Praca - IPPT PAN
Praca - IPPT PAN
Praca - IPPT PAN
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
2.3. Metody wykorzystujace ˛ informacje o rozk̷ladach prawdopodobieństwa 45<br />
gdzie X k sa˛<br />
niezależnymi wektorami losowymi o rozk̷ladzie prawdopodobieństwa zdefiniowanym<br />
funkcja˛<br />
gęstości f X (x), a K jest liczba˛<br />
symulacji. Wartość średnia oraz wariancja<br />
estymatora (2.85) dane sa˛<br />
jako<br />
̂P 0 f = E[ ̂P f ] = 1 K<br />
K∑<br />
χ 0 Ω f<br />
(X k ) = 1 K KP f = P f (2.86)<br />
k=1<br />
σ 2P f<br />
= Var[ ̂P f ] = 1 K 2<br />
K<br />
∑<br />
k=1<br />
Wspó̷lczynnik zmienności estymatora ma postać<br />
Var [ χ Ωf<br />
(X k ) ] = 1 K 2KP f(1 − P f ) = 1 K P f(1 − P f ) (2.87)<br />
νP f<br />
= σP f<br />
̂P 0 f<br />
=<br />
√<br />
1 − P f<br />
KP f<br />
. (2.88)<br />
Z powyższego wzoru wynika, że uzyskanie wspó̷lczynnika zmienności estymatora rzędu 0.1<br />
przy przewidywanym prawdopodobieństwie awarii, które dla rzeczywistych konstrukcji<br />
waha się w granicach 10 −7 ÷ 10 −4 , wymaga przeprowadzenia K = 10 6 ÷ 10 9 symulacji<br />
co nawet przy wspó̷lczesnych komputerach wieloprocesorowych jest zadaniem ogromnym,<br />
jeśli w ogóle wykonalnym w możliwym do zaakceptowania czasie.<br />
Olbrzymi nak̷lad obliczeniowy zwiazany ˛ z klasyczna˛<br />
metoda˛<br />
Monte Carlo dyskwalifikuje<br />
jej przydatność do analizy praktycznych problemów niezawodności konstrukcji. Dla niewielkich<br />
zadań, gdy czas obliczenia wartości funkcji granicznej jest bardzo ma̷ly, metoda<br />
ta może być stosowana do weryfikacji wyników otrzymanych przy użyciu FORM lub<br />
SORM (np. wykrycia grubych b̷lędów wynikajacych ˛ z nieuwzględnienia wielokrotnych<br />
punktów projektowych).<br />
Przyk̷lad 2.7<br />
Przyjmujac ˛ opis stochastyczny jak w przyk̷ladach 2.1 i 2.3 oraz zak̷ladaj ac, ˛ że mnożnik<br />
obciażenia ˛ λ (zmienna losowa X 8 ) ma rozk̷lad Gumbela o odchyleniu standardowym<br />
σ X8 = 0.2 przeprowadzono K = 600000 symulacji losowych. Do generacji wektora<br />
zależnych zmiennych logarytmiczno-normalnych (opisujacych ˛ pola przekrojów prętów)<br />
wykorzystano generator zależnych zmiennych gaussowskich po odpowiedniej modyfikacji<br />
macierzy kowariancji, opisanej w pracy [30]. W tabeli poniżej przedstawiono wyniki<br />
symulacji oraz odpowiadajace ˛ im wyniki FORM i SORM.<br />
FORM SORM Monte Carlo<br />
β 1.984 1.976 1.972<br />
P f 0.0236 0.0240 0.0243<br />
Wspó̷lczynnik zmienności estymatora prawdopodobieństwa awarii, obliczony na podstawie<br />
wzoru (2.88) wynosi 0.008. ♦