📚 课程目录第2章概率统计基础与不确定性传播

2. 概率统计基础与不确定性传播

在鲁棒设计中，我们关心的不是“某个参数取多少”，而是“参数在什么范围内波动、波动如何影响响应”。要回答这个问题，必须先把不确定性用概率语言描述清楚，再把它传递到结构响应上。本节围绕随机变量、概率分布、蒙特卡洛模拟、一次二阶矩法和灵敏度分析五个核心工具展开，并以一个简单悬臂梁的端点挠度为例，完整走一遍不确定性传播的计算过程。

随机变量与概率分布：把“不确定”变成可计算的量

随机变量是把随机试验结果映射为数值的函数。工程中常见的输入不确定性包括：材料弹性模量 E、截面尺寸 b 与 h、外载荷 F、几何长度 L 等。描述一个随机变量，至少需要三个要素：分布类型、均值（或中位数）和离散程度（标准差或变异系数）。

常用分布及其适用场景：

正态分布：适合描述制造误差、材料性能等对称波动量，由均值 μ 和标准差 σ 完全确定。
对数正态分布：适合严格为正的量，如强度、寿命、载荷幅值，避免出现负值。
均匀分布：适合只知道上下限、无更多信息的量，如公差区间 [a, b]。
威布尔分布：常用于疲劳寿命、强度等极值型问题。

变异系数 CV = σ/μ 是衡量相对离散程度的关键指标。工程中材料弹性模量的 CV 通常在 0.03～0.10，几何尺寸的 CV 在 0.01～0.05，而载荷的 CV 可能高达 0.15～0.30。这些量级直接决定了响应的波动幅度。

不确定性传播：从输入分布到输出分布

设结构响应为 g(X)，其中 X = (X₁, X₂, …, Xₙ) 为随机输入向量。不确定性传播要解决的核心问题是：已知 X 的联合分布，求 g(X) 的分布或统计矩。对于简单结构，g 往往是非线性的，无法解析求解，因此需要数值方法。

下面这张图展示了本节的核心逻辑：输入随机变量经过结构模型传播，分别用蒙特卡洛模拟和一次二阶矩法得到输出统计量，再通过灵敏度分析识别关键变量。

蒙特卡洛模拟：最直观的传播方法

蒙特卡洛模拟（MCS）的思路非常直接：按输入分布生成大量随机样本，逐一代入结构模型计算响应，再对响应样本做统计。以悬臂梁端点挠度为例，具体步骤如下：

确定输入分布：E ~ N(210, 10.5²) GPa，b ~ N(50, 1.5²) mm，h ~ N(80, 2.4²) mm，F ~ LN(5, 0.75²) kN，L = 1.2 m 固定。
设定抽样次数 N = 100000，使用拉丁超立方抽样可提高收敛速度。
对每组样本计算 I = bh³/12，再算 δ = FL³/(3EI)。
统计 δ 的均值、标准差、分位数（如 95% 分位）。

示例计算结果（合理假设）：μδ ≈ 2.14 mm，σδ ≈ 0.36 mm，95% 分位 δ₉₅ ≈ 2.74 mm。这意味着若设计要求挠度不超过 3 mm，可靠度约为 P(δ ≤ 3) ≈ 0.99。MCS 的优点是能处理任意非线性、任意分布，缺点是计算量大，且结果本身带有抽样误差，通常需要 N ≥ 10⁴ 才能稳定估计尾部概率。

一次二阶矩法：快速估算均值与标准差

当计算资源有限或需要嵌入优化循环时，一次二阶矩法（FOSM）更实用。其核心是对响应函数在输入均值点处做一阶泰勒展开：

δ ≈ g(μX) + Σ (∂g/∂Xi)(Xi - μXi)

μδ ≈ g(μX)
σδ² ≈ Σ (∂g/∂Xi)² σXi²   （输入相互独立时）

对悬臂梁，各偏导数为：∂δ/∂F = L³/(3EI)，∂δ/∂E = -FL³/(3E²I)，∂δ/∂b = -FL³/(3EIb)，∂δ/∂h = -3FL³/(3EIh)。代入均值点 E=210 GPa、b=50 mm、h=80 mm、F=5 kN、L=1.2 m，可得 μδ ≈ 2.13 mm，σδ ≈ 0.35 mm。与 MCS 结果非常接近，说明在本例中响应非线性程度不高，FOSM 精度足够。但若载荷 CV 增大到 0.5 以上，或 h 的波动很大，FOSM 会因忽略高阶项而低估 σδ，此时应改用 MCS 或二阶矩法。

灵敏度分析：找出“谁在主导波动”

灵敏度分析回答的是：哪个输入变量对输出波动的贡献最大？常用无量纲灵敏度系数：

S_i = (∂g/∂Xi) · (σXi / σg)

它表示 Xi 波动一个标准差时，输出波动占输出总标准差的份额。上图中给出的示例结果：S_F = +1.00（载荷主导），S_E = -0.52，S_h = -0.39，S_b = -0.13。注意 S_i 的平方和近似为 1（线性独立情形），因此载荷 F 的方差贡献约 1.00²/(1.00²+0.52²+0.39²+0.13²) ≈ 0.72，即约 72% 的输出方差来自载荷波动。这一结论直接指导鲁棒设计：优先控制载荷不确定性，或通过增大截面高度 h 来降低对载荷的敏感度。

实操建议：先用 FOSM 快速估算 μδ 和 σδ，再用 MCS 验证；若两者偏差超过 10%，说明非线性显著，应以 MCS 为准。灵敏度系数可用于筛选关键变量，把优化资源集中在高贡献参数上。

注意：FOSM 在均值点展开，若响应函数在均值附近曲率大或输入分布严重偏斜，结果可能失真。此时可改用点估计法或直接 MCS。另外，灵敏度系数依赖输入标准差，比较不同变量时应使用无量纲形式，避免量纲干扰。

小结与工程判断

本节以悬臂梁端点挠度为对象，完成了从随机变量定义、分布选择、MCS 抽样、FOSM 矩估计到灵敏度排序的完整链条。实际工程中，建议按以下顺序推进：先明确输入分布与 CV，再用 FOSM 做快速估算，用 MCS 校核，最后用灵敏度系数识别关键变量并指导设计改进。判断结果是否可信，可观察 MCS 的收敛曲线是否平稳、FOSM 与 MCS 的 μ 和 σ 偏差是否在可接受范围，以及灵敏度平方和是否接近 1。掌握这套流程，就具备了在简单结构中开展不确定性传播分析的基本能力。