修复复合材料受损结构的修复结构的可靠性分析方法与流程

1.本公开涉及复合材料修复技术领域，尤其涉及一种修复复合材料受损结构的修复结构的可靠性分析方法、装置、设备、存储介质和程序产品。


背景技术：

2.复合材料因其高比强度、高比刚度以及性能的可设计性，被广泛的应用于航空、航天、船舶、医疗和机械等领域。复合材料结构在制造、使用和日常维护过程中不可避免地会产生缺陷或损伤。为了保障复合材料结构的正常使用，针对复合材料结构出现的损伤，选用合适的修复方式并取得稳定可靠的修复效果至关重要。
3.为了提升受损伤的复合材料结构在修复之后的稳定性和可靠性，需要对修复受损复合材料结构的修复结构进行可靠性分析。相关技术对修复结构的可靠性分析存在分析耗时长、分析效率低的问题。


技术实现要素：

4.鉴于上述问题，本公开提供了修复复合材料受损结构的修复结构的可靠性分析方法、装置、设备、存储介质和程序产品。
5.本公开的一个方面提供了一种修复复合材料受损结构的修复结构的可靠性分析方法，包括：根据复合材料的受损结构的属性数据，确定修复上述受损结构的修复方式；根据上述修复方式，获取修复结构的特征变量，以及上述特征变量中存在随机性的随机变量，其中，上述修复结构用于修复上述受损结构；根据与上述随机变量各自对应的概率分布，对上述随机变量进行重复n次抽样，得到n组抽样变量，n为正整数；将上述n组抽样变量输入到代理模型中，并根据上述代理模型的输出结果，确定上述修复结构的可靠性数值。
6.根据本公开的实施例，上述代理模型是基于响应面函数构建的；上述将上述n组抽样变量输入到代理模型中，并根据上述代理模块的输出结果，确定上述修复结构的可靠性数值包括：将n组上述抽样变量输入到响应面函数中，输出n个表征上述修复结构的修复能力的函数值；根据n个上述函数值，确定上述修复结构的失效概率；根据可靠性数值与上述失效概率之间的关系，得到上述修复结构的可靠性数值。
7.根据本公开的实施例，上述根据n个上述函数值，确定上述修复结构的失效概率包括：将n个上述函数值分别与预设阈值进行比较，以从n个上述函数值中确定小于上述预设阈值的m个目标函数值，m为小于n的正整数；计算m与n的比值，得到上述失效概率。
8.根据本公开的实施例，根据可靠性数值与上述失效概率之间的关系，得到上述修复结构的可靠性数值包括：基于上述可靠性数值与上述失效概率加和为预设值的关系，构建上述修复结构的可靠性函数；将上述失效概率输入到上述修复结构的可靠性函数中，输出上述修复结构的可靠性数值。
9.根据本公开的实施例，上述响应面函数中配置有函数参数，上述函数参数是通过如下方式获得：基于预设选取策略，从上述随机变量的分布空间中选取目标试验点；基于上
述目标试验点与预设极限状态点之间的距离，为上述目标试验点赋予权重，得到试验点权重矩阵，其中，上述极限状态是可靠状态与失效状态的分界线；基于上述目标试验点数据，以及对应上述修复结构的参数化建模脚本，完成各目标试验点的自动化有限元仿真和响应数据提取，得到试验点有限元响应数据矩阵；基于上述目标试验点和上述试验点有限元响应数据矩阵，以及上述试验点权重矩阵，利用最小二乘法对上述响应面函数进行拟合，得到上述函数参数。
10.根据本公开的实施例，基于预设选取策略，从上述随机变量中选取目标试验点包括：基于与上述随机变量各自对应的概率分布，确定随机变量抽样中心；基于上述随机变量抽样中心，构建多维坐标系，得到随机变量坐标系，上述多维坐标系的坐标系维度与上述随机变量的个数一致；基于预设偏移距离系数，在上述随机变量坐标系上选取与上述随机变量抽样中心具有上述预设偏移距离系数的多个试验点，得到上述目标试验点。
11.根据本公开的实施例，上述复合材料受损结构的属性数据包括修复需求；上述根据复合材料的受损结构的属性数据，确定修复上述受损结构的修复方式包括：在上述修复需求为在第一时长阈值内有效的情况下，修复上述受损结构的修复方式为挖补修复；在上述修复需求为在第二时长阈值内有效的情况下，修复上述受损结构的修复方式为贴补修复，其中，上述第二时长阈值小于第一时长阈值。
12.根据本公开的实施例，上述修复结构的特征变量包括上述修复结构的材料属性，上述修复结构的材料属性与上述受损结构的材料属性相关联；上述受损结构的材料属性包括以下至少之一：上述受损结构的弹性常数变量、上述受损结构的强度参数变量；上述受损结构的弹性常数变量包括以下至少之一：上述受损结构沿复合材料纤维轴轴向方向的第一弹性模量、上述受损结构的平面内垂直于复合材料纤维轴轴向方向的第二弹性模量、剪切模量、泊松比；上述受损结构的强度参数变量包括以下至少之一：纵向拉伸强度、纵向压缩强度、横向拉伸强度、横向压缩强度、剪切强度。
13.根据本公开的实施例，上述修复结构的特征变量还包括上述修复结构的几何特征数据；在上述修补方式为挖补修复的情况下，上述修复结构的几何特征数据包括以下至少之一：挖补角度、胶层厚度、修复补片和上述受损结构的相对偏转角；在上述贴补方式为挖补修复的情况下，上述修复结构的几何特征数据包括以下至少之一：贴补补片的铺层顺序、补片厚度、胶层厚度、补片直径。
14.根据本公开的实施例，上述随机变量包括以下至少之一：在上述修补方式为挖补修复的情况下，上述随机变量包括以下至少之一：外力载荷、上述挖补角度、上述胶层厚度、上述修复补片和上述受损结构的相对偏转角；在上述修补方式为挖补修复的情况下，上述随机变量包括以下至少之一：外力载荷、上述胶层厚度、上述补片厚度、上述补片直径。
15.根据本公开的实施例，与上述随机变量各自对应的概率分布的分布类型包括以下至少之一：正态分布、对数正态分布、泊松分布。
16.本公开的另一方面还提供了一种修复复合材料受损结构的修复结构的可靠性分析装置，包括：第一确定模块，用于根据复合材料的受损结构的属性数据，确定修复上述受损结构的修复方式；获取模块，用于根据上述修复方式，获取修复结构的特征变量，以及上述特征变量中存在随机性的随机变量，其中，上述修复结构用于修复上述受损结构；抽样模块，用于根据与上述随机变量各自对应的概率分布，对上述随机变量进行重复n次抽样，得
到n组抽样变量，n为正整数；第二确定模块，用于将上述n组抽样变量输入到代理模型中，并根据上述代理模型的输出结果，确定上述修复结构的可靠性数值。
17.本公开的另一方面还提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器执行上述的用于分析修复结构可靠性的方法。
18.本公开的另一方面还提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行上述的用于分析修复结构可靠性的方法。
19.本公开的另一方面还提供了一种计算机程序产品，包括计算机程序，上述计算机程序被处理器执行时实现上述的用于分析修复结构可靠性的方法。
20.根据本公开实施例提供的修复复合材料受损结构的修复结构的可靠性分析方法、装置、设备、存储介质和程序产品，通过根据复合材料的受损结构的属性数据，确定修复受损结构的修复方式；根据修复方式，获取修复结构的特征变量，以及特征变量中存在随机性的随机变量；根据与随机变量各自对应的概率分布，对随机变量进行重复n次抽样，得到n组抽样变量；将n组抽样变量输入到代理模型中，并根据代理模型的输出结果，确定修复结构的可靠性数据。由于在可靠性分析过程中，考虑到了特征变量中的随机变量，计算可靠性数值过程中还结合了抽样方式，通过对随机变量进行n次抽样后，利用代理模型对得到的n组抽样变量进行计算，得到修复结构的可靠性数值，至少部分地克服了相关技术由于只利用单一的方式确定修复结构的可靠性数值，而带来的可靠性分析耗时长、分析效率低的问题，从而达到了缩短可靠性分析耗时、提高可靠性分析效率的技术效果。
附图说明
21.通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：
22.图1示意性示出了根据本公开实施例的修复复合材料受损结构的修复结构的可靠性分析方法的流程图；
23.图2示意性示出了根据本公开实施例的试验点选取图；
24.图3示意性示出了根据本公开另一实施例的修复复合材料受损结构的修复结构的可靠性分析方法的流程图；
25.图4示意性示出了根据本公开实施例的修复复合材料受损结构的修复结构的可靠性分析装置的结构框图；
26.图5示意性示出了根据本公开实施例的适于实现修复复合材料受损结构的修复结构的可靠性分析方法的电子设备的方框图。
具体实施方式
27.以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。
28.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
29.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
30.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
31.相对于传统的金属材料，复合材料结构的力学性能具有各向异性，并且复合材料结构对环境条件、制造工艺的敏感性较大，导致复合材料结构性能呈现出较大的分散性。复合材料结构损伤的修复效果在不同操作条件和环境下一般呈现出很大的随机性，即使是同一种修复方式，在不同的修复环境下往往也会引起复合材料结构的纤维分布、固化效果等参量的随机分布，从而使得修复结构的强度呈现出随机性。
32.相关技术中，一般采用确定性分析方法难以准确地预测复合材料结构的性能，容易造成性能过高或者过低的修复结果。对于传统的确定性强度的评估方式，为了确保安全，修复时往往会取用比较大的安全系数，从而导致修复结构上存在较大的冗余和较高的费用。因此，为了提高受损伤复合材料在修复之后的稳定性和可靠性，进行复合材料层合板修复结构可靠性分析成为迫切需要。而现有技术在分析修复结构可靠性时，会存在分析耗时长、分析效率低的问题。
33.有鉴于此，本公开的实施例提供了一种修复复合材料受损结构的修复结构的可靠性分析方法、装置、设备、存储介质和程序产品，用于缩短可靠性分析耗时、提高可靠性分析效率。具体地，修复复合材料受损结构的修复结构的可靠性分析方法包括：根据复合材料的受损结构的属性数据，确定修复受损结构的修复方式；根据修复方式，获取修复结构的特征变量，以及特征变量中存在随机性的随机变量，其中，修复结构用于修复受损结构；根据与随机变量各自对应的概率分布，对随机变量进行重复n次抽样，得到n组抽样变量，n为正整数；将n组抽样变量输入到代理模型中，并根据代理模型的输出结果，确定修复结构的可靠性数值。
34.图1示意性示出了根据本公开实施例的修复复合材料受损结构的修复结构的可靠性分析方法的流程图。
35.如图1所示，该实施例的修复复合材料受损结构的修复结构的可靠性分析方法可以包括操作s110～操作s140。
36.在操作s110，根据复合材料受损结构的属性数据，确定修复受损结构的修复方式。
37.在操作s120，根据修复方式，获取修复结构的特征变量，以及特征变量中存在随机性的随机变量，其中，修复结构用于修复受损结构。
38.在操作s130，根据与随机变量各自对应的概率分布，对随机变量进行重复n次抽样，得到n组抽样变量，n为正整数。
39.在操作s140，将n组抽样变量输入到代理模型中，并根据代理模型的输出结果，确
定修复结构的可靠性数值。
40.根据本公开的实施例，复合材料结构可以包括复合材料层合板。复合材料层合板在实际工程应用中，常因为冲击、疲劳等外载荷，不可避免地会发生结构缺陷或损伤。复合材料的受损结构可以指有结构缺陷或损失的复合材料结构。
41.根据本公开的实施例，复合材料的受损结构的属性数据可以包括修复需求以及损伤形式等。修复需求可以包括永久性修复、暂时性修复等，具体地可以包括修复结构的承载能力要满足复合材料结构的强度、稳定性要求；修复结构要满足复合材料结构刚度需求；修复结构满足耐久性需求；要修复使用功能；复合材料结构在修复后的增重要小；保障修复部位的新的质量平衡；气动外形变化要小，不要过于增大损伤面积，以及保证原结构的光滑完整等。损伤形式可以包括开裂、分层、断裂、脱粘等方式。
42.根据本公开的实施例，修复受损复合材料的修复方式可以包括挖补修复和贴补修复。在修复需求为在第一时长阈值内有效的情况下，修复复合材料受损结构的修复方式为挖补修复；在修复需求为在第二时长阈值内有效的情况下，修复复合材料受损结构的修复方式为贴补修复，其中，第二时长阈值小于第一时长阈值。具体地，第一时长阈值较大，可以理解为永久性修复，第二时长阈值较小，可以理解为暂时性修复。
43.根据本公开的实施例，复合材料结构的挖补修复是将损伤部位打磨成圆锥状的楔形孔或阶梯形孔，再将补片胶接到该打磨后的区域，进行固化处理。挖补法适用于厚截面结构的永久性修复，对受冲击的层合板结构和蜂窝夹芯结构尤其有效，能最大限度地恢复材料的结构强度。
44.根据本公开的实施例，复合材料结构的贴补修复是利用胶粘剂将已固化、半固化或未固化的复合材料预浸料修复补片粘贴到复合材料结构损伤部位的表面，使一部分荷载通过修复补片传递，以降低复合材料结构损伤部位的名义应力，从而延长结构的使用寿命。名义应力可以理解为在不考虑几何不连续性(如孔、槽、带、波纹等)的情况下，在结构损失部分的有效横截面上计算得到的应力。
45.根据本公开的实施例，在选择修复受损复合材料结构的修复形式时，可以根据损伤的具体形式和受损部位的修复要求，选择最适合的修复方式，在满足修复需求的前提下避免修复结构的冗余。
46.根据本公开的实施例，修复结构的特征变量可以包括修复结构的材料属性，修复结构的材料属性可以与受损结构的材料属性相关联。具体地，受损结构的材料属性可以包括以下至少之一：受损结构的弹性常数变量、受损结构的强度参数变量。
47.受损结构的弹性常数变量可以包括以下至少之一：受损结构沿复合材料纤维轴轴向方向的第一弹性模量、受损结构的平面内垂直于复合材料纤维轴轴向方向的第二弹性模量、剪切模量、泊松比。
48.受损结构的强度参数变量可以包括以下至少之一：纵向拉伸强度、纵向压缩强度、横向拉伸强度、横向压缩强度、剪切强度。
49.为了保障修复效果，修复结构一般选用与受损复合材料结构相同的材料，因此，所考虑的修复结构材料属性与受损复合材料结构保持一致。可选的，考虑到受损复合材料结构在当前修复工作之前已经工作了一段时间，材料性能可能会发生一定退化，所以修复结构与受损复合材料结构的材料属性之间可以设置一合适的性能退化系数，性能退化系数可
以根据修复经验赋予，性能退化系数可以根据实现需要进行适应性设置。
50.根据本公开的实施例，表征受损结构的数据，除了受损结构的弹性常数变量、受损结构的强度参数变量之外，还可以包括受损结构的几何特征变量。受损结构的几何特征变量可以包括以下至少之一：受损面的面内长度、受损面的面内宽度、受损结构的损伤尺寸、复合材料结构的铺层顺序、每个复合材料结构的厚度。
51.根据本公开的实施例，上述的受损结构的弹性常数变量、强度参数变量均可以根据复合结构材料的标识进行查表得到，其中，标识可以包括编号、名称、字段等。例如，对于受损的复合材料结构，获取受损复合材料结构的标识；根据受损复合材料结构的标识，从数据库中调取受损特征数据表；根据受损复合材料结构的标识在表中查找到相关联的数据。其中，受损特征数据表可以包括弹性模量表、剪切模量表、泊松比表、横/纵向拉伸强度表、横/纵向压缩强度表、剪切强度表、复合材料结构的材料铺层顺序表、每层复合材料的厚度表等。可选地，受损面的面内长度、受损面的面内宽度、受损结构的损伤尺寸、复合材料结构的铺层顺序、每个复合材料结构的厚度可以通过对受损部位进行测量得到。
52.根据本公开的实施例，特征变量还可以包括修复结构的几何特征数据。具体地，在修补方式为挖补修复的情况下，修复结构的几何特征数据可以包括以下至少之一：挖补角度、胶层厚度、修复补片和受损结构的相对偏转角；在贴补方式为挖补修复的情况下，修复结构的几何特征数据可以包括以下至少之一：贴补补片的铺层顺序、补片厚度、胶层厚度、补片直径。
53.根据本公开的实施例，挖补角度、胶层厚度、修复补片和受损结构的相对偏转角可以通过测量修复结构得到。由于挖补修复是对受损结构进行打磨后再贴补的，所以挖补修复结构的补片铺层顺序需要与受损复合材料结构的铺层顺序保持一致。
54.根据本公开的实施例，贴补补片的铺层顺序、补片厚度、胶层厚度、补片直径、修复补片和受损结构的相对偏转角可以作为贴补修复下的修复结构的几何特征数据，补片厚度、胶层厚度、补片直径、修复补片和受损结构的相对偏转角可以通过测量修复结构得到，贴补补片的铺层顺序可以依据受损结构的不同进行适应性调整，由于贴补修复是在受损结构表面进行贴补，所以贴补补片的铺层顺序可以与受损结构的铺层顺序不一致。
55.根据本公开的实施例，由于修复过程中因为加工精度、测量精度等不可避免的偏差会导致参量数值发生浮动，因此，将修复的随机性纳入到可靠性的评估中，可以更加准确的对修复结构进行可靠性评价。具体地，在修补方式为挖补修复的情况下，随机变量可以包括外力载荷、挖补角度、胶层厚度、修复补片和受损结构的相对偏转角。在修补方式为贴补修复的情况下，外力载荷、补片厚度、胶层厚度、补片直径、修复补片和受损结构的相对偏转角可以作为贴补方式下的随机性变量。
56.根据本公开的实施例，与所述随机变量各自对应的概率分布的分布类型可以根据修复经验确定。概率分布的分布类型可以通过大量材料性能试验数据与常见概率分布形式分别拟合得出，例如正态分布、对数正态分布以及泊松分布等。
57.根据本公开的实施例，对随机变量进行抽样时所选用的抽样方法可以包括以下至少之一：蒙特卡洛抽样、重要抽样法、分层随机抽样等。
58.根据本公开的实施例，根据n组抽样变量，确定修复结构可靠性数值的过程可以通过蒙特卡洛模拟方法、响应面法中的至少一种确定。示例性的，对于贴补方式，抽到的n组抽
样变量中，每一组抽样变量可以包括纵向拉伸强度、纵向压缩强度、横向拉伸强度、横向压缩强度、剪切强度、外力载荷、补片厚度、胶层厚度、补片直径、修复补片和受损结构的相对偏转角。
59.根据本公开实施例提供的修复复合材料受损结构的修复结构的可靠性分析方法、装置、设备、存储介质和程序产品，通过根据复合材料的受损结构的属性数据，确定修复受损结构的修复方式；根据修复方式，获取修复结构的特征变量，以及特征变量中存在随机性的随机变量；根据与随机变量各自对应的概率分布，对随机变量进行重复n次抽样，得到n组抽样变量；将n组抽样变量输入到代理模型中，并根据代理模型的输出结果，确定修复结构的可靠性数据。由于在可靠性分析过程中，考虑到了特征变量中的随机变量，计算可靠性数值过程中还结合了抽样方式，通过对随机变量进行n次抽样后，利用代理模型对得到的n组抽样变量进行计算，得到修复结构的可靠性数值，至少部分地克服了相关技术由于只利用单一的方式确定修复结构的可靠性数值，而带来的可靠性分析耗时长、分析效率低的问题，从而达到了缩短可靠性分析耗时、提高可靠性分析效率的技术效果。
60.根据本公开的实施例，代理模型可以是基于响应面函数构建的。操作s140可以包括如下操作：将n组抽样变量输入到响应面函数中，输出n个表征修复结构的修复能力的函数值；根据n个函数值，确定修复结构的失效概率；根据可靠性数值与失效概率之间的关系，得到修复结构的可靠性数值。
61.根据本公开的实施例，响应面函数可以如公式(1)所示，公式(1)所示的响应面函数为不含交叉项的二次响应面函数，从而可以提高在对响应函数进行拟合时的拟合效率和拟合精度。
[0062][0063]
其中，g(x)可以表示通过响应面函数计算得到的函数值；b＝(b0，b1，...，b
2n
)
t
为2n+1个待定系数，x1，x2，...，xi，...，xn为一组抽样变量。b可以作为要确定的函数参数。
[0064]
根据本公开的实施例，函数参数是通过如下方式获得：基于预设选取策略，从随机变量的分布空间中选取目标试验点；基于目标试验点与预设极限状态点之间的距离，为目标试验点赋予权重，得到试验点权重矩阵，其中，极限状态是可靠状态与失效状态的分界线；基于目标试验点数据，以及对应修复结构的参数化建模脚本，完成各目标试验点的自动化有限元仿真和响应数据提取，得到试验点有限元响应数据矩阵；基于目标试验点和试验点有限元响应数据矩阵，以及试验点权重矩阵，利用最小二乘法对响应面函数进行拟合，得到函数参数。
[0065]
根据本公开的实施例，基于预设选取策略，从随机变量中选取目标试验点可以包括如下操作：基于与随机变量各自对应的概率分布，确定随机变量抽样中心；基于随机变量抽样中心，构建多维坐标系，得到随机变量坐标系，多维坐标系的坐标系维度与随机变量的个数可以保持一致；基于预设偏移系数，在随机变量坐标系上选取与随机变量抽样中心具有预设偏移距离系数的多个试验点，得到目标试验点。
[0066]
图2示意性示出了根据本公开实施例的试验点选取图。
[0067]
如图2所示，随机变量抽样中心可以包括随机变量的均值点，每一个随机变量均有对应的均值点。示例性地，在图2中，可以表示一个随机变量抽样中心，基于该抽样中心，构建包括x轴和y轴的坐标系，选取试验点时可以沿着x轴、y轴方向增加和减少一个预
设偏移距离fσ
xi
，σ
xi
为标准差，作为试验点。例如选取的试验点可以有以及等。f可以作为插值系数，f取值范围可以为1～3之间。
[0068]
根据本公开的实施例，试验点的权数可以表征试验点在回归分析中的重要性。因此构造试验点的权重可以依据试验点与极限状态方程g(x)＝0的距离，|g(xi)|越小即xi越接近g(x)＝0，此时给xi赋更大的权重，|g(xi)|越大即xi越远离g(x)＝0，此时给xi赋更小的权重。根据权重的赋予结果，可以构造出试验点权重矩阵w。
[0069]
在得到试验点权重矩阵w后，基于目标试验点、试验点有限元响应数据矩阵，以及试验点权重矩阵，可以使用加权最小二乘法拟合响应面函数，求出待定的函数参数b。求出b的过程可以如公式(2)所示。
[0070]
b＝(a
t
wa)-1at
wy
ꢀꢀꢀꢀ
(2)
[0071]
其中，b＝{b0，b1，...，bn}
t
为响应面函数的待定系数向量，y＝{g(x1)，g(x2)，...，g(xm)}
t
为试验点有限元响应数据矩阵，该列阵需要将设计的试验点代入所给模型中求出，为回归系数矩阵，为w的对角矩阵。
[0072]
在求得响应面函数即极限状态方程之后，通过与蒙特卡洛模拟和一次二阶矩等方法进行配合，可以对模型可靠性进行计算。
[0073]
根据本公开的实施例，确定了函数参数b后，将b代入到公式(1)中，可以得到响应面函数。在对可靠性进行分析时，可以将抽样变量输入到响应面函数中，得到表征修复结构的修复能力的函数值。
[0074]
根据本公开的实施例，在抽样时，可以选用重要抽样法对随机变量进行抽样，得到n组抽样结果。
[0075]
根据本公开的实施例，重要抽样方法可以理解为在保持原有变量期望值不变的情况下，改变随机变量的抽样重心，改变现有的变量空间的概率分布，使变量的方差减小，这样，可以使得对最后结构贡献大的变量在抽样时出现的概率增加，抽取到的变量有更多的机会落在失效的区域，使抽样变量更有效，以达到降低运算时间消耗的目的。
[0076]
根据本公开的实施例，失效概率函数可以如公式(3)所示。
[0077][0078]
其中，pf为失效概率，x＝(x1，x2，...，xn)是一组抽样变量，概率分布为f
x
(x)，z＝g(x)为功能函数，i[g(x)]为g(x)的指示函数。
[0079]
由于随机样本点多数集中在联合概率密度函数的最大值附近，但实际上结构失效是一个小概率时间，从而在失效域中获取到样本的机会小。而采用重要抽样法可以使得抽取的样本点更可能的落入到失效域内或所谓的重要区域内，能够更大程度发挥抽样变量对于计算可靠性的贡献，从而减小运算时间，降低可靠性的分析耗时。
[0080]
基于此，采用重要抽样法，对公式(3)所示的失效概率进行改写后的失效概率可以
如公式(4)所示。
[0081][0082]
式中，p
x
(x)为重要抽样函数，即取代f
x
(x)对x抽样的函数。
[0083]
根据本公开的实施例，将n组抽样变量输入到响应面函数中，可以输出n个表征修复结构的修复能力的函数值；根据n个函数值，可以确定所述修复结构的失效概率，具体地，可以将n个函数值分别与预设阈值进行比较，以从n个函数值中确定小于预设阈值的m个目标函数值，其中，m为小于n的正整数；计算m与n的比值，得到失效概率。
[0084]
根据本公开的实施例，以选择蒙特卡罗模拟方法进行可靠性计算为例，描述失效概率以及可靠性数值的确定过程。
[0085]
在利用蒙特卡罗模拟方法进行可靠性计算的过程中，首先确定如公式(5)所示的功能函数。
[0086]
z＝g(x1，x2，...，xn)
ꢀꢀꢀꢀꢀꢀ
(5)
[0087]
其中，式中，x1，x2，...，xn为影响结构强度的状态变量。
[0088]
根据本公开的实施例，当复合材料结构或复合材料结构的一部分超过某一特定状态就不能满足设计规定的某一功能要求时，此特定状态为该功能的极限状态。复合材料结构的可靠状态是指复合材料结构能够完成预定的功能；反之，复合材料结构不能够完成预定的功能，则复合材料结构处于不可靠状态。极限状态为可靠状态和失效状态的分界线，是结构开始失效的标志，可以用结构功能函数来精确表达。
[0089]
对于所建立如公式(5)所示的功能函数，结构失效的标志可以如公式(6)所示。
[0090]
z＝g(x)《0
ꢀꢀꢀꢀꢀꢀ
(6)
[0091]
其中，公式(6)的0可以理解为预设阈值，公式(6)也可以表示将函数值于预设函数阈值之间进行比较的过程。
[0092]
因为x1，x2,...，xn为随机变量，由式(6)得到的z也是随机变量，所以结构的失效概率pf可以如公式(7)所示。
[0093][0094]
其中，f(z)为功能函数的概率密度函数。
[0095]
随机抽取一组x1，x2，...，xn的抽样变量，将抽样变量代入功能函数中计算函数值z，重复实验n组，假设z《0的次数为m，结构的失效概率可以如公式(8)所示。根据大数定律，当n足够大时，pf可以趋于稳定。
[0096][0097]
根据本公开的实施例，根据可靠性数值与失效概率之间的关系，得到修复结构的可靠性数值可以包括如下操作：基于可靠性数值与失效概率加和为预设值的关系，构建修复结构的可靠性函数；将失效概率输入到修复结构的可靠性函数中，输出修复结构的可靠性数值。
[0098]
根据本公开的实施例，结构的可靠性与失效概率之间的关系可以如公式(9)所示。
[0099]
pf+ps＝1
ꢀꢀꢀꢀꢀ
(9)
[0100]
其中，pf为修复结构发生失效的概率，ps为修复结构不发生失效的概率，即修复结
构的可靠性。
[0101]
本公开的实施例提供了一种修复复合材料受损结构的修复结构的可靠性分析方法，通过考虑复合材料层合板修复过程中存在的随机因素，对修复结构的可靠性进行评价，以解决现有技术中的对复合材料层合板修复结构的修复效果难以评价或无法达到预期修复效果的难题，并对维修人员的修复操作起到指导作用，提升了维修人员对于所实施的修复操作预期效果的掌握情况，并对修复结构的进一步优化设计有着较好的参考价值，对于复合材料层合板结构的精细化维护具有十分重要的意义。
[0102]
图3示意性示出了根据本公开另一实施例的修复复合材料受损结构的修复结构的可靠性分析方法的流程图。
[0103]
如图3所示，另一实施例的修复复合材料受损结构的修复结构的可靠性分析方法可以包括操作s310～操作s350。
[0104]
在操作s310，根据损伤形式和技术要求选用相应的修复方式。
[0105]
在操作s320，确定复合材料损伤修复结构的材料属性和几何特征。
[0106]
在操作s330，确定复合材料层合板修复结构的随机变量，并根据修复经验确定各随机变量的概率分布。
[0107]
在操作s340，选择抽样方法与可靠性分析算法。
[0108]
在操作s350，层合板修复结构可靠性计算。
[0109]
根据本公开的实施例，操作s310～操作s350的内容可以参考操作s110～操作s140所描述的相关内容。可选的，操作s350在计算修复结构的可靠性时，可以，借助能够实现自动化脚本的二次开发平台，建立复合材料层合板修复结构的原始cae(computer aided engineering，计算机辅助工程)模型，并以此为基础建立包括抽样、参数化建模、响应分析、odb(open database connectivity，开放式数据库连接)结果文件分析和计算过程等在内的自动化脚本，使整个计算过程均可在自动化实现。
[0110]
本公开实施例的修复复合材料受损结构的修复结构的可靠性分析方法中，在抽样和可靠性分析方法方面，提供的抽样算法包括蒙特卡洛抽样，重要抽样法和分层随机抽样等；提供的可靠性分析算法包括蒙特卡洛模拟方法、响应面法。本公开实施例将具有不同特点和适用范围的抽样方法和可靠性方法相结合，得到了一系列能够高效分析修复结构可靠性的方法，在保证最终结果精度的前提下，极大的提高了计算效率，也十分适用于小失效概率情况下的可靠性分析。
[0111]
以下通过一示例性实施例，对修复复合材料受损结构的修复结构的可靠性分析方法进行描述，需要说明的是，该实施例仅用于示例，并不限制本发明。
[0112]
已知一铺层顺序为[0/90/45/90/0]
2s
的带中心孔损伤的复合材料层合板，受面内载荷f作用，面内尺寸为260
×
100mm，厚度为2.88mm，中心孔直径为30mm，且穿透母板厚度。
[0113]
根据复合材料层合板所处位置的性能需求，选择双面贴补修复工艺，补片铺层顺序为[
±
45]，补片直径为40mm，单层厚度为0.175mm，补片材料与母板材料一致。胶层厚度为0.1mm。
[0114]
根据贴补修复工艺特点以及实际修复经验，选取补片强度参数：纵向拉伸强度、纵向压缩强度、横向拉伸强度、横向压缩强度、剪切强度以及胶层厚度、补片厚度、补片直径、修复补片和受损结构的相对偏转角、外载荷大小共10个随机变量，均近似视作正态分布，均
值为修复工艺确定值，并考虑5％的变异系数。各随机参量及其分布参数如表1所示。
[0115]
表1修复层合板的基本随机变量及其分布参数
[0116][0117]
可靠性算法选用响应面法配合蒙特卡洛模拟方法，其中响应面函数选用不含交叉项的二次响应面函数，共设计21个试验点，借助自动化脚本的二次开发平台实现参数化自动建模与仿真分析，根据结构实际受载方式，模型两端受到拉伸载荷，在有限元仿真中，在模型两端添加大小相同方向相反的速度，将模型最右端面耦合到一个参考点，再给参考点一个向x轴正方向的速度，通过设置参考点外力和位移的历史输出，对结构在拉伸载荷的失效进行监测，当外力发生骤降时，此时视为结构失效，当前时刻的外力大小视为修复结构所能承受的最大载荷，并与外载荷进行比较，从而判断当前模拟是否失效。
[0118]
完成响应面拟合后，调用蒙特卡洛模拟脚本，根据精度要求，进行重复大量抽样，在本实施例中，结构可靠性的确定过程如下。
[0119]
过程一：在自动化脚本中调用拟合后的响应面模型，响应面模型的形式如公式(1)所示，公式(1)中的b可以通过公式(2)确定。
[0120]
过程二：基于表1给出的修复复合材料层合板的基本随机变量，以及随机变量的分布参数，完成一次符合概率分布特点的随机抽样，可以采用重要随机抽样法抽取随机变量，抽到的一组抽样变量可以如公式(10)所示。
[0121]
x＝[1686.35，1270.83,54.81,220.46,84.81，0.08,0.36,39.45,0.51]
ꢀꢀ
(10)
[0122]
其中，这10个数值分别对应所选取的补片纵向拉伸强度、纵向压缩强度、横向拉伸强度、横向压缩强度、剪切强度以及胶层厚度、补片厚度、补片直径、修复补片和受损结构的相对偏转角、外载荷大小，这十个基本随机变量在本次抽样中的数值。
[0123]
过程三：将公式(10)所示的抽样变量代入到响应面模型中，即代入到公式(1)所示过程，代入并进行四则运算后可得到一函数值，用于表示修复结构承载能力和外载荷之间的差值，即公式(5)所示，该数函数值决定当前抽样变量所代表的修复结构是否失效，当该函数值满足公式(6)时，即满足函数值小于0的要求时，则当前修复结构将在外部负载作用下发生失效，失效计数变量m进行加一操作。公式(10)所对应的函数数值如公式(11)所示。
[0124]
z＝g(x)＝2280.87》0
ꢀꢀꢀꢀꢀ
(11)
[0125]
由于，2280.87》0，可以表示该组抽样变量对应的修复结构承载能力足够，不会发生失效。
[0126]
重复进行过程一至过程三共50000次，即抽样50000次，得到50000组抽样变量，并基于这50000组抽样变量完成公式(8)中变量m的计数。在本次的实施例中，重复50000次后的m为1932，此时n＝50000，根据公式(8)、(9)可以得到如公式(12)所示的过程。
[0127][0128]
通过以上过程可以得出修复结构的可靠性为0.96136。从可靠性分析过程和结果中可以看出，选用本公开实施例提供的可靠性分析方法有着较高得分析效率，大大缩减了有限元仿真耗费的时间，在随机参量个数较少的情况下，仅需进行越数十次完整有限元仿真过程，在后期蒙特卡洛模拟中仅需约50000次可获得收敛的可靠性分析结果，缩短了可靠性分析的耗时，提高可靠性分析的效率。
[0129]
需要说明的是，本公开实施例中的流程图所示的操作除非明确说明不同操作之间存在执行的先后顺序，或者不同操作在技术实现上存在执行的先后顺序，否则，多个操作之间的执行顺序可以不分先后，多个操作也可以同时执行。
[0130]
基于上述修复复合材料受损结构的修复结构的可靠性分析方法，本公开还提供了一种用于分析修复结构可靠性的装置。以下将结合图4对该装置进行详细描述。
[0131]
图4示意性示出了根据本公开实施例的修复复合材料受损结构的修复结构的可靠性分析装置的结构框图。
[0132]
如图4所示，该实施例的修复复合材料受损结构的修复结构的可靠性分析装置400包括第一确定模块410、获取模块420、抽样模块430和第二确定模块440。
[0133]
第一确定模块410，用于根据复合材料的受损结构的属性数据，确定修复受损结构的修复方式。
[0134]
获取模块420，用于根据修复方式，获取修复结构的特征变量，以及特征变量中存在随机性的随机变量，其中，修复结构用于修复受损结构。
[0135]
抽样模块430，用于根据与随机变量各自对应的概率分布，对随机变量进行重复n次抽样，得到n组抽样变量，n为正整数。
[0136]
第二确定模块440，用于将n组抽样变量输入到代理模型中，并根据代理模型的输出结果，确定修复结构的可靠性数值。
[0137]
根据本公开实施例提供的修复复合材料受损结构的修复结构的可靠性分析方法、装置、设备、存储介质和程序产品，通过根据复合材料的受损结构的属性数据，确定修复受损结构的修复方式；根据修复方式，获取修复结构的特征变量，以及特征变量中存在随机性的随机变量；根据与随机变量各自对应的概率分布，对随机变量进行重复n次抽样，得到n组
抽样变量；将n组抽样变量输入到代理模型中，并根据代理模型的输出结果，确定修复结构的可靠性数据。由于在可靠性分析过程中，考虑到了特征变量中的随机变量，计算可靠性数值过程中还结合了抽样方式，通过对随机变量进行n次抽样后，利用代理模型对得到的n组抽样变量进行计算，得到修复结构的可靠性数值，至少部分地克服了相关技术由于只利用单一的方式确定修复结构的可靠性数值，而带来的可靠性分析耗时长、分析效率低的问题，从而达到了缩短可靠性分析耗时、提高可靠性分析效率的技术效果。
[0138]
根据本公开的实施例，第二确定模块可以包括第一输入单元、第一确定单元、第一结果单元。
[0139]
第一输入单元，用于将n组抽样变量输入到响应面函数中，输出n个表征修复结构的修复能力的函数值。
[0140]
第一确定单元，用于根据n个函数值，确定修复结构的失效概率。
[0141]
第一结果单元，用于根据可靠性数值与失效概率之间的关系，得到修复结构的可靠性数值。
[0142]
根据本公开的实施例，第一确定单元可以包括比较子单元、计算子单元。
[0143]
比较子单元，用于将n个函数值分别与预设阈值进行比较，以从n个函数值中确定小于预设阈值的m个目标函数值，m为小于n的正整数。
[0144]
计算子单元，用于计算m与n的比值，得到失效概率。
[0145]
根据本公开的实施例，第一结果单元可以包括构建子单元、输入子单元。
[0146]
构建子单元，用于基于可靠性数值与失效概率加和为预设值的关系，构建修复结构的可靠性函数。
[0147]
输入子单元，用于将失效概率输入到修复结构的可靠性函数中，输出修复结构的可靠性数值。
[0148]
根据本公开的实施例，修复复合材料受损结构的修复结构的可靠性分析装置还可以包括选取模块、赋予模块、提取模块、拟合模块。
[0149]
选取模块，用于基于预设选取策略，从随机变量的分布空间中选取目标试验点。
[0150]
赋予模块，用于基于目标试验点与预设极限状态点之间的距离，为目标试验点赋予权重，得到试验点权重矩阵，其中，极限状态是可靠状态与失效状态的分界线。
[0151]
提取模块，用于基于目标试验点数据，以及对应修复结构的参数化建模脚本，完成各目标试验点的自动化有限元仿真和响应数据提取，得到试验点有限元响应数据矩阵。
[0152]
拟合模块，用于基于目标试验点和试验点有限元响应数据矩阵，以及试验点权重矩阵，利用最小二乘法对响应面函数进行拟合，得到函数参数。
[0153]
根据本公开的实施例，选取模块可以包括第二确定单元、构建单元、选取单元。
[0154]
第二确定单元，用于基于与随机变量各自对应的概率分布，确定随机变量抽样中心。
[0155]
构建单元，用于基于随机变量抽样中心，构建多维坐标系，得到随机变量坐标系，多维坐标系的坐标系维度与随机变量的个数一致。
[0156]
选取单元，用于基于预设偏移距离系数，在随机变量坐标系上选取与随机变量抽样中心具有预设偏移距离系数的多个试验点，得到目标试验点。
[0157]
根据本公开的实施例，第一确定模块可以包括第三确定单元、第四确定单元。
[0158]
第三确定单元，用于在修复需求为在第一时长阈值内有效的情况下，修复受损结构的修复方式为挖补修复。
[0159]
第三确定单元，用于在修复需求为在第二时长阈值内有效的情况下，修复受损结构的修复方式为贴补修复，其中，第二时长阈值小于第一时长阈值。
[0160]
根据本公开的实施例，第一确定模块410、获取模块420、抽样模块430和第二确定模块440中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，第一确定模块410、获取模块420、抽样模块430和第二确定模块440中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(fpga)、可编程逻辑阵列(pla)、片上系统、基板上的系统、封装上的系统、专用集成电路(asic)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，第一确定模块410、获取模块420、抽样模块430和第二确定模块440中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。
[0161]
需要说明的是，本公开的实施例中用于分析修复结构可靠性的装置部分与本公开的实施例中用于分析修复结构可靠性的方法部分是相对应的，用于分析修复结构可靠性的装置部分的描述具体参考用于分析修复结构可靠性的方法部分，在此不再赘述。
[0162]
图5示意性示出了根据本公开实施例的适于实现修复复合材料受损结构的修复结构的可靠性分析方法的电子设备的方框图。
[0163]
如图5所示，根据本公开实施例的电子设备500包括处理器501，其可以根据存储在只读存储器(rom)502中的程序或者从存储部分508加载到随机访问存储器(ram)503中的程序而执行各种适当的动作和处理。处理器501例如可以包括通用微处理器(例如cpu)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(asic))等等。处理器501还可以包括用于缓存用途的板载存储器。处理器501可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。
[0164]
在ram 503中，存储有电子设备500操作所需的各种程序和数据。处理器501、rom 502以及ram 503通过总线504彼此相连。处理器501通过执行rom 502和/或ram 503中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除rom 502和ram 503以外的一个或多个存储器中。处理器501也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。
[0165]
根据本公开的实施例，电子设备500还可以包括输入/输出(i/o)接口505，输入/输出(i/o)接口505也连接至总线504。电子设备500还可以包括连接至输入/输出(i/o)接口505的以下部件中的一项或多项：包括键盘、鼠标等的输入部分506；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分507；包括硬盘等的存储部分508；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至输入/输出(i/o)接口505。可拆卸介质511，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器510上，以便于从其上读出的计算机程序根据需要被安装入存储部分508。
[0166]
本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的方法。
[0167]
根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的rom 502和/或ram 503和/或rom 502和ram 503以外的一个或多个存储器。
[0168]
本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的修复复合材料受损结构的修复结构的可靠性分析方法。
[0169]
在该计算机程序被处理器501执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。
[0170]
在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分509被下载和安装，和/或从可拆卸介质511被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。
[0171]
在这样的实施例中，该计算机程序可以通过通信部分509从网络上被下载和安装，和/或从可拆卸介质511被安装。在该计算机程序被处理器501执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。
[0172]
根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。程序设计语言包括但不限于诸如java，c++，python，“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(lan)或广域网(wan)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。
[0173]
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所
标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
[0174]
本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。
[0175]
以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

技术特征：
1.一种修复复合材料受损结构的修复结构的可靠性分析方法，包括：根据复合材料的受损结构的属性数据，确定修复所述受损结构的修复方式；根据所述修复方式，获取修复结构的特征变量，以及所述特征变量中存在随机性的随机变量，其中，所述修复结构用于修复所述受损结构；根据与所述随机变量各自对应的概率分布，对所述随机变量进行重复n次抽样，得到n组抽样变量，n为正整数；将所述n组抽样变量输入到代理模型中，并根据所述代理模型的输出结果，确定所述修复结构的可靠性数值。2.根据权利要求1所述的方法，其中，所述代理模型是基于响应面函数构建的；所述将所述n组抽样变量输入到代理模型中，并根据所述代理模块的输出结果，确定所述修复结构的可靠性数值包括：将n组所述抽样变量输入到响应面函数中，输出n个表征所述修复结构的修复能力的函数值；根据n个所述函数值，确定所述修复结构的失效概率；根据可靠性数值与所述失效概率之间的关系，得到所述修复结构的可靠性数值。3.根据权利要求2所述的方法，其中，所述根据n个所述函数值，确定所述修复结构的失效概率包括：将n个所述函数值分别与预设阈值进行比较，以从n个所述函数值中确定小于所述预设阈值的m个目标函数值，m为小于n的正整数；计算m与n的比值，得到所述失效概率。4.根据权利要求2所述的方法，其中，根据可靠性数值与所述失效概率之间的关系，得到所述修复结构的可靠性数值包括：基于所述可靠性数值与所述失效概率加和为预设值的关系，构建所述修复结构的可靠性函数；将所述失效概率输入到所述修复结构的可靠性函数中，输出所述修复结构的可靠性数值。5.根据权利要求2所述的方式，其中，所述响应面函数中配置有函数参数，所述函数参数是通过如下方式获得：基于预设选取策略，从所述随机变量的分布空间中选取目标试验点；基于所述目标试验点与预设极限状态点之间的距离，为所述目标试验点赋予权重，得到试验点权重矩阵，其中，所述极限状态是可靠状态与失效状态的分界线；基于所述目标试验点数据，以及对应所述修复结构的参数化建模脚本，完成各目标试验点的自动化有限元仿真和响应数据提取，得到试验点有限元响应数据矩阵；基于所述目标试验点和所述试验点有限元响应数据矩阵，以及所述试验点权重矩阵，利用最小二乘法对所述响应面函数进行拟合，得到所述函数参数。6.根据权利要求5所述的方法，其中，基于预设选取策略，从所述随机变量中选取目标试验点包括：基于与所述随机变量各自对应的概率分布，确定随机变量抽样中心；基于所述随机变量抽样中心，构建多维坐标系，得到随机变量坐标系，所述多维坐标系
的坐标系维度与所述随机变量的个数一致；基于预设偏移距离系数，在所述随机变量坐标系上选取与所述随机变量抽样中心具有所述预设偏移距离系数的多个试验点，得到所述目标试验点。7.根据权利要求1所述的方法，其中，所述复合材料受损结构的属性数据包括修复需求；所述根据复合材料的受损结构的属性数据，确定修复所述受损结构的修复方式包括：在所述修复需求为在第一时长阈值内有效的情况下，修复所述受损结构的修复方式为挖补修复；在所述修复需求为在第二时长阈值内有效的情况下，修复所述受损结构的修复方式为贴补修复，其中，所述第二时长阈值小于第一时长阈值。8.根据权利要求1所述的方法，其中，所述修复结构的特征变量包括所述修复结构的材料属性，所述修复结构的材料属性与所述受损结构的材料属性相关联；所述受损结构的材料属性包括以下至少之一：所述受损结构的弹性常数变量、所述受损结构的强度参数变量；所述受损结构的弹性常数变量包括以下至少之一：所述受损结构沿复合材料纤维轴轴向方向的第一弹性模量、所述受损结构的平面内垂直于复合材料纤维轴轴向方向的第二弹性模量、剪切模量、泊松比；所述受损结构的强度参数变量包括以下至少之一：纵向拉伸强度、纵向压缩强度、横向拉伸强度、横向压缩强度、剪切强度。9.根据权利要求8所述的方法，其中，所述修复结构的特征变量还包括所述修复结构的几何特征数据；在所述修补方式为挖补修复的情况下，所述修复结构的几何特征数据包括以下至少之一：挖补角度、胶层厚度、修复补片和所述受损结构的相对偏转角；在所述贴补方式为挖补修复的情况下，所述修复结构的几何特征数据包括以下至少之一：贴补补片的铺层顺序、补片厚度、胶层厚度、补片直径。10.根据权利要求9所述的方法，其中，所述随机变量包括以下至少之一：在所述修补方式为挖补修复的情况下，所述随机变量包括以下至少之一：外力载荷、所述挖补角度、所述胶层厚度、所述修复补片和所述受损结构的相对偏转角；在所述修补方式为挖补修复的情况下，所述随机变量包括以下至少之一：外力载荷、所述胶层厚度、所述补片厚度、所述补片直径。11.根据权利要求1所述的方法，其中，与所述随机变量各自对应的概率分布的分布类型包括以下至少之一：正态分布、对数正态分布、泊松分布。12.一种修复复合材料的受损结构的修复结构的可靠性分析装置，包括：第一确定模块，用于根据复合材料受损结构的属性数据，确定修复所述受损结构的修复方式；获取模块，用于根据所述修复方式，获取修复结构的特征变量，以及所述特征变量中存在随机性的随机变量，其中，所述修复结构用于修复所述受损结构；抽样模块，用于根据与所述随机变量各自对应的概率分布，对所述随机变量进行重复n次抽样，得到n组抽样变量，n为正整数；
第二确定模块，用于将所述n组抽样变量输入到代理模型中，并根据所述代理模型的输出结果，确定所述修复结构的可靠性数值。13.一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器执行根据权利要求1～11中任一项所述的方法。14.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时使处理器执行根据权利要求1～11中任一项所述的方法。15.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1～11中任一项所述的方法。

技术总结
本公开提供了一种修复复合材料受损结构的修复结构的可靠性分析方法，可以应用于复合材料修复技术领域。该方法包括：根据复合材料受损结构的属性数据，确定修复受损结构的修复方式；根据修复方式，获取修复结构的特征变量，以及特征变量中存在随机性的随机变量，其中，修复结构用于修复受损结构；根据与随机变量各自对应的概率分布，对随机变量进行重复N次抽样，得到N组抽样变量，N为正整数；将N组抽样变量输入到代理模型中，并根据代理模型的输出结果，确定修复结构的可靠性数值。确定修复结构的可靠性数值。确定修复结构的可靠性数值。


技术研发人员：姚学锋 闫涵 符彬 汪愿 孙运刚
受保护的技术使用者：国营芜湖机械厂
技术研发日：2023.07.25
技术公布日：2023/10/15