Tarea N°3 - Confiabilidad Estructural

Tarea N5
Viernes 22 de noviembre de 2013
EJERCICIO
Se pide analizar la confiabilidad de un sistema estructural.
Para la resolucin de esta Tarea, se adoptaron dos maneras diferentes de obtener las
probabilidades de falla para cada situacin y los correspondientes parmetros asociados
(ndice de confiabilidad).
Primero se procedi a resolver por el mtodo de simulacin Monte Carlo, para lo cual se
generaron 1.000.000 de variables aleatorios con distribucin normal para cada variable del
problema. Para ver la implementacin realizada y el procedimiento de clculo ver en Anexo
Simulacin Monte Carlo.
Los resultados obtenidos de esta manera fueron:
(1)
Probabilidad de falla: 0.0257%

ndice de confiabilidad asociado: 3.4734
(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

A continuacin se muestra grficamente la correlacin existente entre las variables de

acuerdo a los coeficientes de correlacin dados:
Figura N1: Correlacin entre M1 y M2.
Figura N4: Correlacin entre G1 y G2.
Figura N7: Correlacin entre K1 y K2.
Luego, el segundo mtodo utilizado para obtener los resultados de probabilidad de falla en
cada situacin y el ndice de confiabilidad asociado fue el Mtodo de Rackwitz-Fiessler.
Para calcular el ndice de confiabilidad Rackwitz-Fiessler para poder estimar la probabilidad
de falla se procede de la siguiente manera iterativa:
-
Elegir Xi* ta que g(Xi*)=0, aqu se comenz por las medias de cada variable
Calcular
Luego calculamos * +
Calcular
Se calculan los factores
Se calcula
Luego
}* +
* +
es tal que (
* +
* +
* +
(factores de sensibilidad)
(para n-1 variables)
Se itera desde el paso 2 en adelante hasta que
converja.
Dado esto se obtuvo los resultados pedidos. Para ver con mayor detalle el procedimiento realizado ver
en Anexo Rackwitz-Fiessler. Para los ejercicios (4), (8), (9) y (10) que corresponden a las evaluaciones en
los Estados Lmite se realiz la siguiente operacin de acuerdo al Captulo 9 del texto gua del curso.
Para sistemas en serie, falla uno falla todo.
Para sistemas en paralelo.
Entonces la primera ecuacin nos servir para los estados lmite I, II y III y la segunda ecuacin para el
estado lmite IV.
Los resultados obtenidos de esta manera fueron:

(1) Probabilidad de falla: 0.024295%
Anexos
Rutinas Matlab
Simulacin Monte Carlo
%% Para M
muM1=0.0355;
muM2=0.0355;
muM3=0.0311;
VM1=0.08;
VM2=VM1;
VM3=VM1;
rhoM=0.5;
sigmaM1=muM1*VM1;
sigmaM2=muM2*VM2;
sigmaM3=muM3*VM3;
COV_M1M2=rhoM*sigmaM1*sigmaM2;
COV_M1M1=sigmaM1^2;
COV_M2M2=sigmaM2^2;
COV_M3M3=sigmaM3^2;
%Matriz de covarianzas de M
CM=[COV_M1M1,COV_M1M2,COV_M1M3;
COV_M1M2,COV_M2M2,COV_M2M3;
COV_M1M3,COV_M2M3,COV_M3M3];
%Las varibales son todas noramales por lo que procedemos a obtener
%directamente los valores y vectores propios de covarianza. Al igual como
%se realiz en la Tarea N2
[T,Varianzas]=eig(CM);
medias=T'*[muM1;muM2;muM3];
s1=sqrt(Varianzas(1,1));
N=1000000; %Valores y simulacin a generar
A1=normrnd(medias(1),s1,N,1);
G=[A1';A2';A3'];
x=T*G;
M1=x(1,:);
M2=x(2,:);
M3=x(3,:);
%% Para K:
muK1=100;
muK2=83;
muK3=50;
VK1=0.05;
VK2=0.05;
VK3=0.05;
rhoK=0.65;
sigmaK1=muK1*VK1;
sigmaK2=muK2*VK2;
sigmaK3=muK3*VK3;
COV_K1K2=rhoK*sigmaK1*sigmaK2;
COV_K1K1=sigmaK1^2;
COV_K2K2=sigmaK2^2;
COV_K3K3=sigmaK3^2;
CK=[COV_K1K1,COV_K1K2,COV_K1K3;
COV_K1K2,COV_K2K2,COV_K2K3;
COV_K1K3,COV_K2K3,COV_K3K3];
[T,Varianzas]=eig(CK);
medias=T'*[muK1;muK2;muK3];
G=[A1';A2';A3'];
x=T*G;
K1=x(1,:);
K2=x(2,:);
K3=x(3,:);
%% Para G
muG1=981;
muG2=981;
muG3=981;
VG1=0.35;
VG2=0.35;
VG3=0.35;
rhoG=0.80;
sigmaG1=muG1*VG1;
sigmaG2=muG2*VG2;
sigmaG3=muG3*VG3;
COV_G1G2=rhoG*sigmaG1*sigmaG2;
COV_G1G1=sigmaG1^2;
COV_G2G2=sigmaG2^2;
COV_G3G3=sigmaG3^2;
CG=[COV_G1G1,COV_G1G2,COV_G1G3;
COV_G1G2,COV_G2G2,COV_G2G3;
COV_G1G3,COV_G2G3,COV_G3G3];
[T,Varianzas]=eig(CG);
medias=T'*[muG1;muG2;muG3];
G=[A1';A2';A3'];
x=T*G;
G1=x(1,:);
G2=x(2,:);
G3=x(3,:);
%Se generan las variables delta, A, F.
for i=1:N
F1(i)=((M1(i)+M2(i)+M3(i))*G1(i))/6;
F2(i)=((M1(i)+M2(i)+M3(i))*G2(i))/3;
F3(i)=((M1(i)+M2(i)+M3(i))*G3(i))/2;
delta1(i)=(F1(i)+F2(i)+F3(i))/K1(i);
delta2(i)=(F2(i)+F3(i))/K2(i);
delta3(i)=F3(i)/K3(i);
A1(i)=F1(i)/M1(i);
A2(i)=F2(i)/M2(i);
A3(i)=F3(i)/M3(i);
end
%% Contador de casos de falla
cont=linspace(0,0,10);
for j=1:N
aux1=0;
aux2=0;
%(1)
if delta1(j)>2.3
cont(1)=cont(1)+1;
end
%(2)
if delta2(j)>2.3
cont(2)=cont(2)+1;
end
%(3)
if delta3(j)>2.3
cont(3)=cont(3)+1;
end
%(4)
if delta1(j)>2.3 || delta2(j)>2.3 || delta3(j)>2.3
cont(4)=cont(4)+1;
aux1=1;
end
%(5)
if A1(j)>1.1*981
cont(5)=cont(5)+1;
end
%(6)
if A2(j)>2.2*981
cont(6)=cont(6)+1;
end
%(7)
10
if A3(j)>3.8*981
cont(7)=cont(7)+1;
end
%(8)
if A1(j)>1.1*981 || A2(j)>2.2*981 || A3(j)>3.8*981
cont(8)=cont(8)+1;
aux2=1;
end
%(9)
if aux1~=0 || aux2~=0
cont(9)=cont(9)+1;
end
%(10)
if aux1~=0 && aux2~=0
cont(10)=cont(10)+1;
end
end
P=cont/N*100;
disp('Probabilidades de falla (%) en cada caso (1)-->(10)')
disp(P)
disp('Indices de confiabilidad asociados')
disp(-norminv(P/100))
%% Correlacin entre variables
%Para las masas
M=[M1' M2' M3'];
for i=2:3
figure
plot(M1,M(:,i)');
title(horzcat('Correlacin entre M_1 y M_',num2str(i)))
xlabel('M_1')
ylabel(horzcat('M_',num2str(i)))
if i==3
figure
plot(M(:,i-1)',M(:,i)');
title('Correlacin entre M_2 y M_3')
xlabel('M_2')
ylabel('M_3')
end
end
%Para las rigideces
K=[K1' K2' K3'];
for i=2:3
figure
plot(K1,K(:,i));
title(horzcat('Correlacin entre K_1 y K_',num2str(i)))
xlabel('K_1')
ylabel(horzcat('K_',num2str(i)))
if i==3
figure
plot(K(:,i-1),K(:,i));
title('Correlacin entre K_2 y K_3')
xlabel('K_2')
ylabel('K_3')
end
end
% Para los G
11
G=[G1' G2' G3'];

for i=2:3
figure
plot(G1,G(:,i));
title(horzcat('Correlacin entre G_1 y G_',num2str(i)))
xlabel('G_1')
ylabel(horzcat('G_',num2str(i)))
if i==3
figure
plot(G(:,i-1),G(:,i));
title('Correlacin entre G_2 y G_3')
xlabel('G_2')
ylabel('G_3')
end
end
12
Rackwitz-Fiessler
muM1=0.0355;
muM2=0.0355;
muM3=0.0311;
VM1=0.08;
VM2=VM1;
VM3=VM1;
rhoM=0.5;
sigmaM1=muM1*VM1;
sigmaM2=muM2*VM2;
sigmaM3=muM3*VM3;
muK1=100;
muK2=83;
muK3=50;
VK1=0.05;
VK2=0.05;
VK3=0.05;
rhoK=0.65;
sigmaK1=muK1*VK1;
sigmaK2=muK2*VK2;
sigmaK3=muK3*VK3;
muG1=981;
muG2=981;
muG3=981;
VG1=0.35;
VG2=0.35;
VG3=0.35;
rhoG=0.80;
sigmaG1=muG1*VG1;
sigmaG2=muG2*VG2;
sigmaG3=muG3*VG3;
%% (1)
M1prima=muM1;
M2prima=muM2;
M3prima=muM3;
G1prima=muG1;
G2prima=muG2;
G3prima=muG3;
K1prima=((M1prima+M2prima+M3prima)*(G1prima/6+G2prima/3+G3prima/2))/2.3;
Xdis=[M1prima;M2prima;M3prima;G1prima;G2prima;G3prima;K1prima];
%Todas las variables son normales
rho=[1 0.5 0.5 0 0 0 0;
0.5 1 0.5 0 0 0 0;
0.5 0.5 1 0 0 0 0;
0 0 0 1 0.8 0.8 0;
0 0 0 0.8 1 0.8 0;
0 0 0 0.8 0.8 1 0;
0 0 0 0 0 0 1];
Z_M1=(Xdis(1)-muM1)/sigmaM1;
Z_G1=(Xdis(4)-muG1)/sigmaG1;
Z_K1=(Xdis(7)-muK1)/sigmaK1;
G1=(Xdis(4)/6+Xdis(5)/3+Xdis(6)/2)/Xdis(7)*sigmaM1;
G4=(Xdis(1)+Xdis(2)+Xdis(3))*(1/6)/Xdis(7)*sigmaG1;
13
G7=1/(Xdis(7))^2*(Xdis(1)+Xdis(2)+Xdis(3))*(1/6*Xdis(4)+Xdis(5)/3+Xdis(6)/2)*sigmaK1;
G=[G1;G2;G3;G4;G5;G6;G7];
%Vamos a iterar
bethaRF=[Z_M1;Z_M2;Z_M3;Z_G1;Z_G2;Z_G3;Z_K1]'*G/sqrt(G'*rho*G);
alpha=rho*G./sqrt(G'*rho*G);
Zprima=alpha*bethaRF;
Xdis2=[muM1+Zprima(1)*sigmaM1;muM2+Zprima(2)*sigmaM2;muM3+Zprima(3)*sigmaM3;muG1+Zpr
ima(4)*sigmaG1;muG2+Zprima(5)*sigmaG2;muG3+Zprima(6)*sigmaG3;muK1+Zprima(7)*sigmaK1]
;
Xdis=[Xdis2(1);Xdis2(2);Xdis2(3);Xdis2(4);Xdis2(5);Xdis2(6);((Xdis2(1)+Xdis2(2)+Xdis
2(3))*(Xdis2(4)/6+Xdis2(5)/3+Xdis2(6)/2))/2.3];
G=[G1;G2;G3;G4;G5;G6;G7];
bethaRF2=[Z_M1;Z_M2;Z_M3;Z_G1;Z_G2;Z_G3;Z_K1]'*G/sqrt(G'*rho*G);
Zprima=alpha*bethaRF2;
;
j=1;
while abs(bethaRF2-bethaRF)>=0.0001*abs(bethaRF2)
2(3))*(Xdis2(4)/6+Xdis2(5)/3+Xdis2(6)/2))/2.3];
bethaRF=bethaRF2;
14
G=[G1;G2;G3;G4;G5;G6;G7];
bethaRF2=[Z_M1;Z_M2;Z_M3;Z_G1;Z_G2;Z_G3;Z_K1]'*G/sqrt(G'*rho*G);
;
j=j+1;
end
2(3))*(Xdis2(4)/6+Xdis2(5)/3+Xdis2(6)/2))/2.3];
disp(horzcat('El ndice de confiabilidad de Rackwitz-Fiessler es: ',
num2str(bethaRF2), ' y tom ', num2str(j),' iteracines en converger'))
disp(horzcat('Las variables resultaron ser M1=', num2str(Xdis(1)), ',M2=',
num2str(Xdis(2)),',M3=', num2str(Xdis(3)),',G1=', num2str(Xdis(4)),',G2=',
num2str(Xdis(5)),',G3=', num2str(Xdis(6)),',K1=', num2str(Xdis(7))))
disp(horzcat('La probabilidad de falla (%) asociada es: ',num2str(normcdf(bethaRF2)*100)))
disp('----------------------------------------------------------------------------------------')
%% (2)
M1prima=muM1;
M2prima=muM2;
M3prima=muM3;
G2prima=muG2;
G3prima=muG3;
K2prima=((M1prima+M2prima+M3prima)*(G2prima/3+G3prima/2))/2.3;
Xdis=[M1prima;M2prima;M3prima;G2prima;G3prima;K2prima];
%Todas las variables son normales
rho=[1 0.5 0.5 0 0 0;
0.5 1 0.5 0 0 0;
0.5 0.5 1 0 0 0;
0 0 0 1 0.8 0;
0 0 0 0.8 1 0;
0 0 0 0 0 1];
G1=(Xdis(4)/3+Xdis(5)/2)/Xdis(6)*sigmaM1;
G6=-1/(Xdis(6))^2*(Xdis(1)+Xdis(2)+Xdis(3))*(Xdis(4)/3+Xdis(5)/2)*sigmaK2;
G=[G1;G2;G3;G4;G5;G6];
%Vamos a iterar
bethaRF=[Z_M1;Z_M2;Z_M3;Z_G2;Z_G3;Z_K2]'*G/sqrt(G'*rho*G);
Zprima=alpha*bethaRF;
ima(4)*sigmaG2;muG3+Zprima(5)*sigmaG3;muK2+Zprima(6)*sigmaK2];
15
Xdis=[Xdis2(1);Xdis2(2);Xdis2(3);Xdis2(4);Xdis2(5);((Xdis2(1)+Xdis2(2)+Xdis2(3))*(Xd
is2(4)/3+Xdis2(5)/2))/2.3];
G=[G1;G2;G3;G4;G5;G6];
bethaRF2=[Z_M1;Z_M2;Z_M3;Z_G2;Z_G3;Z_K2]'*G/sqrt(G'*rho*G);
j=1;
while abs(bethaRF2-bethaRF)>=0.0001*abs(bethaRF2)
is2(4)/3+Xdis2(5)/2))/2.3];
bethaRF=bethaRF2;
G=[G1;G2;G3;G4;G5;G6];
bethaRF2=[Z_M1;Z_M2;Z_M3;Z_G2;Z_G3;Z_K2]'*G/sqrt(G'*rho*G);
j=j+1;
end
is2(4)/3+Xdis2(5)/2))/2.3];
disp(horzcat('El ndice de confiabilidad de Rackwitz-Fiessler es: ',
num2str(bethaRF2), ' y tom ', num2str(j),' iteracines en converger'))
disp(horzcat('Las variables resultaron ser M1=', num2str(Xdis2(1)), ',M2=',
num2str(Xdis2(2)),',M3=', num2str(Xdis2(3)),',G2=', num2str(Xdis2(4)),',G3=',
num2str(Xdis2(5)),',K1=', num2str(Xdis2(6))))
disp(horzcat('La probabilidad de falla (%) asociada es: ',num2str(normcdf(bethaRF2)*100)))
disp('----------------------------------------------------------------------------------------')
16

Tarea N°3 - Confiabilidad Estructural

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Tarea N°3 - Confiabilidad Estructural

Încărcat de

Drepturi de autor:

Formate disponibile

Tarea N5

Viernes 22 de noviembre de 2013

Probabilidad de falla: 0.0257%

Probabilidad de falla: 0.0310%

Probabilidad de falla: 0.0439%

Probabilidad de falla: 0.0600%

Probabilidad de falla: 0.0198%

Probabilidad de falla: 0.0206%

Probabilidad de falla: 0.0181%

Probabilidad de falla: 0.0530%

Probabilidad de falla: 0.0974%

Probabilidad de falla: 0.0156%

A continuacin se muestra grficamente la correlacin existente entre las variables de

Figura N1: Correlacin entre M1 y M2.

Figura N2: Correlacin entre M1 y M3.

Figura N3: Correlacin entre M2 y M3.

Figura N4: Correlacin entre G1 y G2.

Figura N5: Correlacin entre G2 y G3.

Figura N6: Correlacin entre G1 y G3.

Figura N7: Correlacin entre K1 y K2.

Figura N8: Correlacin entre K1 y K3.

Figura N9: Correlacin entre K2 y K3.

Se calculan los factores

(para n-1 variables)

Se itera desde el paso 2 en adelante hasta que

Para sistemas en paralelo.

Los resultados obtenidos de esta manera fueron:

G=[G1' G2' G3'];

S-ar putea să vă placă și