基于参数相关性和混合神经网络的结构随机灵敏度分析方法

针对进行随机分析时采用蒙特卡罗计算法效率低，未能考虑参数之间相关性，导致在分析参变量对结构力学性能的影响时得到错误的灵敏度系数，以及原有灵敏度计算方法只能考虑局部梯度等问题，采用改进的混沌粒子群算法优化网络寻址结构，利用混合神经网络构建复杂结构响应的近似模型，通过相关参数与独立正态参数之间的等效变换建立符合参数相关性的随机序列对结构进行随机性分析，并根据文中提出的灵敏度度量方法计算随机变量的全局灵敏度系数。通过算例验证所提方法的可行性，且考虑参数之间相关关系得到的结构随机响应更符合工程实际情况。同时，利用所提出的随机灵敏度计算方法可以更好地反映各随机变量对结构响应的相关性和敏感性。