《ds可靠性設(shè)計》課件

PDS可靠性設(shè)計1可整理ppt1、可靠性設(shè)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(shè)XI為影響結(jié)構(gòu)功能的n個隨機(jī)變量，則其功能函數(shù)表示：當(dāng)Z>0時，結(jié)構(gòu)具有規(guī)定的功能，即處于可靠狀態(tài)；當(dāng)Z<0時，結(jié)構(gòu)喪失規(guī)定的功能，即處于失效狀態(tài)；當(dāng)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(jī)械可靠性設(shè)計是把機(jī)械可靠性設(shè)計中所涉及的變量，多處理成多值的隨機(jī)變量，它們都服從一定的概率分布，這些變量間的關(guān)系，可通過概率函數(shù)進(jìn)行多值變換，得到應(yīng)力S和強(qiáng)度r的概率分布。應(yīng)力-強(qiáng)度干涉理論是進(jìn)行可靠性設(shè)計的理論基礎(chǔ)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(jī)樣本，設(shè)共產(chǎn)生N個隨機(jī)樣本，其次，對于每個隨機(jī)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(shè)為n，則失效概率為Pf=n/N。對于給定的一組隨機(jī)變量x1、x2…，xn，如果他們之間不相互獨(dú)立，則首先進(jìn)行變換，把他們轉(zhuǎn)化為獨(dú)立的隨機(jī)變量，然后對每個隨機(jī)變量按其分布產(chǎn)生一個隨機(jī)值3可整理ppt3、蒙特卡洛法蒙特卡洛法技術(shù)是概率分析中最重用的傳統(tǒng)的方法，它能模擬實(shí)際問題的真實(shí)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(shù)可以選擇直接抽樣或超拉丁方法進(jìn)行抽樣處理蒙特卡洛模擬技術(shù)的主要優(yōu)點(diǎn)是對有限元模擬的適應(yīng)性非常好，這個技術(shù)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(shè)計結(jié)構(gòu)總是正確的。4可整理ppt4、

基于有限元的概率設(shè)計(PDS)簡介ANSYS提供的基于有限元的概率設(shè)計系統(tǒng)（PDS）的主要應(yīng)用方向：當(dāng)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(yīng)參數(shù)的不確定性，目標(biāo)產(chǎn)品滿足設(shè)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(yīng)參數(shù)的影響程度最大，或者說對于目標(biāo)產(chǎn)品最容易引起其工作失效？響應(yīng)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(shí)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(shè)計過程中用于隨機(jī)輸入?yún)?shù)和隨機(jī)輸出參數(shù)等利用ANSYS/PDS處理器進(jìn)行可靠性分析。首先進(jìn)入PDS處理器指定所用的分析文件，定義概率設(shè)計模型，其中概率設(shè)計模型定義的內(nèi)容主要包括：文件的指定、隨機(jī)輸入變量的定義、隨機(jī)輸入?yún)?shù)和輸出參數(shù)之間相關(guān)性確定以及隨機(jī)輸出參數(shù)定義；然后選擇概率設(shè)計工具或方法（monte-calor法或響應(yīng)面法）進(jìn)行可靠性分析對可靠性分析進(jìn)行相應(yīng)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(guān)系數(shù)矩陣、由已知結(jié)構(gòu)的失效概率尋找對應(yīng)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(guān)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(jìn)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(jī)參數(shù)1.定義隨機(jī)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(biāo)準(zhǔn)方差σ截斷高斯分布(TGAU)特征參數(shù)：均值μ標(biāo)準(zhǔn)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(biāo)準(zhǔn)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(rèn)值為0.0025，pup默認(rèn)值為0.997513可整理ppt定義輸入變量的相關(guān)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(shè)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(shù)中最常用的基本方法，可直接用于模擬各種工程真實(shí)過程?？赡M零件在現(xiàn)實(shí)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(fù)抽樣。需要指定隨機(jī)輸入?yún)?shù)的樣本種值、仿真循環(huán)次數(shù)和循環(huán)終止準(zhǔn)則（均值和標(biāo)準(zhǔn)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(jìn)、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(diǎn)集中而導(dǎo)致的仿真循環(huán)重復(fù)問題。

強(qiáng)制抽樣過程中抽樣點(diǎn)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(fù)次數(shù)、樣本分布位置、循環(huán)終止準(zhǔn)則（均值和標(biāo)準(zhǔn)方差精度等）和隨機(jī)輸入?yún)?shù)樣本種子值。18可整理ppt響應(yīng)面法

其思想是通過一系列確定性試驗擬合一個響應(yīng)面來模擬真實(shí)的極限狀態(tài)曲面。選擇響應(yīng)面的表達(dá)式時，1）要求盡可能的逼近真實(shí)曲面2）要求盡可能簡單，對n個隨機(jī)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(yīng)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(jī)變量進(jìn)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(shè)計結(jié)果后處理在完成PDS分析之后，對PDS結(jié)果進(jìn)行適當(dāng)?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(jī)輸出變量或隨機(jī)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(diǎn)圖相關(guān)矩陣3.自動報告(report)設(shè)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(biāo)準(zhǔn)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(biāo)準(zhǔn)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(fù)，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(shè)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,