隨機過程
關注創建者：v/恒 創建時間：2021-03-10
隨機過程的視頻教程
Fortran語言入門
第十四章 鏈表和二叉樹 1 鏈表 2 二叉樹 第十五章 Fortran擴展 1 賦值運算符擴展 2 操作符擴展 3 自定義操作符 4 內置函數擴展 5 派生類型I/O擴展 第十六章 IEEE運算 1 數字表示法(Numerical Representations) 2 NaN and Inf 第十七章 隨機數 1 自定義隨機數算法 2 Fortran內置隨機數過程
￥39 3小時40分鐘 1374播放
查看
ABAQUS隨機纖維加固四點受彎簡支梁
若有視頻相關討論，請私信，若有錯誤，請指教，并見諒，謝謝； 模型建立墊塊與混凝土直接用的面與面接觸； 主要講解了利用腳本生成隨機纖維的過程，以及四點受彎梁墊塊與混凝土設置接觸是的不收斂調試方法； 大家看好荷載位移曲線以及計算結果，符合自己預期再購買，理性消費，謝謝信任。
￥38 1小時6分鐘 227播放
查看
abaqus中材料參數隨機場的實現
第二版程序是先用在場地內生成參數隨機場分布，然后在批量修改inp文件，這么做是考慮集合模型有時候也會作為變量，同時方便進行cnn訓練。 第二版是兼容第一版程序的，第一版程序相對簡單，對于輔助理解隨機場計算過程有較大幫助。
￥200 1小時19分鐘 2971播放
查看
隨機過程的實例教程
圖1
如果T 足夠長，fx(x) 可以通過下式表達：
相對的概率密度函數PDF可以通過總的時間段在帶寬X 和X+dX 段，如圖2所示
圖2
隨機信號X(t) 的均值和均方根值可以表示為：
這里T 是總的時長，當ux=0時，就是隨機信號X(t) 的均方根RMS Fx(x)服從高斯正態分布
圖3
圖4
因為隨機振動激勵被假設為服從高斯正態分布，各幅值發生概率為：
圖5
基于這個特點，在實際計算中一般取3 sigma為計算的上限。高斯正態分布具有以下重要屬性：如果高級正態分布激勵作用在線性系統上，則輸出的激勵是不同的隨機過程，但是仍然服從另外一個高斯正態分布。
舉個隨機信號的處理過程的例子：
圖6
圖7
信號X(t) 被分解為幾段，如圖6和圖7所示，對于平穩的隨機過程x(t) ，時間歷程是非周期的，因此不能用傅里葉級數表示；而且x(t)是一個無限長的信號，不能通過傅里葉變換得到該隨機過程的頻域信息。這個困難可以通過對該隨機過程的自相關函數Rx(τ) 做傅里葉變換來解決。
由于X(t) 是平穩隨機信號其均值和標準差是獨立于時間t 的，因此
相關系數
如果對隨機過程x(t) 的零點進行處理，使得該過程的平均值為0，并且假定x(t) 不含有周期性分量，那么Rx(τ∞)=0，條件得到滿足。我們就可以得到自相關函數的Rx(τ) 傅里葉變換和逆變換。
其中函數Sx(ω) 稱為功率譜密度。
展開 而所有循環次數NT定義為：
當隨機過程為寬帶隨機過程時，
當隨機過程為窄帶隨機過程時，也可以用下方公式來表征：
E(0+)：單位時間內零點正穿越次數
E(P)：單位時間內的應力峰值次數
在?Si 范圍內我們可以通過SN曲線得到其壽命 ,記為那么易知，結構在隨機振動的作用下，其壽命為
然而時域法對信號要求較高.需要信號有據夠長的歷程,計算量也較大，所以通常計算隨機振動疲勞都是用的頻域法(OptiStruct中用的也是頻域法),即通過應力的功率譜密度函數（PSD）的統計學特性直接構建應力分布概率密度函數(PDF)（紅線）。
從PSD曲線構建PDF曲線的方法有很多種,包括，包括Rice模型、Bendat模型、Wirsching和Lisht修正模型、Dirlik模型、Zhao和Baker模型等。多數模型都有其適用范圍.比如通常認為最優的Dirlik模型適用于寬帶隨機過程。
在OptiStruct中,主要提供了4種模型: DIRLIK, LALANNE, NARROW, and THREE
1.DIRILIK
其中S是應力范圍;?是不規則因子(下同),是描述不同譜型的常用參數,研究發現這些統計參數可以用功率譜的n階慣性矩函數
(下同)描述.不規則因子是指時域信號零點正穿越均值次數(E(0+))和樣本峰值次數(E(P))的比值。
Dirlik方法是寬帶隨機振動壽命估計種應用最多和最準確的,通過蒙特卡洛技術做了大量的計算機模擬，得出頻域信號疲勞分析法的經驗閉合解。
2.LALANNE
適用于寬度隨機過程。
3.NARROW
適用于窄帶隨機過程。
展開 各態歷經平穩隨機過程： 對于一個平穩隨機過程，經歷各種狀態統計平均值等于時間平均值，統計自相關函數等于時間自相關函數（數學期望和相關函數的各態歷經性。）
平穩：樣本概率分布與時間無關（與時間間隔有關），即主要針對概率分布而言，并非樣本本身。平穩隨機過程滿足一定條件才會各態歷經，各態歷經一定平穩；
隨機信號強度用均方值描述：隨機變量X(t)的平方的均值，記為，在工程上表示信號的平均功率，其平方根稱有效值。信號的平均功率 = 信號交流分量功率 + 信號直流分量功率。
工程上常把數據信號看成不隨時間變化的靜態分量(即直流分量) 和隨時間變化的動態分量之和。
靜態分量用均值表述。用E(x)表示。高斯白噪聲信號均值為0，只有交流分量。
動態分量部分用方差表述。方差是x（t）偏離均值的平方的均值，它反映離開均值的波動情況，交流信號的平均功率。
有時候分母也換成n-1,這取決于數據是樣本數據還是整體數據。
概率密度函數、概率分布函數、自相關函數、相關系數后續再寫。
展開 前言
在汽車制造行業中，對于主機廠或汽車零部件廠商而言，在汽車的主要零部件的設計研發過程中，都需要考慮其安全性能。由于路面的不平度，車輛行駛過程中會發生隨機振動，零部件結構在隨機振動載荷作用下容易出現疲勞破壞，因此，研究隨機振動對零部件的疲勞壽命影響具有重要意義。
2. 振動疲勞理論
隨機振動是指任一給定時刻的瞬時值不能預先確定的機械振動，無法用確定性函數而須用概率統計方法定量描述其運動規律的振動。例如：汽車在凹凸路面上行駛時的振動，飛機在陣風中飛行時的振動，船舶在波浪中的振動。
2.1 隨機過程基礎理論與功率譜密度PSD
隨機過程按統計特性隨時間變化情況，可以分為兩類: 平穩隨機振動和非平穩隨機振動。 為了描述平穩過程隨時間變化的特性，一般采用相關函數。而功率譜密度可以在頻域范圍內描述平穩過程，能夠表達隨機過程的能量分布情況，是隨機過程在頻域內的重要參數。
自相關函數Rx(τ)和功率譜密度Sx(ω)符合維納一辛欽定理:
為了方便工程中的運算，根據 ω = 2πf，把圓頻率換算為頻率f。
2.2 應力功率譜密度
結構激勵信號的功率譜密度為W( f )，則應力功率譜密度為：
其中，H ( f )為應力頻響函數。
2.3 應力功率譜密度慣性矩與不規則因子
在時域中，常用一些統計參數來描述一個隨機應力應變時間歷程中1s的樣本，如圖2所示，圖中E[0]為樣本中自下而上穿越均值的次數，E[P]為樣本中出現峰值的次數。
E[0]和E[P]可以通過功率譜密度函數的i階慣性矩mi換算得到。慣性矩即為功率譜密度函數曲線下包括的面積。如圖3所示。
展開 由于可變荷載是一個隨機過程，應在一個確定的設計基準期內T，對荷載隨機過程作一次連續觀測，獲得依賴于觀測時間的數據，即隨機過程的一個樣本。對于永久荷載，其值在設計基準期內基本不變。而可變荷載，我們可以采用其標準值用于設計，即在結構設計基準期內可能出現的可變荷載最大值，由設計基準期最大荷載概率分布的某個分位值來確定。
可變作用的標準值Qk，也可以通過平均重現期TR定義。重現期是指“連續兩次超過作用值Qk的平均時間間隔”，以“年”為單位度量的重現期和荷載的年超越概率p成反比。兩者之間的關系為：Qk的分布函數F(Qk)=1-1/TR。重現期、概率p和確定標準值的設計基準期T存在下述近似關系： TR=1/ln(1/p)*T。如地震作用的代表值相當于設計基準期為50年最大烈度90%的分位值。如果采用重現期表示，基本烈度相當于重現期為475年的地震烈度。
當結構的設計使用年限與設計基準期不同時，應對可變作用的標準值進行調整，這是因為結構上的各種可變作用均是根據設計基準期確定其標準值的。以房屋建筑為例，結構的設計基準期為50年，即房屋建筑結構上的各種可變使用的標準值取其50年一遇的最大值分布的“某一分位值”，對設計使用年限為100年的結構，要保證結構在100年時具有設計要求的可靠度水平，理論上要求結構上的各種可變作用應采用100年一遇的最大值分布上的相同分位值作為可變作用的標準值。為此，《建筑結構可靠性設計統一標準，2018》提出設計使用年限對設計的影響通過荷載調整系數γL體現，并對相應數值給出規定。
在海洋平臺設計中，設計使用年限一般由業主指定，通常為20-35年，由于其作業環境惡劣，將γL取為1.0（對于設計壽命50年的結構，房屋建筑取γL為1.0）。
展開 
隨機過程的相關專題、標簽、搜索
隨機過程的最新內容
許多隨機過程遵循高斯分布，也稱為正態分布。假設激勵遵循高斯分布。1σ值表示68.3%的時間內的發生率，而3σ值表示99.7%的時間內的發生率。在隨機振動分析中，由于輸入激勵本質上是統計性的，因此位移和應力等輸出響應也是統計性的。
<p> 前一篇講了長方體內隨機球體的建模，本文介紹長方體內隨機纖維的建模過程，同樣是通過詢問AI，生成lsprepost的腳本，在lsprepost中運行腳本生成纖維。生成纖維與生成球體網格有些不同，lsprepost無法通過坐標直接生成梁單元，需要先繪制曲線，再畫網格。
理論基礎： 基于隨機過程和統計力學的廣為人知的原理。
可擴展性：可以有效地擴展到高維數據和大型數據集。
穩健性：與 GAN 相比，對超參數更改的穩健性更高。
12 擴散模型的局限性
計算密集型：由于迭代步驟數量眾多，因此需要大量的計算資源。
慢速采樣：由于反向擴散過程需要許多步驟，因此生成樣品可能很慢。
斯坦伯格的方法對于說明隨機過程疲勞分析的基本概念很有用，但它有幾個缺點，影響了其準確性。一個是應力水平被歸為1、2、3倍標準差的三個類別，而實際上它們是在幅值上分布的。另一個是假設每個正零交叉意味著一個振動循環，這對于窄帶響應是可以的，但對于寬帶響應則過于保守。
還有許多其他頻域方法可用，它們與寬帶隨機響應的雨流計數結果有更好的相關性。
在細觀混凝土模擬領域中，Monte Carlo方法可以用于模擬隨機骨料的投放過程，從而研究骨料在混凝土中的分布情況。以下是一個簡單的Monte Carlo隨機混凝土骨料投放模型的基本步驟：
1). 確定模型參數：首先需要確定模型的輸入參數，包括混凝土試件的尺寸、骨料的種類和尺寸范圍、以及投放的方式等。
2).
</p><p><strong style="color: rgb(18, 18, 18);"> · </strong><strong>仿真過程隨機且可重復。
本文以某電子行業典型的PCB為例，介紹PCB隨機振動分析過程和仿真APP制作方法，并基于仿真APP對不同焊點材料、不同模態阻尼比、不同PSD加載譜量級下隨機振動響應RMS結果進行對比和評估。
1、仿真流程搭建
1）三維幾何模型導入
對模型進行必要的幾何簡化和清理，將stp幾何模型導入到Simdroid。
（如果您自己運行這個操作，結果通常有所不同，因為模擬退火階段將隨機性納入過程。但總體質量通常是相似的。） 結果非常好。
您可能想知道為什么我們一開始就不讓 CC 變化.表面從平面開始，不能把圓錐常數賦給平面。現在評估我們目前的結果。
然而，人們可能仍然會想知道，是否可能，生物進化——其基礎的隨機遺傳突變過程——可能會“被卡住”，永遠無法發現一些“改進的方法”。事實上，演化的簡單模型可能會使人產生這種想法。但實際的進化看起來更像是具有大型神經網絡的深度學習——在那里，實際上是在極高維度的空間中進行操作，在那里通常總有一條“從這里到那里”的道路，至少在給了足夠的時間的情況下是這樣的。
放射性衰變是一種隨機過程，特定放射性物質的衰變速率以其半衰期為特征，半衰期是指一半放射性原子核衰變所需的時間。半衰期的概念使我們能夠估計衰變速率和在任何時間存在的放射物質的量。
放射性是一種自然現象，也會在多個過程中人為產生，例如核能發電、醫學成像和工業應用。它既有益處，也有害處，具體取決于其應用和暴露水平。妥善處理、控制和監測放射性物質對于盡量減少它對人類健康和環境的潛在風險至關重要。
