不確定性結(jié)構(gòu)系統(tǒng)的重要性分析理論與求解方法

前言

第1章 緒論
1.1 本書研究的背景和意義
1.2 重要性測(cè)度分析發(fā)展簡(jiǎn)介
1.3 本書研究?jī)?nèi)容
1.4 本章結(jié)論
參考文獻(xiàn)

第2章 輸入變量獨(dú)立情況下基于方差的重要性測(cè)度分析方法
2.1 基于方差的重要性測(cè)度指標(biāo)及求解方法
2.1.1 方差分析分解
2.1.2 方差分解和重要性測(cè)度指標(biāo)
2.1.3 基于方差的重要性測(cè)度的解析解
2.1.4 基于方差重要性測(cè)度的Monte Carlo數(shù)字模擬法
2.1.5 基于方差重要性測(cè)度的近似模型求解方法
2.1.6 基于方差重要性測(cè)度求解的態(tài)相關(guān)參數(shù)方法
2.2 基于方差重要性測(cè)度及方差貢獻(xiàn)的參數(shù)敏感性分析求解的點(diǎn)估計(jì)方法
2.2.1 基于方差的重要性測(cè)度分析的點(diǎn)估計(jì)算法
2.2.2 方差貢獻(xiàn)的參數(shù)敏感性分析及其點(diǎn)估計(jì)算法
2.3 本章結(jié)論
參考文獻(xiàn)

第3章 輸入變量相關(guān)情況下基于方差重要性測(cè)度的分析方法
3.1 相關(guān)變量重要性分析的回歸方法
3.1.1 線性回歸方法
3.1.2 非線性回歸方法
3.1.3 算例分析
3.2 神經(jīng)網(wǎng)絡(luò)和移動(dòng)最小二乘法
3.2.1 神經(jīng)網(wǎng)絡(luò)方法理論介紹
3.2.2 移動(dòng)最小二乘法理論介紹
3.2.3 基于ANN和MLS的重要性測(cè)度分解方法
3.2.4 基于ANN和MLs的相關(guān)貢獻(xiàn)的進(jìn)一步分解
3.2.5 算例分析
3.3 態(tài)相關(guān)參數(shù)法
3.3.1 相關(guān)變量重要性測(cè)度分解的態(tài)相關(guān)參數(shù)方法
3.3.2 算例分析
3.4 點(diǎn)估計(jì)法
3.4.1 點(diǎn)估計(jì)方法回顧
3.4.2 相關(guān)變量下基于方差的重要性測(cè)度的點(diǎn)估計(jì)算法
3.4.3 算例分析
3.5 特殊情況下的重要性測(cè)度及其參數(shù)敏感性分析的解析算法
3.5.1 特殊情況下的重要性測(cè)度的解析算法
3.5.2 參數(shù)敏感性分析的解析算法
3.5.3 算例分析
3.6 本章結(jié)論
參考文獻(xiàn)

第4章 基于相關(guān)變量獨(dú)立正交化變換的方差重要性測(cè)度分析
4.1 相關(guān)變量正交獨(dú)立化變換及相應(yīng)的方差重要性測(cè)度分析理論..
4.1.1 相關(guān)變量正交獨(dú)立化變換及重要性測(cè)度體系
4.1.2 多項(xiàng)式混沌展開(kāi)求解法
4.2 移動(dòng)最小二乘法
4.2.1 非獨(dú)立變量樣本正交獨(dú)立化變換的移動(dòng)最小二乘法
4.2.2 基于方差的重要性測(cè)變指標(biāo)的求解
4.2.3 算例分析
4.3 態(tài)相關(guān)參數(shù)法
4.3.1 相關(guān)變量獨(dú)立正交化轉(zhuǎn)換的SDP方法
4.3.2 基于方差的重要性測(cè)度指標(biāo)的求解
4.3.3 算例分析
4.4 點(diǎn)估計(jì)方法
4.4.1 相關(guān)變量獨(dú)立正交化變換
4.4.2 正交獨(dú)立變量與響應(yīng)量之間的函數(shù)關(guān)系
4.4.3 基于方差的重要性測(cè)度指標(biāo)的求解
4.4.4 算例分析
4.5 特殊情況下的重要性測(cè)度及其參數(shù)敏感性分析的解析算法
4.5.1 重要性測(cè)度解析解
4.5.2 正交變量方差貢獻(xiàn)靈敏度分析
4.5.3 算例分析
4.6 本章結(jié)論
參考文獻(xiàn)

第5章 輸入變量相關(guān)情況下基于方差的重要性測(cè)度分析新解釋
5.1 輸入變量相關(guān)情況下重要性測(cè)度指標(biāo)的新解釋
5.2 總相關(guān)貢獻(xiàn)和總獨(dú)立貢獻(xiàn)內(nèi)涵的解析說(shuō)明和分解
5.2.1 輸出總方差
5.2.2 單個(gè)變量的總相關(guān)貢獻(xiàn)
5.2.3 單個(gè)變量的自身獨(dú)立貢獻(xiàn)
5.2.4 附加交叉貢獻(xiàn)不存在時(shí)重要性測(cè)度的進(jìn)一步分解
5.2.5 算例分析
5.3 總相關(guān)貢獻(xiàn)和總獨(dú)立貢獻(xiàn)內(nèi)涵的普遍性證明和分解
5.3.1 總相關(guān)貢獻(xiàn)和總獨(dú)立貢獻(xiàn)內(nèi)涵的普遍證明
5.3.2 總相關(guān)貢獻(xiàn)和總獨(dú)立貢獻(xiàn)的進(jìn)一步分解
5.3.3 算例分析
5.4 相關(guān)變量方差貢獻(xiàn)分解的稀疏網(wǎng)格法
5.4.1 稀疏網(wǎng)格積分的基本原理
5.4.2 總相關(guān)貢獻(xiàn)和總獨(dú)立貢獻(xiàn)求解的稀疏網(wǎng)格法
5.4.3 總相關(guān)貢獻(xiàn)和總獨(dú)立貢獻(xiàn)分量求解的稀疏網(wǎng)格法
5.4.4 算例分析
5.5 相關(guān)變量方差貢獻(xiàn)分解的SDP方法
5.5.1 相關(guān)變量方差貢獻(xiàn)求解的SDP方法
5.5.2 算例分析
5.6 兩種相關(guān)變量方差貢獻(xiàn)分解方法的比較和討論
5.7 輸入變量相關(guān)情況下各種基于方差的重要性測(cè)度體系的比較
5.8 本章結(jié)論
參考文獻(xiàn)

第6章 基于密度函數(shù)和分布函數(shù)的矩獨(dú)立重要性測(cè)度分析方法
6.1 矩獨(dú)立的重要性測(cè)度及其概率密度演化解法
6.1.1 矩獨(dú)立的輸入變量重要性測(cè)度
6.1.2 基于概率密度演化方法的矩獨(dú)立重要性測(cè)度求解
6.1.3 算例分析
6.2 矩獨(dú)立的重要性測(cè)度的參數(shù)靈敏度分析
6.2.1 重要性測(cè)度的參數(shù)靈敏度分析
6.2.2 重要性測(cè)度參數(shù)靈敏度分析的概率密度演化方法
6.2.3 算例分析
6.3 矩獨(dú)立的重要性測(cè)度的稀疏網(wǎng)格法
6.3.1 基于密度函數(shù)和分布函數(shù)的矩獨(dú)立重要性測(cè)度
6.3.2 基于密度函數(shù)和分布函數(shù)的矩獨(dú)立重要性測(cè)度的求解策略
6.3.3 基于稀疏網(wǎng)格的矩獨(dú)立重要性測(cè)度分析方法
6.3.4 算例分析
6.4 多失效模式下輸入變量的重要性測(cè)度及其解法
6.4.1 多失效模式下基于密度函數(shù)的輸入變量的重要性測(cè)度艿——重要性澳度
6.4.2 多失效模式下輸入變量對(duì)多維響應(yīng)功能函數(shù)局部概率分布的重要性測(cè)度
6.4.3 多失效模式下輸入變量的三種重要性測(cè)度比較
6.4.4 多失效模式下輸入變量重要性測(cè)度的標(biāo)準(zhǔn)求解方法
6.4.5 算例分析
6.5 輸人變量相關(guān)情況下基于獨(dú)立正交化變換的矩獨(dú)立重要性測(cè)度分析
6.5.1 相關(guān)變量情況下&；的分解
6.5.2 對(duì)計(jì)算策略的討論
6.5.3 算例分析
6.6 本章結(jié)論
參考文獻(xiàn)

第7章 基于失效概率的矩獨(dú)立重要性測(cè)度分析方法
7.1 基于失效概率的矩獨(dú)立重要性測(cè)度指標(biāo)及相應(yīng)的方差重要性測(cè)度指標(biāo)之間的關(guān)系
7.1.1 基于失效概率和基于分布函數(shù)的矩獨(dú)立的輸入變量重要性測(cè)度
7.1.2 基于失效概率的矩獨(dú)立重要性測(cè)度與基于方差及基于分布函數(shù)的重要性測(cè)度之間的關(guān)系
7.1.3 基于失效概率和基于分布函數(shù)的矩獨(dú)立重要性測(cè)度求解的態(tài)相關(guān)參數(shù)法
7.1.4 算例分析
7.2 基于失效概率的矩獨(dú)立重要性測(cè)度指標(biāo)的高效抽樣求解法
7.2.1 Monte Carlo模擬法
7.2.2 重要抽樣法
7.2.3 截?cái)嘀匾闃臃?br>7.2.4 算例分析
7.3 相關(guān)輸入變量基于失效概率的矩獨(dú)立重要性測(cè)度指標(biāo)分解
7.3.1 相關(guān)變量基于失效概率的矩獨(dú)立重要性測(cè)度指標(biāo)
7.3.2 相關(guān)輸入變量矩獨(dú)立重要性測(cè)度分解的態(tài)相關(guān)參數(shù)法
7.3.3 算例分析
7.4 本章結(jié)論
參考文獻(xiàn)

第8章 幾種新的重要性測(cè)度指標(biāo)
8.1 輸入變量的次序重要性測(cè)度及求解方法
8.1.1 輸入變量的次序重要性測(cè)度定義
8.1.2 次序重要性測(cè)度的求解方法
8.1.3 算例分析
8.2 結(jié)構(gòu)系統(tǒng)輸入變量的概率重要性分析
8.2.1 概率重要性測(cè)度
8.2.2 概率重要性測(cè)度求解方法
8.2.3 算例分析
8.3 隨機(jī)激勵(lì)下不確定機(jī)構(gòu)的軌跡重要性測(cè)度
8.3.1 隨機(jī)激勵(lì)下牛頭刨床機(jī)構(gòu)的運(yùn)動(dòng)描述
8.3.2 機(jī)構(gòu)軌跡重要性測(cè)度
8.3.3 牛頭刨床機(jī)構(gòu)軌跡重要性測(cè)度的求解方法
8.3.4 結(jié)果與分析
8.4 基于熵的重要性測(cè)度
8.4.1 隨機(jī)變量的信息熵
8.4.2 基于信息熵的重要性測(cè)度
8.4.3 計(jì)算基于熵的重要性測(cè)度
8.4.4 算例分析
8.5 本章結(jié)論
參考文獻(xiàn)

第9章 不確定性環(huán)境下重要性測(cè)度分析的展望

參考文獻(xiàn)
索引