wywoa efekty niemoliwe do przewidzenia nawet dokadnie wykalibrowanymi
wspczynnikami bezpieczestwa materiau i obcienia.
Wrd wielu czynnikw, ktre maj wpyw na ksztat i wielko nowopowstaej deformacji
konstrukcji, najwaniejszym jest technologia jej wykonania. Deformacje powstae podczas
realizacji (montau) mog zmniejsza projektowan nono i sztywno konstrukcji
w kierunku podunym, z uwagi na pojawienie si dodatkowych momentw zginajcych
w miejscach lokalnych wgniece i innych deformacji. Wstpne imperfekcje geometryczne
zmniejszaj warto napre krytycznych.
Wytworzenie si imperfekcji geometrycznych nie musi jednak dokona si podczas procesu
montau lub wznoszenia konstrukcji, bd jej elementu. Mog si one pojawi rwnie ju
podczas uytkowania konstrukcji, w sposb nieprzewidywalny czasowo i lokalizacyjnie.
Ich nage wystpienie spowodowane by moe przykadowo dokonaniem uszkodzenia
mechanicznego (na skutek uderzenia w konstrukcj, czy te uytkowania niezgodnego
z przeznaczeniem, itp.), ale take przykadowo przez wystpienie postpowej korozji.
104
Zaistniae imperfekcje geometryczne cechuje znaczne zrnicowanie pod wzgldem ich

ksztatu, zasigu (wielkoci), iloci, rozkadu oraz amplitudy. Z tego wzgldu bardzo trudne
jest normowe przewidywanie, jakie imperfekcje z teje grupy maj moliwo zaistnienia
na projektowanej konstrukcji. Co wicej, w przepisach kodw projektowych trudno
jednoznacznie ustali poziom niebezpieczny tyche imperfekcji, jako e dla rnych typw
obcienia konstrukcji, rne imperfekcje mog by mniej lub bardziej niebezpieczne
dla funkcjonowania ogu budowli.
Jednake, prby kodyfikacji imperfekcji s podejmowane, ich dopuszczalne parametry
s okrelane w rozmaitych certyfikacjach, dyrektywach i normach projektowych, z ktrych
najwaniejszymi s: PN-EN 1090-2 (wytyczne dotyczce wykonywania i montau
konstrukcji), PN-B-03202:1996 (Polska Norma do projektowania konstrukcji stalowych,
zdezaktualizowana przez wprowadzone zapisy norm europejskich), PN-EN 1993-1-6:2009
(Eurokod 3, zastpujcy w/w Polsk Norm) oraz PN-EN 1994-1-1:2003 (Eurokod 4,
do projektowania konstrukcji kompozytowych).
PN-EN 1994-1-1:2003 wskazuje na konieczno projektowego uwzgldnienia moliwoci
powstania efektw drugiego rzdu w poszczeglnych elementach konstrukcji na skutek
zaistnienia niezamierzonych odchyek i deformacji geometrycznych. Pod uwag musz by
brane wszystkie wpywy niedoskonaoci brak pionowoci, brak prostoliniowoci, brak
paskoci lub brak owalnoci, brak zgodnoci elementu z jego zamierzeniem projektowym oraz
mimorody powstae w wzach i zczach konstrukcji. Norma ta zaznacza jednak, i jeeli
ju na etapie projektowania dokonano losowej globalnej analizy statecznoci konstrukcji,
uwzgldniajcej imperfekcje geometryczne, to stateczno poszczeglnych elementw nie musi
by dodatkowo kontrolowana.
W niniejszej analizie pominite zostan wszystkie niedoskonaoci wykonania
konstrukcji poza wgbieniami i to one wanie jedyne bd rozumiane pod pojciem
imperfekcji geometrycznych. Najwaniejsz z pomijanych imperfekcji s wszystkie
niedoskonaoci spowodowane poprzez spoiny lub poprzez proces spawalniczy,
poniej podane formuy odrzucaj zatem wszystkie zapisy zawierajce konieczno
zdefiniowania spoiny, jej zasigu i wpywu na konstrukcj.
W obu przypadkach (zarwno w losowej analizie globalnej konstrukcji, jak i w normatywnej
analizie jej elementu), kluczow kwesti w postpowaniu z imperfekcjami w postaci wgbie
jest odpowiedni dobr ich amplitudy (wielkoci), ktry poprawnie odzwierciedli moliw
do powstania deformacj wykonawcz, czy mechaniczn oraz prawidowy, inyniersko
uzasadniony jej zasig. Pierwszym krokiem przy wprowadzaniu jakichkolwiek imperfekcji
konstrukcji jest zatem dokonanie wstpnych zaoe ich wymiarw, w odniesieniu do gruboci
elementu z imperfekcj lub do klasy precyzji wykonania elementu konstrukcyjnego.
Zgodnie z PN-EN 1993-1-6:2009, do pomiaru wgbie stosuje si przymiary w okrelonych
pooeniach w obu gwnych kierunkach powierzchni bocznych konstrukcji poudnikowym
i obwodowym.
Przymiary w kierunku poudnikowym powinny by prostoliniowe, natomiast przymiary
w kierunku obwodowym powinny mie krzywizn o promieniu rwnym nominalnemu
promieniowi krzywizny r powierzchni rodkowej konstrukcji powokowej.
Rozdzia 4 Imperfekcje geometryczne konstrukcji inynierskich
105
Gbokoci 0 pocztkowych wgbie cianki powoki mierzy si za pomoc przymiarw

o dugoci g , ktr ustala si w dwojaki sposb. Ilustracj wykonywania przymiarw
przedstawia rys. 4.1.
Rys. 4.1. Pomiary gbokoci 0 wgbie pocztkowych, wg PN-EN 1993-1-6:2009:

a) pomiar w kierunku poudnikowym gX ,
b) pierwszy pomiar po obwodzie koa gX ,
c) drugi pomiar po obwodzie koa g .
W przypadku stref, gdzie wystpuj poudnikowe naprenia ciskajce, pomiary wgniecenia
wzdu tworzcej walca (poudnikowe) przeprowadza si w obu kierunkach gwnych
za pomoc przymiarw o dugoci gX , okrelonej wzorem
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
Na bazie powyszych wzorw i moliwych do wyprowadzenia z nich wartoci, zdefiniowa

mona ostatecznie normatywnie zakadan gboko pocztkowego wgbienia.
Gboko t szacuje si zalenie od wzgldnych parametrw wgbie U 0X oraz U 0 ,
okrelanych kolejno wzorami
U 0X =
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
Dysponujc powyszymi zapisami mona wwczas obliczy gbokoci pocztkowego

wgbienia 0X oraz 0 , otrzymujc kolejno
w 0X U 0,max gX oraz w 0 U 0,max g
(4.6);(4.7)
gdzie gX to dugo przymiaru w przypadku wystpowania napre poudnikowych,

a g to dugo przymiaru w przypadku wystpowania napre obwodowych.
Warto take nadmieni, i w obliczeniach normowych wg PN-B-03202:1996 dopuszcza si
take, aby wstpnie przyj, i graniczna strzaka wgniecenia tv 0 wynosi 2 cm, natomiast
maksymalna dugo zasigu tego wgniecenia m wynosi 2 m, jak zasugerowano wzorem
tv 0 = 0.01 m
(4.8)
Zatem, wg oblicze proponowanych w PN-EN 1993-1-6:2009, ustali mona maksymalne

wgbienie poudnikowe lub rwnolenikowe dla dowolnej klasy wykonania danej konstrukcji
powokowej lub jej elementu. Zauway naley, i we wskazanym, obecnie uywanym kodzie
projektowym pojawiaj si warunki, ktre zwikszaj gbokoci wgniece proponowane
starszymi zapisami norm. Wskazuj one jednak rwnoczenie na zgodno z realiami
inynierskimi dotychczasowo przyjmowanych wgniece.
107
4.2. Identyfikacja inynierska pl imperfekcji

geometrycznych modeli rzeczywistych
konstrukcji inynierskich
Na wstpie poniszych rozwaa, warto zauway, i przedstawione w rozdziale powyszym
gbokoci i przymiary imperfekcji dotycz jedynie pojedynczych, skupionych i ograniczonych
lokalizacyjnie imperfekcji. Eurokod 3 (PN-EN 1993-1-6:2009) dopuszcza jednak take
przyjcie do analiz projektowych imperfekcji w postaci nieograniczonej, tj. pojawiajcej si na
caoci konstrukcji, bd jej analizowanego elementu. Imperfekcje rozpatrywane w takich
zadaniach musz jednak wedug normy przyjmowa ksztat odpowiedniej, najbardziej
niekorzystnej postaci wasnej wyboczenia, pod wzgldem jej ksztatu, zasigu i kierunku.
Mimo, i przyjmujc tego typu imperfekcj powierzchniow, w znakomitej wikszoci
obliczeniowych przypadkw obcie, rzeczywicie otrzymuje si najmniejsze wartoci
krytyczne i graniczne obcienia prowadzcego do utraty statecznoci ukadu, to jednak
w wielu przypadkach podejcie to spotyka si z zarzutem nieekonomicznoci
oraz bezzasadnoci w wietle rzeczywistych problemw inynierskich, gdzie stwierdzono,
i prawdopodobiestwo wystpienia imperfekcji w ksztacie najbardziej niekorzystnej postaci
wasnej wyboczenia jest marginalne [Godoy, 1998].
Przy takim spojrzeniu na przyjmowanie imperfekcji powierzchniowych zaznacza si wyranie,
i rwnoprawnym podejciem do analizy zadania inynierskiego, unikajcym powyszych
zarzutw, jest dokadne odwzorowanie rzeczywistej topografii imperfekcji geometrycznych,
zaczerpnitej bezporednio z bada terenowych lub laboratoryjnych konstrukcji ju
istniejcych, poddanych uytkowaniu przez czas okrelony (bd te poprawne
zasymulowanie teje topografii). Oczywicie, imperfekcje musz by dobrane tak, aby
interesujce inyniera rezultaty uzyskane z prowadzonych oblicze teoretycznych (lub
numerycznych) cechowaa doskonaa zgodno z wynikami zebranymi in situ. Poprawne
okrelenie wpywu wstpnych imperfekcji powierzchniowych na warto obcienia
prowadzcego do utraty statecznoci, jeli imperfekcje opisane s polami wartoci
dyskretnych (polami rzeczywistymi) lub polami losowymi jest jednym z najwaniejszych
problemw, z jakimi zmaga si dzisiejsza inynieria [Babcock, 1974].
Literatura traktujca o takich dziaaniach jest bardzo bogata i przeglda szerokie spektrum
przypadkw obcie oraz typw konstrukcji i materiaw ich wykonania. Mimo tego,
okrelenie zalenoci pomidzy podejciem normowym, teori konstrukcji, pomiarem
imperfekcji (w postaci powierzchniowej lub przestrzennej), a wartociami obcienia
prowadzcego do utraty statecznoci jest nadal niekompletne i powinno by cigle
udoskonalane [Hutchinson i Koiter, 1971; Babcock, 1974; Orlik, 1976; Wilde, 1981;
Singer, 1982; Arbocz, 1983; Elishakoff i Arbocz, 1985].
Ze wzgldu na zoono zagadnienia, sformuowanie praktycznych wytycznych
projektowania, ktre przynosiyby wyrany zysk (projektowy, obliczeniowy lub ekonomiczny)
w odniesieniu do dyrektyw normowych jest zatem niemale niemoliwe do wykonania,
co uzasadnia krytyczne gosy pod kierunkiem tych ostatnich [Singer i Abramovich, 1995].
108
W zwizku z powyszym, ju od lat siedemdziesitych minionego wieku rozwija zaczto

wiedz inyniersk z zakresu zachowania si konstrukcji powokowych z przestrzennymi
imperfekcjami geometrycznymi.
Pierwsze prby wprowadzenia kompletnie zautomatyzowanych pomiarw pl losowych
wstpnych imperfekcji podjto w Kalifornijskim Instytucie Technologicznym (CIT)
w Pasadenie oraz na Stanford University, w 1968 roku. Bez wtpienia, metody i techniki
wypracowane w tym okresie s fundamentem wszystkich pniejszych propozycji fizycznego
pomiaru pl imperfekcji geometrycznych. CIT zaproponowao zmechanizowany obmiar
imperfekcji, ktrych wszystkie parametry zostaway zaprogramowane na kartach
perforowanych, a pniej komputerowo przetwarzane na referencyjne matematyczne
powierzchnie imperfekcji, wykonywane poprzez aproksymacj metod najmniejszych
kwadratw (a w czasach pniejszych take za pomoc aproksymacji szeregiem Fouriera).
Inynierowie ze Stanford University zaproponowali natomiast geodezyjny, w peni analogowy
obmiar imperfekcji, ktre pniej zostaway przy uyciu konwerterw A/D przeksztacane
na dane komputerowe (z odpowiedni redukcj wejciowych danych analogowych),
przechowywane i prezentowane w postaci map konturowych.
Co ciekawe, naukowcy z CIT uwaali wygenerowane przez siebie matematyczne powierzchnie
imperfekcji jako naturalny stan wyjciowy konstrukcji, w zwizku z czym rozwaane przez
nich modele obliczeniowe obarczane tego typu polami wstpnych znieksztace nazywali
modelami o geometrii idealnej [Singer i inni, 1971; Singer i Abramovich, 1995].
Pomiary wstpnych imperfekcji geometrycznych mog by przeprowadzone zarwno
dla powoki konstrukcji obcionej, podczas jej uytkowania, jak i dla powoki nieobcionej.
W przypadku pierwszym, mona dodatkowo wykona badania pod okrelonym obcieniem
osiowym, uzyskujc obraz przyrostu amplitudy imperfekcji geometrycznych pod tego typu
obcieniem. W przypadku drugim zastrzec naley natomiast, i powoki nieobcione
powinny by obmierzane w specjalnie przygotowanym stanowisku badawczym, o warunkach
brzegowych tak bardzo zblionych do rzeczywistych warunkw pniejszej pracy konstrukcji,
jak to tylko moliwe [De Paor i inni, 2012].
Odrbnym problemem jest stosowanie wynikw pomiarw pl imperfekcji geometrycznych
przeprowadzonych na modelu w skali laboratoryjnej jako prognozy dla rzeczywistej skali
konstrukcji inynierskich i skorelowanie zalenych od nich laboratoryjnych rezultatw
wartoci obcienia prowadzcego do utraty statecznoci z zastosowaniami praktyki
inynierskiej. W takim przypadku bardzo istotnym elementem analizy jest take zbadanie
tzw. efektu skali, ktry moe doprowadzi inyniera do nieprawidowej transformacji
amplitudy mapy imperfekcji geometrycznych modelu do pniejszych rozwaa projektowych
oraz wyprowadzenia bdnych wartoci obcienia wyboczeniowego [Arbocz i Babcock, 1969;
Ferson i Ginzburg, 1996; Korol, 2012].
W przypadku absolutnego braku danych dotyczcych rzeczywistych pl imperfekcji, powoa
si mona na tzw. midzynarodowe bazy pomiaru imperfekcji, wypracowane na podstawie
wieloletnich bada geodezyjnych i laboratoryjnych. Dekady pomiarw, wykonanych
najprostszymi metodami analogicznymi zbierano take w duo bardziej dalekowzrocznym
celu. Na ich podstawie proponuje si zastpczo cay szereg parametrw probabilistycznych
i stochastycznych, skalibrowanych dla potrzeb losowych symulacji inynierskich.
109
Dziki temu, funkcje rozkadu gstoci prawdopodobiestwa zmiennych losowych

pojedynczych imperfekcji czy te funkcje korelacyjne dla pola losowego (przykadowo) mog
zosta dobrane w nawizaniu do wyej wskazanych przedziaw wartoci rzeczywistych.
Co za tym idzie, mona w czasach dzisiejszych podj si penego matematycznego
procesu generacji inyniersko realistycznego pola losowego, modelujcego
poprawnie przestrzenny rozkad imperfekcji geometrycznych na powierzchni
konstrukcji powokowej [Fisher, 1993; Arbocz i Starnes, 2002].
Wsptworzone przez autora niniejszej rozprawy algorytmy generacji pola losowego
imperfekcji geometrycznych zostan szerzej przedstawione w rozdziale 5.
Generowanie pl losowych w celu wymodelowania nimi pl imperfekcji geometrycznych jest
samo w sobie procesem bardzo skomplikowanym i matematycznie zoonym. Rwnoczenie,
ze wzgldu na losow natur samych imperfekcji powierzchniowych lub przestrzennych,
uywanie podejcia probabilistycznego jest niemale naturalne [Bendat i Piersol, 1971;
Augusti i inni, 1984].
Co wicej, zbiorcza analiza imperfekcji powierzchniowych, jak pociga za sob aparat
losowy, moe w niektrych przypadkach znacznie polepszy wspomnian ju efektywno
procesu projektowego i wyranie zwikszy jego zysk ekonomiczny. Wie si to jednak
zawsze z odrzuceniem zalece normowych [Arbocz, 1998].
Niestety, rozwizania analityczne problemw probabilistycznych i stochastycznych istniej
tylko dla najprostszych przypadkw obcie. Jeeli wczy si do analizy zagadnienia
nieliniowoci geometrycznej i materiaowej, to rozwizania problemu utraty statecznoci
mona uzyska jedynie na drodze oblicze numerycznych. Do oblicze statecznoci
konstrukcji powokowych dopasowano zatem szereg wspomnianych i opisanych w rozdziaach
poprzednich metod i technik probabilistycznych (metod Monte Carlo, FORM, SORM,
techniki powierzchni odpowiedzi) oraz stochastyczn metod elementw skoczonych (SFEM)
[Winkler, 1995].
Techniki probabilistyczne s take niezbdne do optymalizacji iloci potrzebnego nakadu
oblicze numerycznych i interpretacji ich wynikw, jako e rozrzuty wartoci rezultatw
mog by znaczne imperfekcje geometryczne mog bowiem drastycznie zmieni wartoci
obcie krytycznych i granicznych konstrukcji, nawet w obrbie jednego typu obcienia
[Bendat, 1990; Melchers, 1999; Hotaa, 2003].
Problem oblicze nonoci konstrukcji powokowych z imperfekcjami geometrycznymi
w postaci wygenerowanych komputerowo pl losowych by ju realizowany przez zespoy
badawcze, ktrych autor pracy czuje si kontynuatorem, przy uyciu metody Monte Carlo,
wzbogaconej technikami redukcji populacji prbek (w sprzeniu z programami
komercyjnymi). [Bielewicz i inni, 1994; Walukiewicz i inni, 1997; Bielewicz i Grski, 2002;
Grski, 2006; Grski i Mikulski, 2008; Goota i inni, 2011]
Mimo wszystko, prby wiarygodnego obliczania wartoci obcienia prowadzcego do utraty
statecznoci konstrukcji powokowej z imperfekcjami geometrycznymi, obrbka wynikw
takiej analizy, a w dalszej linii take i szacowanie poziomu awaryjnoci (lub niezawodnoci)
110
konstrukcji lub jej elementu na poziomie wyszym od pierwszego metod szacowania

bezpieczestwa konstrukcji nadal zalicza si do najbardziej zoonych i stosunkowo sabo
rozpoznanych problemw wspczesnej mechaniki stosowanej [Grski i Mikulski, 2008].
Rozdzia 5
Generacja dwuwymiarowych i trjwymiarowych
pl losowych
5.1. Generacja pl losowych za pomoc metody

warunkowej akceptacji i odrzucania
Jak zauwaono w rozdziale poprzedzajcym, symulacja pl losowych jest wanym elementem
analizy niezawodnoci konstrukcji inynierskich. Teoretyczne podstawy generacji pl
losowych mona znale midzy innymi w pracach Adlera [Adler, 1981], Matherona
[Matheron, 1975] oraz Shinozuki i wspautorw [Shinozuka, 1987; Yamazaki i Shinozuka,
1990; Shinozuka i Deodatis, 1996], a implementacje tyche podstaw znajduj zastosowanie
w zagadnieniach dyskretyzacji w szeregu rnych prac, m.in. w [Mignolet i Spanos, 1992]
oraz [Grigoriu i Balopoulou, 1993]. Rozwijane metody pozwalaj zazwyczaj na generacj
pl jednorodnych i pl gaussowskich, wykorzystywanych w wielu rnorakich zagadnieniach,
takich jak akustyka, trybologia, nauki o ziemi i wielu innych. Jednake w literaturze
wiatowej proponowane s take metody generacji pl niejednorodnych [Popescu i inni, 1998]
i pl niegaussowskich [Gomes i Awruch, 2002].
W niniejszej pracy stosowana jest warunkowa metoda generacji, opisana w licznych
pracach Bielewicza, Walukiewicza i innych [Bielewicz i inni, 1985; Bielewicz i inni, 1987;
Bielewicz i inni, 1994; Walukiewicz i inni, 1995; Walukiewicz i inni, 1997]. Podsumowanie
moliwoci tej specyficznej metody generacji mona znale w pracy [Grski, 2006].
Metoda ta umoliwia generacj dowolnych dwuwymiarowych i trjwymiarowych
gaussowskich pl losowych. Wszechstronne analizy wykazay uniwersalno i przydatno
warunkowej metody w generacji zarwno pl jednorodnych, jak i pl niejednorodnych.
Skuteczno teje metody wykazay wszelkie przeprowadzone w wymienionych wyej pracach
testy, przeprowadzone dla pl opisanych nawet zaawansowanymi funkcjami korelacyjnymi
Wienera lub Brauna. Specyfika metody warunkowej polega na wykorzystaniu w obliczeniach
tylko pewnego fragmentu generowanego pola. W sposb warunkowy generowany jest zawsze
tylko jeden punkt wspomnianego pola, opisany przez niewiadom losow warto. Algorytm
pozwala na symulacj pl o dowolnych rozmiarach.
Poniej przedstawiono krtki zarys metody, przedstawiony w pracy [Grski, 2006].
W metodzie wykorzystywane jest dyskretne pole losowe, opisane w postaci
wielowymiarowych zmiennych losowych zdefiniowanych w wzach siatki definiowanego pola.
Pole to reprezentowane jest przez wektor losowy m zmiennych losowych, X(m1) , o redniej
X(m1) . Funkcja kowariancyjna pola reprezentowana jest macierz kowariancyjn K(mm ) .
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)
Korzystajc z zaoenia podziau wektora losowego X(m1) na blok nieznany i znany,

analogiczne zaoenie mona przedsiwzi w odniesieniu do macierzy kowariancyjnej K(mm )
i wektora wartoci oczekiwanych X(m1) i je take podzieli na odpowiednie bloki:
K
K = 11
K21
n
K12 n
K22 p
X n
X = u
Xk p
(5.3);(5.4)
Wektor nieznanych wartoci losowych Xu wyznaczany jest na podstawie rozkadu

warunkowego [Devroye, 1986]
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)
Podstawiajc rwnoci funkcji gstoci prawdopodobiestwa f (X) (5.2) i f (Xk ) (5.6)

do wzoru na rozkad warunkowy Devroyea f (Xu Xk ) (5.5), otrzymuje si rwno
f ( Xu Xk )
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)
gdzie podmacierz 0 oznacza macierz zerow.

W wyniku zastosowania uproszcze, proponowanych w [Jankowski i Walukiewicz, 1997],
otrzymuje si ostatecznie rwno Devroyea (5.7) w postaci
Rozdzia 5 Generacja dwuwymiarowych i trjwymiarowych pl losowych
f (Xu Xk ) = ( det Kc )
1
2
( 2 ) 2
T
1
exp ( Xu Xc ) Kc1 ( Xu Xc )
2
113
(5.8)
gdzie Kc oznacza warunkow macierz kowariancyjn, natomiast Xc oznacza warunkowy

wektor wartoci oczekiwanych, ktre to wartoci przedstawi mona zalenociami
1
Kc = K11 K12 K22
K21
(5.9)
1
oraz Xc = Xu + K12 K22
( Xk Xk )
(5.10)
W przypadku zastosowa inynierskich wartoci zmiennych losowych okrelone s zazwyczaj

cile zdefiniowanym przedziaem. Na przykad modu Younga nie moe przyjmowa wartoci
ujemnych, a wstpne imperfekcje geometryczne rzeczywistych konstrukcji nie powinny
przekracza wartoci dopuszczanych przez normy.
Aby speni ten warunek, zastosowa naley ucity rozkad normalny, opisany rwnoci
ft (x ) =
f (x )
P
(5.11)
gdzie f (x ) jest funkcj gstoci rozkadu prawdopodobiestwa Gaussa jednej zmiennej

losowej x , opisanej odchyleniem standardowym i wartoci rednia x , opisan rwnoci
f (x ) =
(x x )
1
exp
2 2
2
(5.12)
a P jest polem rozkadu, ograniczonym przez parametr ograniczenia odchylenia

standardowego s , przedstawianym zapisem
P=
1
2
(x x )
exp
dx
2 2
x s
x s
(5.13)
Podstawiajc zmienn znormalizowan z = (x x ) / do powyszego wzoru otrzymuje si:
P=
s
z2
1
exp
dz = 2erf (s )
0
2
(5.14)
gdzie wprowadzona funkcja erf (s ) nazywana jest funkcj bdu:

erf (s ) =
s
z2
1
exp
dz ,
2 0
2
s0
(5.15)
Wariancj zmiennej losowej x opisuje ostatecznie nastpujcy wzr:
t2 =
x s
2
(x x ) ft (x ) dx
x s
(5.16)
114
Podstawiajc do powyszego zapisu wyprowadzone wzory na ft (x ) oraz P otrzyma mona

zapis proponowany w pracy [Jankowski i Walukiewicz, 1997], w postaci
t2 = 2 (1 t )
(5.17)
gdzie warto t nazywana jest parametrem ucicia i wyraana jest wzorem

s2
s exp
2
t =
2 erf (s)
(5.18)
Ostatecznie, podstawienie wyprowadzonych wartoci opisujcych ucity rozkad normalny,

prowadzi do otrzymania wzoru na czn funkcj gstoci prawdopodobiestwa
ucitego rozkadu Gaussa w postaci
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 )
Algorytm generacyjny wykorzystuje w swoim dziaaniu bazowe pole zmiennych losowych,

opisanych na regularnej lub nieregularnej siatce.
Algorytm ten postpuje zgodnie ze schematem przedstawionym obrazowo na rys. 5.1.
N
d
r2
a)
b)
3
r1
c
generowane zmienne
nieznane wartoci generowane
w obszarze bloku
c)
znane wartoci
d)
znane wartoci ktre nie bior

udziau w dalszej generacji
przesunicie bloku generacji
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 ,
Xc Xc ) w znaczny sposb przyspiesza obliczenia.

W procesie generacyjnym wykonywane s kolejno nastpujce operacje [Grski, 2006]:
1. Okrelenie lokalnej macierzy kowariancyjnej K (i i ) , znanego wektora zmiennych losowych
Xk((i 1)1) oraz wektora wartoci oczekiwanych X(i1) .

2. Obliczenie warunkowej wariancji Kc i wartoci redniej Xc
1
Kc = K11 K12 K22
K21
(5.20)
1
oraz Xc = Xu + K12 K22
( Xk Xk )
(5.21)
3. Generacja zmiennej losowej Xi , dokonywana za pomoc rwnoci
Xi = ai + (bi ai ) ui
(5.22)
4. Generacja zmiennej losowej u z rozkadu rwnomiernego u [0;1] i wyznaczenie
fmax = u ,
= (1 t )
(i 1)/2
( 2 Kc )1 2
(5.23);(5.24)
5. Obliczenie funkcji gstoci prawdopodobiestwa f (Xi )
1
f ( X i ) = exp
J ( X i )
2 (1 t )
( Xi Xc )
J (X ) =
(5.25)
gdzie
Kc
(5.26)
6. Sprawdzenie warunku generacji zmiennej losowej:
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)
Wszechstronne testy dziaania, skutecznoci i optymalnoci zaproponowanego algorytmu,

przedsiwzite i przedstawione przykadowo w pracy [Grski, 2006] udowodniy poprawno
i efektywno jego dziaania.
Podsumowujc, najwaniejszym czynnikiem, zdecydowanie wyrniajcym generacj
pl losowych za pomoc metody warunkowej jest moliwo generacji pl losowych opisanych
dowoln funkcj korelacyjn (jednorodn lub niejednorodn, o silnej lub sabej korelacji).
Dodatkowo, wprowadzenie obwiedni pola pozwala na realizacje nawet najbardziej
skomplikowanych warunkw brzegowych (warunkw podporowych), zakadanych
odpowiednio do wymaga rozpatrywanych konstrukcji inynierskich. Obwiednia pola
umoliwia take generacj pl opisanych funkcjami korelacyjnymi, zdefiniowanymi
na podstawie danych dowiadczalnych, np. rzeczywistych, pomierzonych imperfekcji
geometrycznych konstrukcji (o ktrych mowa jest w rozdziale 4.2 niniejszej rozprawy).
Warto take zauway, i pomimo faktu, e metoda dotyczy jedynie symetrycznych pl
gaussowskich, to przyjcie w obliczeniach obwiedni pola losowego bdcych niesymetrycznymi
umoliwia w nastpstwie generacj niesymetrycznych pl losowych. Pola te maj ogromne
znaczenie w wielu zagadnieniach inynierskich.
Wprowadzenie generacji pola losowego za pomoc ograniczonego pola bazowego umoliwia
generacj pl o praktycznie dowolnych rozmiarach. Co bardziej istotne, blok generacyjny
w postaci pola bazowego pozwala na generacj pl opisanych na powierzchniach
cylindrycznych (pole losowe ma charakter obszaru zamknitego). Wanie t cech generacji
wskazuje si jako najbardziej istotn oraz unikatow w stosunku do innych metod generacji.
Warunkow generacj pl losowych wykorzystano midzy innymi w analizie stalowych
zbiornikw na paliwa pynne [Grski i Mikulski, 2008], silosw [Goota i inni, 2011], przy
okazji badania efektu skali w elementach betonowych [Tejchman i inni, 2009], w analizie
zachowania si materiaw granulowanych [Tejchman i Grski, 2009], przy szacowaniu
nonoci fundamentw elbetowych [Tejchman i Grski, 2011] oraz przy symulacji trzsie
ziemi [Jankowski, 2002; Jankowski, 2006].
Generacj losowych pl przestrzennych wykorzystano midzy innymi w analizach
wykonanych w pracy [Przewcki i Grski, 2001].
117
5.2. Generacja pl losowych za pomoc rozwinicia

Karhunena Lovea
Zdecydowana wikszo programw generujcych pola losowe wykorzystuje rozwinicie
Karhunena Lovea. Poniej przedstawiono uproszczon wersj teje metody, pozwalajc
na jej optymalne wykorzystanie [Ghanem i Spanos, 1991].
Gwnym celem stosowania rozwinicia Karhunena Lovea [Karhunen, 1947; Love, 1948]
jest generowanie (rozwijanie) wstpnych wartoci pola losowego, o podanych zalenociach
korelacyjnych, w sposb obliczeniowo efektywny. Rozwinicie to opiera si na technice
przestrzennej dekompozycji funkcji kowariancyjnej danego pola losowego drugiego rzdu.
Ortogonalne rozwinicie Karhunena Lovea stosuje si do wyznaczania wartoci pl
losowych, ktre opisa mona w postaci
w = w (1 + )
(5.29)
gdzie w reprezentuje dowoln zmienn losow (np. imperfekcj geometryczn

lub materiaow), w jest wartoci redni teje zmiennej, natomiast opisuje wahanie si
wartoci tej zmiennej wzgldem jej redniej. Twierdzenie Karhunena z 1947 roku postuluje
(porwnaj np. [Adler, 1981; Sobczyk, 1991; Anders, 2000]), e jeeli pole losowe drugiego
rzdu, o zerowej wartoci redniej jest zdefiniowane funkcj korelacyjn C (x1 , x2 ) to wtedy
(x, ) =
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
V C (x1, x2 ) m (x2 )dx2 ,
m = 1, 2, 3,...
rwnaniach 1 , 2 , ... s
kolejnymi
dla C (x1 , x2 ), tworzcymi ortogonaln baz (m , n ) = mn ,
(5.32)
funkcjami
wasnymi
m , n = 1, 2, 3,... , nastpnie
1 , 2 , ... s odpowiadajcymi wartociami wasnymi tyche funkcji (1 2 ... > 0),

natomiast funkcje 1 , 2 , ..., mona zdefiniowa wzorem
m ( ) =
1
m
V (x, ) m (x)dx
(5.33)
Powysze rwnania wskazuj, i rozwinicie Karhunena Lovea jest de facto rozwiniciem

szeregu Fouriera fluktuacji zmiennej losowej w ortogonalnej bazie (m , n ) = mn , tworzonej
przez wspomniane powyej funkcje wasne funkcji korelacyjnej C (x1 , x2 ) .
Rozwinicie Karhunena Lovea pozwala przede wszystkim na generacj gaussowskich pl
losowych (x, ) . Zmienne losowe 1 , 2 , ... s wwczas take przyjmowane jako zmienne
losowe o rozkadzie normalnym. W takim podejciu jest jedn z najbardziej efektywnych
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)
gdzie: jest odchyleniem standardowym , parametry bx oraz by definiuj zasig korelacji.

Naley podkreli, e tak zdefiniowana funkcja nie jest funkcj izotropow. Ponadto,
w przypadku gdy bx = by = b , a pooenie punktu opisane jest wektorem jednostkowym
(nx , ny ), wzr ten powinno si zastpi zwizkiem [Anders, 2000]

s
C (s) = 2
nx + ny
b
(5.35)
gdzie s jest wsprzdn lokalizacyjn punktu.

Przyjcie jednorodnej funkcji korelacyjnej C pozwala na uzyskanie atwych w realizacji
numerycznej, zamknitych wzorw. Zgodnie ze zwizkami Wienera Khinchinea
[Vanmarcke, 1983] gsto widmow jednorodnej funkcji korelacyjnej C mona
przedstawi rwnoci
S (vx , vy , vz ) = 2
bxbybz
(bx2vx2
+ 1)(by2vy2 + 1)(bz2vz2 + 1)
(5.36)
Funkcja korelacyjna C pozwala na rozwizanie rwnania w obszarze prostoktnym
l l ly ly
A = x , x ,
2 2 2 2
(5.37)
Rwnanie prowadzce do wyznaczenia funkcji m m (x1 ) mona wwczas w obszarze A

zapisa w postaci
m m (x1 ) =
V C (x1 , x2 ) m (x2 )dx2
lx /2 ly /2
C a (x1 , x 2 )m (x 2 )dx 2dy 2 , m = 1, 2, ... (5.38)
lx /2 ly /2
gdzie x1 = (x1 , y1 ) oraz x2 = (x 2 , y2 ) .

Ponadto przyjmujc w powyszym rwnaniu, e
m (x , y ) = i x (x )jy (y )
(5.39)
oraz m = xi yj , m, i , j = 1, 2, ...
(5.40)
119
problem dwuwymiarowy mona sprowadzi do zagadnienia jednowymiarowego:
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)
Rozwizanie powyszego rwnania mona przedstawi nastpujco [Ghanem i Spanos, 1991]:

l
sin(wisls )
i s = s 1 +
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)
gdzie parametry wis , i = 1, 2, 3,... otrzymuje si rozwizujc rwnanie

1
s ls
s
s ls
tan wi + wi bs tan wi s = 0
2
2 wi bs
(5.45)
W przypadku gdy lx = ly oraz bx = by wzr (5.39) przyjmie posta
(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].
5.3. Przykad symulacji pola losowego za pomoc

przedstawionych technik generacji
Wykorzystujc przedstawione w rozdziaach poprzedzajcych wzory (dla symulacji metod
warunkowej akceptacji i odrzucania w rozdziale 5.1 oraz dla symulacji metod rozwinicia
Karhunena Lovea w rozdziale 5.2) zbudowano program wasny w jzyku Fortran 90.
Poniej przedstawiony zostanie przykad symulacji pola losowego, wygenerowanego
w programie wasnym, majcy na celu nie tylko sprawdzenie dziaania utworzonego
programu, ale jednoczenie dokonujcy porwnania wynikw obu technik generacji.
Do oblicze przyjto pole opisane rwnaniem
x x1
y y1
C (x 2 x1 , y2 y1 ) = 2 2
2
bx
by
(5.47)
120
podstawiajc do rwnania: lx = ly = 1, 0 m , bx = by = 1, 0 m , = 1, 0 m oraz przyjmujc

zakadany podzia pola losowego na kolejno 20 i 40 elementw.
Wymiary
elementw
siatki
pola
losowego
wynosz
zatem
odpowiednio
x = y = 1, 0 m / 20 = 0, 05 m oraz x = y = 1, 0 m / 40 = 0, 025 m . Rozmiar macierzy
kowariancyjnej dla poszczeglnych przypadkw wynosi: 441 441
elementw. Przyjta liczba wyrazw rozwinicia szeregu wynosi: m = 4 .
Wygenerowano 500 realizacji dla kadej z siatek elementw.
oraz 1681 1681
Podobne obliczenia, zakadajc te same parametry liczbowe generowanego pola, wykonano

stosujc metod warunkowej akceptacji i odrzucania (oznaczan w przykadzie nazw
generacji warunkowej). Nastpnie dokonano porwnania wynikw dla obu generacji.
Na rys. 5.2. przedstawiono graficzne porwnanie wartoci elementw diagonalnych
kowariancyjnej macierzy teoretycznej dla wariantu liczby 441 441 elementw macierzy
z rezultatami generacji obu metod, a na rys. 5.3. przedstawiono szczegowo porwnanie
wartoci elementw pierwszego wiersza teje macierzy.
Wartoci macierzy kowariancy jnej
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
Nr elementw macierzy kowariancyjnej
Rys. 5.2. Porwnanie wartoci elementw diagonalnych macierzy kowariancyjnej (wariant

dla liczby 441 441 elementw macierzy).
Wartoci macierzy kowariancyjnej
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
Rys.5.3. Porwnanie wartoci elementw pierwszego wiersza macierzy kowariancyjnej

(wariant dla liczby 441 441 elementw macierzy).
121
Na rys. 5.4. przedstawiono natomiast graficzne porwnanie wartoci elementw diagonalnych

kowariancyjnej macierzy teoretycznej dla wariantu liczby 1681 1681 elementw macierzy
z rezultatami generacji obu metod, a na rys. 5.5. przedstawiono szczegowo porwnanie
wartoci elementw pierwszego wiersza teje macierzy.
Wartoci macierzy kowariancyjn ej
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
Rys. 5.4. Porwnanie wartoci elementw diagonalnych macierzy kowariancyjnej (wariant

dla liczby 1681 1681 elementw macierzy).
Wartoci macierzy kowa riancyjnej
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
Nr elem entw macierzy kowariancyjnej
Rys.5.5. Porwnanie wartoci elementw pierwszego wiersza macierzy kowariancyjnej

(wariant dla liczby 1681 1681 elementw macierzy).
Dodatkowo, obliczono globalny bd macierzy kowariancyjnej, stosujc do tego celu
rwno [Grski, 2006]
Gbl
K K
(
) 100%
=
(5.48)
(K)
jest estymatorem macierzy kowariancyjnej, a w

jest estymatorem wektora wartoci
gdzie K
oczekiwanej, gdzie obie wartoci wyraane s wzorami
=
K
1 NR
1 NR
T
(
w
w
)(
w
w
)
oraz
w
=
i
wi
i
NR 1 i =1
NR i =1
gdzie warto NR oznacza liczb realizacji, a symbol i
(5.49);(5.50)
oznacza norm macierzy.
122
W przypadku pola 20 20 elementw, globalny bd macierzy kowariancyjnych K

uzyskanych z obu typw przedstawionych generacji, odniesiony w stosunku do macierzy
teoretycznej K wynosi odpowiednio 1,76% dla generacji warunkowej oraz 0,08% dla generacji
Karhunena Lovea.
Bdy w estymacji wariancji wynosz odpowiednio 1,59% oraz 11,37%.
W przypadku pola 40 40 elementw, bdy te wynosz odpowiednio 9,39% i 0,06% dla

globalnych macierzy kowariancyjnych oraz odpowiednio 5,94% i 9,01% dla bdw wariancji.
Porwnujc bdy generacji pl, wykonanych obiema metodami, naley stwierdzi, i obie
metody generacji charakteryzuj bdy o podobnych rzdach. Czasy generacji s take bardzo
podobne, dlatego i w obu metodach nie s wyznaczane pene globalne macierze
kowariancyjne, nie s te wykonywane adne czasochonne obliczenia, jak przykadowo
poszukiwanie wartoci wasnych czy te odwracanie penych macierzy.
Jednake metoda generacji warunkowej ma bardziej oglny charakter, za jej pomoc mona
realizowa generacje pl charakterystycznych dla zagadnie inynierskich. Mona zatem
stanowczo stwierdzi, i dla zada sformuowanych w niniejszej pracy, nawizujcych cile
do nieliniowych modeli numerycznych rzeczywistych konstrukcji inynierskich, bardziej
zasadne wydaje si uycie metody generacji warunkowej akceptacji i odrzucania
i wanie z takim zaoeniem przystpi si do analiz autorskich wykonywanych w rozdziale
nastpujcym, w szczeglnoci w rozdziale 6.2. niniejszej rozprawy, gdy uyte tam
dwuwymiarowe pole losowe zostao zasymulowane technik generacji warunkowej.
Rozdzia 6
Przykady zastosowa podejcia probabilistycznego
w rzeczywistych problemach inynierskich
6.1. Proste modele prtowe

Jak podkrelano we wczeniejszych rozdziaach powiconych procedurze autorskiej,
powstawaniu programu RSMWin przywiecaa idea wytworzenia wygodnego i atwego
w obsudze (nawet na poziomie dydaktycznym) narzdzia obliczeniowego, sucego
do aproksymacji powierzchni odpowiedzi dla zada inynierskich. Zaoono, i narzdzie
to bdzie bezporednio sprzone z algorytmami poszukiwania wskanikw niezawodnoci
dla skalkulowanej uprzednio powierzchni odpowiedzi, a w dalszej kolejnoci take
prawdopodobiestwa awarii konstrukcji, co w zupenoci pokrywa si z celem postawionym
przed niniejsz rozpraw.
Zdecydowano si na stworzenie programu wasnego (zamiast korzystania z dostpnych
programw komercyjnych), aby mc w przyszoci rozbudowywa program wedle wasnego
uznania, w celu sucym wycznie jasno sprecyzowanej grupie zada. Postawiono take
wymg moliwoci przeprowadzania pniejszych modyfikacji jdra programu, przy ktrych
naleao bdzie zachowa pen wiadomo dziaania programu w obecnej postaci
oraz utrzyma pen kontrol nad zapisanymi procedurami, jakie wybierze si dla uzyskania
okrelonej grupy wynikw.
Zauwaono bowiem, i dysponujc wykonanym wasnorcznie programem mona duo lepiej
wejrze w uzyskiwany progres czasowy i obliczeniowy jego dziaania, a take obserwowa
rozwizania towarzyszce metodologii powierzchni odpowiedzi. Do tych ostatnich zaliczy
mona chociaby wraliwo danej konstrukcji nie tylko definiowan jako czuo
wynikowej powierzchni odpowiedzi na zmiany skadowych wektora zmiennych losowych
zadania, ale take jako wraliwo na tzw. niepewno modelow lub niepewno obliczeniow
modelu, jakie mogyby si pojawi (lub nie zosta zauwaone) przy bezkrytycznym
posugiwaniu si programami komercyjnymi.
Dodatkowo, wykonanie programu autorskiego ma nad programem komercyjnym znaczn
przewag ekonomiczn. Wszelkie wymienione powyej modyfikacje, zmiany i aktualizacje
odbywaj si jedynie nakadem pracy autora, ponadto s planowane i przemylane jedynie
przez niego. Nie wymagaj one ani zmiany uzyskanej licencji komercyjnej (zmiany te s
czsto dodatkowo patne), ani te zdawania si jedynie na te modyfikacje i aktualizacje, jakie
dostawca oprogramowania komercyjnego wykona w danej wersji.
124
Stworzenie wasnej procedury obliczeniowej wymaga jednak wykonania dodatkowego szeregu

testw numerycznych, majcymi midzy innymi dokona sprawdzenia sprawnoci (nakadu
czasowego) oblicze, szybkoci uzyskiwania zbienoci dla zaimplementowanych algorytmw
oraz weryfikacji poprawnoci i adekwatnoci rezultatw, jakie mona dan procedur
uzyska. Przeprowadzono w tym celu szereg prostych analiz, wykazujcych cakowit
sprawno i prawidowo dziaania zaproponowanego programu autorskiego RSMWin.
Testy wykonano na zrnicowanych przykadach, pokrywajcych wikszo pl planowanego
poruszania si programu, zarwno w odniesieniu do algorytmw szacowania bezpieczestwa
konstrukcji na poziomie drugim, jak i do tematyki przykadw, jakie postawiono przed
niniejsz rozpraw, czyli modelami geometrycznie i materiaowo nieliniowymi. Problemy
testowe dobrano z szerokiej bazy przykadw dostpnych w literaturze wiatowej, w taki
sposb, aby mc szybko i bez wtpliwoci zweryfikowa zgodno rozwizania proponowanego
przez program autorski z wynikami zaprezentowanymi w okrelonym przykadzie.
6.1.1. Dobr optymalnej powierzchni odpowiedzi do zadania

pocztkowego
W pierwszej kolejnoci, najistotniejszym elementem rozwizania wykonywanego za pomoc
programu autorskiego RSMWin jest poprawny dobr powierzchni odpowiedzi
dla wymogw zadania. Dobr ten jest wykonywany za pomoc standardowej analizy regresji,
ktra to technika jest stosunkowo czsto spotykana, zarwno w przykadach zaczerpnitych
w literaturze, jak i w programach komercyjnych. Uzupenieniem analizy regresji jest
wykorzystanie analizy wariancji metod tabelaryczn (ANOVA), ktra w przejrzysty sposb
prezentuje wymagane miary dopasowania zarwno wspczynnikw kierunkowych
powierzchni, jak i caociowe miary dopasowania powierzchni odpowiedzi dla danego zadania.
Na podstawie pracy Treharnea dokonano sprawdzenia poprawnoci i jakoci matematycznej
doboru powierzchni odpowiedzi do danych pocztkowych zadania [Treharne, 1991].
W pracy [Treharne, 1991] zdefiniowano wyjciow funkcj stanu granicznego
jako powierzchni rzdu drugiego, dwch zmiennych niezalenych, wyraon wielomianem
stopnia drugiego z czonami interakcyjnymi
n
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
Powierzchnia ta przedstawiona zostaa na rys. 6.1.

Ze wzgldu na zawarte w pracy [Treharne, 1991] wyrane wskazanie na przyjty model
aproksymacyjny powierzchni zdecydowano si nie pokazywa w niniejszej rozprawie
aproksymacji wykonanych w pocztkowym stadium analizy sabszymi modelami
(wielomianami stopnia pierwszego oraz stopnia drugiego bez czonw interakcji). Analizy
takie zostay sporzdzone, aby potwierdzi moliwo aproksymacji w takim podejciu,
jednake dla zadania sformuowanego w ten sposb, i punkty pomiarowe s rozoone
foremnie w przestrzeni realizacji (bez celowego rozmieszczania punktw obliczeniowych
Rozdzia 6 Przykady zastosowa podejcia probabilistycznego...
125
w ssiedztwie rwnania funkcji granicznej), kade z osignitych przyblie miao gorszy

wspczynnik cakowitego dopasowania ni najgorszy wariant dopasowania dla modelu
wyraonego wielomianem stopnia drugiego z czonami interakcyjnymi, co zdaje si
potwierdza zarwno suszno dziaania programu, jak i skania si do ustalonej
w literaturze drogi postpowania aproksymacji powierzchni odpowiedzi (przedstawionej
chociaby w rozdziale 3.3. niniejszej rozprawy).
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)
2, 000 x12 47, 000 x 22
2, 000 x12 47, 002 x 22
1, 996 x12 47, 224 x 22
+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
+8, 001 x 1 + 13, 999 x 2
+8, 069 x1 + 13, 914 x 2
+8, 048 x1 + 13, 972 x 2
2, 000 x12 47, 000 x 22
1, 995 x12 46, 996 x 22
1, 993 x12 46, 998 x 22
+10, 000 x 1x 2
g(x) = 80, 996
+9, 996 x1x 2

g(x) = 81, 007
+10, 000 x1x 2

g(x) = 81, 005
+7, 998 x 1 + 14, 000 x 2

2, 000 x1 47, 000 x 2
2
101
(suma
=1012
=10201)
+8, 000 x1 + 14, 001 x 2

2
+10, 000 x 1x 2
g(x) = 81, 007
2, 000 x1 47, 000 x 2
+10, 000 x 1x 2
+8, 001 x 1 + 14, 000 x 2

2
+10, 000 x 1x 2
g(x) = 81, 002
+8, 000 x1 + 14, 000 x 2

2
2, 000 x1 47, 000 x 2

2
+10, 000 x 1x 2
g(x) = 80, 999
+8, 000 x1 + 14, 000 x 2

2
2, 000 x1 47, 000 x 2

2
+10, 000 x 1x 2
2, 000 x12 47, 000 x 22
+8, 000 x1 + 14, 000 x 2

2
2, 000 x12 47, 000 x 22

+10, 000 x 1x 2
Natomiast, siatka prowadzca do najlepszej aproksymacji powierzchni odpowiedzi, spord

zrealizowanych wariantw siatkowania, to siatka charakteryzujca si iloci punktw siatki
na osi wymiaru rwn 101 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) = 80.999 + 8.000 x1 + 14.000 x 2 2.000 x12 47.000 x 22 + 10.000 x1x 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
obliczeniowych na osi pojedynczego wymiaru oraz odlegoci midzy punktami siatki na osi
wymiaru wynoszc jednostk. Wytuszczono cakowity wspczynnik dopasowania (FBD ) .
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
Uzyskane rezultaty s w uznaniu autora potwierdzeniem poprawnoci dziaania programu.

Dla regularnego uoenia punktw obliczeniowych siatki na planie kwadratu (co nie jest
rozwizaniem optymalnym, ale bardzo czsto wykorzystywanym w praktyce inynierskiej)
rzeczywicie powinno si uzyskiwa najgorsze rezultaty, jeli zaoy si zbyt mao punktw
obliczeniowych oraz nie zapewni si im naleytego rozgszczenia. Zauway te mona,
e taka sama liczba punktw zaoonych w szerszym rozstawie powoduje wzrost dokadnoci
aproksymacji powierzchni. W przypadku redniego lub duego pola rozmieszczenia wikszej
iloci punktw obliczeniowych wzgldem osi pojedynczego wymiaru przestrzeni realizacji
mona zauway jeszcze wiksz popraw aproksymacji, w zupenoci wystarczajc do
szacowania pniejszych parametrw rozwizania. Najdokadniejsze odwzorowanie uzyskuje
si dla najwikszej liczby punktw obliczeniowych na siatce, ale zaskakujco, wraz
z przyrostem liczby punktw, poprawie aproksymacji sprzyja zmniejszanie si odlegoci
midzy punktami siatki na osi pojedynczego wymiaru. Taki efekt jest wytumaczalny
ze wzgldu na topografi powierzchni zadania. Krzywizna w obrbie szerokiego piku
wierzchokowego moe by precyzyjnie aproksymowana tylko w przypadku zapewnienia
dobrego obsadzenia jej punktami projektowymi. Zauway naley, i dla powierzchni o innej
topografii tendencja ta mogaby by inna.
128
Zasugerowane powyej wnioski powinny przywieca doborowi punktw obliczeniowych

(tudzie wyborowi prbek metody Monte Carlo) we wszystkich pniejszych dziaaniach
w rodowisku programu. Powysz analiz potwierdzono obostrzenie, jakie nakada si na
proces poszukiwania powierzchni odpowiedzi, tj. wymg cisej kontroli procesu aproksymacji,
wpierw w wietle przyjcia prawidowego (wystarczajcego) modelu aproksymacyjnego,
a pniej waciwego doboru geometrycznego i ilociowego liczby obserwacji (prbek).
6.1.2. Kalkulacja i porwnanie wskanikw niezawodnoci

dla trjprzsowej belki cigej Lemaitrea
W dalszej kolejnoci, bardzo wanym elementem rozwizania dokonywanego za pomoc
programu autorskiego RSMWin jest obliczanie wskanikw niezawodnoci problemu
inynierskiego, wykonywane przy uyciu wprowadzonych do pamici procedury algorytmw.
Program zakodowane ma trzy rne algorytmy wyszukiwania wskanika niezawodnoci:
algorytm szukania wskanika Cornella (wskanika liniowego), moliwego do obliczenia tylko
w przypadku wczeniejszego wyboru modelu wielomianu stopnia pierwszego jako bazy
aproksymacyjnej oraz algorytmy szukania wskanika Hasofera Linda (wskanika
kwadratowego) i wskanika Hasofera Linda Rackwitza Fiesslera (wskanika
kwadratowego, iterowanego macierzowo), w przypadku wczeniejszego wyboru jako bazy
aproksymacyjnej modelu wielomianu stopnia drugiego.
Na podstawie pracy [Lemaitre, 1986] dokonano sprawdzenia poprawnoci i zbienoci
obliczania kwadratowych wskanikw niezawodnoci HL oraz HLRF .
W pracy [Lemaitre, 1986] zdefiniowano proste zadanie statycznie
trjprzsowej belki cigej, o schemacie przedstawionym na rys. 6.2.
niewyznaczalnej
Rys. 6.2. Statycznie niewyznaczalna trjprzsowa belka ciga wg [Lemaitre, 1986].

Zmiennymi losowymi w tyme problemie inynierskim s warto obcienia rwnomiernie
rozoonego q = const , modu sprystoci Younga E oraz moment bezwadnoci przekroju
poprzecznego J . Dugo L pojedynczego przsa belki jest staa i wynosi L = 5 m .
Wartoci oczekiwane i odchylenia standardowe zmiennych zadania, przyjte wg pracy
[Lemaitre, 1986], zostay zbiorczo zestawione w Tablicy 6.4.
Dla tak sformuowanego zadania metodami statycznymi mona dokona kalkulacji ugicia
maksymalnego, ktre wynosi 4, 3125 q EJ .
Funkcj stanu granicznego jest kryterium stanu uytkowania, wyraone jako zdefiniowany
dopuszczalny poziom ugi w(l ) , ustalony jako warto wynoszc w(l )dop = L 360 .
129
Funkcj stanu granicznego konstrukcji mona wic zapisa jako

g (w , E , J ) =
5
q
q
4, 3125
= 0, 01388888 4, 3125
360
EJ
EJ
(6.4)
Wyliczony w monografii kwadratowy wskanik niezawodnoci wynis = 3,1730 .

Tablica 6.4. Wartoci oczekiwane i odchylenia standardowe zmiennych losowych zadania,
przyjte wg pracy [Lemaitre, 1986].
Warto
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
Rozwizanie programem autorskim nie wymaga w tym przypadku uycia moduu

programu RSMWin potrzebnego do aproksymacji powierzchni odpowiedzi konstrukcji.
Jak mona zauway, funkcja stanu granicznego ma w rozpatrywanym zadaniu posta
wielomianu stopnia drugiego ze skadnikami interakcyjnymi, a wic dokadnie tak sam,
jak proponowany wielomian aproksymacyjny. Mona wic przyj, e dane wprowadzone
do programu s tosame z odpowiedzi konstrukcji.
Program autorski dostosowano do moliwoci pojawienia si takiej sytuacji i zawarto w nim
opcj rezygnacji z aproksymacji powierzchni na rzecz manualnego lub zewntrznego
wprowadzenia wspczynnikw kierunkowych ( 0 , i , ij ) dla wielomianu modelowego.
Funkcj stanu granicznego przedstawi mona zatem bezporednio w postaci proponowanej
przez program autorski, jako wyraenie
n
g(x) = g(x) = 0 + i xi + ij xi x j =
i =1
i j i =1
(6.5)
0 + 1x1 + 2x 2 + 3x 3 + 11 x12 + 22x 22 + 33x 32 + 12x1x 2 + 13x1x 3 + 23x 2x 3

lub, podstawiajc wartoci liczbowe, jako
q
0, 01388888 EJ 4, 3125 q
EJ
g(x) = g(x) = 4, 3125 x1 + 0, 01388888 x 2x 3
g (w , E , J ) = 0, 01388888 4, 3125
(6.6)
Dla powierzchni odpowiedzi zadanej tym wzorem, o tak wyznaczonym zbiorze

wspczynnikw kierunkowych wielomianu ( 0 , i , ij 1 = 4, 3125 ; 23 = 0, 01388888)
przystpi mona do wyznaczania w programie autorskim kwadratowych wskanikw
niezawodnoci HL oraz HLRF dla wyej postawionego prostego problemu inynierskiego.
Wykonujc za pomoc autorskiego oprogramowania iteracyjn procedur obliczania
wskanika niezawodnoci Hasofera Linda otrzymuje si wynik HL = 3,1805 .
130
Bardzo ciekawym elementem rozwizania algorytmu Hasofera Linda jest towarzyszce

kadej iteracji wyznaczanie wspczynnikw wraliwoci i , ktre s miar zalenoci
kocowego rozwizania od poszczeglnych zmiennych.
Im wiksza (co do wartoci bezwzgldnej) jest warto wspczynnika wraliwoci,
tym bardziej zmiana danej zmiennej losowej bdzie miaa wyraniejszy wpyw na zmienn
cakowit odpowiedzi. Wspczynniki wraliwoci mona bowiem rozumie jako wektory
kierunkowe (rozkady na poszczeglne osie przestrzeni realizacji x ) wektora czcego punkt
pocztkowy analizy (gdzie x = 0 ) z punktem projektowym zadania (miejscem kalkulacji
wskanika niezawodnoci ). Co za tym idzie, im wiksza jest warto danego j tego
wspczynnika wraliwoci, tym wymagane przemieszczenie si wzgldem j tego wymiaru
przestrzeni realizacji, potrzebne do osignicia punktu projektowego zadania jest wiksze.
Szczegy
iteracyjnych
oraz wspczynnikw
oblicze
wskanika
wraliwoci
i ,
niezawodnoci
wraz
Hasofera
obliczonymi
Linda
rnicami
HL
pomidzy
otrzymywanymi w kolejnych krokach iteracji wynikami, przedstawiono w Tablicy 6.5.

Uzyskiwanie zbienoci iteracyjnych oblicze i spadek rnic pomidzy otrzymywanymi
w kolejnych krokach iteracji wynikami przedstawiono na rys. 6.3 oraz na rys. 6.4.
Jak zauway mona na obu rysunkach, bardzo dobr zbieno uzyskiwanych wynikw
osiga si ju dla szstej iteracji, co pozwala na okrelenie oblicze jako szybko zbiene
i ekonomiczne pod wzgldem czasu obliczeniowego. Wszystkie wyniki, uzyskane na drodze
wykonywania procedury programu autorskiego, bardzo szybko si stabilizuj i kocowo
osigaj wyniki, ktre pokrywaj si z rozwizaniem monograficznym.
Bd bezwzgldny oszacowania wskanika niezawodnoci Hasofera Linda HL wynosi
e HL =
HL ,obl HL ,mono
HL ,mono
100% =
3,1805 3,1730
100% = 0, 2364%
3,1730
(6.7)
co jest wynikiem jakociowym bardzo dobrym, mniejszym od akceptowalnego poziomu 3, 0% .

Tablica
6.5.
Szczegy
iteracyjnych
oblicze
wartoci
wskanika
niezawodnoci
Hasofera Linda HL oraz wspczynnikw wraliwoci i , wraz z obliczonymi rnicami

pomidzy wynikami otrzymywanymi w kolejnych krokach iteracji.
Liczba iteracji
0
10
3,0000
3,2480
3,3108
3,2216
3,1866
3,1812
3,1805
3,1805
3,1805
3,1805
3,1805
-0,5774 -0,0407 0,0436
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
92,9516 7,0593 14,4436 6,5123
1,6077
0,3382
0,0727
0,0163
0,0037
0,0008
bd 2
47,4402 11,5068 2,8646
0,1044
0,0222
0,0050
0,0011
0,0003
0,0000
bd 3
9,4111 40,4676 31,7941 11,8212 2,8557
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
Uzyskiwanie zbienoci iteracyjnych oblicze i spadek rnic pomidzy otrzymywanymi

w kolejnych krokach iteracji wynikami przedstawiono na rys. 6.5 oraz na rys. 6.6.
Jak zauway mona na obu rysunkach, bardzo dobr zbieno uzyskiwanych wynikw
osiga si ju dla pitej iteracji, co take pozwala na okrelenie oblicze jako szybko zbiene
i ekonomiczne pod wzgldem czasu obliczeniowego. Wszystkie wyniki pokrywaj si
z rozwizaniem monograficznym.
Bd bezwzgldny oszacowania wskanika niezawodnoci Hasofera Linda Rackwitza
Fiesslera HLRF wynosi e HLRF = 0, 2364% i z racji identycznoci wynikw HL oraz HLRF
jest tosamy z bdem bezwzgldnym kalkulacji e HL .
Tablica 6.6. Szczegy iteracyjnych oblicze wartoci wskanika niezawodnoci Hasofera

Linda Rackwitza Fiesslera HLRF oraz wartoci zmiennych losowych zadania x i , wraz
z obliczonymi rnicami pomidzy wynikami otrzymywanymi w kolejnych krokach iteracji.
Liczba iteracji
0
10
3,0000
2,5782
3,2896
3,2135
3,1821
3,1805
3,1805
3,1805
3,1805
3,1805
3,1805
51,5298 17,7277 9,9492
9,8005 10,0325 10,0432 10,0436 10,0435 10,0435 10,0435 10,0435
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
14,0600 27,5933 2,3139
0,9774
0,0481
0,0028
0,0001
0,0000
0,0000
0,0000
bd q
65,5972 43,8779 1,4944
2,3677
0,1063
0,0040
0,0005
0,0002
0,0000
0,0001
bd E
51,5482 44,5930 15,4289 2,6884
0,8648
0,2143
0,0511
0,0120
0,0028
0,0007
bd J
28,9959 1,2906 16,4766 5,1958
0,9795
0,2187
0,0507
0,0119
0,0028
0,0007
100 000 000,00

1 000 000,00
10 000,00
100,00
1,00
0,01
0,00
0
10
liczba iteracji
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 .
6.1.3. Pene rozwizanie problemu niezawodnoci dla kolumny

Zieglera (supa idealnie sprystego z dwiema sprynami
o losowych sztywnociach)
a) Przedstawienie modelu
Analizuje si model supa, utwierdzonego u podstawy, osiowo ciskanego si P .
Sup ma dwa przeguby wewntrzne jeden u podstawy i jeden w poowie wysokoci.
Oba przeguby wewntrzne s wzmocnione sprynami o staych sprystoci k1 ; k2 .
Sztywnoci s modelowane jako dwie zmienne losowe: k1 = X1 (1 + x1 ) i k2 = X2 (1 + x 2 ) .
Zatem, X1 i X 2 s podstawowymi zmiennymi losowymi problemu okrelenia niezawodnoci.
Zaoono, i obie te zmiennoci cechuj si rozkadem normalnym, rednie tych rozkadw
s rwne 0, a odchylenia standardowe obu parametrw s jednakowe i wynosz 0,20.
Model ukadu przedstawiony jest na rys. 6.7.
Rys. 6.7. Model kolumny Zieglera wg [Alibrandi i inni, 2010].
134
Energi modelu w formie jawnej mona zapisa wzorem:

2 =
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)
W zaproponowanej analizie prawdopodobiestwo wyboczenia supa jest obliczane

przy zaoeniu, i k1 = k2 = x1 = x2 = 1 kNm , L = 1 m , P = 1 kN , zatem konstrukcja idealna
(x1 = x 2 = 0) wykazuje obcienie wybaczajce rwne: = 0, 5 (3 5) = E .

W pierwszym podejciu, w analizie niezawodnoci wspczynnik krytyczny obcienia zosta
dobrany jako = 0, 5 E = 0, 25 (3 5) , a podstawowe zmienne losowe (X1; X 2 ) zaoono
jako nieskorelowane (0 = 0).
Prawdopodobiestwo awarii zostao obliczone w publikacji odniesienia metod symulacji
Monte Carlo za pomoc miliona prbek i wynioso Pf = 2, 390 10 -3 .
Wyliczony za pomoc algorytmu HLRF wskanik niezawodnoci wynis = 2, 8599 .
b)
Dobr
wasny
powierzchni
odpowiedzi
do
zadania
pocztkowego,
skalkulowanie wskanika Hasofera Linda Rackwitza Fiesslera HLRF

Zakadajc, i krzywizna rzeczywistej powierzchni odpowiedzi konstrukcji jest dua,
dla zadania uywa si modelu drugiego rzdu z czonami interakcyjnymi, ktrego
posta przedstawia si wzorem
n
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
g(x) = 0 + 1x1 + 2x 2 + 11x12 + 22x 22 + 12x1x 2
(6.11)
Zaoono, i aproksymowana powierzchnia odpowiedzi bdzie obliczana w trzech wariantach:

przy uyciu 25, 121 oraz 10201 punktw obliczeniowych.
Punkty obliczeniowe s generowane analogicznie do zasad wspomnianych w punkcie 6.1.1.
niniejszej rozprawy, tj. zostaj rozpite na siatce wygenerowanej w zalenoci od dwch
ustalonych wczeniej parametrw od iloci punktw obliczeniowych rozmieszczonych
regularnie na osiach przestrzeni realizacji zadania oraz od parametru rozrzedzenia siatki, przy
narzuconym jednoczenie zasigu dyskretyzacji wynoszcym sx1 = sx 2 = 1, 0 ;1, 0 jednostki.
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 ) .
Dla 25 punktw kontrolnych, uzyskano powierzchni odpowiedzi dan wzorem
g(x) = 0,184 + 0, 241 x1 + 0,192 x 2 0, 064 x12 0,137 x 22 + 0,185 x1x 2
(6.12)
ktrej szczegy aproksymacji przedstawione s pogldowo w Tablicy 6.7. Pogldowy szkic

powierzchni odpowiedzi na powierzchni stanu granicznego zagadnienia, aproksymowanej
przy uyciu 25 punktw obliczeniowych (px1 = px2 = 5 ; dx1 = dx2 = 0, 5) przedstawia rys. 6.8.
Globalny wspczynnik dopasowania powierzchni odpowiedzi wynis FBD = 0, 037 .
Rys. 6.8. Powierzchnia odpowiedzi na powierzchni stanu granicznego zagadnienia,

obliczana przy uyciu 25 punktw obliczeniowych (ilo punktw na osi = 5, odlego
midzy punktami = 0,5 jednostki).
Wskanik niezawodnoci obliczany wedug podejcia Hasofera Linda Rackwitza
Fiesslera, skalkulowany przy uyciu 25 punktw obliczeniowych wynis: HLRF = 3,11 .
Szczegy iteracyjnych oblicze wskanika niezawodnoci HLRF zebrano w Tablicy 6.8.
Uzyskiwanie zbienoci iteracyjnych oblicze przedstawiono na rys. 6.9.
136
obliczeniowych (ilo punktw na osi = 5, odlego midzy punktami = 0,5 jednostki).
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

Linda Rackwitza Fiesslera HLRF obliczonego przy uyciu 25 punktw obliczeniowych.
1
Liczba porzdkowa iteracji

5
6
7
8
9
10 11
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
Hasofera Linda Rackwitza Fiesslera HLRF skalkulowanego za pomoc 25 punktw
obliczeniowych.
g(x) = 0,191 + 0, 248 x1 + 0,179 x 2 0, 072 x12 0,137 x 22 + 0,184 x1x 2
(6.13)

przy uyciu 121 punktw obliczeniowych (px1 = px2 = 11; dx1 = dx2 = 0, 2) przedstawia rys. 6.10.
Globalny wspczynnik dopasowania powierzchni odpowiedzi wynis FBD = 0,121 .
137
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

Fiesslera, skalkulowany przy uyciu 121 punktw obliczeniowych wynis: HLRF = 3, 48 .
Linda Rackwitza Fiesslera HLRF obliczonego przy uyciu 121 punktw obliczeniowych.
1
HLRF

5
6
7
8
9
10 11
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
Hasofera Linda Rackwitza Fiesslera HLRF skalkulowanego przy uyciu 121 punktw
obliczeniowych.
g(x) = 0,191 + 0, 269 x1 + 0,120 x 2 0, 087 x12 0,100 x 22 + 0,184 x1x 2
(6.14)
ktrej szczegy aproksymacji przedstawione s pogldowo w Tablicy 6.11. Szkic powierzchni

odpowiedzi na powierzchni stanu granicznego zagadnienia, aproksymowanej przy uyciu
10201 punktw obliczeniowych (px1 = px2 = 121; dx1 = dx2 = 0, 02) przedstawia rys. 6.12.
Globalny wspczynnik dopasowania powierzchni odpowiedzi wynis FBD = 0,108 .
aproksymowanej przy uyciu dyskretyzacji dwuwymiarowej z liczb 10201 punktw
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

Rackwitza Fiesslera HLRF skalkulowanego przy uyciu 10201 punktw
Linda
obliczeniowych.
1
HLRF

5
6
7
8
9
10 11
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
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
Wskanik niezawodnoci obliczany przy uyciu zamiany prawdopodobiestwa awarii

obliczonego metod symulacji Monte Carlo (na bazie tablic rozkadu normalnego) wynosi
= 2, 82 .
d) Podsumowanie
Wszystkie
wyniki
powyszych
analiz
numerycznych
prawdopodobiestwa
awarii Pf
oraz wskanikw niezawodnoci HLRF , wykonanych w zalenoci od liczby zastosowanych

punktw obliczeniowych, wraz z odniesieniem ich do rezultatw uzyskanych w [Alibrandi
i inni, 2010] i ocen zgodnoci pomidzy rezultatami, zostay zebrane w Tablicy 6.13.
Tablica 6.13. Zbiorcze podsumowanie wynikw wszystkich powyszych analiz
numerycznych, wraz z odniesieniem ich do rezultatw uzyskanych w [Alibrandi i inni, 2010].
Alibrandi
i inni, MMC
[2010]
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%
Na podstawie przeprowadzonej analizy zauway naley do due niezgodnoci nie tylko

pomidzy wynikami zaprezentowanymi w pracy referencyjnej [Alibrandi i inni, 2010],
a wynikami skalkulowanymi programem autorskim RSMWin, ale take na braki zgodnoci
pomidzy wynikami uzyskanymi programem wasnym dla rnych podjtych wariantw
obsadzenia przestrzeni realizacji punktami obliczeniowymi. Zgodno ta, po wykonaniu 15-tu
iteracji, nie jest zadowalajca nie mieci si ona w standardowo zakadanych w obliczeniach
inynierskich ramach 3%.
Najwiksz zgodno (e = 3, 05%) obliczonego iteracyjnie wskanika niezawodnoci HLRF
uzyskano oczywicie dla najwikszej liczby punktw obliczeniowych (10201 punktw),
jednake tym razem nie wie si to wcale z kwesti dobrego dopasowania powierzchni
odpowiedzi, bo dopasowanie to jest matematycznie lepsze dla zaledwie 25 punktw
obliczeniowych (gdzie zgodno rozwiza jest diametralnie sabsza i wynosi a e = 8, 04% ).
Zastanawiajca jest te bardzo wolna zbieno algorytmw, ktre w poprzednich analizach
spisyway si pod tym wzgldem bez zarzutu. Po wykonaniu 15-tej iteracji wykazuj one
co prawda rnice pomidzy iteracjami mniejsze od 1%, co pozwala na przyjcie ich wyniku
jako kocowego, jednake wida w ich zachowaniu tendencj do dalszego pomniejszania
wartoci wskanika niezawodnoci HLRF . Stabilizacja jego kocowego rezultatu nastpuje
bardzo pno, okoo 30-tej iteracji (dla wszystkich przypadkw analizy), podajc wyniki
znacznie lepiej dopasowane do rozwizania referencyjnego wg [Alibrandi i inni, 2010] ni
zdecydowano si to zaprezentowa. Woln zbienoci mona wic wytumaczy wspomniane
powyej braki zgodnoci pomidzy rozwizaniami, niemniej jednak przyrost czasu iterowania
bez widocznego przyrostu matematycznej trudnoci zagadnienia jest niepokojcy.
141
Przyczyny takiego stanu mona upatrywa w bdnie przyjtej dyskretyzacji. Powierzchnia

odpowiedzi nie ma by bowiem idealnym odwzorowaniem (wykonanym za pomoc prostszej
matematycznie postaci wyraenia) powierzchni stanu granicznego w kadym punkcie
przestrzeni realizacji, ale tylko w pobliu rwnania stanu granicznego. Przykad ten
przedstawiono w powyszej postaci (z tak duymi niezgodnociami) aby pokaza trudnoci
i puapki, jakie inynier napotka moe przy nietrafnym podejciu do metodologii powierzchni
odpowiedzi lub niewaciwym jej zrozumieniu.
Doskona zbieno z rozwizaniem referencyjnym wykazuje natomiast wynik zaczerpnity
z symulacji metod Monte Carlo. Metoda ta ma jednak znacznie duszy czas realizacji ni
nawet 30-krotna iteracja wykonywana przy uyciu algorytmw programu autorskiego
RSMWin. Wysnu mona zatem wniosek, i prawidowo przeprowadzone poszukiwanie
powierzchni odpowiedzi przynosi ewidentny zysk czasowy i moe by rekomendowane
inynierowi w procesie projektowania.
6.1.4. Pene rozwizanie problemu niezawodnoci dla ramy

Roordy (ramy idealnie sprystej z dwiema sprynami
o losowych sztywnociach)
Analizuje si model ramy o prostoktnej siatce prtw, poddanej obcieniu ciskajcemu P .
Rama skada si z jednego supa, zamocowanego u podstawy i jednego rygla, swobodnie
podpartego na jego prawym kocu. Poczenie supa i rygla jest w peni monolityczne. Rama
ma wmontowane dwa przeguby wewntrzne jeden u podstawy supa ramy i jeden
w poowie rozpitoci rygla. Oba przeguby wewntrzne s wzmocnione sprynami.
Sztywnoci
spryn
modelowane
jako
dwie
zmienne
losowe:
k1 = X1 (1 + x1 )
i k2 = X2 (1 + x 2 ). X1 i X 2 s zmiennymi losowymi problemu okrelenia niezawodnoci.

Zaoono, i obie te zmiennoci cechuj si rozkadem normalnym, ich wartoci rednie
s rwne 0, a odchylenia standardowe obu parametrw s jednakowe i wynosz 0,20.
Model ukadu przedstawiony jest na rys. 6.14.
Rys. 6.14. Model ramy Roordy wg [Alibrandi i inni, 2009].
142
Energi modelu w formie jawnej mona zapisa wzorem:

2
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,
skalkulowanie wskanika Hasofera Linda Rackwitza Fiesslera HLRF

dla zadania uywa si (jak w zadaniu rozdziau 8.1.3.) modelu drugiego rzdu
z czonami interakcyjnymi, ktrego posta przedstawia si nastpujco:
n
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
g(x) = 0 + 1x1 + 2x 2 + 11x12 + 22x 22 + 12x1x 2
(6.11)
Zaoono, i aproksymowana powierzchnia odpowiedzi bdzie obliczana w dwch wariantach:

przy uyciu 25 oraz 121 punktw obliczeniowych.
Punkty obliczeniowe s tym razem generowane za pomoc metody Monte Carlo z pocztkowo
zaoonego pasma otaczajcego geometrycznie lini rwnania stanu granicznego. Ze wzgldu
na rezultaty otrzymane dla poprzednich zada (rozdziay 6.1.1. 6.1.3.) dla prostoktnej
siatki punktw obliczeniowych uznano, i rozwizanie takie moe by nadal dobre do
aproksymacji powierzchni odpowiedzi z zadowalajc dokadnoci, a powinno by lepsze dla
kalkulacji wskanikw niezawodnoci, gwnie pod ktem poprawy szybkoci zbienoci
osigania ich ostatecznych wartoci. Dziki takiemu podejciu otrzymuje si rwnie lepiej
dopasowan powierzchni w zakresie rwnania stanu granicznego, pomijajc te obszary
powierzchni, ktre nie s istotne dla kalkulacji wskanika niezawodnoci.
Liczba 25 oraz 121 punktw obliczeniowych zostaa utrzymana wycznie dla pokazania
ewentualnej poprawy wyej wymienionych wartoci w stosunku do zadania z rozdziau 6.1.3.
143
W obu przypadkach analizy oceniany jest take globalny wspczynnik dopasowania

powierzchni odpowiedzi w obrbie linii rwnania stanu granicznego (FBD ).
Dla 25 punktw kontrolnych, uzyskano powierzchni odpowiedzi dano wzorem
g(x) = 2, 465 + 1, 469 x1 + 0, 915 x 2 0,130 x12 0, 049 x 22 + 0, 314 x1x 2
(6.16)

przy uyciu 25 punktw obliczeniowych przedstawia rys. 6.15.
aproksymowanej przy uyciu 25 punktw obliczeniowych, wygenerowanych za pomoc
metody Monte Carlo w obrbie rwnania stanu granicznego.
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
0.6250000E+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

aproksymowana przy uyciu 25 punktw obliczeniowych wygenerowanych za pomoc metody
Monte Carlo.
144

Szczegy iteracyjnych oblicze wskanika HLRF , przedstawiono w Tablicy 6.15.
Linda Rackwitza Fiesslera HLRF skalkulowanego dla 25 punktw obliczeniowych MC.
HLRF
2,19
1,95
1,92

4
5
6
7
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
obliczeniowych Monte Carlo.
Dla 121 punktw kontrolnych, uzyskano powierzchni odpowiedzi dano wzorem
g(x) = 2, 501 + 1, 501 x1 + 0, 902 x 2 0,130 x12 0, 050 x 22 + 0, 312 x1x 2
(6.17)

przy uyciu 121 punktw obliczeniowych przedstawia rys. 6.17.
Szczegy iteracyjnych oblicze wskanika niezawodnoci HLRF zestawiono w Tablicy 6.17.
145
aproksymowanej przy uyciu 121 punktw obliczeniowych wygenerowanych za pomoc
metody Monte Carlo w obrbie rwnania stanu granicznego.
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

obliczana przy uyciu 121 punktw obliczeniowych wygenerowanych za pomoc metody
Monte Carlo.
Linda Rackwitza Fiesslera HLRF skalkulowanego dla 121 punktw obliczeniowych MC.
HLRF
2,20
1,96
1,92

4
5
6
7
1,91
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
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
oraz wskanikw niezawodnoci HLRF , wykonanych w zalenoci od liczby zastosowanych

punktw obliczeniowych, wraz z odniesieniem ich do rezultatw uzyskanych w [Alibrandi
i inni, 2009] i ocen zgodnoci pomidzy rezultatami, zostay zebrane w Tablicy 6.18.
Tablica 6.18. Zbiorcze podsumowanie wynikw wszystkich powyszych analiz
numerycznych, wraz z odniesieniem ich do rezultatw uzyskanych w [Alibrandi i inni, 2009].
Alibrandi i inni,
MMC [2010]
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%
Na podstawie przeprowadzonej analizy zauway naley, i droga jaka zostaa podjta

wskutek wnioskowania opisanego w ostatnim punkcie rozdziau 8.1.3. bya suszna.
Wykazano, i odwzorowanie powierzchni stanu granicznego w przestrzeni realizacji tylko
w pobliu rwnania stanu granicznego jest waciw drog postpowania z tego typu
147
problemami inynierskimi. Pozwala ono kolejno na znaczn redukcj koniecznych do

wprowadzenia do zadania punktw obliczeniowych, szybsze odnalezienie punktu projektowego
analizy, szybk stabilizacj wartoci odpowiedzi probabilistycznej konstrukcji i du pewno
eksperymentatora co do poprawnoci i wiarygodnoci osignitego rezultatu.
Niezgodnoci pomidzy wynikami zaprezentowanymi w pracy referencyjnej [Alibrandi i inni,
2009], a wynikami skalkulowanymi programem autorskim RSMWin s w przypadku zadania
sformuowanego w niniejszym rozdziale nieznaczne, a rnice pomidzy wynikami uzyskanymi
programem wasnym dla rnych podjtych wariantw obsadzenia przestrzeni realizacji
punktami obliczeniowymi s niemale niezauwaalne.
Przy uyciu 25 punktw obliczeniowych, odpowiednio ulokowanych w przestrzeni realizacji,
uzyskuje si dobr zgodno (e = 3, 52%) obliczonego iteracyjnie wskanika niezawodnoci
HLRF , lepsz nawet ni w przypadku uycia wikszej iloci punktw obliczeniowych

(121 punktw). Ponadto, wygenerowane powierzchnie pozostaj w duej zgodnoci
z prbkami metody Monte Carlo punktw obliczeniowych zadania, z globalnym
wspczynnikiem dopasowania powierzchni odpowiedzi FBD nie przekraczajcym wartoci 0,1.
Algorytmy ponownie przejawiaj szybk zbieno, co rwnie potwierdza dobry dobr
danych wejciowych do zadania i poprawn aproksymacj powierzchni odpowiedzi. W obu
przypadkach wynik ju pitej iteracji mgby by przyjty jako zaproponowana warto
wskanika niezawodnoci, rnice pomidzy kolejnymi iteracjami staj si mniejsze od 0,1%.
Wynik zaczerpnity z symulacji metod Monte Carlo jak poprzednio wykazuje doskona
zbieno z rozwizaniem referencyjnym [Alibrandi i inni, 2009], jednake czas symulacji
wymaganej do osignicia zbienoci rozwizania, podjtej bez technik redukcji populacji
prbek, jest niewspmiernie duszy do czasu zajmowanego przez obliczenia prowadzone za
pomoc programu autorskiego RSMWin.
Mona zatem z du doz pewnoci potwierdzi sprawno, prawidowo i niezawodno
dziaania stworzonego programu autorskiego RSMWin dla wikszoci typw prostych zada
prtowych. Odpowiednia analiza, poparta symulacjami testowymi, pomagajcymi kolejno:
rozpozna analizowane zagadnienie, pozna odpowied programu na sformuowanie
wprowadzanych danych wejciowych, dokona przyjcia waciwego typu modelu
aproksymacyjnego oraz wybra odpowiedni dla zadania wskanika niezawodnoci jest
w poczeniu z programem autorskim pewnym rdem informacji o poziomie bezpieczestwa
danej konstrukcji w ujciu probabilistycznym poziomu drugiego metod szacowania
niezawodnoci projektowych problemw inynierskich.
6.2. Mao wyniosa powoka kompozytowa

Jak wskazano w rozdziale 6.1, szacowanie niezawodnoci na poziomie drugim metod oceny
bezpieczestwa konstrukcji inynierskiej jest moliwe do wykonania przy odpowiednim
zastosowaniu programu autorskiego RSMWin, wykorzystujc zaimplementowane do jego
pamici standardowe techniki probabilistyczne. Jednake przeprowadzone w rozdziale tym
wstpne analizy dotyczyy jedynie prostych modeli prtowych konstrukcji inynierskich.
148
Zasadne wydaje si zatem przeprowadzenie (w celu potwierdzenia poprawnoci pracy

programu) szeregu dalszych analiz, tym razem dla konstrukcji o wikszej zoonoci.
Spord dostpnych przykadw zdecydowano wybra grup konstrukcji powokowych
opisanych modelami nieliniowymi geometrycznie, a w obrbie wskazanej grupy skupi
szczegln uwag na zagadnieniu utraty statecznoci, spowodowanej przekroczeniem
odpowiedniej wartoci obcienia krytycznej (punkt bifurkacji) lub granicznej (maksimum
obcienia). Jak wczeniej zaznaczono, rozwizania problemu utraty statecznoci tego typu
konstrukcji mona uzyska jedynie na drodze oblicze numerycznych, tak wic gwna cz
wymaganych oblicze zostanie przeniesiona na komercyjne programy obliczeniowe, a program
autorski zostanie wykorzystany jedynie do dalszej obrbki probabilistycznej rezultatw,
zaczerpnitych z zewntrznych oblicze numerycznych.
Do zmian wartoci krytycznej lub granicznej obcienia powodujcych utrat statecznoci
konstrukcji moe przyczyni si w znacznym stopniu wystpienie imperfekcji geometrycznych,
co zostao duo szerzej omwione w rozdziale 4. niniejszej rozprawy oraz w midzy innymi
w [Barbero i inni, 2000].
Imperfekcje te modelowane s za pomoc pola losowego. Teoretyczne podstawy i sposoby
generacji pl losowych celem uycia ich jako modelu siatki imperfekcji zostay przedstawione
w rozdziale 5. niniejszej rozprawy.
Celem przedstawionego poniej zadania jest zbadanie wpywu wygenerowanych, losowych pl
imperfekcji na wynikowe rozkady odpowiedzi oraz zbadanie niezawodnoci konstrukcji
powokowej obarczonej tego typu imperfekcjami. Ostatni punkt zostanie zrealizowany
za pomoc programu autorskiego RSMWin, aby pokaza prawidowo dziaania procedur
programu oraz moliwo i sensowno prowadzenia tego typu analiz za jego pomoc.
W zadaniu rozwaa si przykad mao wyniosej, 16warstwowej powoki kompozytowej
z wkien wglowych w spoiwie z ywicy epoksydowej, poddanej obcieniu ciskajcemu
wzdu tworzcej, przedstawionej na rys. 6.19. Szczegow analiz numeryczn problemu
utraty statecznoci przykadu opisano we wczeniejszych pracach [Snell i Morley, 1985;
Jun i Hong, 1988; Kreja, 2005; Sabik i Kreja, 2010; Sabik, 2012].
Krawdzie proste AB i CD wspomnianego modelu s krawdziami swobodnie podpartymi,
majcymi moliwo przemieszczania si wzgldem tworzcej powoki. Krawdzie
zakrzywione AD i BC s natomiast w peni zamocowane, przy czym krawd AD, obciona
czynnie, rwnie ma moliwo przemieszczania si wzgldem tworzcej.
Geometria paneli charakteryzowana jest poprzez jej grubo t = 16 0,125 mm = 2, 0 mm ,
promie zakrzywienia R = 250, 0 mm , dugo krawdzi prostych L = 540, 0 mm oraz przez
kt rozwarcia pomidzy jej krawdziami prostymi = 1, 6848 rad (co daje dugo krawdzi
zakrzywionych wynoszc S = 421, 2 mm ).
Schemat uwarstwienia kompozytu mona przedstawi za pomoc zapisu 45 452 45 04 S .
149
Panela
wykonana
jest
kompozytu
XAS-914C,
ktrego
parametry
materiaowe
(dla pojedynczej laminy) wynosz kolejno: Ea = 130 10 kPa , Eb = 10 10 kPa , ab = 0,3

6
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].
Rys.6.19. Mao wyniosa powoka kompozytowa, poddana obcieniu ciskajcemu wzdu

tworzcej, rozwaana w niniejszym przykadzie, wg [Kreja, 2005].
Do analizy powoki zastosowano komercyjny program obliczeniowy NX Nastran v.10.1.1.
Do zdefiniowania w programie modelu numerycznego uyto 1600 czterowzowych elementw
powokowych QUAD (40x40), opisanych na siatce 1681 wzw (41x41), zdefiniowanych
w ukadzie biegunowym. Podstawy teoretyczne uytej metodologii elementw skoczonych
w odniesieniu do poruszanej tematyki mona znale m. in. w [Oden, 1972; Crisfield, 1991;
Bathe, 1996; Zienkiewicz i Taylor, 2005].
Definicja modelu korzysta z teorii duych obrotw, w sformuowaniu korotacyjnym.
Obliczenia przeprowadzono w zakresie geometrycznie i materiaowo nieliniowym. Takie
rozwizanie jest motywowane wskazaniami zawartymi m. in. w [Woniak i Kleiber, 1982].
Wygenerowane pole losowe jest wcielane jako do modelu numerycznego wykonanego
w programie NX Nastran jako pole imperfekcji geometrycznych. Definiowane jest ono jako
zaburzenie wzw siatki MES, wykonane jeszcze przed generacj siatki MES.
b) Pole losowe modelujce imperfekcje geometryczne
Ze wszystkich parametrw, ktre mog opisa losowo modelu powoki, do analizy przyjto,
jak zasugerowano na pocztku niniejszego rozdziau, jedynie imperfekcje geometryczne
powoki. W zadaniu pominito losowo obcienia, podparcia paneli, odchyek uoenia
warstw materiau i parametrw materiaowych lamin kompozytu, tak wic zastosowany
losowy opis modelu jest do uproszczony, ale rwnoczenie nawizujcy do metodologii
wymiarowania konstrukcji i szacowania jej niezawodnoci, jaka sugerowana jest kodami
projektowymi, co przywoano ju w Rozdziale 4 niniejszej rozprawy.
150
Danymi wejciowymi do analiz numerycznych s wygenerowane programem autorskim pola

losowe, opisujce imperfekcje geometryczne w . Zastosowano do nich ucity rozkad Gaussa.
Losowo odchyek jest opisana funkcj korelacyjn jednorodnego pola losowego, wyraon
rwnaniem
K (x1 , x2 ) = sw2 e
x1 x1
(1 + x1 x1 )e x 2 x2 (1 + x2 x2 )
(6.18)
gdzie x1 i x 2 s odlegociami pomidzy punktami pola wzdu osi poziomej x 1

i pionowej x 2 , wspczynniki x1 oraz x2 s parametrami opisujcymi zasig korelacji na obu
kierunkach, a odchylenie standardowe sw2 reprezentuje zmienno pola.
Odlegoci pomidzy punktami pola dobrano tak, aby pokryway si z rzeczywistymi
wymiarami paneli. Wynosz one zatem kolejno x1 = L 40 = 540, 0 mm 40 = 13, 5 mm
dla wymiaru
poziomego
x1
x 2 = S 40 = 421, 2 mm 40 = 10, 53 mm
oraz
dla
wymiaru
pionowego x 2 . Odchylenie standardowe sw2 przyjto jako rwne jednoci.

Wspczynniki x1 oraz x2 nie maj natomiast pojedynczej wartoci, gdy zdecydowano si je
przyj w pniejszej analizie jako zmienn losow probabilistycznej przestrzeni realizacji x .
Do generacji pl imperfekcji geometrycznych wedug sformuowanej powyej funkcji
korelacyjnej zastosowano algorytm warunkowej symulacji wykorzystujcej metod
akceptacji i odrzucania, zaprezentowany szerzej w rozdziale 5.2. niniejszej rozprawy.
Zastosowanie elementw skoczonych wymaga wprowadzenia odpowiedniego urednienia
wartoci wygenerowanego pola losowego imperfekcji, uwzgldniajcego przyjty
w rozwizaniu numerycznym rozmiar elementw skoczonych. Zastosowano w tym celu
procedur zaproponowan w [Vanmarcke, 1983], a we wzorach definiujcych elementy
macierzy kowariancyjnej wykorzystano wyniki pracy [Knabe i inni, 1998]:
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
wypadkowej siy obciajcej rwnej 80kN (gwarantujcej uniknicie utraty

statecznoci, niezalenie od poziomu zastosowanego w analizie znieksztacenia geometrii
elementu), drugim jest natomiast punkt utraty statecznoci, w ktrym osignita
zostaje odpowiednia krytyczna lub graniczna warto obcienia.
151
Referencyjnie przedstawi mona rozwizanie uzyskane w programie NX Nastran dla modelu

paneli o geometrii idealnej. cieka rwnowagi przemieszczenia osiowego U dla przypadku
wyjciowego zilustrowana jest na rys. 6.20. Na rysunek naniesiono oba wyej wymienione
progi (punkty szczeglne: przemieszczenie U 101 osignite przy poziomie 80kN (kolorem
czerwonym) oraz obcienie prowadzce do utraty statecznoci (kolorem jasnoniebieskim).
Rys.6.20. cieka rwnowagi przemieszczenia osiowego U , wykrelona dla modelu paneli

o geometrii idealnej.
Szacowanie niezawodnoci na poziomie drugim postanowiono dla niniejszego przykadu
wykona za pomoc metodologii powierzchni odpowiedzi. Odrbnym problemem pozostao
zagadnienie prawidowego i inyniersko usprawiedliwionego doboru zmiennych losowych
przestrzeni realizacji zadania oraz waciwego oszacowania ich momentw probabilistycznych.
Dodatkowo, ze szczegln uwag naley przyj punkt startowy analizy (punkt zerowy
zmiennych), wzgldem ktrego obliczane bd wskaniki niezawodnoci.
Na bazie wczeniejszego studium literatury w temacie zagadnienia (opierajc si m. in.
na pracach [Kamiski, 2002; Frangopol i Recek, 2003; Hien, 2003]), wnioskw pyncych
z rozwaa zebranych w rozdziale 4 niniejszej rozprawy oraz wstpnych testw numerycznych
(przeprowadzono je m.in. dla pl regularnych, tj. modelujcych paraboloid oraz dwie
parabole rozpite na caej dugoci krawdzi paneli oraz dla pl losowych nieskorelowanych)
zauwaono, i najwikszy wpyw na zmiany poziomu obcienia, przy ktrym nastpuje
utrata statecznoci paneli, maj dwa czynniki.
Pierwszym z nich, naturalnym z punktu widzenia inynierskiego, jest gboko imperfekcji,
co w przypadku pola losowego mona zamieni mylowo na wielko amplitudy pola.
Na podstawie wczeniejszych prb numerycznych zaoono, i dla kadego wygenerowanego
pola losowego przeprowadzi si jego pniejsz normalizacj, tak, aby pole to zyskao
wycznie jeden punkt maksymalnej amplitudy, rwnej jednoci. Przyjto nastpnie,
i uzyskana warto jednostkowa zostanie wyraona w [cm]. Kocowo, ustalono, i pierwsza
zmienna losowa przestrzeni realizacji x 1 (zwana zmienn amplitudy m = mx1 = mx2 )
152
zostanie dobrana z rozkadu rwnomiernego z przedziau x1 0, 0 ;1, 0 , przy czym warto

liczbowa zaczerpnita z przedziau oznacza bdzie redukcyjny mnonik, jaki zostanie
naoony na pole znormalizowane. Oznacza to, e punkt maksymalnej amplitudy pola
imperfekcji bdzie losowany z przedziau pomidzy 0 cm (powoka o idealnej geometrii),
a 1cm (powoka o najwikszej amplitudzie pola imperfekcji, z punktem maksymalnym
osigajcym w/w odchylenie od wartoci zamierzonej projektowo).
Drugim z czynnikw, naturalnym z punktu widzenia zastosowanego podejcia generacji pola,
jest warto parametrw opisujcych zasig korelacji w obu kierunkach. Ze wzgldu
na prb ograniczenia zoonoci analizy, a take na moliwo graficznej prezentacji jej
wynikw w trjwymiarowej rzutni graficznej, zaoono, i parametry te bd stanowiy jedn
zmienn losow, tj. bd miay dokadnie tak sam warto dla wymiaru poziomego oraz dla
wymiaru pionowego. Na podstawie wczeniejszych prb numerycznych zaoono, i druga
zmienna losowa przestrzeni realizacji x 2 (zwana zmienn korelacji = x1 = x2 ) zostanie
dobrana z rozkadu rwnomiernego z przedziau x 2 0, 0 ;1, 0 , przy czym warto liczbowa
zaczerpnita z przedziau oznacza bdzie bezporednio parametr zasigu korelacji.
Zakadajc znormalizowane pole losowe, uywane w niniejszej analizie, wskaza mona
wpyw, jaki parametr zasigu korelacji ma na ksztat danego pola losowego. Na rys. 6.21.
przedstawiono zwizek pomidzy stopniem zasigu korelacji (na osi pionowej), a wpywem na
okrelon liczb elementw skoczonych paneli kompozytowej rozwaanej w tej analizie,
w zalenoci od przyjtego w procesie generacji pola losowego parametru zasigu korelacji .
Na rys. 6.22. przedstawiono natomiast obraz kilku przykadowo wygenerowanych pl
losowych o zrnicowanych wartociach parametru zasigu korelacji .
Po przyjciu danych wejciowych analizy w sposb opisany powyej, wykonano szereg
oblicze numerycznych, prowadzcych do uzyskania cieek rwnowagi dla przemieszczenia
osiowego krawdzi obcionej U . Przeprowadzono 24 przebiegi rozwizania, w trzech etapach
dopasowanych do zakadanej pniej analizy przy uyciu metody powierzchni odpowiedzi.
Dla kadego z przebiegw zapisywano rezultaty przemieszczenia U 101 osignitego przy
Korelacja (unormowana)
poziomie 80kN oraz obcienia prowadzcego do utraty statecznoci.
1
0.8
0.6
0.4
Fukcja: exp(-* *x*x)

= 1.0
= 0.8
= 0.5
= 0.3
= 0.25
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 .
W etapie pierwszym przeanalizowano 6 prbek wybranych z przestrzeni realizacji

w taki, sposb, aby mc oprze na nich pierwsz aproksymacj powierzchni odpowiedzi.
Wybrano zatem cztery punkty bliskie naroom powierzchni, o wsprzdnych (m ; )
wynoszcych kolejno: (0, 01; 0, 30), (0, 01; 0, 80), (1,00; 0,30) oraz (1, 00 ; 0, 80), pomagajce
rozpostrze powierzchni w przestrzeni realizacji, a take dwa punkty rodkowe,
o wsprzdnych (m ; ) wynoszcych kolejno (0, 05 ; 0, 50) oraz (0,10 ; 0, 50), pomagajce
aproksymowa powierzchni w rodku jej rozpitoci.
W etapie drugim przeanalizowano kolejnych 6 prbek wybranych z przestrzeni

realizacji w taki, sposb, aby zagci informacje o powierzchni odpowiedzi konstrukcji
w pobliu jej krawdzi. Wybrano punkty o wsprzdnych (m ; ) wynoszcych kolejno:
(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) .
(0, 30; 0, 38), (0, 52; 0, 43), (0, 84; 0, 72),
154
cieki rwnowagi uzyskane w programie NX Nastran dla przemieszczenia osiowego U

dla wszystkich punktw obliczeniowych analizy zilustrowane s na rys. 6.23. Na rysunek
naniesiono prg przemieszczenia U 101 przy poziomie 80 kN obcienia (kolorem czerwonym).
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
Przed przystpieniem do procedur aproksymacji powierzchni odpowiedzi dla zagadnienia

oraz oszacowania niezawodnoci paneli, sformuowa naley stan graniczny, jaki narzuca si
dla poszczeglnych przypadkw paneli. W niniejszym zadaniu przyjto, i w pierwszym
przypadku analizy przemieszczenie wza rodkowego krawdzi zakrzywionej U 101
dla poziomu wypadkowej siy obciajcej rwnej 80kN nie moe przekroczy wartoci
granicznej U101,lim = 2, 0 mm, czyli poziomu gruboci caego elementu kompozytowego.
W drugim przypadku analizy punkt utraty statecznoci, w ktrym osignita zostaje
odpowiednia krytyczna lub graniczna warto obcienia nie moe nastpi poniej
poziomu wypadkowej siy obciajcej rwnej 100 kN .
Zebrania wynikw trzech przeprowadzonych etapw oblicze dokonano w Tablicy 6.19.
Tablic wzbogacono dodatkowo o zero-jedynkowy indeks I 0/1 spenienia warunku granicznego
w danym przypadku analizy. Indeks ten przybiera warto 1 w przypadku spenienia
warunku, a warto 0 w przypadku odwrotnym.
Wskanik taki bdzie pomocny przy szacowaniu prawdopodobiestwa awarii paneli
kompozytowej przy uyciu bezporedniego podejcia metody Monte Carlo.
Tablica 6.19. Zebranie wynikw przeprowadzonych etapw oblicze paneli kompozytowej.
RSM - PANELA
Lp.
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
d) Analiza zbienoci uzyskanych rezultatw

Kluczow kwesti w ocenie prawidowoci szacowania prawdopodobiestwa awarii paneli
kompozytowej przy uyciu bezporedniego podejcia metody Monte Carlo jest obserwacja
zbienoci rezultatw probabilistycznych momentw odpowiedzi konstrukcji przy kolejno
zwikszajcej si liczbie prbek wykorzystanych do analizy. Wykonano zatem prost analiz
zbienoci dla obu wariantw zadania.
1. Przemieszczenie krawdzi zakrzywionej dla poziomu siy obciajcej rwnej 80kN.
Obserwacja zbienoci rezultatw probabilistycznych momentw odpowiedzi przy kolejno
zwikszajcej si liczbie prbek dla wariantu zadania ledzcego przemieszczenie krawdzi
zakrzywionej dla poziomu siy obciajcej rwnej 80 kN przedstawiona jest na rys. 6.24.
1,50
1,00
0,50
0,00
-0,50
-1,00
-1,50
-2,00
-2,50
-3,00
-3,50
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
Na podstawie trzeciego etapu analizy (po rozpatrzeniu 24 prbek), zaobserwowa mona

niemale cakowit zbieno momentw probabilistycznych. Rnica pomidzy
przedostatnim, a ostatnim wynikiem redniego przemieszczenia U 101 w serii trzeciej wynosi
zaledwie 2,01%, natomiast analogiczna rnica midzy przedostatnim, a ostatnim wynikiem
odchylenia standardowego przemieszczenia U 101 wynosi jedynie 0,68%. Obie rnice
kwalifikuj obliczenia jako zbiene, a ich wyniki jako miarodajne, nawet pomimo znacznego
rozrzutu wartoci przemieszczenia U 101 wykazanego przy poziomie siy rwnym 80 kN, jakie
wprowadzaj rnorodne lokalizacyjnie punkty obliczeniowe serii trzeciej.
Taki stan rzeczy dowodzi wic moliwoci wiarygodnego szacowania prawdopodobiestwa
awarii konstrukcji metod Monte Carlo za pomoc bardzo maej iloci punktw
obliczeniowych, nawet dla zoonych konstrukcji inynierskich, jeli tylko ich rozmieszczenie
jest dobrane w sposb odpowiedni. Ten odpowiedni dobr punktw obliczeniowych jest
mylowo tosamy z technikami redukcji populacji prbek, a w przypadku tego zadania jest
bliniaczy wobec metodologii prbkowania wagowego (importance sampling) i zbliony
z poruszon w poprzednim rozdziale kwesti odpowiedniego doboru punktw obliczeniowych
w pobliu stanu granicznego powierzchni odpowiedzi danego problemu inynierskiego.
2. Poziom cakowitej siy obciajcej odpowiadajcy osigniciu utraty statecznoci.
Obserwacja zbienoci rezultatw probabilistycznych momentw odpowiedzi przy kolejno
zwikszajcej si liczbie prbek dla wariantu zadania ledzcego poziom cakowitej siy
obciajcej powodujcy utrat statecznoci przedstawiona jest na rys. 6.25.
160,00
140,00
120,00
100,00
80,00
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
Rys. 6.25. Uzyskiwanie zbienoci oblicze probabilistycznych momentw odpowiedzi dla

wariantu zadania ledzcego poziom siy obciajcej powodujcy utrat statecznoci Ncrit .
Na podstawie rys. 6.25. stwierdzi mona, i po pierwszym etapie analizy (rozpatrzeniu tylko
6 prbek) zadowalajca zbieno take i w tym przykadzie nie zostaa osignita.
Po drugim etapie (analiza 12 prbek) zbieno redniej wartoci obcienia prowadzcego
do utraty statecznoci Ncrit oraz odchylenia standardowego teje wartoci znacznie si
poprawia, jednake pamita naley, i nie wczono dotd do analizy punktw
obliczeniowych wygenerowanych za pomoc bezporedniego podejcia Monte Carlo.
Wczajc rezultaty otrzymane z w/w punktw, po zakoczeniu serii trzeciej (analiza
158
24 prbek) zbieno redniego przemieszczenia wyranie koryguje si na poziomie wartoci

innej (o 10,4%) ni po serii drugiej, co ponownie zwraca uwag na konieczno analizy jak
najbardziej zrnicowanego spektrum punktw obliczeniowych. Zbieno odchylenia
standardowego wartoci obcienia prowadzcego do utraty statecznoci Ncrit pozostaa
natomiast na poziomie prezentowanym po poprzednich dwch seriach (podobnie jak w
pierwszym przypadku analizy), co zdaniem autora popiera dokonanie wyboru punktw
obliczeniowych w opisany powyej sposb.
e) Dobr wasny powierzchni odpowiedzi do zadania pocztkowego
dla zadania uywa si modelu drugiego rzdu z czonami interakcyjnymi, ktrego
posta dla niniejszego zadania (dwie zmienne losowe) przedstawia si nastpujco:
g(x) = 0 + 1x1 + 2x 2 + 11x12 + 22x 22 + 12x1x 2
(6.11)
Zaoono, i aproksymowana powierzchnia odpowiedzi bdzie obliczana w trzech, podjtych

w poprzednich punktach wariantach: przy uyciu 6, 12 oraz 24 punktw obliczeniowych.
Aproksymacj powierzchni wykonano osobno dla obu wariantw zadania.
1. Przemieszczenie krawdzi zakrzywionej dla poziomu siy obciajcej rwnej 80kN.
Dla 6 punktw obliczeniowych, uzyskano powierzchni odpowiedzi dan wzorem
g(x) = 1, 268 + 0, 267 x1 1,197 x 2 0, 253 x12 1, 558 x 22 + 1, 033 x1x 2
(6.21)
Pogldowy szkic powierzchni odpowiedzi na powierzchni stanu granicznego zagadnienia,

aproksymowanej przy uyciu 6 punktw obliczeniowych przedstawia rys. 6.26.

obliczana przy uyciu 6 punktw obliczeniowych.
g(x) = 1, 200 + 0, 598 x1 1, 061 x 2 0, 594 x12 1, 653 x 22 + 1, 044 x1x 2
(6.22)
159


g(x) = 1, 447 0, 061 x1 1, 634 x 2 0,145 x12 0, 990 x 22 + 0, 674 x1x 2
(6.23)


2. Poziom cakowitej siy obciajcej odpowiadajcy osigniciu utraty statecznoci.
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)

g(x) = 51,189 118, 460 x1 134, 889 x 2 + 124, 706 x12 + 111, 401 x 22 2, 052 x1x 2 (6.26)
161

Na bazie wykrelonych powierzchni odpowiedzi dla obu przypadkw analizy zadania mona
jednoznacznie stwierdzi, i zaproponowane pocztkowe stadia analizy (dla 6 oraz 12
punktw obliczeniowych), w ktrych punkty obliczeniowe zostay zgrupowane w duej mierze
na krawdziach rozpatrywanego wycinka powierzchni, w dosy dobry sposb odwzorowuj
globalne zachowanie powierzchni odpowiedzi. Jednake do penego rozpoznania topografii
powierzchni niezbdne jest dodanie pewnej iloci punktw obliczeniowych (w tym przypadku
byo to jedynie 12 punktw, co wskazuje, e ilo ta moe by niewielka, jeli zostanie
wybrana we waciwy sposb). W pierwszym przypadku analizy, po dwch seriach
obliczeniowych znaleziono waciw topografi powierzchni, ale mylnie okrelono jej
wyniesienie ponad poziom odniesienia. W drugim przypadku analizy znaleziono po dwch
seriach obliczeniowych waciwe wyniesienie powierzchni ponad poziom odniesienia, ale
mylnie oceniono topografi (wykazano siodo zamiast leja). Obie wyej wymienione
nieprawidowoci mogyby doprowadzi w pniejszej kolejnoci do niewaciwej oceny
probabilistycznej bezpieczestwa konstrukcji, jeeliby zakoczono obliczenia po rozwaeniu
zbyt maej liczby punktw realizacji zmiennych losowych.
Cakowita liczba 24 punktw obliczeniowych wydaje si by wystarczajca dla tak
sformuowanego zadania inynierskiego. Ocenia si, i wicymi rezultatami
prawdopodobiestwa awarii Pf oraz wskanikw niezawodnoci HL i HLRF powinny by
wyniki zaproponowane po trzeciej serii obliczeniowej (dla obu przypadkw analizy).
f)
Skalkulowanie
prawdopodobiestwa
awarii
paneli Pf
oraz
wskanikw
niezawodnoci HasoferaLinda HL i HasoferaLindaRackwitzaFiesslera HLRF

Zaoono, i w ramach analizy przykadu numerycznego paneli kompozytowej poddanej
obcieniu ciskajcemu wzdu tworzcej zbadanych zostanie dziewi rnych parametrw
probabilistycznej oceny niezawodnoci powoki.
162
Parametry te obliczane bd w nastpujcej kolejnoci:

prawdopodobiestwo awarii paneli wg podejcia bezporedniego Monte Carlo Pf ,MC ,
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 ),
wskanik niezawodnoci obliczany wg podejcia bezporedniego Monte Carlo,

wedug podejcia Cornella, jako C ,MC = 1 (Pf ) ,
wskanik niezawodnoci wedug podejcia HasoferaLinda HL , poszukiwany na

aproksymowanej powierzchni odpowiedzi za pomoc programu RSMWin,
prawdopodobiestwo awarii paneli Pf ,HL,RSM obliczane jako: Pf ,HL,RSM = ( HL,RSM ) ,
bezawaryjno paneli Ps,HL ,RSM obliczana jako: (Ps,HL,RSM = 1 Pf ,HL,RSM ) ,
wskanik niezawodnoci wedug podejcia HasoferaLindaRackwitzaFiesslera HLRF ,

poszukiwany na aproksymowanej powierzchni odpowiedzi programem RSMWin,
prawdopodobiestwo awarii Pf ,HLRF ,RSM obliczane jako: Pf ,HLRF ,RSM = ( HLRF ,RSM ) ,
bezawaryjno paneli Ps,HLRF ,RSM obliczana jako: (Ps ,HLRF ,RSM = 1 Pf ,HLRF ,RSM ) .
W dziaaniach programu autorskiego zaoono, i wartoci obliczanych wskanikw

niezawodnoci bd pobierane jako wice po wykonaniu 20 iteracji.
Wszystkie parametry probabilistycznej oceny niezawodnoci powoki bd obliczane w trzech,
podjtych w poprzednich punktach wariantach: przy uyciu 6, 12 oraz 24 punktw
obliczeniowych. Oszacowania zostan wykonane osobno dla obu wariantw zadania.
Rezultaty probabilistycznych parametrw oceny bezpieczestwa przy kolejno zwikszajcej
si liczbie prbek dla wariantu zadania ledzcego przemieszczenie krawdzi zakrzywionej
dla poziomu cakowitej siy obciajcej rwnej 80kN przedstawiono w tablicy 6.20.
Analogiczne rezultaty dla wariantu zadania ledzcego poziom cakowitej siy obciajcej
powodujcy utrat statecznoci przedstawione s zbiorczo w tablicy 6.21.
Na podstawie danych zebranych w tablicach 6.20 i 6.21 wykonano (osobno dla obu
wariantw zadania) analiz zbienoci wartoci parametrw probabilistycznej oceny
niezawodnoci powoki w trzech kolejnych etapach analizy.
Tablica 6.20. Zebranie wynikw przeprowadzonych etapw oblicze paneli kompozytowej

dla wariantu zadania ledzcego przemieszczenie U 101 dla siy obciajcej rwnej 80 kN.
U101 przy
80kN
Pf,MC
Ps,MC
C,MC
Pf,HL,RSM
Ps,HL,RSM
HL,RSM
Pf,HLRF,RSM
Ps,HLRF,RSM
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
Tablica 6.21. Zebranie wynikw przeprowadzonych etapw oblicze paneli kompozytowej

dla wariantu zadania ledzcego poziom siy obciajcej powodujcy utrat statecznoci.
NCRIT
PF,MC
PS,MC
C,MC
PF,HL,RSM
PS,HL,RSM
HL,RSM
PF,HLRF,RSM
PS,HLRF,RSM
HLRF,RSM
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
Kalkulacj prawdopodobiestwa awarii paneli Pf oraz jej wskanika niezawodnoci

(trzema rnymi podejciami) w kolejnych etapach analizy, dla wariantu zadania ledzcego
przemieszczenie krawdzi zakrzywionej dla poziomu cakowitej siy obciajcej rwnej 80 kN
przedstawiono na rys. 6.32, a analogiczn kalkulacj dla wariantu zadania ledzcego poziom
cakowitej siy obciajcej powodujcy utrat statecznoci przedstawiono na rys. 6.33.
a) 0,350
0,300
0,250
0,200
0,150
0,100
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
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
PF,MC
PF,HL,RSM
PF,HLRF,RSM
1
2
3
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).
6.3. Obrotowosymetryczny metalowy dwigar

powierzchniowy
Kolejnym przykadem konstrukcji inynierskich, w ktrych zasadne wydaje si poszukiwanie
wiarygodnych metod oceny bezpieczestwa (przykadowo za pomoc rozwaanego szerzej
w rozprawie szacowania niezawodnoci na poziomie drugim) s wielkogabarytowe zbiorniki
metalowe (najczciej stalowe i aluminiowe). Konstrukcje te s bowiem bardzo wraliwe
na pojawiajce si losowo imperfekcje geometryczne, co szeroko zostao opisane w rozdziale 4
niniejszej rozprawy.
Przy ocenie nonoci tyche konstrukcji, inynier posuguje si najczciej obliczeniami
numerycznymi, ktre w zalenoci od stopnia skomplikowania, szczegowoci siatki
dyskretyzacyjnej oraz iloci i typu elementw skoczonych, jakie uywane s w analizie, moe
sta si bardzo czasochonne. Ponadto, powszechne (i uzasadnione) jest wykorzystywanie
modeli obliczeniowych o wyidealizowanej geometrii, jako i zakada si, e zbiorniki bd
wykonyway swoj prac przez zamierzony czas uytkowania wycznie w zakresie liniowym,
zarwno geometrycznie i materiaowo. Konieczne jest jednak podkrelenie, e rezultaty
pochodzce z oblicze zbiornika o idealizowanej geometrii mog nie odwzorowywa stanu
rzeczywistego, gdy wstpne imperfekcje mog zmieni szacowan nono konstrukcji
[Hotaa, 2003; Grski i Mikulski, 2008; Goota i inni, 2011].
Kody projektowe zmuszaj wic projektanta do rozpatrzenia przypadkw analizy, w ktrych
zadaje si okrelone przepisami normowymi imperfekcje, sugerowane jako najbardziej
niekorzystne. Biorc pod uwag towarzyszcy zapis, traktujcy o tym, i dla rnych
obcie, rne mog by wartoci obcienia krytycznego dla zbiornika obarczonego
okrelon imperfekcj, sytuacja projektowa komplikuje si znaczco. Sensowne byoby zatem
166
przeprowadzenie szeregu dodatkowych oblicze numerycznych, wprowadzajcych do analizy

modele numeryczne zbiornika obarczonego normow imperfekcj ulokowan w rnych
pooeniach na cianie zbiornika i najbardziej niekorzystnymi obcieniami czynnymi.
Wiadomo jednak, i liczba takich modeli musi by racjonalna, gwnym kryterium
projektowania jest bowiem koszt czasowy oblicze naley zatem znale tak metod, ktra
ograniczajc liczb prbek obliczeniowych (pojedynczych modeli obliczeniowych), pozostawia
na wysokim poziomie stan wiedzy o danym problemie inynierskim, tj. zapewnia dobr
zbieno rezultatw, szybkie jej osignicie, zapewnia prawidowo kocowego wyniku
i moliwo wycignicia z niego wicych i susznych wnioskw. W niniejszej rozprawie,
do osignicia teje oszczdnoci, proponuje si metod Monte Carlo, zarwno przy
zastosowaniu podejcia bezporedniego (CMC), jak i technik redukcyjnych prbkowania
warstwowego (SS), prbkowania hiperszecianu aciskiego (LHS) oraz prbkowania
wagowego (IS) oraz metod powierzchni odpowiedzi (RSM).
W zadaniu rozwaa si stan wytenia modelu osiowosymetrycznego walcowego silosu
aluminiowego, przedstawionego na rys. 6.34, obarczonego okrelon imperfekcj geometryczn
jego powierzchni bocznej. Wytenie to wywoane jest dziaajcym na zbiornik normowym
obcieniem wiatrem. Jako wartoci kluczowej w zadaniu poszukuje si zatem odpowiedniej
krytycznej lub granicznej wartoci cinienia wiatru (nazywanej w normach zbiorczo
pojciem tzw. cinienia krytycznego), ktre prowadzi do utraty statecznoci zbiornika.
Motywacj do wyboru obcienia wiatrem, jako obcienia nieprzewidywalnego
i niekorzystnie wspdziaajcego z imperfekcjami geometrycznymi silosu, a rwnoczenie
obcienia bdcego cakowicie kwantyfikowalnym probabilistycznie, byy m.in. prace
[Wen, 1983; Wen, 1984].
Analizy numerycznej tego problemu inynierskiego podjto si we wczeniejszych pracach
zespou, ktrego autor rozprawy jest czonkiem [Grski i Mikulski, 2008; Goota i inni, 2011].
Paszcz silosu skada si z 10 piercieni z arkuszy blach aluminiowych, z ktrych kady
ma wysoko wynoszc hi = 2500 mm = 2, 5 m . czna wysoko paszcza silosu wynosi
zatem h = 25 m . Blachy, z ktrych zbudowane s piercienie, maj rn grubo. Najwyej
znajduje si piercie o najmniejszej gruboci (t1 = 4 mm) , a najniej piercie o najwikszej
gruboci (t10 = 10, 5 mm). Szczegowe informacje na temat gruboci poszczeglnych piercieni
zamieszczone s pogldowo na rys. 6.34.
rednica wewntrzna paszcza jest staa i wynosi dw = 4000 mm , zmienia si natomiast
rednica zewntrzna, co uwarunkowane jest zmian gruboci blach piercieni paszcza. Takie
podejcie projektowe (licowanie powierzchni wewntrznej silosu) sprawia, i cakowita
objto uytkowa zbiornika (doliczajc przestrze leja i dachu) wynosi V = 324 m3 .
Dach konstrukcji ma ksztat kopuy o strzace rwnej hd = 536 mm i gruboci td = 5, 5 mm .
Lej wieczcy zbiornik od spodu ma wysoko rwn hl = 3340 mm i gruboci tl = 10, 5 mm .
Pasmo podporowe jest wzmocnione dodatkowym konierzem. Silos jest ustawiony
na konstrukcji wsporczej, podpierajcej silos w omiu punktach, rozmieszczonych cyklicznie.
167
Rys.6.34. Osiowosymetryczny walcowy pionowy silos aluminiowy, analizowany w niniejszym

przykadzie, wg [Grski i Mikulski, 2008].
Paszcz oraz kopua dachu silosu wykonane s z aluminium AlMg3 , ktrego parametry
materiaowe wynosz kolejno: modu Younga E = 69 GPa , wspczynnik Poissona = 0, 3 ,
modu Kirchhoffa G = 26, 5 GPa , granica plastycznoci fy = 78 MPa , granica wytrzymaoci
fulti = 190 MPa .
Lej silosu oraz podporowe pasmo wzmacniajce wykonane s natomiast
z bardziej wytrzymaego aluminium AlMgSi1 , ktrego parametry materiaowe wynosz

kolejno: modu Younga E = 69 GPa , wspczynnik Poissona = 0, 3 , modu Kirchhoffa
G = 26, 5 GPa , granica plastycznoci fy = 120 MPa , granica wytrzymaoci fulti = 250 MPa .
Analiz statyczn silosu przeprowadzono za pomoc komercyjnego programu SOFiSTiK
FEA Version 2010. Do zdefiniowania modelu numerycznego uyto proponowanych
w programie trjwzowych i czterowzowych elementw powokowych QUAD.
Podstawy teoretyczne uytej metodologii elementw skoczonych w odniesieniu
do poruszanej tematyki mona znale m. in. w [Oden, 1972; Crisfield, 1991; Bathe, 1996;
Zienkiewicz i Taylor, 2005].
Ze wzgldu na specyfik programu, wprowadzenie imperfekcji geometrycznej na paszcz silosu
wymagao uycia do jego wymodelowania wycznie elementw trjktnych prostoktnych,
majcych w sumie osiemnacie stopni swobody.
W modelu konstrukcji uyto siatki 17569 wzw, pomidzy ktre rozpito cakowit sum
31446 elementw powokowych QUAD. Model zdefiniowany jest w ukadzie biegunowym,
posuono si przy jego budowie zaoeniem osiowej symetrii konstrukcji.
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
gX = ( gX ,min ; gX ,max ) = 4 2 m 0, 0040 m; 4 2 m 0, 0105 m = ( 0, 358 m; 0, 580 m )

Tak wic, przyjmujc wariant najbardziej niekorzystny, ustalono dugo przymiaru
poudnikowego na gX = 0, 60 m = 60 cm .
Pomiary wgniecenia wzdu obwodowej walca (obwodowe) przeprowadza si za pomoc
przymiaru o dugoci g = 2, 3 ( 2 rt )0,25 , zatem dugo ta wynosi w tym przypadku
2
g = 2, 3 (2 rt )0,25 = 2, 3 ( 2r ) rt
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
) = (2, 438 m; 3,104 m )
Tak wic, przyjmujc wariant odpowiednio zminimalizowany, wedug sygnalizowanego

w normie warunku ( g r ) , ustalono dugo przymiaru obwodowego na g = 2 m = 200 cm.
Na tej podstawie, dysponujc powyszymi wynikami oblicze przymiarw wgniecenia
( gX = 60 cm ; g = 200 cm) obliczy mona sugerowan przez PN-EN 1993-1-6:2009
gbokoci pocztkowego wgbienia (w obu wariantach) 0X oraz 0 , otrzymujc
kolejno wyniki przedstawione w Tablicy 6.22.
Tablica 6.22. Obliczenia gbokoci pocztkowego wgbienia, wg PN-EN 1993-1-6:2009.

klasa
jakoci
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
w0X 0, 006 200 cm = 1, 20 cm
klasa B
0,010
w0X 0, 010 60 cm = 0, 60 cm
w0X 0, 010 200 cm = 2, 00 cm
klasa C
0,016
w0X 0, 016 60 cm = 0, 96 cm
w0X 0, 016 200 cm = 3, 20 cm
Wyniki zgromadzone w Tablicy 6.22 wskazuj wyranie na zgodno przyjtego pocztkowo

wgniecenia z realiami inynierskimi dla niektrych typw silosw. Mona wic pierwsze
oszacowanie, wykonane na bazie sugestii PN-B-03202:1996, tj. strzak wgniecenia tv 0 = 2 cm
przyj jako rzeczywist gboko imperfekcji, ktra zostanie wprowadzona do modelu.
Towarzyszco, mona take na podstawie powyszych oblicze przyj przy generacji modeli
obliczeniowych w programie komercyjnym odpowiednie dugoci przymiaru poudnikowego
gX = 0, 60 m = 60 cm oraz obwodowego g = 2 m = 200 cm . W taki sposb, ustalajc zgodne
z normami wielkoci strzaki i zasigw wgniecenia, przej mona do opisw ich pooenia.
170
Warto jednak wyranie zaznaczy, i model z tak przyjtymi parametrami geometrycznymi

imperfekcji (mimo, i s one normatywnie dopuszczalne) ma charakter czysto teoretyczny,
gdy w rzeczywistoci paszcz silosu, obarczony takiej intensywnoci deformacj powinien by
natychmiastowo wyczony z eksploatacji i naprawiony (bd zdemontowany). Obwarowanie
normowe ma bowiem w tym wypadku jedynie zapewni brak katastrofy obiektu oraz
bezpieczestwo robotnikw dokonujcych jego naprawy, rozbirki [Grski i Mikulski, 2008].
c) Obcienie silosu normowym wiatrem
Jak ju wspomniano, obcieniem branym pod uwag w niniejszym zadaniu jest obcienie
parciem/ssaniem wiatru. Obcienie to zostanie ujte w wietle zapisw narzucanych
przez PN-EN-1993-1-6:2009 (wytyczne projektowania silosw pod okrelonym typem
obcienia) oraz PN-EN-1991-1-4:2007 (kalkulacja postaci i wartoci obcienia wiatrem).
Obcienie wiatrem moe by, wedug zapisw PN-EN-1993-1-6:2009, przyjmowane do
oblicze numerycznych w trzech rnych postaciach, przedstawionych schematycznie na
rys. 6.35. Moe by ono przyjmowane jako obcienie dokadne, wyraone wzorem
rozwinicia szeregu funkcji trygonometrycznych (rys. 6.35a), jako obcienie segmentowe,
gdzie poprzedni wariant uprasza si do trzech stref oddziaywania obcienia wiatru
o rnych wartociach parcia pi (rys. 6.35b), lub te jako obcienie uproszczone,
gdzie cao obcienia wiatrem, niezalenie od kierunku jego natarcia, wyraane jest tylko
jedn wartoci parcia po (rys. 6.35c).
W niniejszej rozprawie zdecydowano si odwzorowa obcienie wiatrem za pomoc rwna
jawnych (funkcji trygonometrycznych), jako i ksztat funkcji obcienia zdaje si by bardzo
wanym czynnikiem wpywajcym na osigane rezultaty cinienia krytycznego wiatru dla
konstrukcji obarczonej wczeniej zdefiniowan, normow imperfekcj [Goota i inni, 2011].
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
na wysokoci 10 m nad poziomem gruntu w terenie otwartym), uwzgldniajce ekspozycj

teje budowli, jej ksztat i waciwoci aeroelastyczne oraz wpyw porywistoci wiatru.
171
Obcienie charakterystyczne wywoane dziaaniem wiatru naley wyznacza jako
pk = qk Ce C
(6.29)
gdzie: qk to charakterystyczne cinienie prdkoci wiatru dla poszczeglnych stref obcienia

wiatrem, to wspczynnik dziaania poryww wiatru, Ce to wspczynnik ekspozycji
budowli (uwzgldniajcy wpyw terenu i rozpatrywanej wysokoci nad nim na cinienie
prdkoci wiatru), natomiast C to wspczynnik aerodynamiczny. Wartoci wszystkich wyej
wymienionych wspczynnikw naley przyj zgodnie z zaleceniami PN-EN-1991-1-4:2007.
Obcienie obliczeniowe wywoane dziaaniem wiatru, przyjmowane przy
sprawdzaniu stanw granicznych nonoci wyznacza si, zgodnie z PN-76/B-03001, wg wzoru
p = pk f
(6.30)
gdzie pk to sformuowane powyej obcienie charakterystyczne wywoane dziaaniem

wiatru, natomiast f to wspczynnik obcienia, ktrego warto przyjmuje si rwn 1,30.
Zakada si, i silos znajduje si w drugiej strefie obcienia wiatrem, zatem prdko
charakterystyczna wiatru wynosi Vk = 24 m s (wg PN-EN-1991-1-4:2007), co daje kolejno
charakterystyczne cinienie prdkoci wiatru rwne qk = 0, 35 kPa (wg PN-EN-1991-1-4:2007).
Warto wspczynnika dziaania poryww wiatru zaley od podatnoci budowli
na dynamiczne dziaanie wiatru. Za podatne uwaa si takie budowle, ktre pod wpywem
poryww wiatru mog by wprowadzone w drgania powodujce wzrost wytenia ponad
warto wynikajc z wartoci obcienia statycznego. Na podstawie nomogramw
dostpnych w PN-EN-1991-1-4:2007 silos rozpatrywany w niniejszym zadaniu jest
klasyfikowany jako budowla podatna.
Wartoci wspczynnika do oblicze budowli podatnych na dynamiczne dziaanie wiatru
naley oblicza wg wzoru
= 1, 0 +
r
(kb + kr )
Ce
(6.31)
gdzie kolejno: to wspczynnik szczytowej wartoci obcienia, r to wspczynnik

chropowatoci terenu, Ce to wspczynnik ekspozycji, kb to wspczynnik oddziaywania
turbulentnego o czstotliwociach pozarezonansowych, a kr to wspczynnik oddziaywania
turbulentnego o czstotliwociach rezonansowych.
Na podstawie PN-EN-1991-1-4:2007 rwnanie to mona uzupeni wspczynnikami:
szczytowej wartoci obcienia = 4, 00 (dla pierwszej czstoci drga wasnych silosu rwnej
n = 4, 82 Hz); chropowatoci terenu dla
terenu
paskiego,
otwartego,
nielicznymi
przeszkodami (klasy A) r = 0, 08 ; ekspozycji (obliczony dla szczytu silosu na konstrukcji

wsporczej)
Ce = 0, 9 + 0, 015 32 m = 0, 9 + 0, 48 = 1.38 ;
o czstotliwociach
pozarezonansowych
kb = 1, 265
o czstotliwociach rezonansowych kr = 0, 097 .
oraz
oddziaywania
oddziaywania
turbulentnego
turbulentnego
172
Zatem wspczynnik (6.31) ma warto = 1, 00 + 4, 00
0, 08
(1, 265 + 0, 097 ) = 2,124 .
1, 38
Zestaw rwna potrzebnych do poprawnego wymodelowania kierunku obcienia wiatru

ukryty jest w zapisie tzw. funkcji aerodynamicznej. Wyraa si j jako iloczyn
wspczynnika aerodynamicznego C i wspczynnika ekspozycji Ce , obliczany zalenie od
wysokoci z pooenia punktu w ktrym przykada si dany pojedynczy wektor skadowy
obcienia wiatrem i kierunku zorientowania tego wektora wzgldem osi kierunku gwnego
natarcia wiatru .
a) Jeli z 0 m;10 m , to rwnanie funkcji aerodynamicznej ma posta
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)
gdzie warto mnonika startowego obcienia wiatrem wynosi

mw = qk f = 0, 35 kPa 2,124 1, 30 = 0, 996 kPa 1, 0 kPa
(6.36)
Jednake, na drodze pniejszych oblicze okazao si, i wyszukanie mnonika cinienia

krytycznego wiatru jest niemoliwe w wykorzystywanym programie komercyjnym, jeli
przyjmie si wspomniany mnonik jako mw = 1 kPa , gdy program, po przyoeniu obcienia
173
z przywoanym mnonikiem nie kontynuowa oblicze, pozostajc w zakresie sprystym.

Zdecydowano si wic uciec do zabiegu, jaki zosta zastosowany w przykadzie mao wyniosej
powoki kompozytowej (rozdzia 6.2), tj. na podniesienie wartoci mnonika startowego
obcienia do poziomu, ktry zagwarantuje, i rozwizanie zostanie osignite dla kadej
prbki obliczeniowej (pojedynczego modelu), czyli e kada rozpatrywana konstrukcja
znajdzie si w zakresie nieliniowym swojej pracy.
Kocowo przyjt, wprowadzon do modelu wartoci mnonika startowego obcienia
wiatrem zostaa warto pw ,max = 5 kPa. Jak si okazao, jest to warto wystarczajca.
Przy tak zdefiniowanym modelu, postanowiono, i w pniejszych analizach rezultat oblicze
numerycznych nie bdzie podawany bezporednio jako warto cinienia krytycznego
parcia/ssania wiatru wyraanego w [kPa] , ale jako warto krytyczn zwikszonego
mnonika startowego obcienia wiatrem mcrit , wyraan w wielkoci niemianowanej.
d) Analiza silosu o wyidealizowanej geometrii
Referencyjnie, jako punkt odniesienia dla wszystkich dalszych rozwaa, powinno si
przedstawi rezultaty obliczenia cinienia krytycznego wiatru dla modelu odpowiadajcego
konstrukcji docelowo projektowanej, tj. silosu o geometrii idealnej. Jak ju podkrelono
wczeniej, obliczenia s prowadzone w programie SOFiSTiK, nieliniowo geometrycznie
i materiaowo, co jest przez program rozumiane jako: zastosowanie nieliniowej pracy
materiau, dopuszczenie moliwoci zerwania zalenoci kinematycznych w wzach czcych
dwa rozcigane elementy powierzchniowe QUAD, uwzgldnienia moliwych do wystpienia
modyfikacji modelu, takich jak efekt snap through, zmian dugoci elementu QUAD dla
duych deformacji oraz rozpatrzenia i obserwacji efektw postwyboczeniowych w modelu.
Wynikiem dziaania programu jest zaprezentowanie projektantowi wartoci krytycznej
mnonika startowego obcienia mcrit , odwoujcego si do wartoci obcienia, jaka
zostaa zdefiniowana dla rozpatrywanego przypadku. Uzyskane cieki
przemieszczenia osiowego U nie bd w niniejszych rozwaaniach prezentowane.
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
pcrit = mcrit pw ,max = 0.518 5kPa = 2.590kPa
(6.37)
e) Wstp do oblicze numerycznych silosu z imperfekcjami geometrycznymi

Szacowanie niezawodnoci na poziomie drugim postanowiono dla niniejszego przykadu
wykona dwoma sposobami nie tylko za pomoc metodologii powierzchni odpowiedzi, ktra
jest meritum pracy, ale take za pomoc metody Monte Carlo, wzbogaconej o szereg
najczciej stosowanych technik redukcji wielkoci populacji prbek.
Jak poprzednio, problemem staje si prawidowe i inyniersko usprawiedliwione dobranie
zmiennych losowych przestrzeni realizacji zadania, waciwego oszacowania ich momentw
probabilistycznych oraz wybr punktu startowego analizy, wzgldem ktrego obliczane bd
174
wskaniki niezawodnoci. Ograniczono si, jak poprzednio, do wyboru jedynie dwch

zmiennych, co umoliwi czytelne sporzdzenie grafik w opracowaniu. Postpiono tak dziki
wczeniejszemu studium literatury na temat danego problemu (opierajc si m. in.
na pracach [Woniak i Kleiber, 1982; Woniak 2001; Hien, 2003]), a przede wszystkim
ze wzgldu na interesujce z punktu widzenia inynierskiego rezultaty dwch wstpnych
testw numerycznych, jakie autor rozprawy sporzdzi w ramach pracy zespou badawczego,
ktrego jest czonkiem, a ktrych wyniki znale mona m.in. w [Goota i inni, 2011].
Jako pierwsz zmienn losow rozwaanego problemu inynierskiego przyjto w rozprawie
kt zorientowania kierunku gwnego dziaania wiatru wzgldem osi gwnej
(prostopadej osi symetrii) imperfekcji powierzchni bocznej silosu. Imperfekcja
ta ma oczywicie zaproponowany wczeniej ksztat eliptycznego wgniecenia o ustalonej
strzace (tv 0 = 2 cm) oraz o ustalonym zasigu ( gX = 60 cm wysokoci, g = 200 cm
szerokoci), wedug zalece PN-EN 1993-1-6:2009.
Intuicyjnie, pierwsza zmienna losowa przestrzeni realizacji x 1 (zwana w skrcie zmienn
kta
zorientowania ) zostanie dobrana z rozkadu rwnomiernego z przedziau
x1 0, 0 ;180, 0 deg , wartoci liczbowe bd wic ograniczone do zagadnienia symetrycznego.

Obliczenia wskanikw niezawodnoci wg metody Monte Carlo i metody powierzchni
odpowiedzi dokonano jednake nie na przedziale w postaci cigej, a na wybranych z niego
12 pozycjach obliczeniowych, ktrych dobr jest podyktowany wczeniejszymi
obserwacjami inynierskimi. Kt zorientowania kierunku dziaania wiatru wzgldem osi
gwnej imperfekcji przyjto zatem kolejno jako: 0 (kierunek wiatru pokrywa si idealnie
z osi rodka imperfekcji), 10 , 20 , 30 , 45 , 60 , 75 , 90 (kierunek wiatru jest
prostopady do kierunku osi rodka imperfekcji), 105 , 120 , 150 oraz 180 (kierunek
wiatru pokrywa si z kierunkiem osi rodka imperfekcji, ale ich zwroty s przeciwne).
Na podstawie wstpnych testw numerycznych, jakie przeprowadzono dla tego przykadu
(dla wysokoci pooenia imperfekcji rwnej 3, 50 m) wykazano, i na konstrukcji znajduj si
dwa istotne rejony na osi realizacji zmiennej losowej kta zorientowania , w ktrych
dziaanie wiatru wyranie wspgra z osadzonym pod innym ktem wgnieceniem.
Te fragmenty to zakres 0 45 , czyli obszar, gdzie wiatr napiera centralnie we wgniecenie,
na jego krawd lub niedaleko poza ni, co skutkuje znacznym obnieniem wartoci
cinienia krytycznego oraz zakres 45 75 , czyli obszar, gdzie w miejscu pooenia
wgniecenia drastycznie zwikszone jest ssanie wiatru, co skutkuje
zwikszeniem wartoci cinienia krytycznego [Goota i inni, 2011].
nieznacznym
Obserwacj t uwaa si za fakt utwierdzajcy w przekonaniu prawidowoci przyjcia kta

zorientowania kierunku gwnego dziaania wiatru wzgldem osi symetrii imperfekcji jako
pierwszej zmiennej losowej problemu niezawodnoci silosu.
Jako drug zmienn losow rozwaanego problemu inynierskiego przyjto natomiast
wysoko pooenia zadanej imperfekcji na powierzchni bocznej silosu.
Biorc pod uwag, i zbiornik ma 25 m wysokoci, druga zmienna losowa przestrzeni
realizacji x 2 (zwana w skrcie zmienn wysokoci h ) zostanie dobrana z rozkadu
175
rwnomiernego z przedziau x 2 0, 0 ; 25, 0 m , przy czym warto liczbowa zaczerpnita

z przedziau oznacza bdzie odlego centrum imperfekcji (punktu osignicia maksymalnej
strzaki tv 0 = 2 cm wgniecenia) od grnej krawdzi powierzchni bocznej, mierzonej rwnolegle
do osi symetrii budowli (do osi grawitacyjnej).
Naley jednak podkreli, i jest to pewne naduycie, gdy ze wzgldu na gabaryty pionowe
imperfekcji, od obu krawdzi powierzchni bocznej naleaoby odj warto posi mniejszej
elipsy, tj. 0, 5 gX = 30 cm . Zauwaono jednake, i w przypadku losowania Monte Carlo
mona odrzuci wartoci zmiennej x 2 wybrane z marginesw paszcza, a w przypadku
metody powierzchni odpowiedzi fakt ten jest cakowicie pomijalny.
Na odliczanie wysokoci pooenia imperfekcji od grnej krawdzi silosu zdecydowano si
z powodu znacznego wyniesienia dwigara tarczowego ponad poziom terenu, co mogoby
wprowadza niejednoznaczno terminu dolnego poziomu zerowego (mona byoby pomyli
poziom zerowy terenu z poziomem zerowym powierzchni dolnej silosu). Przyjcie odliczania
od krawdzi grnej jest mniej mylce, mimo i nie jest do koca intuicyjne.
Rwnie i w tym przypadku, dla zachowania rwnowanoci obu zmiennych, obliczenia
wskanikw niezawodnoci dokonano take nie na przedziale w postaci cigej, a na
wybranych 12 pozycjach obliczeniowych, ktrych pooenie jest take zaproponowane
na bazie obserwacji inynierskich. rodek wgniecenia umieszczono zatem kolejno na
wysokociach: 2, 50 m , 3, 50 m , 5, 00 m , 6, 25 m , 7, 50 m , 8, 75 m , 10, 00 m , 11, 25 m ,
13, 75 m , 16, 25 m , 18, 75 m oraz 22, 25 m poniej grnej krawdzi pobocznicy silosu.
Na podstawie wstpnych testw numerycznych, jakie przeprowadzono dla tego przykadu
(dla kta zorientowania natarcia wiatru wzgldem osi gwnej imperfekcji rwnego 0 )
wykazano, i istnieje istotny rejon na osi realizacji zmiennej losowej wysokoci pooenia
imperfekcji h , w ktrych dziaanie wiatru wyranie niekorzystnie wspgra z lokalizacj
wgniecenia. Fragment konstrukcji, znajdujcy si w obszarze 2, 50 m 5, 00 m poniej grnej
krawdzi paszcza jest najbardziej wraliwy na pocztkowe znieksztacenia, prawdopodobnie
z powodu wystpowania w tym obszarze blach o najmniejszej gruboci spord wszystkich
w konstrukcji, a take z faktu, i wiatr na takim wyniesieniu przyjmuje najwiksze wartoci
obcienia, zgodnie z zapisem rwna funkcji aerodynamicznej [Goota i inni, 2011].
T z kolei obserwacj uwaa si za fakt utwierdzajcy w przekonaniu prawidowoci przyjcia
wysokoci pooenia imperfekcji jako drugiej zmiennej losowej problemu niezawodnoci silosu.
Jako, i z obu przedziaw zmiennoci zmiennych losowych x 1 oraz x 2 dobrano po 12 pozycji
obliczeniowych, to ich parowanie w systemie kady z kadym powoduje otrzymanie
144 punktw (prbek) obliczeniowych. Oznacza to, e dla przeprowadzenia analizy
podjto konieczno wygenerowania 144 modeli obliczeniowych w rodowisku programu
komercyjnego SOFiSTiK oraz obliczenia w nim wartoci krytycznych mnonika startowego
obcienia mcrit dla kadego ze stworzonych modeli numerycznych silosu.
176
f) Analiza niezawodnoci metod Monte Carlo wraz z technikami redukcji

populacji prbek
Po przyjciu danych wejciowych analizy w sposb opisany powyej, wykonano szereg
oblicze numerycznych, prowadzcych do uzyskania wartoci krytycznych mnonika
startowego obcienia o znacznym rozrzucie, wahajcym si pomidzy mcrit = 0,194 (co daje
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
Na kadym z wykresw zaznaczono kluczowe poziomy cinienia krytycznego wiatru poziom

cinienia krytycznego prowadzcy do awarii silosu idealnego, a nastpne 75% i 50% kwantyle
tego poziomu. Dziki temu na rysunkach mona ledzi punkty wynikowe, ktre nie
speniaj wymogw stanw granicznych, jakie zostay zaoone w niniejszym zadaniu.
Na rys. 6.36 lini jasnozielon zostay zaznaczone wartoci mnonika krytycznego obcienia
wiatrem dla poszczeglnych punktw obliczeniowych, kolorem ciemnozielonym zachowanie
si redniej arytmetycznej serii, a kolorem zielonym odchylenia standardowego.
Taki klucz kolorw jest stosowany w wykresach kadej kolejnej analizy niniejszego przykadu.
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
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
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46
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
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
IDEALNY
75% IDEALNEGO
50% IDEALNEGO
WYNIK
REDNIA
OS

wariantu zadania uywajcego bezporedniego podejcia Monte Carlo, przy kolejno
zwikszajcej si liczbie prbek obliczeniowych kolejno: a) dla 6 prbek, b) dla 12 prbek,
c) dla 24 prbek, d) dla 48 prbek, e) dla 96 prbek oraz f) dla 144 prbek.
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%).
Na podstawie Tablicy 6.23 stwierdzi mona, i wyniki miar oceny bezpieczestwa

konstrukcji uzyskane w pierwszej serii analizy s niedopuszczalne. Wyniki serii kolejnych
(od drugiej do pitej) s do zblione, przy czym przyzna naley, i seria druga nadal
zawiera zbyt mao informacji o zjawisku, aby mc polega na jej wynikach. Niepokojcy jest
te fakt, i przy do wiernych rozwizaniu referencyjnemu wynikach poprzednich serii, seria
pita prezentuje zwikszenie si bdw aproksymacji. Sytuacja ta jest moe jednak
powizana z losowaniem prbek obliczeniowych i przy innym rozkadzie prbek w seriach
efekt ten mgby znikn (niemniej jednak, jest to przesanka, aby podchodzi z ostronoci
do wynikw prb losowych z ma liczb realizacji).
Obserwujc powysze wyniki mona jednak z caa pewnoci stwierdzi, i metoda Monte
Carlo doskonale sprawdza si przy rozpoznawaniu zmian obcienia krytycznego zbiornika,
a wyprowadzenie podstawowych miar niezawodnoci nie jest skomplikowane. Odpowiednio
dua liczba realizacji oblicze modeli prbek zapewnia du pewno, co do kocowego
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.
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
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
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
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
IDEALNY
75% IDEALNEGO
50% IDEALNEGO
WYNIK
REDNIA
OS

wariantu zadania uywajcego metody Monte Carlo wzbogaconej o technik SS, przy kolejno
zwikszajcej si liczbie prbek obliczeniowych kolejno dla: a) 9 prbek, b) 16 prbek,
c) 36 prbek, d) 144 prbek.
Wielk zalet tego typu prbkowania jest fakt, i poprzez dobieranie tzw. prbek rodkowych
z podprzestrzeni, ju w pierwszej serii obliczeniowej rednia jest niemale identyczna
z wynikiem referencyjnym, co dzieje si take w serii drugiej i trzeciej. Odchylenie
standardowe rwnie jest bardzo wierne rozwizaniu referencyjnemu, jednake tylko dla serii
drugiej (4,76% rnicy) i trzeciej (5.93% rnicy). Przyjmujc zatem ponownie jako wyniki
referencyjne rezultaty osignite po serii ostatniej, stwierdzi mona z ca stanowczoci,
e do poprawnej kalkulacji redniego mnonika krytycznego obcienia wiatrem
i znalezienia jego prawidowej wariancji, potrzeba wykona jedynie 16 oblicze
modeli prbek, jeli zostan one dobrane z przestrzeni realizacji przy uyciu techniki
prbkowania warstwowego (stratified sampling).
181

pomidzy wynikiem danej wartoci uzyskanym w danej serii, a wynikiem serii uznanej za
referencyjn.
niezawodnoci obliczone dla kadej z serii dla wariantu zadania uywajcego metody Monte
Carlo wzbogaconej o technik SS, w dwch przyjtych wariantach analizy (75%, 50%).

konstrukcji uzyskane w pierwszej serii analizy take i w tym przypadku s niedopuszczalne.
Natomiast wyniki serii kolejnych (od drugiej do czwartej) s natomiast bardzo zadowalajce
i modelowo zblione do rozwizania referencyjnego, jakim jest szsta seria oblicze przy
uyciu bezporedniej metody Monte Carlo. Najwiksze bdy pojawiaj si dla oblicze
prawdopodobiestwa awarii, lecz take w tym przypadku podkreli naley, i dla tak maych
wartoci bd wzgldny na poziomie 10% przekada si na minimaln zaledwie rnic
bezwzgldn, co rwnie mona zaobserwowa w Tablicy 6.24.
Zauway mona z pen stanowczoci, i metoda Monte Carlo, ktrej liczba prbek
w populacji zostaa celowo i metodycznie zmniejszona technik prbkowania warstwowego
take doskonale sprawdza si przy rozpoznawaniu zmian obcienia krytycznego zbiornika,
a obliczone na jej podstawie podstawowe miary niezawodnoci staj si bliskie faktycznym
miarom zjawiska ju dla bardzo maej liczby zastosowanych prbek, w porwnaniu
do podejcia bezporedniego MC (MC wymaga 144 prbek, SS zaledwie 16 prbek).
Wniosek taki potwierdza sformuowane w punkcie 2.6.3. niniejszej rozprawy obserwacje,
jakoby technika prbkowania warstwowego dla problemw inynierskich o maym stopniu
skomplikowania i o maej liczbie zmiennych losowych daje znakomite efekty i rzeczywicie
powinna by opisywana jako metoda najbardziej sprawna i efektywna pod wzgldem czasu
i kosztu obliczeniowego oraz zalecana do stosowania w tego typu analizach.
3) Analiza przy uyciu metody Monte Carlo z zastosowaniem prbkowania hiperszecianu
aciskiego (LHS, Latin Hypercube Sampling Monte Carlo).
Analiza przy uyciu metody Monte Carlo z zastosowaniem prbkowania hiperszecianu
aciskiego podzielona zostaa na dwie serie, jednak w kadej z nich wyodrbniono trzy
osobne schematy prbkowania, co spowodowao i cao zadania ma de facto sze
przypadkw obliczeniowych. W serii pierwszej dokonano podziau przestrzeni realizacji
na sze pasm rwnego zasigu, wzdu kadej z osi wymiarw probabilistycznych (x1 , x 2 ),
182
co spowodowao odseparowanie 6x6=36 podprzestrzeni zdarze losowych. Z podprzestrzeni

tych prbki losowe zostay wybrane na mocy idei kwadratu aciskiego (hiperszecian
upraszcza si w dwch wymiarach do kwadratu), tj. w ten sposb, i z kadego jednego
pasma osi x 1 i kadego jednego pasma osi x 2 moe by dobrana tylko jedna prbka (ktra
wyszukiwana jest tak, aby jak najlepiej reprezentowa wszystkie prbki znajdujce si
w danej podprzestrzeni). Oznacza to, e przy takim podziale na podprzestrzenie wybra
mona jedynie 6 prbek (a nie 36, jak w przypadku techniki SS), jednake mona zrobi
to na bardzo du liczb sposobw. Z liczby tej wybrano zatem pokazowo trzy rne sposoby
doboru prbek (nazwane kolejno: czerwonym Cz, niebieskim Nb oraz tym t),
respektujce zaoenia metody. Schemat doboru prbek w zilustrowano na rys. 6.38a.
W serii drugiej dokonano natomiast podziau przestrzeni realizacji na dwanacie pasm
rwnego zasigu, wzdu kadej z osi wymiarw probabilistycznych (x1 , x 2 ) , co spowodowao
odseparowanie 12x12=144 podprzestrzeni zdarze losowych, pozwalajce na wybranie
12 prbek (co rwnie mona zrobi to na bardzo du liczb sposobw). Tak jak i w serii
poprzedniej z liczby tej wybrano pokazowo trzy rne sposoby doboru, rwnie rozrnione
wyej wymienionym kluczem kolorw. Schemat doboru prbek zilustrowano na rys. 6.38b.
W poszczeglnych seriach prbki s ustawione w kolejnoci, jak sugerowa system
przeszukiwania podzielonej przestrzeni realizacji.
Szczegy techniki prbkowania LHS zostay przywoane w punkcie 2.6.2.2. rozprawy.
a)
b)
Rys. 6.38. Ilustracja hiperszecianw aciskich (w zagadnieniu dwuwymiarowym

probabilistycznie kwadratw), uytych w analizowanym zadaniu, wraz z zaznaczeniem
uytych trzech rnych sposobw doboru prbek.
uywajcego metody Monte Carlo wzbogaconej o technik prbkowania hiperszecianem
aciskim, przy kolejno zwikszajcej si liczbie prbek obliczeniowych (w szeciu kolejnych
wariantach analizy), przedstawiono na rys. 6.39.

0,600
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
1
2
3
4
5
6
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
e)
183
1 2 3 4 5 6 7 8 9 10 11 12
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
1 2 3 4 5 6 7 8 9 10 11 12
Rys. 6.39. Uzyskiwanie zbienoci oblicze probabilistycznych momentw odpowiedzi

dla wariantu zadania uywajcego metody Monte Carlo wzbogaconej o technik LHS,
przy kolejno zwikszajcej si liczbie prbek obliczeniowych kolejno dla 6 prbek:
a) war. czerwony, b) war. niebieski, c) war. ty oraz dla 12 prbek: d) war. czerwony,
e) war. niebieski, f) war. ty.
Na podstawie rys. 6.39 stwierdzi mona, i technika prbkowania hiperszecianu aciskiego
nie jest dla zadania optymalna. W przypadku analiz serii pierwszej, w kadym z trzech
wariantw nie zostaa ani zbieno rezultatw redniej, ani odchylenia standardowego prby.
Co wicej, w jednym z wariantw (wariancie tym) nie znaleziono za pomoc tego
podejcia ani jednej realizacji zadania przekraczajc narzucone stany graniczne kwantyli
75% i 50% obcienia, a zatem wyniki nie mog by na pewno uznane za wiarygodne, mog
wprowadza eksperymentatora w przekonanie, i silos nie jest wraliwy na imperfekcj
geometryczn. Duo lepiej prezentuj si rezultaty serii drugiej, gdzie mona mwi o pewnej
zbienoci redniej wynikw, jednake odchylenie standardowe prby nadal nie wykazuje
zbienoci. Co wicej, tu rwnie mogoby zdarzy si takie losowanie wariantu, ktre nie
wskazaoby ani jednej realizacji przekraczajcej rwnanie stanu granicznego. Fakt ten jest
nieodcznym ryzykiem posugiwania si technik LHS bez dodatkowych technik
wspomagajcych, jak przykadowo prbkowanie wanociowe.
184
Wyniki odchylenia standardowego serii s obarczone spor rozbienoci w stosunku do

rozwizania referencyjnego, jakim ponownie mianowano rezultaty osignite po serii ostatniej
analizy bezporedni metod Monte Carlo. Rwnoczenie, jedn z nielicznych zalet tego typu
prbkowania jest dobieranie prbek rodkowych z podprzestrzeni, co dla obu serii daje do
dobr zgodno ustalonej wartoci redniej prby z wartoci referencyjn.
Mimo wszystko, stwierdzi mona z ca stanowczoci, e jeli prbki obliczeniowe zostan
dobrane z przestrzeni realizacji przy uyciu techniki prbkowania hiperszecianu aciskiego
(latin hypercube sampling), to do poprawnej kalkulacji redniego mnonika
krytycznego obcienia wiatrem i znalezienia jego prawidowej wariancji,
potrzeba albo wykona wicej ni 12 oblicze modeli prbek (co oznaczaoby
bardziej szczegowy podzia przestrzeni realizacji na podprzestrzenie), albo te zczy
jako jedn kalkulacj wyniki kilku wariantw oblicze 12 modeli prbek,
co zdecydowanie byoby rozwizaniem niekonkurencyjnym dla oblicze podejciem
bezporednim metody Monte Carlo, czy technik SS.
pomidzy wynikiem danej wartoci uzyskanym w danej serii, a wynikiem serii uznanej
za referencyjn.
Carlo wzbogaconej o technik LHS, w dwch przyjtych wariantach analizy (75%, 50%).

konstrukcji uzyskane w obu seriach analizy s niedopuszczalne. Poza pojedynczymi
przypadkami oblicze bezawaryjnoci zbiornika, wszystkie wyniki wykazuj bardzo znaczce
bdy wzgldne, ktre trudno wytumaczy nawet faktem maych wartoci liczbowych
rezultatw oblicze. W a trzech przypadkach analizy (seria 1, wariant ty, kryterium
75%; seria 1, wariant ty, kryterium 50%; seria 2, wariant niebieski, kryterium 50%)
otrzymano zerowe prawdopodobiestwa awarii, co jest oczywistym i niepokojcym bdem.
Wiele bdw ma wartoci przewyszajce 50% wartoci obliczonej, co wskazuje
na niepokojco sabe dziaanie prbkowania dla rozwaanego przykadu. Midzy obiema
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.
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
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
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
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46
Rys. 6.40. Uzyskiwanie zbienoci oblicze probabilistycznych momentw odpowiedzi

dla wariantu zadania uywajcego metody Monte Carlo wzbogaconej o technik IS,
przy kolejno zwikszajcej si liczbie prbek obliczeniowych kolejno dla: a) 8 prbek,
b) 16 prbek, c) 24 prbek, d) 48 prbek.
Mona wic stwierdzi, i jeli prbki obliczeniowe zostan dobrane z przestrzeni realizacji
przy uyciu techniki prbkowania wagowego (importance sampling), to do poprawnej
kalkulacji redniego mnonika krytycznego obcienia wiatrem i znalezienia jego
prawidowej wariancji, trzeba sprzgn technik z inn metod szacowania
niezawodnoci lub inn technik redukcji populacji prbek, z czego to ostatnie
rwnie byoby rozwizaniem niekonkurencyjnym dla oblicze podejciem bezporednim
metody Monte Carlo.
niezawodnoci, w dwch przyjtych wariantach analizy dla kwantyli 75% i dla 50%, cho
w tym przypadku z gry wiadomo, i rozbienoci z rozwizaniem referencyjnym bd
ogromne. Analiz tak wykonuje si po to, aby podkreli, i prbkowanie wagowe dla
prostych modeli inynierskich nie jest technik samo stanowic si i wymaga wsparcia
innych procedur matematycznych.
Wyniki tyche oblicze zgromadzono w Tablicy 6.26. Zebrano w niej take informacje
o rnicy midzy wynikiem danej wartoci uzyskanym w serii, a wynikiem serii referencyjnej.
187

Carlo wzbogaconej o technik IS, w dwch przyjtych wariantach analizy (75%, 50%).

konstrukcji uzyskane we wszystkich seriach analizy s absolutnie niedopuszczalne.
Pojedynczy wzgldnie idealnie poprawny wynik musi by w tym przypadku paradoksalnie
potraktowany jako zupenie przypadkowy. Poza obliczeniami bezawaryjnoci zbiornika,
wszystkie wyniki wykazuj bardzo znaczce bdy wzgldne, wszystkie one przewyszaj 50%
wartoci obliczonej, co potwierdza oczekiwane bardzo sabe dziaanie prbkowania
dla rozwaanego przykadu. Midzy poszczeglnymi seriami trudno dostrzec jakiekolwiek
logiczne zmniejszenia bdu, co wie si z faktem, i dobr punktw obliczeniowych jest
arbitralny i nie uwzgldnia globalnej natury zjawiska osigania wartoci krytycznych
cinienia wiatru na ciance silosu (lub przeciwstawnie nadmiernym skupieniu si na naturze
lokalnego obnienia si wartoci tego cinienia).
Zauway mona, i metoda Monte Carlo, ktrej liczba prbek w populacji zostaa celowo
zmniejszona technik prbkowania wagowego, zdecydowanie nie sprawdza si przy
rozpoznawaniu zmian obcienia krytycznego zbiornika. Wniosek taki potwierdza tylko
sformuowane w punkcie 2.6.3. niniejszej rozprawy zastrzeenie, jakoby taka technika
prbkowania musiaa by wspomagana przykadowo metodologi powierzchni odpowiedzi.
g) Analiza niezawodnoci metod powierzchni odpowiedzi
Jeeli wemie si pod uwag rozwizanie referencyjne, przedstawiajce wyniki oblicze
wartoci krytycznej zwikszonego mnonika startowego obcienia wiatrem mcrit , lub te
warto cinienia krytycznego parcia/ssania wiatru wyraanego w kPa , skalkulowane w 144
punktach obliczeniowych dobranych dla bezporedniej metody Monte Carlo, to jeszcze przed
doborem powierzchni odpowiedzi, mona dosta niecigy, wstpny obraz powierzchni
zalenoci cinienia krytycznego od zmiennych przyjtych w analizie (zmiennej kta
zorientowania = x1 oraz zmienn wysokoci h = x 2 ). Takie wstpne rozpoznanie topografii
wydaje si by przydatne do wyboru waciwego modelu aproksymacyjnego rwnania
powierzchni odpowiedzi.
Pogldowy szkic topografii zosta przedstawiony na rys. 6.41, na dwch wizualizacjach.
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
g(x) = 0 + 1x1 + 2x 2 + 11x12 + 22x 22 + 12x1x 2
(6.11)
189
Zaoono, i aproksymowana powierzchnia odpowiedzi bdzie obliczana w cakowitym

nawizaniu do poprzednich analiz to jest: w dwch przypadkach obliczeniowych (stan
graniczny zdefiniowany jako 75% lub 50% wartoci cinienia krytycznego wiatru obliczonego
dla zbiornika idealnego) dla czterech rnych wariantw metody Monte Carlo w szeciu
seriach dla podejcia bezporedniego, w czterech seriach dla prbkowania SS, w dwch
trjdzielnych seriach dla prbkowania LHS oraz w czterech seriach dla prbkowania IS.
Jest to ilo wystarczajc do celw poprawnej analizy problemu.
Dla kadego z tych wariantw powierzchnia odpowiedzi zostanie aproksymowana za pomoc
programu autorskiego RSMWin, korzystajcego ze standardowych technik statystycznych.
Za pomoc programu autorskiego zostan na podstawie aproksymowanych powierzchni
odpowiedzi obliczone podstawowe miary niezawodnoci rozpatrywanego problemu wskanik
niezawodnoci wg podejcia HLRF (HLRF ) oraz prawdopodobiestwo awarii Pf ,RSM .
Rezultaty wymienionych miar niezawodnoci bd porwnywane z rozwizaniem
referencyjnym, tj. tymi samymi miarami skalkulowanymi na ostatnim, szstym etapie analizy
za pomoc bezporedniej metody Monte Carlo.
1) Analiza przy uyciu bezporedniego podejcia metody Monte Carlo (CMC, Crude
Monte Carlo).
Wzory postaci aproksymowanych w analizie powierzchni odpowiedzi, wykonane
na podstawie punktw obliczeniowych uytych dla analiz za pomoc bezporedniego
podejcia metody Monte Carlo, zostay zbiorczo przedstawione w Tablicy 6.27.
Na rys. 6.42. znajduj si natomiast pogldowe szkice powierzchni odpowiedzi
na powierzchni stanu granicznego zagadnienia, aproksymowane przy uyciu odpowiedniej
dla danej serii liczby punktw obliczeniowych.
Tablica 6.27. Wzory postaci aproksymowanych powierzchni odpowiedzi, wykonane
na podstawie punktw obliczeniowych uytych do analiz za pomoc bezporedniego podejcia
MC, w dwch przyjtych wariantach analizy (75%, 50%).
Przy uyciu: dla war. SG:
6 punktw
oblicz.
12 punktw
oblicz.
24 punktw
oblicz.
48 punktw
oblicz.
96 punktw
oblicz.
uzyskano powierzchni odpowiedzi przedstawion wzorem:
na poz. 75%
g(x) = 1,915647 + 0,006055x 1 0,555451x 2 0,000003x 12 + 0,036004x 22 0,000987x 1x 2
na poz. 50%
g(x) = 2,035272 + 0,006030x 1 0,552676x 2 0,000003x 12 + 0,035824x 22 0,000982x 1x 2
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
na poz. 75% g(x) = 0,286679 + 0,007074x1 + 0,027172x 2 0,000025x12 0,000537x 22 0,000187x1x 2

na poz. 50% g(x) = 0,156145 + 0,007053x1 + 0,027029x 2 0,000025x12 0,000533x 22 0,000186x1x 2
na poz. 75% g(x) = 0,267552 + 0,005063x1 + 0,027461x 2 0,000016x12 0,000594x 22 0,000125x1x 2
na poz. 50% g(x) = 0,137115 + 0,005048x1 + 0,027328x 2 0,000016x12 0,000591x 22 0,000125x1x 2
na poz. 75% g(x) = 0,197122 + 0,004690x1 + 0,014950x 2 0,000016x12 0,000228x 22 0,000076x1x 2
na poz. 50% g(x) = 0,067063 + 0,004674x1 + 0,014904x 2 0,000016x12 0,000227x 22 0,000075x1x 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:
dla wariantu analizy o SG na poziomie

75%

50%
6 punktw
oblicz.
12 punktw
oblicz.
24 punktw
oblicz.
48 punktw
oblicz.
96 punktw
oblicz.
144 punktw
oblicz.
Rys. 6.42. Szkice powierzchni odpowiedzi na powierzchni stanu granicznego zagadnienia,

aproksymowane przy uyciu odpowiedniej dla danej serii liczby punktw obliczeniowych,
w dwch przyjtych wariantach analizy (75%, 50%).
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.
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).

konstrukcji uzyskane w pierwszej serii analizy s absolutnie niedopuszczalne, w obu
przyjtych wariantach analizy (75%, 50%), co wizane jest najpewniej z myln aproksymacj
topografii powierzchni odpowiedzi. Wyniki serii kolejnych (od drugiej do szstej) s do siebie
do zblione i duo lepiej okrelaj miary oceny bezpieczestwa konstrukcji, w szczeglnoci
dla wariantu stanu granicznego ustanowionego na 75% obcienia krytycznego dla zbiornika
idealnego. Oznacza to, e rozwizanie proponowane przez metod powierzchni odpowiedzi
(RSM) jest bardzo dobre i bardzo pewne. Moe by ono wyprowadzone ju po de facto dwch
seriach obliczeniowych, czyli po wykorzystaniu jedynie 12 punktw obliczeniowych (z puli
wygenerowanych 144 punktw), co jest duym zyskiem obliczeniowym.
Naley ponownie zwrci uwag, i w zadaniu operuje si na bardzo maych wartociach,
a wic nawet due rozbienoci bdu wzgldnego mog stanowi rnic, ktra bezwzgldnie
nie jest dua.
192
2) Analiza przy uyciu metody Monte Carlo z zastosowaniem prbkowania warstwowego

(SS, Stratified Sampling Monte Carlo).
na podstawie punktw obliczeniowych uytych dla analiz za pomoc metody Monte Carlo
z zastosowaniem prbkowania warstwowego, zostay zbiorczo przedstawione w Tablicy 6.29.
na podstawie punktw obliczeniowych uytych do analiz za pomoc metody MC,
z zastosowaniem prbkowania SS, w dwch przyjtych wariantach analizy (75%, 50%).
9 punktw
oblicz.
16 punktw
oblicz.
36 punktw
oblicz.
na poz. 75% g(x) = 0,206369 + 0,004827x1 + 0,018481x 2 0,000018x12 0,000361x 22 0,000083x1x 2

na poz. 50% g(x) = 0,076219 + 0,004808x1 + 0,018407x 2 0,000018x12 0,000357x 22 0,000084x1x 2
na poz. 75% g(x) = 0,212079 + 0,004797x1 + 0,019032x 2 0,000017x12 0,000365x 22 0,000089x1x 2
na poz. 50% g(x) = 0,082009 + 0,004797x1 + 0,018969x 2 0,000017x12 0,000362x 22 0,000089x1x 2
2
2
na poz. 75% g(x) = 0,193208 + 0,004226x1 + 0,018218x 2 0,000014x1 0,000342x 2 0,000085x1x 2
2
2
na poz. 50% g(x) = 0,063549 + 0,004223x1 + 0,018188x 2 0,000014x1 0,000339x 2 0,000085x1x 2
2
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.
pomidzy wynikiem danej wartoci uzyskanym w danej serii, a wynikiem serii uznanej
za referencyjn.
Uywajc:

75%
193

50%
9 punktw
oblicz.
16 punktw
oblicz.
36 punktw
oblicz.
144 punktw
oblicz.

194

niezawodnoci obliczone dla kadej z serii dla powierzchni odpowiedzi aproksymowanych przy
uyciu prbek wygenerowanych dla metody MC z zastosowaniem prbkowania SS, w dwch
przyjtych wariantach analizy (75%, 50% obcienia krytycznego dla zbiornika idealnego).

konstrukcji uzyskane w kadej serii obliczeniowej s do siebie do zblione i niemale
idealnie okrelaj miary oceny bezpieczestwa konstrukcji, w szczeglnoci dla wariantu stanu
granicznego ustanowionego na 75% obcienia krytycznego dla zbiornika idealnego (zupenie
jak w przykadzie poprzednim). Oznacza to, e rozwizanie proponowane przez metod
powierzchni odpowiedzi (RSM) jest w tym przypadku rwnie dobre, jak i rozwizanie
referencyjne. Moe by ono wyprowadzone ju praktycznie po jednej serii obliczeniowej, czyli
po wykorzystaniu jedynie 9 punktw obliczeniowych (z puli wygenerowanych 144 punktw).
Jest to niespotykany zysk obliczeniowy, najwikszy jaki zosta osignity we wszystkich
badaniach numerycznych w niniejszej rozprawie.
Potrzeba jedynie 6.25% populacji wygenerowanych prbek, aby sformuowa
rezultaty o bardzo zadowalajcej dla eksperymentatora (projektanta) jakoci.
3) Analiza przy uyciu metody Monte Carlo z zastosowaniem prbkowania hiperszecianu
aciskiego (LHS, Latin Hypercube Sampling Monte Carlo).
z zastosowaniem prbkowania hiperszecianu aciskiego, zostay zbiorczo przedstawione
w Tablicy 6.31. Na rys. 6.44. znajduj si natomiast pogldowe szkice powierzchni odpowiedzi
Jak zaobserwowa mona na podstawie Tablicy 6.31 oraz rys. 6.44, serie obliczeniowe
prezentuj rozbiene odzwierciedlenia powierzchni stanu granicznego zagadnienia. Z szeciu
przeanalizowanych przypadkw, tylko w jednym z nich (seria 1, wariant ty)
odwzorowano poprawnie natur zjawiska, wydarzyo si to jednak przypadkowo, zalenie
od losowania prbek. Typowe dla prawidowego rozwizania pojedyncze wybrzuszenie
pojawio si take w serii 2, w wariancie niebieskim, ale jest ono ulokowane w przestrzeni
realizacji w niewaciwym sektorze powierzchni. Cztery z powierzchni maj ksztat
paraboloidy hiperbolicznej, a wic nie odwzorowuj zbyt dobrze natury zjawiska, ale maj
zaskakujc zgodno w obrbie rwnania stanu granicznego powierzchni, w szczeglnoci
dla wariantu zadania z doborem stanu granicznego na poziomie 75% obcienia krytycznego.
Uywajc:

75%
195

50%
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

z zastosowaniem prbkowania LHS, w dwch przyjtych wariantach analizy (75%, 50%).
6 punktw
oblicz. (Cz)
na poz. 75% g(x) = 0,166307 + 0,014678x1 0,033793x 2 0,000045x12 + 0,002740x 22 0,000616x1x 2

na poz. 50% g(x) = 0,034141 + 0,014799x1 0,034840x 2 0,000045x12 + 0,002791x 22 0,000621x1x 2
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
na poz. 75% g(x) = 0,101574 + 0,004799x1 0,003771x 2 0,000024x12 + 0,000405x 22 + 0,000017x1x 2

na poz. 50% g(x) = 0,028028 + 0,004783x1 0,003743x 2 0,000024x12 + 0,000403x 22 + 0,000016x1x 2
2
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)
na poz. 75% g(x) = 0,112996 + 0,003846x1 + 0,004207x 2 0,000012x12 + 0,000389x 22 0,000095x1x 2

na poz. 50% g(x) = 0,016585 + 0,003835x1 + 0,004207x 2 0,000012x12 + 0,000386x 22 0,000095x1x 2
Mimo powyszych pozytywnych wynikw, stwierdzi mona jednak, i transformacja prbek

metody Monte Carlo z zastosowaniem prbkowania hiperszecianu aciskiego na punkty
obliczeniowe powierzchni odpowiedzi jest rozwizaniem nieoptymalnym, ktre wymagaoby
zwikszenia liczby prbek w analizie, lub sprzenia rnych typw prbkowania.
Wyniki te zebrano w Tablicy 6.32. Zgromadzono w niej take informacje o rnicy pomidzy
wynikiem danej wartoci uzyskanym w danej serii, a wynikiem serii uznanej za referencyjn.
niezawodnoci obliczone dla kadej z serii obliczeniowych dla powierzchni odpowiedzi
aproksymowanych przy uyciu prbek wygenerowanych dla metody MC z zastosowaniem
prbkowania LHS, w dwch przyjtych wariantach analizy (75%, 50% obcienia krytycznego
dla zbiornika idealnego).
197

konstrukcji uzyskane w pierwszej serii obliczeniowej s nie do przyjcia (za wyjtkiem
wprowadzajcego w bd przypadkowo wylosowanego wariantu tego, ktry jednak
zwraca uwag na konieczno ostronego postpowania z prbkowaniem tego typu
i wyciganiem z niego danych dla innych procedur stochastycznych) i powinny zosta
bezwarunkowo opuszczone. Jednake, w serii drugiej, rozpatrujcej 12 punktw, warianty
kolorowe s do siebie do zblione rezultatami, a bdy z jakimi szacuj miary oceny
bezpieczestwa konstrukcji, w szczeglnoci dla wariantu stanu granicznego ustanowionego
na 75% obcienia krytycznego dla zbiornika, nie s dyskredytujco wielkie. Oznacza to, e
rozwizanie proponowane przez metod powierzchni odpowiedzi (RSM) jest w tym przypadku
do dobre, a zatem mona byoby oczekiwa, i dla zwikszenia iloci pasm, na ktre
rozdzielane s wymiary probabilistyczne, aproksymacje miar niezawodnoci za pomoc RSM
mogyby okaza si poprawne. Zasadne byoby te poczenie tego typu prbkowania np.
z prbkowaniem wagowym, ktre poprawnie aproksymuje okolic stanu granicznego. Poddaje
si jednak pod wtpliwo fakt, czy obliczenia metod RSM pozostayby wwczas
ekonomiczne obliczeniowo, analogicznie do wniosku podniesionego po analizie wynikw
zawartych w poprzednim punkcie rozdziau.
4) Analiza przy uyciu metody Monte Carlo z zastosowaniem prbkowania wagowego
(IS, Importance Sampling Monte Carlo).
z zastosowaniem prbkowania wagowego, zostay zbiorczo przedstawione w Tablicy 6.33.
z zastosowaniem prbkowania IS, w dwch przyjtych wariantach analizy (75%, 50%).
8 punktw
oblicz.
16 punktw
oblicz.
24 punktw
oblicz.
48 punktw
oblicz.
na poz. 75% g(x) = 0,520628 + 0,017213x1 + 0,061097x 2 + 0,000067x12 0,001232x 22 0,002233x1x 2

na poz. 50% g(x) = 0,390628 + 0,017213x1 + 0,061097x 2 + 0,000067x12 0,001232x 22 0,002233x1x 2
na poz. 75% g(x) = 0,081108 0,005410x1 0,041588x 2 + 0,000353x12 + 0,004735x 22 + 0,000290x1x 2
na poz. 50%
g(x) = 0,047042 0,005254x1 0,041208x 2 + 0,000350x 12 + 0,004715x 22 + 0,000276x 1x 2
2
2
na poz. 75% g(x) = 0,112159 0,003881x1 0,038235x 2 + 0,000401x1 + 0,004793x 2 0,000003x1x 2
na poz. 50% g(x) = 0,017076 0,003817x1 0,037943x 2 + 0,000399x12 + 0,004768x 22 0,000007x1x 2

na poz. 75% g(x) = 0,288705 + 0,009308x1 + 0,018474x 2 0,000020x12 + 0,000616x 22 0,000566x1x 2
na poz. 50% g(x) = 0,158418 + 0,009267x1 + 0,018490x 2 0,000020x12 + 0,000609x 22 0,000564x1x 2
198
Uywajc:

75%

50%
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.
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.
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).

konstrukcji uzyskane we wszystkich seriach obliczeniowych s zaskakujco niedokadne.
Mimo, i badanie numeryczne nastawione byo na dobre rozpoznanie stanw granicznych
w obu przypadkach analizy, to jednak znieksztacenie reszty powierzchni nie pozwala
procedurze obliczajcej wskaniki niezawodnoci na zbieno w zadowalajcym rezultacie.
Bdy wzgldne, z jakimi zostaj oszacowane miary oceny bezpieczestwa s zbyt wielkie.
Oznacza to, e rozwizanie proponowane przez metod powierzchni odpowiedzi (RSM)
nie jest dobre i e naleaoby cakowicie zmieni metodologi doboru prbek obliczeniowych.
Potwierdza si sygnalizowana wczeniej zasadno poczenia tego typu prbkowania
np. z prbkowaniem hiperszecianu aciskiego. Jednake, tu rwnie nie przeprowadzono
testw numerycznych na potwierdzenie tej tezy.
200
h) Analiza porwnawcza rezultatw metody Monte Carlo i metody powierzchni

odpowiedzi dla analizowanego zadania
Zaoono, i w ramach analizy porwnawczej pomidzy metod Monte Carlo, a metod
powierzchni odpowiedzi, sporzdzanej dla rozwaanego przykadu, porwnanych zostanie
sze rnych parametrw probabilistycznej oceny niezawodnoci dwigara powierzchniowego,
w obu przypadkach analizy, tj. przyjmujc za stan graniczny 75% i 50% kwantyle mnonika
krytycznego obcienia parciem/ssaniem wiatru oraz niezalenie w kadym wariancie
doboru techniki generacji prbek obliczeniowych dla zadania.
Parametry te, to kolejno:
prawdopodobiestwo awarii wg podejcia metody Monte Carlo, oznaczane jako Pf ,
bezawaryjno wg podejcia metody Monte Carlo, oznaczana jako Ps ,

wskanik niezawodnoci obliczany wg podejcia Cornella, oznaczany jako C ,
prawdopodobiestwo awarii wg powierzchni odpowiedzi, oznaczane jako Pf ,RSM ,
bezawaryjno wg powierzchni odpowiedzi, oznaczana jako Ps ,RSM ,
wskanik niezawodnoci wg powierzchni odpowiedzi, obliczany wedug podejcia

Hasofera Linda Rackwitza Fiesslera, oznaczany jako ,RSM .
Dla prbkowania bezporedniego (CMC) wartoci probabilistycznych parametrw

oceny bezpieczestwa przy kolejno zwikszajcej si liczbie prbek dla metody Monte Carlo
i metody powierzchni odpowiedzi, zebrane s w Tablicy 6.35.
Uzyskiwanie zbienoci oblicze tyche parametrw po wykonaniu kolejnych serii analizy
Tablica 6.35. Wartoci parametrw probabilistycznej oceny bezpieczestwa przy kolejno
zwikszajcej si liczbie prbek wygenerowanych za pomoc podejcia Crude Monte Carlo
(CMC).
MC
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
HLRF ,RSM ,75%
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
HLRF ,RSM ,50%
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
Rys. 6.46. Uzyskiwanie zbienoci oblicze parametrw probabilistycznej oceny

bezpieczestwa przy kolejno zwikszajcej si liczbie prbek wygenerowanych za pomoc
podejcia CMC, w dwch wariantach analizy a) stan graniczny ustawiony na 75%, b) 50%.
Analizujc dane zgromadzone w Tablicy 6.35 oraz wykresy przedstawione na rys. 6.46,
stwierdzi mona, i stabilizacja wskanika niezawodnoci obliczanego wg podejcia Cornella
jest de facto bardzo powolna i rzeczywicie trudno jest przez to zadecydowa, po jakiej serii
naleaoby skoczy obliczenia (szczeglnie jest to widoczne dla drugiego przypadku analizy,
rys. 6.46b), aby uzyska w ich nastpstwie wiarygodny rezultat wskanika. Natomiast
odrzucajc wyniki pierwszej serii oblicze wskanik niezawodnoci skalkulowany wg metody
powierzchni odpowiedzi uzyskuje t zbieno od razu, ju w drugiej serii obliczeniowej. Jego
wahania w pniejszych seriach s niewielkie, a zblienie do linii trendu wykresu zbienoci
wskanika niezawodnoci Cornella jest wyranie obserwowalne.
Natomiast ze wzgldu na mae wartoci liczbowe prawdopodobiestwa awarii oraz
bezawaryjnoci, zbieno pomidzy ich rezultatami pochodzcymi z obu metodologii jest
niemale idealna. Potwierdza to podany wczeniej fakt, i bdy wzgldne s prostym
i intuicyjnymi miernikiem rnicy pomidzy rozwizaniami, ale niekoniecznie oddaj one
faktyczn jej wielko liczbow.
Dla prbkowania warstwowego (SS) wartoci probabilistycznych parametrw oceny
bezpieczestwa przy kolejno zwikszajcej si liczbie prbek dla metody Monte Carlo
i metody powierzchni odpowiedzi, zebrane s w Tablicy 6.36. Uzyskiwanie zbienoci oblicze
tyche parametrw po wykonaniu kolejnych serii analizy zaprezentowano na rys. 6.47.
stwierdzi mona, i dla techniki SS stabilizacja wskanika niezawodnoci obliczanego
wg podejcia Cornella jest duo szybsza i wskazuje wyranie, po jakiej serii naleaoby
skoczy obliczenia (szacuje si, e mona byoby dokona tego po drugiej serii
obliczeniowej), aby uzyska w ich nastpstwie wiarygodny rezultat wskanika. Natomiast
wskanik niezawodnoci skalkulowany wg metody powierzchni odpowiedzi uzyskuje
t zbieno ju dla pierwszej serii obliczeniowej, a jego fluktuacje w pniejszych seriach s
pomijalnie. Zblienie do linii trendu wykresu zbienoci wskanika niezawodnoci Cornella
jest jednak wyranie obserwowalne tylko dla pierwszego przypadku analizy (rys. 6.47a),
co moe oznacza, i powinno si zapewni jeszcze lepsze dopasowanie powierzchni
odpowiedzi do punktw obliczeniowych.
202

zwikszajcej si liczbie prbek wygenerowanych za pomoc podejcia techniki prbkowania
warstwowego (SS).
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
HLRF ,RSM ,75%
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
HLRF ,RSM ,50%
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
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

techniki SS, w dwch wariantach analizy a) stan graniczny ustawiony na 75%, b) 50%.
Ciekaw, godn do podkrelenia przy okazji obserwacji drugiego przypadku analizy
(rys. 6.47b) kwesti jest fakt, i metoda powierzchni odpowiedzi jest cakowicie odporna
na efekt przypadkowego dobrego/zego losowania, czyli dobrania takich punktw
obliczeniowych w metodzie MC, pord ktrych wszystkie speniaj (bd te nie speniaj)
warunek stanu granicznego. Stao si tak w przypadku pierwszej serii drugiego przypadku
oblicze znieksztacona, niepoprawna warto wskanika niezawodnoci Cornella
jest efektem dowiadczenia cakowitej bezawaryjnoci, jak sugeruje pobrana populacja.
Ponownie, ze wzgldu na mae wartoci liczbowe prawdopodobiestwa awarii oraz
bezawaryjnoci, obserwowana zbieno pomidzy ich rezultatami pochodzcymi z obu
metodologii jest idealna, dziki niej mona usprawiedliwi wybr rozwizania referencyjnego.
203
Dla prbkowania hiperszecianu aciskiego (LHS) wartoci probabilistycznych

parametrw oceny bezpieczestwa przy kolejno zwikszajcej si liczbie prbek dla metody
Monte Carlo i metody powierzchni odpowiedzi, zebrane s w Tablicy 6.37. Uzyskiwanie
zbienoci oblicze tyche parametrw po wykonaniu kolejnych serii analizy zaprezentowano
na rys. 6.48.
LHS.
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
HLRF ,RSM ,75%
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
HLRF ,RSM ,50%
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)
6-Cz 6-Nb 6-t 12-Cz 12-Nb 12-t

4,00
3,50
3,00
2,50
2,00
1,50
1,00
0,50
0,00
6-Cz
6-Nb
6-t
12-Cz 12-Nb 12-t

techniki LHS, w dwch wariantach analizy a) stan graniczny ustawiony na 75%, b) 50%.
Na wstpie analizy wynikw dla techniki LHS podkreli naley, i wykresy zamieszczone
na rys. 6.48 s raczej infografik, ni rzeczywist krzyw obrazujc zbieno oblicze. Przez
ograniczenie dyskretyzacji przestrzeni realizacji nie mona byo przeprowadzi wicej ni
dwch serii oblicze, a wic kad z serii podzielono na trzy warianty, ktre nie powinny
stanowi odrbnego etapu na wykresie umieszczonym na rys. 6.48.
204
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.
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
HLRF ,RSM ,75%
-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
HLRF ,RSM ,50%
-0,52632
0,17550
-0,04253
0,51004
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
byskawicznie tracona, ale wskanik wykazuj tendencj do poszukiwania swojej realnej

wartoci wartoci okrelone w pierwszych trzech etapach s bowiem wyranie
nieprawidowe i wskazuj na cakowit awaryjno konstrukcji, co jak wiadomo, mija si
z prawd inyniersk. Wskanik niezawodnoci skalkulowany wg metody powierzchni
odpowiedzi natomiast jedynie naladuje t zbieno, nie wykazujc ani zblienia do linii
trendu wykresu zbienoci wskanika niezawodnoci Cornella, ani denia do swojej
prawidowej wartoci.
1,00
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
16
24
48

techniki IS, w dwch wariantach analizy a) stan graniczny ustawiony na 75%, b) 50%.
O ile dla pierwszego przypadku analizy (rys. 6.49a), rozwizania obu metodologii s jeszcze
do siebie zblione, tak dla drugiego przypadku analizy (rys. 6.49b) s one cakowicie inne,
co wyranie pokazuje, i zbytnie skupienie si na maej populacji punktw lecych w pobliu
pooonego marginalnie w przestrzeni realizacji rwnania stanu granicznego i odtrcenie
informacji kierunkowej zapewnianej przez inne punkty przestrzeni probabilistycznej jest
niewaciwe w wietle obu metod.
Ponownie, ze wzgldu na mae wartoci liczbowe prawdopodobiestwa awarii
i bezawaryjnoci, obserwowana zbieno pomidzy ich rezultatami pochodzcymi z obu
metodologii jest idealna, jednake tym razem tylko dla pierwszego przypadku analizy
(rys. 6.49a). Moe to oznacza, i powinno si lepiej dopasowa powierzchni odpowiedzi
do punktw obliczeniowych.
206
Rozdzia 7
Ocena rezultatw i wnioski z pracy
Przedmiotem rozwaa niniejszej pracy jest obliczanie niezawodnoci nieliniowych modeli

konstrukcji inynierskich, ze szczeglnym uwzgldnieniem metody Monte Carlo oraz metody
powierzchni odpowiedzi jako technik doprowadzajcych do uzyskania wiarygodnych
probabilistycznych miar bezpieczestwa konstrukcji. Aby osign wspomniane powyej cele,
zbudowano program autorski.
W drodze do uzyskania interesujcych inyniera wynikw dokonano rwnie istotnej analizy
dziaania metody Monte Carlo, gdy zastosuje si do niej technika redukcji populacji prbek
obliczeniowych oraz krytycznej oceny poszczeglnych prbkowa.
W analizowanych przykadach numerycznych nieliniowych modeli konstrukcji cile
inynierskich odnoszono si przede wszystkim do niepewnoci geometrycznych, dostrzegajc
w nich po pierwsze ich duy wpyw na nono i/lub stateczno konstrukcji, stwarzajcy
wielk trudno waciwego oszacowania ich wpywu na bezpieczestwo projektowe
i uytkowe konstrukcji, a po drugie widzc trudno waciwego ich odwzorowania
i znaczn ilo koniecznych do rozpatrzenia przypadkw ich wielkoci i pooenia
na konstrukcji. Konieczne przez to okazao si stworzenie dodatkowych procedur
pozwalajcych tworzy pola losowe, modelujcych pola imperfekcji geometrycznych.
W badaniach numerycznych generowano dwuwymiarowe pola losowe.
Rozpatrywano rne typy warunkw granicznych, midzy innymi warunek odpowiedniego
poziomu przemieszcze, warunek odpowiedniego poziomu przyoonego obcienia, warunek
statecznoci lokalnej i globalnej oraz warunek nonoci granicznej. Okazao si, e
w niektrych przypadkach, odpowiednie zdefiniowanie funkcji granicznej jest trudne i moe
by inyniersko niejednoznaczne. Rwnie zmienne losowe przyjmowane jako probabilistyczna
przestrze realizacji zadania byy trudne do zdefiniowania i wymagay duej biegoci
w posugiwaniu si ich funkcjami rozkadu gstoci oraz ich momentami probabilistycznymi.
W opinii autora, wkadem wasnym w rozpoznanie tematw poruszanych
w rozprawie jest kolejno:
stworzenie programu autorskiego do obliczania niezawodnoci konstrukcji inynierskich
za pomoc metody Monte Carlo oraz metody powierzchni odpowiedzi, okrelanego robocz
nazw RSMWin,
stworzenie wasnej metodologii zastosowania programu do oblicze niezawodnoci
problemw nieliniowych modeli konstrukcji, gdzie funkcja stanu granicznego zadania nie
jest podana w formie zamknitej,
stworzenie procedury autorskiej do generacji pl losowych metod rozwinicia Karhunena
Lovea,
208
wnikliwe i usystematyzowane porwnanie technik redukcji wariancji populacji prbek

obliczeniowych metody Monte Carlo, co pozwala na sformuowanie istotnych wnioskw
odnonie technik zalecanych dla pewnej klasy problemw inynierskich,
wstpne wskazanie i prba budowy algorytmu optymalnego doboru punktw
obliczeniowych w przestrzeni realizacji zmiennych losowych zadania w analizie modeli
nieliniowych, ze szczeglnym wskazaniem konsekwencji niewaciwego dobrania tyche
punktw obliczeniowych.
Poniej, zamieszczone zostay wnioski nasuwajce si autorowi po zrealizowaniu
pracy, zaproponowane na podstawie przeprowadzonych i zawartych w pracy
rozwaa oraz bada numerycznych autorskich i komercyjnych.
Potwierdza si, i obecnie, przy zwikszaniu moliwoci obliczeniowych narzdzi
komputerowego wspomagania projektowania, stosowanie si jedynie do przepisw normowych
moe prowadzi w niektrych przypadkach do przewymiarowania elementw
konstrukcyjnych, niepodanego wzrostu kosztu i czasu wykonania konstrukcji lub braku
optymalnoci przyjtego rozwizania.
Obecny stan wiedzy inynierskiej, a take stan zaawansowania teorii niezawodnoci w ujciu
symulacyjnym (probabilistycznym) i cige doskonalenie warsztatu metod obliczeniowych,
wrcz motywuje do wykorzystania w procesie projektowym duo bardziej racjonalnych
podej do kwestii szacowania bezpieczestwa konstrukcji inynierskich w planowanym czasie
ich funkcjonowania.
Istniej doskonale rozpoznane i opisane wskaniki, jakimi moe by szacowania niezawodno
probabilistyczna konstrukcji inynierskich. Wane jest jednake umiejtne posugiwanie si
tymi wskanikami, jako e w przypadku rnych modeli konstrukcji, rne miary
niezawodnoci konstrukcji s im dedykowane i wykazuj zupenie rn zbieno i atwo
oblicze algorytmw prowadzonych do ich wyznaczenia.
Z wielu metod sucych do szacowania niezawodnoci probabilistycznej konstrukcji
inynierskich jedn z najdoskonalszych technik jest metoda Monte Carlo. Przy zwikszaniu
si moliwoci obliczeniowych narzdzi komputerowych metody symulacyjne, do ktrych
metoda ta przynaley, staj si podstawowym wyborem eksperymentatora. W przypadku
wzbogacenia
metody
o
waciwe
techniki
dobierania
prbek
obliczeniowych
z wielowymiarowej przestrzeni realizacji zadania, skuteczno dziaania metody moe by
zwielokrotniona i by konkurencyjna wobec procesw samouczcych si i adaptacyjnych.
Spord wszystkich typw prbkowania metody Monte Carlo, dla modeli rzeczywistych
konstrukcji inynierskich zaleca si zdecydowanie technik bezporedni (prbkowania
bezporednie) oraz doskonale dziaajc technik prbkowania warstwowego. Wykazano,
i w przypadku rozwaanych modeli konstrukcji inynierskich, metoda Monte Carlo
z uyciem prbkowania warstwowego prezentuje okoo dziesiciokrotny spadek kosztu
numerycznego generacji prbek obliczeniowych i spadek czasu realizacji zadania w stosunku
do bezporedniej metody Monte Carlo. Natomiast pozostae techniki redukcji populacji
prbek obliczeniowych rozwaane w pracy s albo zdecydowanie nieefektywne w przypadku
rozwaania problemw cile inynierskich (prbkowanie hiperszecianu aciskiego oraz
prbkowanie rosyjskiej ruletki) albo te wymagaj poczenia z inn technik prbkowania
Rozdzia 7 Ocena rezultatw i wnioski z pracy
209
zredukowanego (prbkowanie wagowe). Dobr techniki musi wic wymaga od inyniera

dobrego wstpnego rozpoznania problemu postawionego przed nim.
Metoda Monte Carlo w postaci bezporedniej lub z uyciem prbkowania warstwowego
doskonale sprawdza si dla bardzo prostych modeli nieliniowych geometrycznie i materiaowo.
Pozwala w bardzo atwy sposb zidentyfikowa wraliwo rozwizania na zmiany
w zmiennych losowych i pozwala na bezbdne odnalezienie momentw probabilistycznych
zmiennej odpowiedzi.
Metoda powierzchni odpowiedzi jest doskonaym, stosunkowo nowym narzdziem sucym
do szacowania niezawodnoci probabilistycznej konstrukcji inynierskich. Jest bardzo atwa
do implementacji, jako e wywodzi si ze standardowych technik aproksymacyjnych, takich
jak standardowa regresja liniowa i analiza rezydualnej wariancji zmiennej odpowiedzi. Modele
powierzchni odpowiedzi, jakimi aproksymuje si stan graniczny s doskonaym punktem
wyjciowym dla analizy niezawodnoci, na podstawie wyznaczonych wspczynnikw
kierunkowych powierzchni, algorytmy wyznaczania wskanikw niezawodnoci modelu
konstrukcji inynierskich ulegaj znacznemu uproszczeniu, a ich zbieno zostaje polepszona.
Potwierdzona zostaje zatem teza, i obliczenia obejmujce losowy charakter modeli
konstrukcji inynierskich s zasadne i powinny mie oddwik w obliczeniach inynierskich.
Wyniki pracy i przedsiwzite studium literatury ewidentnie wskazuj na fakt, i najbardziej
istotnym czynnikiem rnicujcym miary probabilistycznego bezpieczestwa konstrukcji
w stosunku do miar poczynionych na konstrukcji idealnej, powoduj imperfekcje
geometryczne. Wskazuje si, i problem ten jest przedstawiony w normach dosy
asekuracyjnie, i e otrzymuje si znaczce rnice pomidzy wartociami obcie
krytycznych szacowanych na podstawie oblicze cakowicie zgodnych z norm, a tymi, jakie
wykonuje si metodami losowego modelowania imperfekcji.
Potwierdzona zostaje zatem teza, i imperfekcje geometryczne i materiaowe, ustalone
zgodnie z zapisami kodu projektowego, widocznie rnicuj odpowiedzi konstrukcji. Zasadne
jest stwierdzenie, i w przypadku niektrych konstrukcji inynierskich nie mona rozpatrywa
jedynie modeli o geometrii idealnej, ale take nie mona ogranicza si do jednego typu
imperfekcji przy rnych typach obcie, rne imperfekcje prowadz do obliczenia
najbardziej niekorzystnego obcienia krytycznego/granicznego.
Moliwe jest generowanie pl imperfekcji geometrycznych przy zastosowaniu technik
generowania pl losowych imitujcych imperfekcje rzeczywiste. Rozwizanie symulacyjne
problemu zdecydowanie umoliwia uwzgldnienie imperfekcji geometrycznych i/lub
materiaowych w nieliniowych obliczeniach konstrukcji. Proponowana w pracy innowacyjna
metoda generacji warunkowej jest rwnie dobra, jak wczeniej sformuowane procedury,
pozwala take na dokonywanie bardzo istotnych akomodacji do warunkw brzegowych pola,
jakie dyktuje geometria danej konstrukcji inynierskiej.
Rzeczywicie, stosujc metod Monte Carlo i/lub metod powierzchni odpowiedzi mona
efektywnie oszacowa niezawodno konstrukcji. Dla prostych modeli prtowych odpowiednia
aproksymacja powierzchni odpowiedzi prowadzi do skutecznej oceny niezawodnoci
dyskretnymi wskanikami, w minimalnym czasie obliczeniowym. Zastrzega si jednak, na
210
podstawie przeprowadzonych bada, i powinno przestrzega si przy posugiwaniu si

obiema metodami: odpowiedniego typu prbkowania, rozmieszczenia prbek w przestrzeni
realizacji problemu, waciwego doboru zmiennych wejcia, poprawnej definicji stanu
granicznego oraz odpowiednio analizowania zmiennej wyjcia. Odpowiednia analiza moe
prowadzi do waciwego wnioskowania na temat przyszych projektowych procesw
optymalizacyjnych, na podstawie zapewnianych przez obie metody miar niezawodnoci.
Dla duo bardziej skomplikowanych modeli konstrukcji inynierskich, przez co rozumie si
konstrukcje powierzchniowe nieliniowe geometrycznie i materiaowo rwnie w atwy sposb
mona efektywnie oszacowa niezawodno konstrukcji stosujc metod Monte Carlo i/lub
metod powierzchni odpowiedzi. Wymaga to jednak poczenia tyche metod z obliczeniami
przeprowadzonymi przy uyciu komercyjnych programw obliczeniowych. Jednake
wskazano, i zaproponowane procedury autorskie doskonale sprawdzaj si przy
implementacji imperfekcji geometrycznych do modeli komputerowych konstrukcji
inynierskich, a techniki redukcji populacji punktw obliczeniowych (ktre w tym przypadku
s jednoznaczne z kolejnymi realizacjami modelu z zadan imperfekcj) rzeczywicie
pozwalaj na znaczne oszczdnoci kosztu i czasu oblicze numerycznych. Najwiksze zyski
uzyskuje si ponownie dla techniki prbkowania warstwowego.
Wyniki otrzymywane dziki metodzie powierzchni odpowiedzi s bardzo czytelne i intuicyjne,
a wyrysowanie powierzchni odpowiedzi w dowolnym programie graficznym i obserwacja
zmiany topografii powierzchni po kadej serii obliczeniowej daje inynierowi doskonay
przegld formowania si zachowania konstrukcji w okrelonych przypadkach projektowych.
Bardzo atwo jest inynierowi zdefiniowa wraliwo konstrukcji na niepewnoci
w parametrach projektowych (zmiennych podstawowych) oraz dostrzec zalenoci
i sprzenia pomidzy poszczeglnymi zmiennociami. Zdecydowanie podkrela si, e dla
nieliniowych modeli konstrukcji inynierskich posugiwanie si metod powierzchni
odpowiedzi jest susznym, uzasadnionymi i polecanym dziaaniem.
Zauwaa si, i za pomoc zaprezentowanych procedur i programu autorskiego moliwe jest
szacowanie niezawodnoci konstrukcji nie tylko w trakcie projektowania, ale na kadym
etapie jej funkcjonowania, jeeli podejmie si analiz zmiany poszczeglnych parametrw
losowych w czasie, przykadowo tworzc funkcje degradacji materiaw konstrukcyjnych,
ktre mog sterowa obnianiem si wartoci podstawowych zmiennych losowych
wytrzymaoci w czasie.
Ostatecznie, zdecydowanie potwierdza si tez pracy, i faktycznie moliwe jest
szacowanie niezawodnoci konstrukcji inynierskich z losowymi imperfekcjami
geometrycznymi i materiaowymi (na kadym etapie procesu projektowania)
opisanych nieliniowymi modelami MES, przy zastosowaniu zoptymalizowanego
podejcia probabilistycznego.
Co wicej, uwaa si z caa stanowczoci, e przedstawione w rozprawie analizy s
doskonaym punktem wyjcia do dalszych bada w tyme temacie, przykadowo jako
podstawa do zajcia si optymalizacj niezawodnociow konstrukcji inynierskich.
Pamita naley, i istot technik szacowania niezawodnoci poziomu trzeciego jest dokadne
poznawanie marginesw rozkadw prawdopodobiestwa zmiennych losowych zadania
i w tym kierunku musz zdecydowanie postpowa dalsze prace w rozwaanej tematyce.
Rozdzia 8
Literatura
W tekcie rozprawy odwoano si do nastpujcych monografii, artykuw

oraz innych publikacji:
1.
[Adler, 1981]
Adler R.J.: The geometry of random fields. John Wiley and Sons, Chichester
(1981)
2.
[Alibrandi
i inni, 2009]
Alibrandi U., Impollonia N., Ricciardi G.: Probabilistic buckling analysis

of frame structures with uncertain parameters. Proceedings of the 19th
AIMETA Congress of Theoretical and Applied Mechanics, Ancona, Wochy (2009),
str. 337346
3.
[Alibrandi
i inni, 2010]
Alibrandi U., Impollonia N., Ricciardi G.: Probabilistic eigenvalue buckling

analysis solved through the ratio of polynomial response surface.
Computer methods in applied mechanics and engineering, 199 (2010), str. 450464
4.
[Anders, 2000]
Anders M.: Application of stochastic finite element method to non-linear

elasto-plastic problem. University of Tokyo, Tokio (2000)
5.
[Ang i Tang, 2007]
Ang A.H-S., Tang W.H.: Probability Concepts in Engineering. Emphasis

on Applications in Civil and Environmental Engineering. John Wiley
and Sons, Londyn (2007)
6.
[Arbocz
i Babcock, 1969]
Arbocz J. and Babcock C. D.: The effect of general imperfections on the

buckling of cylindrical shells. ASME Journal of Applied Mechanics, 36 (1969)
str. 2838
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]
Arbocz J.: Shell stability analysis: Theory and practice, in Collapse:

The buckling of structures in theory and practice. Cambridge University
Press, Cambridge (1983)
9.
[Arbocz, 1998]
Arbocz J.: On accuracy of numerical buckling load predictions. Proceedings

of the 6th Conference: Shell Structures. Theory and Applications, Gdask, Poland
(1998), str. 1923
10.
[Augusti
i inni, 1984]
Augusti G., Baratta A., Casciati F.: Probabilistic Methods in Structural

Engineering. Chapman and Hall, Nowy Jork (1984)
11.
[Babcock, 1974]
Babcock C.D.: Experiments in shell buckling. Thin Shell Structures.

Theory, Experiment, and Design. Prentice-Hall, Englewood Cliffs (1974),
str. 345369
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]
Barbero E., Fernandez-Saez J., Navarro C.: Statistical analysis of the

mechanical properties of composite materials. Composites Part B:
Engineering, 31 (2000), str. 375381
14.
[Bathe, 1996]
Bathe K.J.: Finite Elements Procedures. Prentice-Hall, Nowy Jork (1996)
15.
[Baant
i Cedolin, 1991]
Baant Z.P., Cedolin L.: Stability of Structures: Elastic, Inelastic, Fracture

and Damage Theories. Oxford University Press, Nowy Jork (1991)
16.
[Bendat
i Piersol, 1971]
Bendat J.S., Piersol A.G.: Random data: analysis

procedures. John Wiley and Sons, Londyn (1971)
17.
[Bendat, 1990]
Bendat J.S.: Nonlinear system analysis and identification from random

data. John Wiley and Sons, Nowy Jork (1990)
18.
[Ben-Haim, 1996]
Ben-Haim Y.: Robust reliability in the mechanical sciences. Springer-Verlag,

Berlin (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]
Biegus A.: Probabilistyczna analiza

Wydawnictwo Naukowe, Warszawa (1999)
22.
[Bielewicz
i Grski, 2002]
Bielewicz E., Grski J.: Shell with random geometric imperfections.

Simulation-based approach. International Journal of Non-linear Mechanics,
37 (2002), str. 777784
23.
[Bielewicz
i inni, 1985]
Bielewicz E., Grski J., Skowronek M.: Program generacji dwuwymiarowych,

dyskretnych pl losowych. Materiay z II Konferencji Problemy Losowe
w Mechanice Konstrukcji. Gdask, Polska (1985), str. 2330
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]
Bootin W.W.: Metody statystyczne w mechanice budowli. Arkady, Warszawa

(1968)
27.
[Bower, 2010]
Bower K.M.: Help for Practitioners Trying to Understand ANOVA Table.

Six Sigma Tools & Templates, Nowy Jork (2010)
konstrukcji
and
measurement
stalowych.
Pastwowe
213
Rozdzia 8 Literatura
28.
[Box
i Wilson, 1951]
Box G.E.P., Wilson K.B.: On the Experimental Attainment of Optimum

Conditions (with discussion). Journal of the Royal Statistical Society Series B
13 (1951), str. 145
29.
[Bradley, 2007]
Bradley N.: The Response Surface Methodology. Indiana University, South

Bend (2007)
30.
[Bucinell, 1998]
Bucinell R.B.: Development of a Stochastic Delamination Model for

Laminated Composite Materials Subjected to Constant Amplitude
Fatigue Loading. Journal of Composite Materials, 32/12 (1998), str. 11381156
31.
[Caflish, 1998]
Caflisch R.E.: Monte Carlo and quasi-Monte Carlo methods. Cambridge

University Press, Acta Numerica, 7 (1998), str. 149
32.
[Carley
i inni, 2004]
Carley K.M., Kamneva N.Y., Reminga J.: Response Surface Methodology.

CASOS Technical Report. Carnegie Mellon University, Carnegie Mellon (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]
Cornell, C.A.: A Probability-Based Structural Code. American Concrete

Institute Journal, 66 (1969), str. 974985.
37.
[Crisfield, 1991]
Crisfield M.A.: Non-linear Finite Elements Analysis

Structures. John Wiley and Sons, Nowy Jork (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]
Der Kiureghian A., Ditlevsen O.: Aleatory or epistemic? Does it matter?

Structural Safety, 31 (2009), str. 105112
40.
[Devroye, 1986]
Devroye L.: Non-Uniform Random Variate Generation. Springer-Verlag,

Nowy Jork (1986)
41.
[Ditlevsen
i Madsen, 1996]
Ditlevsen O., Madsen H.O.: Structural reliability methods. John Wiley

and Sons, Chichester (1996)
42.
[Ditlevsen, 1973]
Ditlevsen O.: Structural Reliability and the Invariance Problems. Report

No. 22. University of Waterloo, Waterloo, Kanada (1973)
43.
[Ditlevsen, 1981]
Ditlevsen O.: Uncertainty Modelling. McGraw-Hill, Nowy Jork (1981)
44.
[Ditlevsen, 1982]
Ditlevsen O.: Model uncertainty in structural reliability. Structural Safety,

1 (1982), str. 7386
45.
[Elishakoff
i Arbocz, 1985]
Elishakoff I., Arbocz J.: Reliability of axially compressed cylindrical shells

with general nonsymmetric imperfections. Journal of Applied Mechanics,
52 (1985), str. 122128.
Cheng A.H.-D., Young C.Y.: Computational stochastic mechanics. Elsevier,

Londyn (1993)
of
Solids
and
214
46.
[Elishakoff, 1983]
Elishakoff I.: Probabilistic methods in the theory of structures. John Wiley

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]
Ellingwood B.R.: Acceptable Risk Bases for Design of Structures. Progress

in Structural Engineering and Materials, 3 (2001), str. 170179
49.
[Feng i inni, 2010]
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]
Ferson S., Ginzburg L.R.: Different methods are needed to propagate

ignorance and variability. Reliability Engineering and System Safety, 54 (1996),
str. 133144
51.
[Fisher, 1925]
Fisher R.A.: Statistical Methods For Research Workers. Oliver and Boyd,
Edynburg (1925)
52.
[Fisher, 1993]
Fisher N.I.: Statistical analysis of circular data. Cambridge University Press,

Cambridge (1993)
53.
[Frangopol
i Recek, 2003]
Frangopol D.M., Recek S.: Reliability of fiber-reinforced composite laminate

plates. Probabilistic Engineering Mechanics, 18 (2003), str. 119137
54.
[Freudenthal,
1954]
Freudenthal A.M.: Safety and the probability of Structural Failure. ASCE

Transactions, 2843 (1954), str. 13371397
55.
[Freudenthal,
1956]
Freudenthal A.M.: Safety and the probability of structure failure. Journal

of Engineering Mechanics, Trans. ASCE, 121 (1956), str. 1337
56.
[Fu i Hu, 1997]
Fu M., Hu J.-Q.: Conditional Monte Carlo. Gradient estimation and

optimization application. Kluwer Academic Publishers, Dordrecht (1997)
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]
Ghanem R.G., Spanos P.D.: Stochastic finite elements: a spectra approach.

Springer, Nowy Jork (1991)
61.
[Godoy, 1998]
Godoy L.A.: Stresses and pressures in thin-walled structures with damage

and imperfections. Thin-Walled Structures, 32 (1998), str. 181206
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
63.
[Gomes
i Awruch, 2002]
Gomes H.M., Awruch A.M.: Reliability of reinforced concrete structures

using stochastic finite elements. Engineering Computations, 19 (2002),
str. 764786
64.
[Grski
i Mikulski, 2005]
Grski J., Mikulski T.: Statistical description and numerical calculations

of cylindrical vertical tanks with initial geometric imperfections.
Proceedings of the 7th Conference: Shell Structures. Theory and Applications,
Gdask-Jurata, Poland (2005), str. 547551
65.
[Grski
i Mikulski, 2008]
Grski J., Mikulski T.: Identification and simulation of initial geometrical

imperfections of steel cylindrical tanks. Journal of Theoretical and Applied
Mechanics, 46 (2008), str. 413434
66.
[Grski, 2006]
Grski J.: Non-linear models of structures with random geometric and

material
imperfections.
Simulation-based
approach.
Wydawnictwo
Politechniki Gdaskiej, Gdask (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]
Grigoriu M.: Stochastic Mechanics.

and Structures, 37 (1999), str. 197214
69.
[Gwd, 1998]
Gwd M.: Zagadnienia

nonoci
losowej
prtw
metalowych.
Zeszyt Naukowy Inynierii Ldowej 4/1997, Politechnika Krakowska, Krakw (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]
Hart G.C.: Uncertainty analysis, loads

Engineering. Prentice-Hall, New Jersey (1982)
73.
[Hasofer
i Lind, 1974]
Hasofer A.M., Lind N.C.: An Exact and Invariant First-Order Reliability

Format. Journal of Engineering Mechanics Division, ASCE, 100 (1974), str. 111
121
74.
[Haugen, 1968]
Haugen E.B.: Probabilistic approach to design. John Wiley and Sons,

Chichester (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]
Hien T.D.: Numerical analysis of stochastic

Uczelniane Politechniki Szczeciskiej, Szczecin (2003)
77.
[Hill i Hunter,
1966]
Hill W.J., Hunter W.G.: A review of response surface methodology:

a literature review. Technometrics, 8 (1966), str. 571590
78.
[Hjelmstad, 2005]
Hjelmstad K.D.: Fundamentals of Structural Mechanics. Springer-Verlag,

Nowy Jork (2007)
International
and
Journal
safety
systems.
in
of
Solids
Structural
Wydawnictwo
216
79.
[Hornberger
i Spear, 1981]
Hornberger G.M., Spear R.C.: An approach to the preliminary analysis

of environmental systems. Journal of Environmental Management, 12 (1981),
str. 718
80.
[Hotaa, 2003]
Hotaa E.: Nono graniczna nieuebrowanych cylindrycznych paszczy

silosw stalowych. Oficyna Wydawnicza Politechniki Wrocawskiej, Wrocaw
(2003)
81.
[Hurtado
i Barbat, 1998]
Hurtado J.E., Barbat A.H.: Monte Carlo techniques in computational

stochastic mechanics. Archives of Computational Methods in Engineering,
5 (1998), str. 330
82.
[Hutchinson
i Koiter, 1971]
Hutchinson J.W., Koiter W.T: Post buckling theory. Applied Mechanics,

24 (1971), str. 13531366
83.
[Ikeda
i Murota, 1991]
Ikeda K., Murota K.: Bifurcation analysis of symmetric structures using

block-diagonalization. Computer Methods in Applied Mechanics and Engineering,
86 (1991), str. 215243
84.
[Iman
i Conover, 1980]
Iman R.L.,Conover W.J.: Small Sample Sensitivity Analysis Techniques for

Computer Models, With an Application to Risk Assessment.
Communications in Statistics - Theory and Methods, A9 (1980), str. 17491842
85.
[Iman i inni, 1981]
Iman R.L., Helton J.C., Campbell J.E.: An Approach to Sensitivity Analysis

of Computer Models. Journal of Quality Technology, 13 (1981), str. 174183,
232240
86.
[Jankowski
i Walukiewicz,
1997]
Jankowski R., Walukiewicz H.: Modeling of two-dimensional random fields.

Probabilistic Engineering Mechanics, 12 (1997), str. 115121
87.
[Jankowski, 2002]
Jankowski R.: Conditional random field simulation of ground motions for

large shell structures. Proceedings of the 6th Conference: Shell Structures.
Theory and Applications, Gdask-Jurata, Poland (2002), str. 115-116
88.
[Jankowski, 2006]
Jankowski R.: Conditional simulation of spatiotemporal earthquake random

field. Abstract Book of 13th European Conference on Earthquake Engineering &
30th General Assembly of the European Seismological Commission, Genewa,
Szwajcaria (2006)
89.
[Johnson
i inni, 1999]
Johnson E.A., Bergman L.A., Spencer Jr B.F.: Intelligent Monte Carlo

simulation and discrepancy sensitivity. Computational Stochastic Mechanics,
1 (1999), str. 3139
90.
[Johnson, 2010]
Johnson S.M.: Computational modeling, stochastic and experimental

analysis with thermoelastic stress analysis for fiber reinforced polymeric
composite material systems. Georgia Institute of Technology, Atlanta (2010)
91.
[Jun i Hong, 1988]
Jun S.M., Hong C.S.: Buckling behavior of laminated composite cylindrical

panels under axial compression. Computers and Structures, 29 (1988),
str. 479490.
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
93.
[Kahn, 1956]
Kahn H.: Use of different Monte Carlo sampling techniques. Proceedings

of the Symposium on Monte Carlo Methods, John Wiley and Sons, Nowy Jork
(1956), str. 149190
94.
[Kamiski, 2002]
Kamiski M.M.: On probabilistic fatigue models for composite materials.

International Journal of Fatigue, 24 (2002), str. 477495
95.
[Kamiski, 2005]
Kamiski M.M.: Computational Mechanics of Composite Materials.

Sensitivity, Randomness and Multiscale Behaviour. Springer-Verlag, Londyn
(2005)
96.
[Kang i inni, 2010]
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]
Karhunen K.: ber lineare Methoden in der Wahrscheinlichkeitsrechnung.

(On linear methods in probability and statistics.) Annales Academiae
Scientiarum Fennicae. Series A I. Mathematica-Physica, 37 (1947), str. 179
98.
[Kharmanda
i inni, 2002]
Kharmanda G., Mohamed A., Lemaire M.: CAROD: Computer-Aided Reliable

and Optimal Design as a concurrent system for real structures.
International Journal of CAD/CAM, 2 (2002), str. 122
99.
[Khuri
i Cornell, 1996]
Khuri A.I., Cornell J.A.: Response Surfaces. Dekker, Nowy Jork (1996)
100. [King i inni, 2012]
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
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
104. [Kolanek, 2007]
Kolanek K.: Analiza i optymalizacja niezawodnociowa konstrukcji

za pomoc adaptacyjnych metod symulacyjnych. Instytut Podstawowych
Problemw Techniki Polskiej Akademii Nauk, Warszawa (2007)
105. [Korol, 2012]
Korol E.: Theoretical and experimental study on size effect in concrete

beams reinforced with steel or basalt bars. Politechnika Gdaska, Gdask
(2012)
106. [Kreja, 2005]
Kreja I.: Stability analysis of cylindrical composite shells in

MSC/Nastran. Archives of Civil and Mechanical Engineering, 3 (2005), str. 3141
107. [Lemaitre, 1986]
Lemaitre J.: Local approach of fracture. Engineering Fracture Mechanics,

25 (1986), str. 523537
108. [Li i Der

Kiureghian, 1993]
Li C.C., Der Kiureghian A.: Optimal discretization of random fields. Journal

of Engineering Mechanics, 119 (1993), str. 11361154
218
109. [Lin, 1967]
Lin Y.K.: Probabilistic Theory of Structural Dynamics. McGraw-Hill,

Nowy Jork (1967)
110. [Lind, 1970]
Lind N.C.: Structural reliability and codified design. University of Waterloo,

Waterloo (1970)
111. [Lind, 1977]
Lind N.C.: Formulation of probabilistic design. ASCE Journal of Engineering

Mechanics Division, 103 (1977), str. 273284
112. [Liu, 2001]
Liu J.S.: Monte Carlo strategies in scientific computing. Springer-Verlag,

Nowy Jork (2001)
113. [Love, 1948]
Love M.: Functions aleatoires du second ordre. Gauthier Vilares, Pary (1948)
114. [Lundberg
i Galambos, 1996]
Lundberg J.E., Galambos T.V.: Load and resistance factor

of composite columns. Structural Safety, 18 (1996), str. 169177
115. [Murzewski, 1997]
Murzewski J.: Podstawy probabilistyczne projektowania konstrukcji

w ujciu macierzowym. Dolnolskie Wydawnictwo Edukacyjne, Wrocaw (1997)
116. [Murzewski, 1999]
Murzewski J.: Podstawy projektowania i niezawodno

Wydawnictwo Politechniki Krakowskiej, Krakw (1999)
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]
Marek P., Gutar M., Anagnos T.: Simulation-based reliability assessment

for structural engineers. CRC Press, Nowy Jork (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
120. [Matheron, 1975]
Matheron G.: Random sets and integral geometry. John Wiley and Sons,
Nowy Jork (1975)
121. [McKay
i inni, 1979]
McKay M.D., Beckman R.J., Conover W.J.: A Comparison of Three Methods

for Selecting Values of Input Variables in the Analysis of Output from
a Computer Code. Technometrics (American Statistical Association), 21 (1979),
str. 239245
122. [Melchers, 1999]
Melchers R.E.: Structural Reliability Analysis and Prediction. John Wiley

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]
Mignolet M.P., Spanos P.D.: Simulation of homogeneous two-dimensional

random fields: Part I AR and ARMA models. ASME Journal of Applied
Mechanics, 59 (1992), str. 260269
126. [Montgomery,
2004]
Montgomery D.C.: Design and Analysis of Experiments. John Wiley and Sons,
Nowy Jork (2004)
219
127. [Myers
i Montgomery,
1995]
Myers R.H., Montgomery D.C.: Response Surface Methodology: Process and

Product Optimization Using Designed Experiments. John Wiley and Sons,
Nowy Jork (1995)
128. [Myers, 2002]
Miller L.K., Sa P.: Improved Multiple Comparisons Withe the Best

in Response Surface Methodology. Journal of Modern Applied Statistics,
2 (2003), str. 247255
129. [Nayfeh, 1973]
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]
Nowak A.S., Collins K.R.: Reliability of structures. McGraw-Hill, Nowy Jork

(1976)
132. [Oden, 1972]
Oden J.T.: Finite Elements of Nonlinear Continua. McGraw-Hill, Berkshire

(1972)
133. [Olsson
i inni, 2003]
Olsson A., Sandberg G., Dahlblom O.: On Latin hypercube sampling

for structural reliability analysis. Structural Safety, 25 (2003), str. 4768
134. [Orlik, 1976]
Orlik G.: Deformation of shapes of cylindrical steel shells, statistical

analysis and numerical simulations. Politechnika Gdaska, Gdask (1976)
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]
Pradlwarter H.J., Schuller G.I.: On advanced Monte Carlo simulation

procedures in stochastic structural dynamics. International Journal of NonLinear Mechanics, 32 (1997), str. 735744
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
139. [Rackwitz, 2000]
Rackwitz R.: Optimization - The Basis of Code-Making and Reliability

Verification. Structural Safety, 22 (2000), str. 2760
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
142. [Rosenblatt, 1952]
Rosenblatt M.: Remarks on multivariate transformation. The Annals

of Mathematical Statistics, 23 (1952), str. 470472
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]
Rosenblueth E., Mendoza E.: Reliability Optimization in Isostatic Structures.

ASCE Journal of the Engineering Mechanics Division, 97 (1971), str. 16251642
145. [Rubinstein, 1981]
Rubinstein R.Y.: Simulation and the Monte Carlo Method. John Wiley
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]
Sabik A., Kreja I.: Imperfection sensitivity of multilayered composite shells.

Shell Structures: Theory and Applications. Vol. 2, CRC Press/Balkema, Londyn
(2010), str. 137140
148. [Sabik, 2012]
Sabik A.: Analiza statecznoci powok warstwowych

termicznie. Politechnika Gdaska, Gdask (2012)
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]
Saltelli A., Annoni P.: How to avoid a perfunctory sensitivity analysis.

Environmental Modeling and Software, 25 (2010), str. 15081517
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)
154. [Schuller, 2001]
Schuller G.: Computational stochastic mechanics recent advances.

Computers and Structures, 79 (2001), str. 22252234
155. [Shinozuka
i Deodatis, 1996]
Shinozuka M., Deodatis G.: Simulation of multidimensional Gaussian

stochastic fields by spectral representation. Applied Mechanics, 49 (1996),
str. 2953
156. [Shinozuka
i Yamazaki, 1988]
Shinozuka M., Yamazaki F.: Stochastic finite element analysis,

an introduction. Stochastic Structural Dynamics. Elsevier Science, Amsterdam
(1988), str. 241291
157. [Shinozuka, 1987]
Shinozuka M.: Stochastic Mechanics. Vol. I & II. Columbia University,

Nowy Jork (1987)
158. [Simonnet, 1996]
Simonnet M.: Measures and probabilities. Springer-Verlag, Nowy Jork (1996)
159. [Singer
i Abramovich,
1995]
Singer J., Abramovich H.: The Development of Shell Imperfection

Measurement Techniques. Thin-Walled Structures, 23 (1995), str. 379398
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
161. [Singer, 1982]
Singer J.: Buckling experiments on shells - a review

developments. Solid Mechanics Arcives, 7 (1982), str. 213313
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
164. [Sobczyk, 1991]
Sobczyk K.: Stochastyczne rwnania rniczkowe. Wydawnictwa NaukowoTechniczne, Warszawa (1991)
165. [Srensen
i inni, 1994]
Srensen J.D., Kroon I.B., Faber M.H.: Optimal

calibration. Structural Safety, 15 (1994), str. 197208
166. [Srivastava
i Carter, 1983]
Srivastava M.S., Carter E.M.: An introduction to applied multivariate

statistics. North-Holland Publishing Company, Amsterdam (1983)
167. [Stocki, 1999]
Stocki R.: Niezawodnociowa optymalizacja konstrukcji prtowych

w zakresie duych przemieszcze - teoria i program komputerowy.
Instytut Podstawowych Problemw Techniki Polskiej Akademii Nauk, Warszawa
(1999)
168. [Stocki, 2010]
Stocki R.: Analiza niezawodnoci i optymalizacja odpornociowa zoonych

konstrukcji i procesw technologicznych. Instytut Podstawowych Problemw
Techniki Polskiej Akademii Nauk, Warszawa (2010)
169. [Sudret i Der

Khuregian, 2000]
Sudret B., Der Kiureghian A.: Stochastic Finite Element Methods

and Reliability. A State-of-the-Art Report. Department of Civil and
Environmental Engineering, University of California, Berkeley (2000)
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]
Tejchman J., Grski J.: Modeling of bearing capacity of footings on sand

within stochastic micro-polar hypoplasticity. International Journal
of Numerical and Analytical Methods in Geomechanics, 35 (2011), str. 226243
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]
Topping B.H.V.: Computational mechanics using

computing. Saxe-Coburg Publications, Stirling (2002)
high
performance
222
177. [Treharne, 1991]
Treharne J.: RSSP a Fortran Simulation Package for use in teaching

Response Surface Methodology. Auburn University Publishing Office, Auburn
(1991)
178. [Tylikowski, 1991]
Tylikowski A.: Stochastyczna stateczno ukadw cigych. Pastwowe

179. [Ulam, 1961]
Ulam S.M.: On Some Statistical Properties of Dynamical Systems.

Proceedings of the 4th Berkeley Symposium on Mathematical Statistics and
Probability, 3 (1961), str. 315
180. [Vanmarcke, 1983]
Vanmarcke E.-H.: Random Fields: Analysis and Synthesis. MIT Press,

Cambridge (1983)
181. [Veneziano, 1974]
Veneziano D.: Contributions to Second Moment Reliability Theory. MIT

Press, Cambridge (1974)
182. [Vrouwenvelder,
2002]
Vrouwenvelder A.C.W.M.: Developments towards full probabilistic design

codes. Structural Safety, 24 (2002), str. 417432
183. [Walukiewicz
i inni, 1995]
Walukiewicz H., Bielewicz E., Grski J.: Statistical analysis of simulated

random fields. Proceedings of the ICASP7 Conference: Applications of Statistics
and Probability, Vol. 2, Balkema, Rotterdam (1995), str. 126127
184. [Walukiewicz
i inni, 1997]
Walukiewicz, H., Bielewicz, E., Grski, J.: Simulation of nonhomogeneous

random fields for structural applications. Computers and Structures,
64 (1997), str. 491498
185. [Weibull, 1939]
Weibull, W.: A Statistical Theory of Strength of Materials. Ingenir

Vetenskaps Akademin Proceedings, Sztokholm (1939)
186. [Wen, 1983]
Wen Y.K.: Wind direction and structural reliability. Part 1. ASCE Journal
of Structural Engineering, 109 (1983), str. 10281041
187. [Wen, 1984]
Wen Y.K.: Wind direction and structural reliability. Part 2. ASCE Journal
of Structural Engineering, 110 (1984), str. 12531264
188. [Whitcomb
i Anderson, 2004]
Whitcomb P. J., Anderson M. J.: RSM Simplified: Optimizing Processes

Using Response Surface Methods for Design of Experiments. Productivity
Press, Londyn (2004)
189. [Wilde, 1981]
Wilde P.: Random Fields Discretization in Engineering Calculations.

Pastwowe Wydawnictwo Naukowe, Warszawa (1981)
190. [Winkler, 1995]
Winkler G.: Image analysis, random fields and dynamic Monte Carlo
methods. Springer-Verlag, Berlin (1995)
191. [Woliski
i Wrbel, 2001]
Woliski Sz., Wrbel K.: Niezawodno konstrukcji budowlanych. Oficyna

Wydawnicza Politechniki Rzeszowskiej, Rzeszw (2001)
192. [Woliski, 2011a]
Woliski
Sz.:
Probabilistyczne
podstawy
wspczesnych
norm
projektowania. Materiay 57 Konferencji Naukowej KILiW PAN oraz KN PZITB,
Krynica, Polska (2011)
193. [Woliski, 2011b]
Woliski Sz.: Kalibracja wspczynnikw czciowych dla istniejcych

konstrukcji. Materiay 57 Konferencji Naukowej KILiW PAN oraz KN PZITB,
Krynica, Polska (2011)
223
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]
Woniak Cz., Kleiber M.: Nieliniowa mechanika konstrukcji. Pastwowe

196. [Woniak, 2001]
Woniak Cz.: Mechanika sprystych pyt i powok. Pastwowe Wydawnictwo

Naukowe, Warszawa (2001)
197. [Yamazaki
i Shinozuka, 1990]
Yamazaki F., Shinozuka M.: Simulation of Stochastic Fields by Statistical

Preconditioning. ASCE Journal of Engineering Mechanics, 116 (2000),
str. 268287
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)
200. [Ziha, 1995]
Ziha K.: Descriptive sampling in structural safety. Structural Safety,

17 (1995), str. 3341
201. [Zio, 2008]
Zio E.: Computational Methods

World Scientific, Mediolan (2008)
202. [Zubrzycki, 1961]
Zubrzycki S.: Skrypt z rachunku prawdopodobiestwa

matematycznej. Uniwersytet Wrocawski, Wrocaw (1961)
for
Reliability
and
Risk
Analysis.
statystyki
W tekcie rozprawy odwoano si do nastpujcych kodw projektowych, norm

oraz specyfikacji:
1.
2.
3.
[PN-76/B-03001]
Konstrukcje i podoa budowli. Oglne zasady oblicze.
[PN-77/B-02011]
[PN-80/B-02010]
Obcienia w obliczeniach statycznych. Obcienie wiatrem.

Obcienia w obliczeniach statycznych. Obcienie niegiem.
4.
5.
[PN-82/B-02000]
[PN-82/B-02001]
Obcienia budowli. Zasady ustalania wartoci.

Obcienia budowli. Obcienia stae.
6.
[PN-82/B-02003]
Obcienia budowli. Obcienia zmienne technologiczne. Podstawowe obcienia

technologiczne i montaowe.
7.
8.
[PN-82/B-02004]
[PN-86/B-02005]
9.
10.
[PN-86/B-02015]
[PN-87/B-02013]
Obcienia budowli. Obcienia zmienne technologiczne. Obcienia pojazdami.

Obcienia budowli. Obcienia suwnicami pomostowymi, wcigarkami
i wcignikami.
Obcienia budowli. Obcienia zmienne rodowiskowe. Obcienie temperatur.
Obcienia budowli. Obcienia zmienne rodowiskowe. Obcienie oblodzeniem.
11.
12.
[PN-88/B-02014]
[PN-B-03202:1996]
13.
[PN-EN 1090-2]
14.
[PN-EN 1991-1-1]
Eurokod 1: Oddziaywania na konstrukcje. Cz 1-1: Oddziaywania oglne. Ciar

objtociowy, ciar wasny, obcienia uytkowe w budynkach.
15.
[PN-EN 1991-1-2]
Eurokod 1: Oddziaywania na konstrukcje. Cz 1-2: Oddziaywania oglne.

Oddziaywania na konstrukcje w warunkach poaru.
16.
[PN-EN 1991-1-3]

Obcienie niegiem.
Obcienia budowli. Obcienie gruntem.

Konstrukcje stalowe. Silosy na materiay sypkie. Obliczenia statyczne
i projektowanie.
Wykonanie konstrukcji stalowych i aluminiowych. Cz 2: Wymagania techniczne
dotyczce konstrukcji stalowych.
224
17.
[PN-EN 1991-1-4]

Oddziaywania wiatru.
Oddziaywania termiczne.
18.
[PN-EN 1991-1-5]
19.
[PN-EN 1993-1-1]
20.
[PN-EN 1993-16:2009]
21.
[PN-EN 1994-1-1]
Eurokod 4: Projektowanie zespolonych konstrukcji stalowo-betonowych. Cz 1-1:

Reguy oglne i reguy dla budynkw.
22.
[PN-ISO 2394:2000]
Oglne zasady niezawodnoci konstrukcji budowlanych.
Eurokod 3: Projektowanie konstrukcji stalowych. Cz 1-1: Reguy oglne i reguy

dla budynkw.
Eurokod 3: Projektowanie konstrukcji stalowych. Cz 1-6: Wytrzymao
i stateczno konstrukcji powokowych.
Praca zostaa sporzdzona w ramach projektu

Innowacyjne rodki i efektywne metody poprawy bezpieczestwa i trwaoci obiektw
budowlanych i infrastruktury transportowej w strategii zrwnowaonego rozwoju,
w ramach umowy nr POIG.01.01.02-10-106/09-00, zadanie PT-2.4.

PHD Winkelmann

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

PHD Winkelmann

Uploaded by

Copyright:

Available Formats

POLITECHNIKA GDASKA

WYDZIA INYNIERII LDOWEJ I RODOWISKA

MGR IN. KAROL WINKELMANN

PRAGN SERDECZNIE PODZIKOWA:

2. Metody okrelania niezawodnoci modeli konstrukcji inynierskich

3. Autorski program do oblicze wskanikw niezawodnoci

4. Imperfekcje geometryczne konstrukcji inynierskich

5. Generacja dwuwymiarowych i trjwymiarowych pl losowych

6. Przykady zastosowa podejcia probabilistycznego w rzeczywistych

7. Ocena rezultatw i wnioski z pracy

1.1. Przedmiot pracy

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

Rozdzia 1 Przedmiot, cel i zakres pracy

i problem zapewnienia konstrukcji bezpieczestwa ze wzgldu na nono i uytkowanie nie

1.2. Cel i zakres pracy

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

Rozdzia 1 Przedmiot, cel i zakres pracy

Praca skada si z omiu rozdziaw.

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

analiz dwch modeli nieskoczenie sztywnego pionowego elementu prtowego (masztu)

Rozdzia 1 Przedmiot, cel i zakres pracy

i uyteczno takiego dziaania. Na koniec rozdziau podaje si literatur poruszajc temat

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

niezawodnoci Hasofera Linda (HL) i Hasofera Linda Rackwitza Fiesslera (HLRF)

Rozdzia 1 Przedmiot, cel i zakres pracy

1.3. Teza pracy

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

Rozwizanie symulacyjne problemu umoliwia uwzgldnienie imperfekcji geometrycznych

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

Wanie z wyej wymienionych przyczyn wkracza do rozwaa teoria obliczania

Rozdzia 2 Metody okrelania niezawodnoci modeli konstrukcji inynierskich

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

konserwacji i napraw konstrukcji lub jej elementu, szybkoci narastania odsetek

2.2. Niezawodno w ujciu normowym

Rozdzia 2 Metody okrelania niezawodnoci modeli konstrukcji inynierskich

waciwoci materiaowych i przekrojw poprzecznych na skutek eksploatacji w ustalonym

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

Rys. 2.1. Definicja wartoci charakterystycznej zmiennej losowej wytrzymaoci materiaw.

Rozdzia 2 Metody okrelania niezawodnoci modeli konstrukcji inynierskich

Podstawow, obowizujc na terenie Polski norm definiujc wartoci charakterystyczne

bezpieczestwa (zalenie od typu zmiennoci wspczynnikiem wytrzymaoci materiau,

g (Rd ,Qd , ) > 0

to odpowiednio wartoci obliczeniowe wytrzymaoci danego materiau

konstrukcyjnego oraz dowolnego obcienia, a symbol jest wyraeniem wszystkich

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

Wspczynniki bezpieczestwa i niezawodnoci konstrukcji inynierskiej

Rozdzia 2 Metody okrelania niezawodnoci modeli konstrukcji inynierskich

(Gki fi ) to warto obliczeniowa i-tego obcienia staego, (Qkj fj ) to warto

obliczeniowa j-tego obcienia zmiennego, a reszta symboli reprezentuje wkad odpowiednich

Pa = (Gki fi ) + 0, 8 (Qkj fj ) j dyn , j + Fa

gdzie symbole uyte w pocztkowym fragmencie powyszego zapisu s zgodne z powyej

gdzie Gki to warto charakterystyczna i-tego obcienia staego, a Qk to warto

gdzie wszystkie symbole uyte w powyszym zapisie s zgodne z powyszymi objanieniami.

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

Aktualizacja kodw projektowych i normatyw technicznych to kolejny wany punkt

Rozdzia 2 Metody okrelania niezawodnoci modeli konstrukcji inynierskich

zapewnienia odpowiedniego poziomu obcienia. Zastpczo, powinno si wwczas stosowa

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

2.3. Niezawodno wedug podejcia probabilistycznego

Rozdzia 2 Metody okrelania niezawodnoci modeli konstrukcji inynierskich

Podstawowymi narzdziami do pracy z parametrami, ktre mona opisa jako zmienne

Karol Winkelmann Obliczanie niezawodnoci konstrukcji inynierskich...

Osobnym problemem jest generacja zmiennych losowych potrzebnych do analizy