正態隸屬函數下的模糊隨機可靠性試驗分析及 正態隸屬函數下的模糊隨機可靠性試驗分析及可靠性試驗靈敏度分析 當模糊變量的隸屬函數為正態型時,其隸屬函數 為 其中 和 分別為正態隸屬函數的位置參數和形狀參數。 將 作如式的變換可得相應于 的概率密度函數 [6] 。 可見,與正態隸屬函數相應的概率密度
非正態隸屬函數下的模糊隨機可靠性試驗及可 非正態隸屬函數下的模糊隨機可靠性試驗及可靠性試驗靈敏度分析的數字模擬法 假設結構中有 個基本變量 ,其中前 個變量 為相互獨立的基本隨機變量,其概率密度函數分別為 ,由于非正態變量可以轉化成正態變量進行可靠性試驗及可靠性試驗靈敏度分析,所以文中
含非正態模糊變量的結構的可靠性試驗及可靠 含非正態模糊變量的結構的可靠性試驗及可靠性試驗靈敏度分析 現有的結構模糊可靠性試驗理論研究中,通常將模糊可靠性試驗問題轉化為常規可靠性試驗問題來處理,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向隨機密度函數
基于修正的Latin方抽樣的可靠性試驗靈 基于修正的 Latin 方抽樣的可靠性試驗靈敏度分析 上述抽樣過程中矩陣 是隨機產生的,其各列間難免會引入一定的統計相關,自然會影響到可靠性試驗靈敏度估計值的偏度和方差。 隨機排列的整數矩陣 各列間的統計相關由排列相關矩陣 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靈敏度估計及其方差分析 MCKay在文獻 [1] 中第一次提出 Latin 方抽樣方法,指出它是一種有效而實用的受約束小樣本采樣技術。 Latin 方抽樣合并了隨機抽樣和分層抽樣的優點,是最好的小樣本 MonteCarlo 模