Documents disponibles écrits par cet auteur

Bayesian model updating using hybrid monte carlo simulation with application to structural dynamic models with many uncertain parameters / Sai Hung Cheung in Journal of engineering mechanics, Vol. 135 N° 4 (Avril 2009) 

Public ISBD [article]  in Journal of engineering mechanics > Vol. 135 N° 4 (Avril 2009) . - pp. 243-255 Titre : Bayesian model updating using hybrid monte carlo simulation with application to structural dynamic models with many uncertain parameters Type de document : texte imprimé Auteurs : Sai Hung Cheung, Auteur ; James L. Beck, Auteur Article en page(s) : pp. 243-255 Note générale : Mécanique appliquée Langues : Anglais (eng) Mots-clés : Bayesian  analysis  Identification  Simulation  Structural  dynamics  Hybrid  methods  Monte  Carlo  method. Résumé : In recent years, Bayesian model updating techniques based on measured data have been applied to system identification of structures and to structural health monitoring. A fully probabilistic Bayesian model updating approach provides a robust and rigorous framework for these applications due to its ability to characterize modeling uncertainties associated with the underlying structural system and to its exclusive foundation on the probability axioms. The plausibility of each structural model within a set of possible models, given the measured data, is quantified by the joint posterior probability density function of the model parameters. This Bayesian approach requires the evaluation of multidimensional integrals, and this usually cannot be done analytically. Recently, some Markov chain Monte Carlo simulation methods have been developed to solve the Bayesian model updating problem. However, in general, the efficiency of these proposed approaches is adversely affected by the dimension of the model parameter space. In this paper, the Hybrid Monte Carlo method is investigated (also known as Hamiltonian Markov chain method), and we show how it can be used to solve higher-dimensional Bayesian model updating problems. Practical issues for the feasibility of the Hybrid Monte Carlo method to such problems are addressed, and improvements are proposed to make it more effective and efficient for solving such model updating problems. New formulae for Markov chain convergence assessment are derived. The effectiveness of the proposed approach for Bayesian model updating of structural dynamic models with many uncertain parameters is illustrated with a simulated data example involving a ten-story building that has 31 model parameters to be updated. DEWEY : 620.1 ISSN : 0733-9399 En ligne : http://ascelibrary.aip.org/getabs/servlet/GetabsServlet?prog=normal&id=JENMDT000 [...] [article] Bayesian model updating using hybrid monte carlo simulation with application to structural dynamic models with many uncertain parameters [texte imprimé] / Sai Hung Cheung, Auteur ; James L. Beck, Auteur . - pp. 243-255. Mécanique appliquée Langues : Anglais (eng) in Journal of engineering mechanics > Vol. 135 N° 4 (Avril 2009) . - pp. 243-255 Mots-clés : Bayesian  analysis  Identification  Simulation  Structural  dynamics  Hybrid  methods  Monte  Carlo  method. Résumé : In recent years, Bayesian model updating techniques based on measured data have been applied to system identification of structures and to structural health monitoring. A fully probabilistic Bayesian model updating approach provides a robust and rigorous framework for these applications due to its ability to characterize modeling uncertainties associated with the underlying structural system and to its exclusive foundation on the probability axioms. The plausibility of each structural model within a set of possible models, given the measured data, is quantified by the joint posterior probability density function of the model parameters. This Bayesian approach requires the evaluation of multidimensional integrals, and this usually cannot be done analytically. Recently, some Markov chain Monte Carlo simulation methods have been developed to solve the Bayesian model updating problem. However, in general, the efficiency of these proposed approaches is adversely affected by the dimension of the model parameter space. In this paper, the Hybrid Monte Carlo method is investigated (also known as Hamiltonian Markov chain method), and we show how it can be used to solve higher-dimensional Bayesian model updating problems. Practical issues for the feasibility of the Hybrid Monte Carlo method to such problems are addressed, and improvements are proposed to make it more effective and efficient for solving such model updating problems. New formulae for Markov chain convergence assessment are derived. The effectiveness of the proposed approach for Bayesian model updating of structural dynamic models with many uncertain parameters is illustrated with a simulated data example involving a ten-story building that has 31 model parameters to be updated. DEWEY : 620.1 ISSN : 0733-9399 En ligne : http://ascelibrary.aip.org/getabs/servlet/GetabsServlet?prog=normal&id=JENMDT000 [...]

Domain Decomposition Method for Calculating the Failure Probability of Linear Dynamic Systems Subjected to Gaussian Stochastic Loads / Katafygiotis, L. S. in Journal of engineering mechanics, Vol. 132 N°5 (Mai 2006) 

Public ISBD [article]  in Journal of engineering mechanics > Vol. 132 N°5 (Mai 2006) . - 475-486 p. Titre : Domain Decomposition Method for Calculating the Failure Probability of Linear Dynamic Systems Subjected to Gaussian Stochastic Loads Titre original : Méthode de Décomposition de Domaine pour Calculer la Probabilité d'Echec des Systèmes Dynamiques Linéaires Soumis aux Charges Stochastiques Gaussiennes Type de document : texte imprimé Auteurs : Katafygiotis, L. S., Auteur ; Schueller, Gerhart L., Editeur scientifique ; Sai Hung Cheung, Auteur Article en page(s) : 475-486 p. Note générale : Génie Mécanique Langues : Anglais (eng) Mots-clés : Structural  reliability  Failures  Vibration  Simulation  Probability  Stochastic  processes  Decomposition  Fiabilité  structurale  Echecs  Probabilité  Processus  stochastiques Index. décimale : 621.34 Résumé : In this paper the problem of calculating the probability of failure of linear dynamic systems subjected to random vibrations is considered. This is a very important and challenging problem in structural reliability. The failure domain in this case can be described as a union of linear failure domains whose boundaries are hyperplanes. Each linear limit state function can be completely described by its own design point, which can be analytically determined, allowing for an exact analytical calculation of the corresponding failure probability. The difficulty in calculating the overall failure probability arises from the overlapping of the different linear failure domains, the degree of which is unknown and needs to be determined. A novel robust reliability methodology, referred to as the domain decomposition method (DDM), is proposed to calculate the probability that the response of a linear system exceeds specified target thresholds. It exploits the special structure of the failure domain, given by the union of a large number of linear failure regions, to obtain an extremely efficient and highly accurate estimate of the failure probability. The number of dynamic analyses to be performed in order to determine the failure probability is as low as the number of independent random excitations driving the system. Furthermore, calculating the reliability of the same structure under different performance objectives does not require any additional dynamic analyses. Two numerical examples are given demonstrating the proposed method, both of which show that the method offers dramatic improvement over standard Monte Carlo simulations, while a comparison with the ISEE algorithm shows that the DDM is at least as efficient as the ISEE. En cet article le problème de calculer la probabilité de l'échec des systèmes dynamiques linéaires soumis aux vibrations aléatoires est considéré. C'est un problème très important et provocant dans la fiabilité structurale. Le domaine d'échec dans ce cas-ci peut être décrit comme union des domaines linéaires d'échec dont les frontières sont des hyperplans. Chaque fonction linéaire d'état de limite peut être complètement décrite par son propre point de conception, qui peut être analytiquement déterminé, tenant compte d'un calcul analytique exact de la probabilité correspondante d'échec. La difficulté en calculant la probabilité globale d'échec résulte du recouvrement des différents domaines linéaires d'échec, dont le degré est inconnu et doit être déterminé. On propose une méthodologie robuste de fiabilité de roman, désignée sous le nom de la méthode de décomposition de domaine (DDM), pour calculer la probabilité que la réponse d'un système linéaire excède les seuils indiqués de cible. Elle exploite la structure spéciale du domaine d'échec, donnée par l'union d'un grand nombre de régions linéaires d'échec, pour obtenir une évaluation extrêmement efficace et fortement précise de la probabilité d'échec. Le nombre d'analyses dynamiques à exécuter afin de déterminer la probabilité d'échec est aussi bas que le nombre d'excitations aléatoires indépendantes conduisant le système. En outre, le calcul de la fiabilité de la même structure sous différents objectifs d'exécution n'exige aucune analyse dynamique additionnelle. Deux exemples numériques sont donnés démontrant la méthode proposée, dont toutes les deux prouvent que la méthode offre à excédent dramatique d'amélioration des simulations standard de Monte Carlo, alors qu'une comparaison avec l'algorithme d'ISEE prouve que le DDM est au moins aussi efficace que l'ISEE. En ligne : lambros@ust.hk, sai@caltech.edu [article] Domain Decomposition Method for Calculating the Failure Probability of Linear Dynamic Systems Subjected to Gaussian Stochastic Loads = Méthode de Décomposition de Domaine pour Calculer la Probabilité d'Echec des Systèmes Dynamiques Linéaires Soumis aux Charges Stochastiques Gaussiennes [texte imprimé] / Katafygiotis, L. S., Auteur ; Schueller, Gerhart L., Editeur scientifique ; Sai Hung Cheung, Auteur . - 475-486 p. Génie Mécanique Langues : Anglais (eng) in Journal of engineering mechanics > Vol. 132 N°5 (Mai 2006) . - 475-486 p. Mots-clés : Structural  reliability  Failures  Vibration  Simulation  Probability  Stochastic  processes  Decomposition  Fiabilité  structurale  Echecs  Probabilité  Processus  stochastiques Index. décimale : 621.34 Résumé : In this paper the problem of calculating the probability of failure of linear dynamic systems subjected to random vibrations is considered. This is a very important and challenging problem in structural reliability. The failure domain in this case can be described as a union of linear failure domains whose boundaries are hyperplanes. Each linear limit state function can be completely described by its own design point, which can be analytically determined, allowing for an exact analytical calculation of the corresponding failure probability. The difficulty in calculating the overall failure probability arises from the overlapping of the different linear failure domains, the degree of which is unknown and needs to be determined. A novel robust reliability methodology, referred to as the domain decomposition method (DDM), is proposed to calculate the probability that the response of a linear system exceeds specified target thresholds. It exploits the special structure of the failure domain, given by the union of a large number of linear failure regions, to obtain an extremely efficient and highly accurate estimate of the failure probability. The number of dynamic analyses to be performed in order to determine the failure probability is as low as the number of independent random excitations driving the system. Furthermore, calculating the reliability of the same structure under different performance objectives does not require any additional dynamic analyses. Two numerical examples are given demonstrating the proposed method, both of which show that the method offers dramatic improvement over standard Monte Carlo simulations, while a comparison with the ISEE algorithm shows that the DDM is at least as efficient as the ISEE. En cet article le problème de calculer la probabilité de l'échec des systèmes dynamiques linéaires soumis aux vibrations aléatoires est considéré. C'est un problème très important et provocant dans la fiabilité structurale. Le domaine d'échec dans ce cas-ci peut être décrit comme union des domaines linéaires d'échec dont les frontières sont des hyperplans. Chaque fonction linéaire d'état de limite peut être complètement décrite par son propre point de conception, qui peut être analytiquement déterminé, tenant compte d'un calcul analytique exact de la probabilité correspondante d'échec. La difficulté en calculant la probabilité globale d'échec résulte du recouvrement des différents domaines linéaires d'échec, dont le degré est inconnu et doit être déterminé. On propose une méthodologie robuste de fiabilité de roman, désignée sous le nom de la méthode de décomposition de domaine (DDM), pour calculer la probabilité que la réponse d'un système linéaire excède les seuils indiqués de cible. Elle exploite la structure spéciale du domaine d'échec, donnée par l'union d'un grand nombre de régions linéaires d'échec, pour obtenir une évaluation extrêmement efficace et fortement précise de la probabilité d'échec. Le nombre d'analyses dynamiques à exécuter afin de déterminer la probabilité d'échec est aussi bas que le nombre d'excitations aléatoires indépendantes conduisant le système. En outre, le calcul de la fiabilité de la même structure sous différents objectifs d'exécution n'exige aucune analyse dynamique additionnelle. Deux exemples numériques sont donnés démontrant la méthode proposée, dont toutes les deux prouvent que la méthode offre à excédent dramatique d'amélioration des simulations standard de Monte Carlo, alors qu'une comparaison avec l'algorithme d'ISEE prouve que le DDM est au moins aussi efficace que l'ISEE. En ligne : lambros@ust.hk, sai@caltech.edu