X - Andrzej Pownuk
Transkrypt
X - Andrzej Pownuk
XL Sympozjon "Modelowanie w mechanice" Niezawodność konstrukcji z rozmytymi parametrami Andrzej Pownuk Politechnika Śląska Wydział Budownictwa Zakład Mechaniki Teoretycznej Niezawodność konstrukcji z losowymi parametrami R = P({ω : g(h(ω)) ≥ 0}) gdzie g : R ∋ h→g(h)∈R m funkcja graniczna h : Ω ∋ ω → h(ω) ∈ R m zmienna losowa Prawdopodobieństwo zniszczenia konstrukcji Pf = 1− R = P({ω: g(h(ω)) < 0}) Funkcja graniczna problemu rozciągania-ściskania P g ( σ, P ) = σ − A Niepewności parametrów Niepewne wartości siły − + P ∈[P , P ] Niepewne kierunki działania siły Px = P cos α, dla α ∈ [α− , α+ ] Niepewności punktu przyłożenia x ∈ [ x ], y ∈ [ y ], z ∈ [ z ] Niepewne wartości stałych E ∈[E], ν ∈[ν] itp. Przykładowe problemy inżynierskie Biomechanika stałe materiałowe Budownictwo stałe materiałowe w konstrukcjach murowych stałe materiałowe w konstrukcjach kompozytowych itp. Metody modelowania niepewności metody półprobabilistyczne (współczynniki bezpieczeństwa) metody probabilistyczne (stochastyczna metoda elementów skończonych, FORM, SORM itp.) prawdopodobieństwo subiektywne (wykorzystanie wzoru Bayse’a) zbiory rozmyte zbiory przybliżone prawdopodobieństwo przedziałowe itp. Definicja zbioru rozmytego Zbiorem rozmytym F w przestrzeni X nazywamy dowolne odwzorowanie µ F : X ∋ x → µ F ( x ) ∈ [0, 1] ⊆ R µF µF (x) Różne interpretacje funkcji przynależności zbioru rozmytego - interpretacja probabilistyczna - interpretacja oparta na teorii zbiorów losowych Probabilistyczna interpretacja funkcji przynależności zbioru rozmytego Niech dana jest przestrzeń probabilistyczna ( Γ, Σ Γ , PΓ ) . Na przestrzeni ( Γ, Σ Γ , PΓ ) określona jest zmienna losowa X Γ : Γ ∋ γ → X Γ ( γ ) ∈ R . W zbiorze Γ określamy podzbiór F. Zbiór F jest określony na drodze doświadczalnej. Funkcję przynależności można określić następująco: µ F ( x ) = PΓ ({γ : γ ∈ F | X Γ (γ ) = x}) czyli PΓ ({γ : γ ∈ F , X Γ (γ ) = x}) µ F ( x) = PΓ ({γ : X Γ (γ ) = x}) Przykład L P A P [kN] Ekspert 5 Ekspert 4 Ekspert 3 Ekspert 2 Ekspert 1 µ F (P ) 12 15 18 21 24 0.4 1 0.4 0.4 0.2 - pozytywna odpowiedź eksperta Θ X (12[kN ]) = {δ1 , δ 2 } Θ X (15[kN ]) = {δ1 , δ 2 , δ3 , δ 4 , δ5 } Θ X ( 24[kN ]) = {δ1} Przestrzeń ∆ Niech dana jest przestrzeń probabilistyczna ( ∆, Σ ∆ , P∆ ) Założymy, że zbiór ∆ jest liniowo uporządkowany przy pomocy relacji <. δ1 < δ 2 < ... dla δi ∈ ∆ Zdefiniujemy teraz zbiór ΘX ( x) = {δ ∈∆ : δ < δN ( x)+1, P∆ (ΘX ( x)) = µF ( x)} Z definicji zbioru Θ X (x ) wynika, że: µ F ( x ) = P∆ {Θ X ( x )} Θ X ( x ) = {δ1 , δ 2 ,..., δ N ( x ) } Prawdopodobieństwo zniszczenia konstrukcji o parametrach rozmytych Pf = P∆ ({δ : δ ∈ Θ( γ ), γ ∈ F , g (h Γ ( γ ) ) < 0}) P f = P∆ Θh ( h) == sup µ F ( h) h: g ( h ) < 0 h : g ( h ) < 0 P [kN] Ekspert 5 Ekspert 4 Ekspert 3 Ekspert 2 Ekspert 1 12 15 18 21 24 µ F (P ) 0.4 1 0.4 0.4 0.2 g(P) 55 25 Pf = -5 -35 -65 P g = σ0 − A sup µ F ( P) = max{0.4,0.4,0.2} = 0.4 P: g ( P)<0 Prawdopodobieństwo zniszczenia konstrukcji o parametrach losowych i rozmytych Pf = PΩ×∆ ({(ω, δ) : δ∈Θh (h), g(XΩ(ω), h) < 0, ω∈Ω, h∈RnF }) Pf = ∑ x: x = X ( ω), ω: ω∈Ω PΩ ({x}) ⋅ sup h: g (x , h )< 0 µ F (h) Pf = EΩ sup µ F ( h) h: g (x , h )< 0 µ g ( F ) (x ) = sup h: g ( x, h ) < 0 µ F ( h) Pf = EΩ (µ g ( F ) ( x )) = ∑ µ g ( F ) ( x ) P Ω ({x}) x Pf = ∫ µ g ( F ) (x)dP Ω (x) Rnr Prawdopodobieństwo zniszczenia konstrukcji o parametrach losowych i zbiorowych (przedziałowych) 1 gdy{h : g(x, h) < 0, h ∈ A} ≠ ∅ µg( F ) (x) = sup µF (h) = ® h: g (x,h)<0 ¯0 gdy{h : g(x, h) < 0, h ∈ A} = ∅ {x : µ g ( F ) ( x ) = 1} = {x : g ( x, h) > 0, h ∈ A} Pf = ¦ µ g ( F ) ( x ) P Ω ({x}) = x Pf = ¦ P Ω ({x}) x : x∈{x : g ( x , h ) > 0, h∈ A} ³ dPΩ (x ) {x : g ( x , h ) > 0, h∈ A} Funkcja graniczna zależy od wektora parametrów losowych o wartościach należących do zbioru rozmytego Pf = PΩ×∆({(ω, δ) : δ∈ΘX (γ),γ ∈F, g(XΓ(γ))< 0, g( XΩ(ω))< 0}) Pf = ¦ PΩ ({x}) ⋅ µ F (x ) x: g ( x ) < 0 Pf = g ( x )<0 P [kN] 12 Liczba pomiarów 15 Częstość względna 0.3 µF (P) 0.4 g(P) [MPa] 55 Pf = ³ µF (x)d PΩ (x) 15 15 0.3 1 25 18 10 0.2 0.4 -5 21 5 0.1 0.4 -35 ¦ PΩ ({P}) ⋅ µ F ( P ) = 0.14 g ( P )<0 24 5 0.1 0.2 -65 Interpretacja funkcji przynależności oparta na teorii zbiorów losowych Niech dana jest zmienna losowa o wartościach przedziałowych n hΓ : Γ ∈ γ → hΓ ( γ ) ∈ I ( R F ) Pf+ = PΓ ({γ : g ( hΓ ( γ )) ∩ ( −∞,0] ≠ ∅}) Pf= sup µ F (h) 14.5 17.5 20.5 23.5 26.5 µ F (P ) 0.4 1 0.8 0.6 0.2 g(P) + + - - - P [kN] Ekspert 5 Ekspert 4 Ekspert 3 Ekspert 2 Ekspert 1 Pf= h: g ( h ) < 0 sup µ F ( h) = 0.8 h: g ( h ) < 0 Wnioski 1) Nowe interpretacje funkcji przynależności zbioru rozmytego umożliwiają doświadczalną weryfikację twierdzeń dotyczących teorii zbiorów rozmytych 2) Wzory określające prawdopodobieństwo zniszczenia konstrukcji otrzymane na podstawie obydwu zaprezentowanych interpretacji są identyczne. 3) Zaprezentowana teoria umożliwia badanie związków zbiorów rozmytych z rachunkiem prawdopodobieństwa.