《ds可靠性設計》課件

PDS可靠性設計1可整理ppt1、可靠性設計的基本原理及方法在結(jié)構(gòu)可靠性分析中，結(jié)構(gòu)的極限狀態(tài)是通過描述結(jié)構(gòu)的功能函數(shù)來定義的。設XI為影響結(jié)構(gòu)功能的n個隨機變量，則其功能函數(shù)表示：當Z>0時，結(jié)構(gòu)具有規(guī)定的功能，即處于可靠狀態(tài)；當Z<0時，結(jié)構(gòu)喪失規(guī)定的功能，即處于失效狀態(tài)；當Z=0時，結(jié)構(gòu)處于臨界狀態(tài)或極限狀態(tài)。Z=g（X1，X2，X3，…Xn）機械可靠性設計是把機械可靠性設計中所涉及的變量，多處理成多值的隨機變量，它們都服從一定的概率分布，這些變量間的關系，可通過概率函數(shù)進行多值變換，得到應力S和強度r的概率分布。應力-強度干涉理論是進行可靠性設計的理論基礎2可整理ppt2、數(shù)值模擬法計算結(jié)構(gòu)可靠性的原理為方便計算，公式可以寫成：式中：為指示函數(shù)：=1<00>0按概率密度函數(shù)的分布產(chǎn)生一定數(shù)量的隨機樣本，設共產(chǎn)生N個隨機樣本，其次，對于每個隨機樣本，計算指示函數(shù)的值。最后，計算N個指示函數(shù)值的累加值假設為n，則失效概率為Pf=n/N。對于給定的一組隨機變量x1、x2…，xn，如果他們之間不相互獨立，則首先進行變換，把他們轉(zhuǎn)化為獨立的隨機變量，然后對每個隨機變量按其分布產(chǎn)生一個隨機值3可整理ppt3、蒙特卡洛法蒙特卡洛法技術是概率分析中最重用的傳統(tǒng)的方法，它能模擬實際問題的真實行為特征。特別是對于非線性問題而言，蒙特卡洛法是最有效的可靠度分析方法。在ANSYS中，蒙特卡洛技術可以選擇直接抽樣或超拉丁方法進行抽樣處理蒙特卡洛模擬技術的主要優(yōu)點是對有限元模擬的適應性非常好，這個技術的前提條件是，確定模擬必須是正確的，并且仿真循環(huán)的次數(shù)必須足夠的多，這樣的車的概率設計結(jié)構(gòu)總是正確的。4可整理ppt4、

基于有限元的概率設計(PDS)簡介ANSYS提供的基于有限元的概率設計系統(tǒng)（PDS）的主要應用方向：當有限元模型的輸入?yún)?shù)不確定時，有限元結(jié)果在置信度為多少時的不確定程度有多大？輸入?yún)?shù)的不確定性決定響應參數(shù)的不確定性，目標產(chǎn)品滿足設計要求的概率有多大？工作失效概率有多大？在所有不確定的輸入?yún)?shù)中哪個參數(shù)的不確定性對于響應參數(shù)的影響程度最大，或者說對于目標產(chǎn)品最容易引起其工作失效？響應參數(shù)對輸入?yún)?shù)變化的靈敏度多大？5可整理ppt6、蒙特卡洛法在ANSYS中實現(xiàn)的步驟利用ANSYS創(chuàng)建有限元分析文件。分析文件必須包含完整的仿真分析過程，包括：參數(shù)化有限元建模，求解以及供概率設計過程中用于隨機輸入?yún)?shù)和隨機輸出參數(shù)等利用ANSYS/PDS處理器進行可靠性分析。首先進入PDS處理器指定所用的分析文件，定義概率設計模型，其中概率設計模型定義的內(nèi)容主要包括：文件的指定、隨機輸入變量的定義、隨機輸入?yún)?shù)和輸出參數(shù)之間相關性確定以及隨機輸出參數(shù)定義；然后選擇概率設計工具或方法（monte-calor法或響應面法）進行可靠性分析對可靠性分析進行相應的后處理，包括抽樣過程的顯示、繪制失效概率分布函數(shù)、確定結(jié)構(gòu)可靠性分析中輸入變量和輸出變量的相關系數(shù)矩陣、由已知結(jié)構(gòu)的失效概率尋找對應的輸入變量、靈敏度分析、生成可靠性分析報告等6可整理ppt7、PDS模塊的介紹如圖：該部分為PDS模塊，包括分析文件的創(chuàng)建和指定、輸入變量和輸出變量的指定以及相關性、概率分析的方式、概率執(zhí)行、概率分析結(jié)果和生成報告等模塊大體介紹：7可整理ppt1）進入PDS并指定分析文件1.指定分析文件：或者：APDL命令：：/PDSPDANL,FILENAME,PDS3BAR.MAC8可整理ppt2）定義隨機參數(shù)1.定義隨機輸入?yún)?shù)APDL方式：PDVAR,Name,Type,PAR1,PAR2,PAR3,PAR4例：PDVAR,A1，GSUS,10，0.059可整理pptM6-103）PDS中的參數(shù)分布函數(shù)及其選用高斯分布(GAUS)特征參數(shù)：均值μ標準方差σ截斷高斯分布(TGAU)特征參數(shù)：均值μ標準方差σ

截斷下限Xmin

截斷上限Xmax對數(shù)正態(tài)分布（LOG）特征參數(shù)：均值μ標準方差σ10可整理pptM6-11三角分布(TRIA)特征參數(shù)：最小值Xmin可能值Xmiv可能值Xmax均勻分布(UNIF)特征參數(shù)：截斷下限Xmin截斷上限Xmax指數(shù)分布特征參數(shù)：衰減系數(shù)λ下限Xmin可整理pptM6-12BETA分布(BETA)特征參數(shù)：

形狀參數(shù)r

形狀參數(shù)t

下限Xmin

上限Xmax伽馬分布(GAMA)特征參數(shù)：衰減系數(shù)λ冪指數(shù)k威布爾分布（WEIB）特征參數(shù)：威布爾特征值Xchr威布爾指數(shù)m最小值Xmin可整理ppt繪制輸入?yún)?shù)分布圖：PDPLOT,Name,PLOW,PUP其中plow默認值為0.0025，pup默認值為0.997513可整理ppt定義輸入變量的相關性（correlation）

PDCORR,A1,A2,0.214可整理ppt定義輸出變量PDVAR,Name,Resp,PAR1,PAR2,PAR3,PAR4例：PDVAR,SIG1，RESP15可整理ppt選擇概率設計方法或工具1)

DIR直接抽樣法2)

LHS拉丁超立方抽樣16可整理ppt直接抽樣MonteCarlo模擬技術中最常用的基本方法，可直接用于模擬各種工程真實過程?？赡M零件在現(xiàn)實中任何行為。效率不高，需做大量仿真循環(huán)。對抽樣過程沒有“記憶”功能，會出現(xiàn)重復抽樣。需要指定隨機輸入?yún)?shù)的樣本種值、仿真循環(huán)次數(shù)和循環(huán)終止準則（均值和標準方差精度等）17可整理ppt拉丁超立方抽樣（LHS）

比直接抽樣法更先進、更有效。

對抽樣過程有“記憶”功能，可避免直接抽樣法數(shù)據(jù)點集中而導致的仿真循環(huán)重復問題。

強制抽樣過程中抽樣點必須離散分布于整個抽樣空間。 LHS抽樣法比直接抽樣法要少20%~40%的仿真循環(huán)資料。

需要指定仿真循環(huán)次數(shù)、重復次數(shù)、樣本分布位置、循環(huán)終止準則（均值和標準方差精度等）和隨機輸入?yún)?shù)樣本種子值。18可整理ppt響應面法

其思想是通過一系列確定性試驗擬合一個響應面來模擬真實的極限狀態(tài)曲面。選擇響應面的表達式時，1）要求盡可能的逼近真實曲面2）要求盡可能簡單，對n個隨機變量x1、x2、x3等的情況，一般取不含交叉項的二次多項式曲面形式：其中a，bi，ci為待定系數(shù)響應面法中模擬循環(huán)的次數(shù)取決于輸入變量的個數(shù)，因此需選擇最重要的，對輸出結(jié)果有重要影響的變量作為輸入變量，如果不能確定，可先對所有的隨機變量進行一次蒙特卡洛的模擬，在選擇重要的去掉不重要的。19可整理pptM6-20

概率設計結(jié)果后處理在完成PDS分析之后，對PDS結(jié)果進行適當?shù)暮筇幚聿僮鳌?.統(tǒng)計分析(statistics)

對單個變量的評估，允許對隨機輸出變量或隨機輸入變量做統(tǒng)計分析。樣本歷史柱狀圖累積分布函數(shù)概率逆概率2.趨勢分析(trends)

對多個變量的評估。靈敏度散點圖相關矩陣3.自動報告(report)設置報告選項輸出HTML報告20可整理ppt例子21可整理ppt薄板（shell63）方板邊長100mm，板厚1mm，板材加工精度誤差等于0.1mm，服從均勻分布材料彈性模量2.1餓Mpa，服從高斯分布，標準差是均值的0.05倍密度均值8000kg/mm^3，集中載荷只能是正值，服從正態(tài)分布，標準方差為均值的0.1倍變量滿足的條件：22可整理ppt/clear*CREAT,KEKAOXINGL=100TH=1YOUNG=2.1E5DENSITY=8E-6FORCE=100/PREP7ET,1,SHELL63MP,EX,1,YOUNGMP,NUXY,1,0.3MP,DENS,1,DENSITYR,1,TH,TH,TH,THRECTNG,,L,,LLESIZE,1,,,16LESIZE,2,,,16LESIZE,3,,,16LESIZE,4,,,16AMESH,ALLFINISH/SOLUNSEL,S,LOC,X,0,0D,ALL,ALLNSEL,S,LOC,X,L,LD,ALL,ALLNSEL,S,LOC,X,0.5*L,0.5*LNSEL,R,LOC,Y,0.5*L,0.5*LF,ALL,FZ,FORCEALLSELSOLVEFINISH/post1NSEL,ALLNSORT,U,Z*GET,UMAX,SORT,,MAXNSEL,S,LOC,X,0,0NSEL,S,LOC,X,L,LNSORT,S,EVQ*GET,SMAX,SORT,,MAXFINISH*END*USE,KEKAOXING/PDSPDANL,KEKAOXINGPDVAR,L,UNIF,L-0.1,L+0.1PDVAR,TH,UNIF,TH-0.1,TH+0.1RDVAR,YOUNG,GAUS,YOUNG,0.05*YOUNGPDVAR,DENSITY,UNIF,0.5*DENSITY,1.5*DENSITYPDVAR,FORCE,LOG1,FORCE,0.1*FORCEPDVAR,UMAX,RESPPDVAR,SMAX,RESPPDMETH,MCS,LHSPDLHS,100,1,RAND,,ALL,,,initPDEXE,KEKAOXING23可整理ppt生成報告：以force為例，此圖經(jīng)過抽樣后得到的直方圖，此圖的作用是判斷抽樣是否足夠，因為蒙特卡洛法的使用是抽樣越多，多得到的可靠度就越精確。24可整理ppt累積分布函數(shù)圖：從這幅圖上，一是看抽樣是否足夠，此圖的意義是：umax在置信度為95%時的累積分布函數(shù)圖，通過此圖可以求出概率的大小。25可整理ppt靈敏度：影響UMAX的變量有th和force，其中th為負，force為正。隨著th的增加，umax減小，可靠度增加。Force增加，umax增加，可靠度減小26可整理ppt容器外徑服從高斯分布1000，偏差5容器厚度服從高斯分布，均值70，偏差0.35載荷服從高斯分布，均值28，偏差4材料的屈服極限服從高斯分布，均值175，偏差1527可整理ppt/clear*creat,ReliabilityDesign*set,ex1,200000!材料的彈性模量*set,prxy1,0.3!材料的泊松比*set,D,1000!容器的內(nèi)徑均值*set,t,70!容器的壁厚均值*set,load,28!容器的內(nèi)壓均值*set,yies,175!材料的屈服極限均值!前處理/prep7et,1,plane82!定義plane82單元keyopt,1,3,1!設定軸對稱選項mp,ex,1,ex1!定義材料的彈性模量mp,nuxy,1,prxy1!定義材料的泊松比K,1CIRCLE,1,D/2CIRCLE,1,D/2+tl,2,6l,3,7l,5,9al,1,5,9,10al,4,8,9,11ldel,2,3,1ldel,6,7,1kdel,1kdel,4kdel,8!劃分單元lesize,9,,,7lesize,10,,,7lesize,11,,,7lesize,1,,,90lesize,4,,,90lesize,5,,,90lesize,8,,,90amesh,1amesh,2!加載和求解/SOLUnsel,s,loc,x,-0.01,0.01d,all,ux28可整理pptallsel,alld,1,uysfl,1,pres,loadsfl,4,