تحلیل قابلیت اطمینان مبتنی بر جزء محدود چند مقیاسی تصادفی برای سازه های کامپوزیت چند لایه

این مقاله یک روش چند مقیاسی جدید را برای تحلیل قابلیت اطمینان سازه های کامپوزیت که در برگیرنده عدم اطمینان های ماکروسکوپیک و میکروسکوپیک مانند خصوصیات مواد تشکیل دهنده و زاویه چند لایه پیشنهاد می کند. پاسخ های سازه ای تصادفی که موجب ایجاد رابطه بین پاسخ های سازه ای و متغیر های تصادفی می گردند، با استفاده از یک روش جزء محدود چند مقیاسی تصادفی به دست می آیند که هموژنیزاسیون محاسباتی را با روش جزء محدود تصادفی ترکیب می کند. این موضوع همراه با روش های قابلیت اطمینان مرتبه اول و دوم جهت ایجاد یک چارچوب تحلیل قابلیت اطمینان منحصر به فرد ارائه می شود. به منظور ارزیابی این روش، روش هموژنیزاسیون محاسباتی تعینی با روش مونت کارلو به عنوان یک روش قابلیت اطمینان جایگزین ترکیب می شود. مثال های عددی به منظور نشان دادن قابلیت روش پیشنهادی در اندازه گیری ایمنی سازه های کامپوزیت مورد استفاده قرار می گیرند. مقاله نشان می دهد که این روش برآورد های بسیار نزدیکی را به روش مونت کارلو ارائه می کند، اما از کارایی بسیار بیشتری بر حسب زمان محاسباتی برخوردار است. مشاهده می شود که این روش می تواند به عنوان یک جزء

This paper proposes a novel multi-scale approach for the reliability analysis of composite structures that accounts for both microscopic and macroscopic uncertainties, such as constituent material properties and ply angle. The stochastic structural responses, which establish the relationship between structural responses and random variables, are achieved using a stochastic multi-scale finite element method, which integrates computational homogenisation with the stochastic finite element method. This is further combined with the first- and second-order reliability methods to create a unique reliability analysis framework. To assess this approach, the deterministic computational homogenisation method is combined with the Monte Carlo method as an alternative reliability method. Numerical examples are used to demonstrate the capability of the proposed method in measuring the safety of composite structures. The paper shows that it provides estimates very close to those from Monte Carlo meth