隨機(jī)可靠性試驗(yàn)靈敏度分析方法研究狀態(tài)

   可靠性試驗(yàn)靈敏度定義為失效概率對(duì)基本變量分布參數(shù)的偏導(dǎo)數(shù)，是高度非線性函數(shù)，這給可靠性試驗(yàn)參數(shù)靈敏度分析帶來了較大的困難?；谝淮味A矩的靈敏度分析方法，能夠給出含有正態(tài)分布變量的線性功能函數(shù)的解，但它對(duì)極限狀態(tài)方程的顯式表達(dá)式有較大的依賴性[17,18]。
   此外，基于一次二階矩的可靠性試驗(yàn)靈敏度分析方法也較難推廣到非線性程度大的極限狀態(tài)方程和多模式系統(tǒng)的可靠性試驗(yàn)靈敏度分析。Wu[1,2]提出的基于失效概率積分的可靠性試驗(yàn)靈敏度分析方法，利用失效概率的積分表達(dá)式將靈敏度分析轉(zhuǎn)化為失效域上的數(shù)學(xué)期望，從而可以通過數(shù)字模擬的方法實(shí)現(xiàn)可靠性試驗(yàn)靈敏度的求解，這種方法的顯著優(yōu)點(diǎn)是利用Monte-Carlo模擬可以得出可靠性試驗(yàn)靈敏度分析結(jié)果，并且不受極限狀態(tài)方程的數(shù)量、非線性程度以及是否顯式的影響，但基于直接Monte-Carlo模擬法的可靠性試驗(yàn)靈敏度分析方法的計(jì)算量在工程上不可接受。基于重要抽樣法的可靠性試驗(yàn)靈敏度分析方法雖然可以使問題的計(jì)算量有所下降[19]，但對(duì)于高維問題其計(jì)算工作量也很大?；诰胤椒ǖ目煽啃栽囼?yàn)靈敏度分析方法在解決非正態(tài)變量、隱式極限狀態(tài)方程時(shí)具有獨(dú)特的優(yōu)越性，但是計(jì)算量隨著變量維數(shù)的增加呈指數(shù)級(jí)增加而限制了它的應(yīng)用范圍[20]。
   為此，為了比較現(xiàn)有的及發(fā)展的各種可靠性試驗(yàn)靈敏度分析方法的收斂性，有必要對(duì)可靠性試驗(yàn)靈敏度估計(jì)值的方差和變異系數(shù)進(jìn)行研究。另外，改進(jìn)現(xiàn)有的各種可靠性試驗(yàn)靈敏度分析方法及發(fā)展新的可靠性試驗(yàn)靈敏度分析方法對(duì)可靠性試驗(yàn)靈敏度分析效率和精度的提高具有非常重要的意義。