近年来,复合材料层合板结构被广泛地应用于航空航天、军工、建筑工程等领域。但是,由于其几何尺寸的不准确性、材料参数的分散性、载荷环境的波动性等不确定性因素的影响,可能会对复合材料层合板结构的可靠性和安全性,以及系统的输出响应产生重大影响。由于复合材料层合板的层间黏结不良、外部应力集中等因素,当复合材料层合板结构的能量释放速率达到层间断裂韧性时,就会发生分层。因此对复合材料层合板结构的分层可靠性进行分析具有重要的意义。目前,对于复合材料层合板结构的可靠性分析主要是采用一阶可靠性方法(first order reliability method,FORM)、二阶可靠性方法(second order reliability method,SORM)和重要性抽样方法(importance sampling,IS)等传统可靠性分析方法,并将其和蒙特卡罗模拟(Monte Carlo simulation,MCS)对比。但是,当复合材料结构不确定性维度高且复杂时,这些方法不仅计算效率太低,而且不能保证其计算精度。相比于传统的可靠性分析方法,可以利用基于自适应Kriging模型集成策略和主动学习函数结合蒙特卡罗模拟(adaptive Kriging-based Monte Carlo simulation,AK-MCS)的方法,对复合材料层合板结构进行可靠性分析。而直接概率积分方法(direct probability integral method,DPIM)具有更高的计算效率和精度,特别是对于高维度和复杂的可靠性分析问题。所以,本文采用AK-MCS方法和DPIM对模式Ⅰ、模式Ⅱ和混合Ⅰ/Ⅱ模式下的复合材料层合板结构分层的可靠度进行了研究。结果表明:DPIM和AK-MCS与传统可靠性分析方法相比具有更高的计算精度和计算效率,但是DPIM以其高效的计算效率脱颖而出,尽管其精度略低于AK-MCS,但在处理随机变量更多、非线性程度更高的混合Ⅰ/Ⅱ模式下的层合板结构分层的可靠性时展现出明显优势。综合考虑精度与时效性的平衡,DPIM能够准确地评估复合材料结构的可靠度,保障其在航天航空装备等领域的安全运行。
暂无评论