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.
1.2. Cel i zakres pracy 5<br />
nika kratowego pokazano charakterystyczny dla tego wskaźnika brak niezmienniczości<br />
względem równoważnych sformu̷lowań funkcji granicznych. Pokazano, że problemu tego<br />
unika się stosujac ˛ wskaźnik Hasofera-Linda, zdefiniowany jako najmniejsza odleg̷lość<br />
powierzchni granicznej od poczatku ˛ uk̷ladu wspó̷lrzędnych w gaussowskiej przestrzeni<br />
standardowej. W dodatku A.2 omówiono algorytmy optymalizacyjne używane do znajdowania<br />
tzw. punktu projektowego, tj. punktu na powierzchni granicznej leżacego ˛ najbliżej<br />
poczatku ˛ uk̷ladu.<br />
Obliczenie wartości wskaźnika Hasofera-Linda w przypadku znajomości rozk̷ladów prawdopodobieństwa<br />
zmiennych losowych wymaga wprowadzenia takiej transformacji zmiennych<br />
z przestrzeni oryginalnej do gaussowskiej przestrzeni standardowej, która zachowywa̷laby<br />
miarę prawdopodobieństwa. Dlatego też, po uprzednim omówieniu w̷lasności<br />
gaussowskiej przestrzeni standardowej, przedstawiono wzory wykorzystywanej w programie<br />
COMREL transformacji Rosenblatta. Transformacja ta zak̷lada znajomość ̷l acznej ˛<br />
gęstości prawdopodobieństwa zmiennych losowych oraz gęstości brzegowych. Lokalizacja<br />
punktu projektowego w standardowej przestrzeni gaussowskiej oraz linearyzacja funkcji<br />
granicznej w tym punkcie sa˛<br />
istota˛<br />
metody analizy niezawodności pierwszego rzędu (tzw.<br />
metody FORM), która w niniejszej pracy jest najczęściej stosowana. Na przyk̷ladzie<br />
konstrukcji wspornika kratowego przeanalizowano wp̷lyw za̷lożeń dotyczacych ˛ rozk̷ladu<br />
prawdopodobieństwa wybranej zmiennej losowej na wartość wskaźnika niezawodności liczonego<br />
metoda˛<br />
FORM. Przedstawiono również wyrażenia na wrażliwość tego wskaźnika<br />
na parametry funkcji granicznej oraz parametry rozk̷ladów prawdopodobieństwa zmiennych<br />
losowych. Pokazano, iż znajomość wrażliwości wskaźnika niezawodności jest bardzo<br />
istotna w przyjęciu optymalnego modelu stochastycznego. W dalszej części rozdzia̷lu<br />
przedstawiono zarys metody analizy niezawodności drugiego rzędu (SORM) oraz metod<br />
symulacyjnych: klasycznej metody Monte Carlo i metody ‘importance sampling’. Metody<br />
te omówione zosta̷ly pod katem ˛ ich przydatności do zadania optymalizacji niezawodnościowej.<br />
Przedstawiono również koncepcję wskaźnika niezawodności β MMVFO , na którym<br />
opiera się zaproponowana w rozdziale 4 metoda poprawy efektywności optymalizacji<br />
niezawodnościowej MMV (Modified Mean Value). Dok̷ladność wyników oraz efektywność<br />
wszystkich wymienionych metod porównano na przyk̷ladzie analizy niezawodności<br />
wspornika. Ostatni punkt rozdzia̷lu poświęcony jest metodzie częściowych wspó̷lczynników<br />
bezpieczeństwa, za pomoca˛<br />
której uwzględnia się w obowiazuj ˛ acych ˛ obecnie normach<br />
projektowych losowy charakter parametrów konstrukcji oraz niepewności statystyczne i<br />
modelowe. Przytoczono zasady ustalania tzw. wartości charakterystycznych oraz wartości<br />
obliczeniowych parametrów projektowych.<br />
Rozdzia̷l 3 poświęcony jest wprowadzeniu najważniejszych zagadnień zwiazanych ˛ z niezawodnościowa<br />
˛ optymalizacja˛<br />
konstrukcji. Na poczatku ˛ rozdzia̷lu podano propozycję systemu<br />
oznaczeń, który uwzględnia̷lby różnorodność parametrów występujacych ˛ w zadaniu<br />
optymalizacji niezawodnościowej. Przedstawiono także koncepcję grupowania parametrów.<br />
Podano następnie wykorzystywane w pracy sformu̷lowanie zadania dwupoziomowej<br />
optymalizacji niezawodnościowej jako minimalizacji kosztu poczatkowego ˛ konstrukcji przy<br />
ograniczeniach na̷lożonych na wartości wskaźników niezawodności elementów. Zapropono-