摘要：针对同时存在随机基本变量和模糊基本变量的结构,提出了一种模糊可靠度隶属函数求解的迭代线抽样方法。所提方法首先求得给定隶属度水平下模糊基本变量的取值域。然后通过优化建模和迭代策略,求得使功能函数取最值的模糊基本变量取值点,并求得对应的缩减后的随机变量空间内功能函数的设计点。最后基于功能函数最值对应的模糊基本变量取值点及其相应的设计点,运用线抽样法求得给定隶属水平下可靠度值的上界、下界,进而得到模糊可靠度的隶属函数。对于每个给定隶属度水平对应的模糊变量取值域,所提方法通过寻找功能函数的最值代替寻找可靠度最值的策略,大大降低了计算量。另外,所提方法通过迭代过程保证功能函数最值对应的设计点收敛于可靠度最值对应的设计点,并通过线抽样方法来求解相应的可靠度,可以保证算法具有较高的精度。该文算例将对所提算法的优越性进行验证。

摘要：针对同时存在随机基本变量和模糊基本变量的结构可靠性分析,提出一种模糊可靠度隶属函数求解的迭代子集模拟法。在模糊变量的某个给定的隶属度水平上,所提方法通过迭代策略求解使功能函数取极值的模糊基本变量的取值点及相应的收敛后的最可能失效点(也称设计点),再运用子集模拟法在缩减的随机变量空间内求得可靠度的上、下界,最后在每个隶属度水平上执行该分析过程,即可求得模糊可靠度的隶属函数。相比模糊随机可靠性分析的直接Monte Carlo法,所提方法在保证结果精度的同时大大减小了计算量,而且该方法对变量的分布形式、变量维数、极限状态方程的表达形式及非线性程度均没有限制,适用范围十分广泛。所提方法的优点在算例中得到验证。