Parametric Plots of Limit-State Surfaces as a Design Tool in Time-Variant System Reliability
Notice bibliographique
Résumé
The ability to accurately determine the temporal safe region in time-variant reliability analysis is seminal for reliability-based design. When stochastic excitations are present and discrete-time approaches are invoked, the errors can be large when one uses only one past safe event (and one new failure event) at each time-step. Furthermore, when all previous safe events are accumulated and used, the calculations can be time consuming and the accuracy not ensured. In this paper, a minimal, or a so-called extreme limit-state, surface is obtained to identify the system temporal safe region in an economical manner. To do this, the limit-state surface motion for each failure mode is recorded as a parametric polar plot that provides both magnitude and relative angle of the vectors from the origin to the most-likely failure points (MLFPs) in standard normal space. The angle differences provide correlation and the magnitude differences provide importance. At the component-level, a few logical policies that compare correlation and the magnitude ensure that the safe region is sufficiently recognized. At the system-level, the temporal average of correlations and the magnitudes at the component-level, along with series or parallel system designations, foretells which failure modes are needed to form the system extreme limit-state surface. The impact of the work includes an immediate recognition of the important failure modes and reduced computation for methods such as multi-normal integration. Case studies of both series-system reliability and parallel-system reliability are presented using structural beams excited by stochastic loads and plagued with degrading material properties and dimensions. The accuracy of the extreme LSS is demonstrated cogently. The use of the polar plots as a design tool becomes evident.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».