正態(tài)隸屬函數(shù)下的模糊隨機(jī)可靠性試驗(yàn)分析及 正態(tài)隸屬函數(shù)下的模糊隨機(jī)可靠性試驗(yàn)分析及可靠性試驗(yàn)靈敏度分析 當(dāng)模糊變量的隸屬函數(shù)為正態(tài)型時(shí),其隸屬函數(shù) 為 其中 和 分別為正態(tài)隸屬函數(shù)的位置參數(shù)和形狀參數(shù)。 將 作如式的變換可得相應(yīng)于 的概率密度函數(shù) [6] 。 可見,與正態(tài)隸屬函數(shù)相應(yīng)的概率密度
非正態(tài)隸屬函數(shù)下的模糊隨機(jī)可靠性試驗(yàn)及可 非正態(tài)隸屬函數(shù)下的模糊隨機(jī)可靠性試驗(yàn)及可靠性試驗(yàn)靈敏度分析的數(shù)字模擬法 假設(shè)結(jié)構(gòu)中有 個(gè)基本變量 ,其中前 個(gè)變量 為相互獨(dú)立的基本隨機(jī)變量,其概率密度函數(shù)分別為 ,由于非正態(tài)變量可以轉(zhuǎn)化成正態(tài)變量進(jìn)行可靠性試驗(yàn)及可靠性試驗(yàn)靈敏度分析,所以文中
含非正態(tài)模糊變量的結(jié)構(gòu)的可靠性試驗(yàn)及可靠 含非正態(tài)模糊變量的結(jié)構(gòu)的可靠性試驗(yàn)及可靠性試驗(yàn)靈敏度分析 現(xiàn)有的結(jié)構(gòu)模糊可靠性試驗(yàn)理論研究中,通常將模糊可靠性試驗(yàn)問題轉(zhuǎn)化為常規(guī)可靠性試驗(yàn)問題來處理,常用的方法有兩類,第一類是基于 水平截集的方法 [1] ,第二類是基于模糊隸屬函數(shù)向隨機(jī)密度函數(shù)
基于修正的Latin方抽樣的可靠性試驗(yàn)靈 基于修正的 Latin 方抽樣的可靠性試驗(yàn)靈敏度分析 上述抽樣過程中矩陣 是隨機(jī)產(chǎn)生的,其各列間難免會引入一定的統(tǒng)計(jì)相關(guān),自然會影響到可靠性試驗(yàn)靈敏度估計(jì)值的偏度和方差。 隨機(jī)排列的整數(shù)矩陣 各列間的統(tǒng)計(jì)相關(guān)由排列相關(guān)矩陣 描述,矩陣 中的元素 是 的第
基于Latin方抽樣和修正的Latin方 基于 Latin 方抽樣和修正的 Latin 方抽樣的可靠性試驗(yàn)靈敏度估計(jì)及其方差分析 MCKay在文獻(xiàn) [1] 中第一次提出 Latin 方抽樣方法,指出它是一種有效而實(shí)用的受約束小樣本采樣技術(shù)。 Latin 方抽樣合并了隨機(jī)抽樣和分層抽樣的優(yōu)點(diǎn),是最好的小樣本 MonteCarlo 模