2. 可靠性分析数学基础

FORM（一次二阶矩法）之所以能够把“可靠性”变成一个可计算的数，根本原因在于它把工程中的不确定性抽象成了随机变量，并用一个函数把“失效”这件事写成可判定的数学条件。本节围绕四个层层递进的概念展开：随机变量、概率分布、联合分布与相关性、极限状态函数。理解它们之间的衔接关系，是后续推导可靠指标 β 与设计验算点的基础。

一、随机变量：把不确定性参数化

在结构可靠性分析中，我们关心的量往往不是确定值，而是带有不确定性的量，例如材料屈服强度、构件几何尺寸、所受荷载、腐蚀速率等。随机变量就是对这些量的数学描述：它把每一个可能取值映射到一个概率上。工程上常用两类：连续型随机变量（如强度、荷载，取值为区间内的实数）和离散型随机变量（如某类缺陷的个数）。

对 FORM 而言，最关键的是随机变量的前两阶矩：均值 μ 与标准差 σ（或方差 σ²）。FORM 名称中的“二阶矩”正来源于此——它只用均值和方差（协方差）来近似描述随机变量，而不需要完整的分布形式。这也是 FORM 计算量小、工程适用性强的根本原因，但同时也意味着当分布严重偏斜或尾部行为主导失效时，FORM 的精度会下降。

实际建模时，需要为每个随机变量明确三件事：物理含义、分布类型、分布参数。例如“钢材屈服强度 f_y”可取正态分布，均值 345 MPa、变异系数 0.08，则标准差约为 27.6 MPa。变异系数（COV = σ/μ）是工程中常用的无量纲离散性指标，便于横向比较不同量级参数的不确定性程度。

二、概率分布：描述取值规律

分布类型决定了随机变量取值的概率规律。工程可靠性中常见的分布及其适用对象如下表所示（参数为示例性取值，用于说明建模方式，非实测数据）：

选择分布不能只看“哪个常用”，而应结合物理机理与数据来源：若参数由多个独立因素叠加而成，中心极限定理支持正态近似；若参数本质为正且右偏（如寿命），对数正态或威布尔更合适；若关注的是极值事件（如最大风速），则应使用极值分布。分布选择错误会直接影响尾部概率，进而影响可靠指标。

三、联合分布与相关性：变量不是孤立的

实际工程中多个随机变量往往同时出现且相互影响。例如梁的截面尺寸与自重相关，混凝土强度与弹性模量相关，同一场地的多个荷载可能同向变化。描述这种关系需要联合分布，而工程上更常用的是相关系数 ρ 来刻画线性相关程度，配合边缘分布构成联合分布模型（如多元正态分布）。

相关系数的取值范围为 −1 ≤ ρ ≤ 1：ρ = 0 表示线性不相关（但不等于独立）；ρ > 0 表示同向变化；ρ < 0 表示反向变化。在 FORM 中，相关性通过协方差矩阵进入计算，并在标准正态空间中通过变换（如 Cholesky 分解或正交变换）将相关变量转化为独立标准正态变量。这一步非常关键：如果忽略实际存在的正相关，可能高估系统的可靠性；忽略负相关则可能低估。

四、极限状态函数：把“失效”写成方程

极限状态函数（又称功能函数）是可靠性分析的核心。它把结构的状态划分为“可靠”与“失效”两个区域，一般形式为：

Z = g(X₁, X₂, …, Xₙ) = R − S

其中 R 为抗力（如抗弯承载力），S 为荷载效应（如弯矩）。当 Z > 0 时结构可靠；Z = 0 时处于极限状态（对应失效面）；Z < 0 时失效。因此失效概率可写为 P_f = P(Z < 0)。极限状态函数可以是线性的（如 R − S），也可以是非线性的（如考虑几何非线性的承载力表达式），FORM 通过在设计验算点处对 g 作一阶泰勒展开来处理非线性。

下面这张图把本节四个概念串成一条完整的建模链：从工程参数出发，经随机变量与分布建模、相关性处理，最终形成极限状态函数并进入 FORM 计算。

五、从数学基础到 FORM 的衔接

把上述四步落到一次具体计算上，可以这样理解：设某受弯构件抗力 R 服从对数正态分布，均值 340 kN·m、COV = 0.12；荷载效应 S 服从极值分布，均值 180 kN·m、COV = 0.20；两者按独立处理。则极限状态函数为 Z = R − S。FORM 会先将 R、S 分别变换为标准正态变量 u_R、u_S，再在标准正态空间中寻找使 Z = 0 且距原点最近的点（设计验算点），该最短距离即为可靠指标 β，失效概率近似为 P_f ≈ Φ(−β)。若 β = 3.5，则 P_f ≈ 2.3×10⁻⁴。这一结果完全由均值、标准差、分布类型和相关性假设决定，因此建模阶段的每一个选择都必须有依据、可追溯。

总结本节要点：随机变量提供参数化的不确定性描述，概率分布刻画取值规律，联合分布与相关系数描述变量间的依赖，极限状态函数则把失效判定写成 Z = g(X) 的符号问题。四者共同构成 FORM 的输入模型，模型的质量直接决定可靠指标的可信度。