Modeling of Epistemic Uncertainty in Reliability Analysis of Structures Using a Robust\\ Genetic Algorithm

در اين مقاله با مدل سازي عدم قطعيت شناختي ناشي از ابهام آماري پارامترهاي متغيرهاي تصادفي، شاخص قابليت اعتماد فازي سازه اي تعيين شده است. به منظور تعيين شاخص قابليت اعتماد فازي، از روش قابليت اعتماد مرتبه ي اول استفاده شده و يك الگوريتم ژنتيك اصلاح شده ي قوي در تكنيك بهينه سازي آلفا برشها پيشنهاد شده است. ميزان حساسيت پاسخ‌فازي نسبت به عدم قطعيت شناختي معرفي شده با استفاده از معيار اصلاح شده Shannon entropy اندازه گيري شده است. پاسخ‌فازي حاصل از روش پيشنهادي، با معرفي باندي از عدم اطمينان، برآورد واقع بينانه‌تري از قابليت اعتماد سازه نسبت به روش‌هاي كلاسيك در اختيار مي‌گذارند.اين باند عدم قطعيت، بويژه در سازه هاي بتني حايز اهميت است زيرا در واقعيت، كيفيت توليد و پياده سازي بتن در سطح مقاطع مختلف تغيير مي كند.روش پيشنهادي در مسايل قابليت اعتمادي كه بيشتر متغيرهاي تصادفي، فازي هستند و در مسايل داراي توابع شرايط حدي غير خطي، قابل پياده سازي بوده و يك جواب دقيق و قابل قبول ارايه مي دهد.توانايي روش پيشنهادي با ارايه مثال هاي مختلف نشان داده شده است. نتايج هم بيانگر دقت روش پيشنهادي بوده و هم اينكهنشان مي دهند روشهاي كلاسيك نظير FORM تنها يك حالت خاص از روش پيشنهادي را پوشش مي دهند.

In this paper the fuzzy structural reliability index was determined through modeling epistemic uncertainty arising from ambiguity in statistical parameters of random variables. The First Order Reliability Method (FORM) has been used and a robust genetic algorithm in the alpha level optimization method has been proposed for the determination of the fuzzy reliability index. The sensitivity level of fuzzy response due to the introduced epistemic uncertainty was also measured using the modified criterion of Shannon entropy. By introducing bounds of uncertainty, the fuzzy response obtained from the proposed method presented more realistic estimation of the structure reliability compared to classic methods. This uncertainty interval is of special importance in concrete structures since the quality of production and implementation of concrete varies in different cross sections in reality. The proposed method is implementable in reliability problems in which most of random variables are fuzzy sets and in problems containing non-linear limit state functions and provides a precise acceptable response. The capabilities of the proposed method were demonstrated using different examples. The results indicated the accuracy of the proposed method and showed that classical methods like FORM cover only special case of the proposed method.