Reliability allocation using probabilistic analytical target cascading with efficient uncertainty propagation

• Autorzy: Jiang G. , Zhu M. , Wu Z.

Warianty tytułu

PL

Alokacja niezawodności z wykorzystaniem probabilistycznej metody analitycznego kaskadowania celów zapewniająca wydajną propagację niepewności

• Języki publikacji: EN

Abstrakty

EN

Analytical target cascading (ATC) provides a systematic approach in solving reliability allocation problems for large scale system consisting of a large number of subsystems, modules and components. However, variability and uncertainty in design variables (e.g., component reliability) are usually inevitable, and when they are taken into consideration, the multi-level optimization will be very complicated. The impacts of uncertainty on system reliability are considered in this paper within the context of probabilistic ATC (PATC) formulation. The challenge is to reformulate constraints probabilistically and estimate uncertainty propagation throughout the hierarchy since outputs of subsystems at lower levels constitute inputs of subsystems at higher levels. The performance measure approach (PMA) and the performance moment integration (PMI) method are used to deal with the two objectives respectively. To accelerate the probabilistic optimization in each subsystem, a unified framework for integrating reliability analysis and moment estimation is proposed by incorporating PATC with single-loop method. It converts the probabilistic optimization problem into an equivalent deterministic optimization problem. The computational efficiency is remarkably improved as the lack of iterative process during uncertainty analysis. A nonlinear geometric programming example and a reliability allocation example are used to demonstrate the efficiency and accuracy of the proposed method.

PL

Analityczne kaskadowanie celów (ATC) stanowi systematyczne podejście do rozwiązywania zagadnień alokacji niezawodności dotyczących systemów wielkoskalowych składających się z dużej liczby podsystemów, modułów i elementów składowych. Jednakże zmienność i niepewność zmiennych projektowych (np. niezawodności elementów składowych) są zazwyczaj nieuniknione, a gdy weźmie się je pod uwagę, optymalizacja wielopoziomowa staje się bardzo skomplikowana. W prezentowanym artykule, wpływ niepewności na niezawodność systemu rozważano w kontekście formuły probabilistycznego ATC (PATC). Wyzwanie polegało na probabilistycznym przeformułowaniu ograniczeń oraz ocenie propagacji niepewności w całej hierarchii, jako że wyjścia podsystemów na niższych poziomach stanowią wejścia podsystemów na poziomach wyższych. Cele te realizowano, odpowiednio, przy użyciu metody minimum funkcji granicznej (performance measure approach, PMA) oraz metody całkowania momentów statystycznych funkcji granicznej (performance moment integration, PMI). W celu przyspieszenia probabilistycznej optymalizacji w każdym podsystemie, zaproponowano ujednolicone ramy pozwalające na integrację analizy niezawodności z oceną momentów statystycznych poprzez połączenie PATC z metodą jednopoziomową (pojedynczej pętli, single-loop method). Zaproponowana metoda polega na przekształceniu probabilistycznego zagadnienia optymalizacyjnego na deterministyczne zagadnienie optymalizacyjne. Zwiększa to znacznie wydajność obliczeniową w związku z brakiem procesu iteratywnego podczas analizy niepewności. Wydajność i trafność proponowanej metody wykazano na podstawie przykładów dotyczących programowania nieliniowego geometrycznego oraz alokacji niezawodności.

Słowa kluczowe

EN

optimal reliability allocation; hierarchical decomposition; probabilistic analytical target cascading; uncertainty propagation

PL

optymalna alokacja niezawodności; dekompozycja hierarciczna; probabilistyczna metoda analitycznego kaskadowania celów; propagacja niepewności

• Wydawca: Polskie Naukowo-Techniczne Towarzystwo Eksploatacyjne
• Czasopismo: Eksploatacja i Niezawodność
• Rocznik: 2012
• Tom: Vol. 14, No. 4
• Strony: 270--277
• Opis fizyczny: Bibliogr. 21 poz.

Twórcy

autor

Jiang G.

autor

Zhu M.

autor

Wu Z.

• School of Aeronautics and Engineering Beijing University of Aeronautics and Astronautics Beijing, 100191, P. R. China,

Bibliografia

• 1. Chan K Y, Kokkolaras M, Papalambros P, Skerlos S J, Mourelatos Z. Propagation of uncertainty in optimal design of multilevel systems:piston-ring/cylinder-liner case study. SAE trasactions 2004; 113(5):719–723.
• 2. Coit D W, Jin T, Wattanapongsakorn N. System optimization with component reliability estimation uncertainty: a multi-Criteria approach.IEEE transactions on reliability 2004; 53(3): 369–380.
• 3. Du X P, Chen W. Towards a better understanding of modeling feasibility robustness in engineering design. Journal of Mechanical Design 2000; 122(4):385–394.
• 4. Guo Z W, Bai G C. Reliability allocation using analytical target cascading method. IEEE 16th International Conference on Industrial Engineering and Engineering Management 2009.
• 5. Haldar A, Mahadevan S. Probability, reliability and statistical methods in engineering design. John Wiley & Sons, 2000.
• 6. Han J. Sequential linear programming coordination strategy for deterministic and probabilistic analytical target cascading. Ph.D. dissertation, Michigan: University of Michigan, 2008.
• 7. Hassan R, Crossley W. Spacecraft reliability-based design optimization under uncertainty including discrete variables. Journal of Spacecraft and Rockets 2008; 45(2): 394–405.
• 8. Kim H M. Target cascading in optimal system design. Ph.D. dissertation, Michigan: University of Michigan, 2001.
• 9. Kim H M, Chen W, Wiecek M, 2005. Lagrangian coordination for enhancing the convergence of analytical target cascading. AIAA Journal 2006; 44(10): 2197–2207.
• 10. Kokkolaras M, Mourelatos Z P, Papalambros P Y. Design optimization of hierarchically decomposed multilevel systems under uncertainty. Proceedings of 2004 ASME Design Engineering Technical Conferences: 30th Design Automation Conference 2004.
• 11. Kokkolaras M. Reliability allocation in probabilistic design optimization of decomposed systems using analytical target cascading. 12th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference 2006.
• 12. Lee S H, Chen W. A comparative study of uncertainty propagation methods for black-box type functions. Proceedings of the ASME 2007 International Design Engineering Technical Conferences & Computers and Information in Engineering Conference 2007.
• 13. Liang J, Mourelatos Z P, Tu J. A single-loop method for reliability-based design optimization. Proceedings of ASME Design Engineering Technical Conferences 2004.
• 14. Liu H, Chen W, Kokkolaras M, Papalambros P, Kim H M. Probabilistic analytical target cascading: a moment matching formulation for multilevel optimization under uncertainty. Journal of Mechanical Design 2006;128(4):991–1000.
• 15. Michalek J J, Papalambros P Y. An efficient weighting update method to achieve acceptable inconsistency deviation in analytical target cascading. Journal of Mechanical Design 2005; 127(2): 206–214.
• 16. Reddy M V, Granhdi R V, Hopkins D A, Reliability based structural optimization: a simplified safety index approach. Computers and Structures 1994; 53(6):1407–1418.
• 17. Tosserams S, Kokkolaras M, Etman L F P, Rooda J E. Extension of analytical target cascading using augmented lagrangian coordination for multidisciplinary design. 12th AIAA/ISSMO Multidisciplinary Analysis and Optimization Conference 2008.
• 18. Tu J, Choi K K, Park Y H, A new study on reliability-based design optimization. Journal of Mechanical Design 1999; 121(4):557–564.
• 19. Youn B D, Choi K K, Yi K Y. Performance moment integration (PMI) method for quality assessment in reliability-based robust design optimization. Mechanics Based Design of Structures and Machines 2005; 33(2): 185-213.
• 20. Zhang K S, Li W J, Wei H Y. A new method for optimum allocation of design requirements in aircraft conceptual design. Chinese Journal of Aeronautics 2006; 19(3): 203–211.
• 21. Zhang X L, Huang H Z, Liu Y. A hierarchical decomposition approach for large system reliability allocation. Eksploatacja i Niezawodnosc – Maintenance and Reliability 2009; 3: 32–37.