现代化的工程、机械、技术装备等趋于复杂,在它们提供着优质性能的同时,也对其结构可靠性提出了更高的要求。在进行结构可靠性分析时,由于结构的复杂性、概率信息的不完备性、认知的局限性、实验样本实验数据的不充分性及失效曲面的高度非线性等原因,都会给结构可靠度的计算带来困难。针对当前可靠性分析中存在的困难,探索新的求解途径对结构可靠度进行准确地计算,具有重要的理论意义和实际的应用价值。本文将围绕在考虑不同因素的条件下对结构可靠度计算展开研究,力求为结构可靠性的分析提供新的方法和思路。主要研究内容如下:(1)针对具有多维相关性变量结构可靠度求解问题进行了研究。通过选取Copula函数结构类型及求解相关参数,构造相关性变量联合概率密度函数,从而克服了其难以直接获取的局限性。利用直接积分方法构造计算结构可靠度的积分形式,提出了一种对偶神经网络方法用于多重积分的计算,其中一个网络逼近被积函数,另一个网络逼近原函数。训练时只针对被积函数神经网络进行训练,通过两个网络间网络参数的关系,得到原函数网络,实现多重积分的计算,有效地解决了直接积分方法计算可靠度过程中多重积分难以计算的困难。在考虑结构中变量间相关性的条件下,实现了多维相关复杂结构可靠度问题的高效、高精度求解。(2)针对固体火箭发动机药柱固化降温过程中的可靠性进行分析。通过有限元ANSYS软件对药柱进行三维参数化建模,根据降温条件下的瞬态与动态热固耦合分析,得到危险点和危险时刻并提取最大等效应变和温度值。基于Copula函数及具体参数的概率分布建立对偶神经网络模型,计算得到药柱固化降温过程中的瞬时可靠度,从而实现了动态可靠性分析,验证了所提方法在工程实际问题中的实用性。(3)针对考虑模糊失效准则条件下的结构可靠度问题展开研究。给出了基于Akaike Information Criterion准则去衡量统计所估计的隶属函数与实际结构数据间的拟合优良性,以此确定具体结构的隶属函数。根据模糊集、隶属函数及模糊随机事件的概率,构建计算结构模糊可靠度的数学模型。将对偶神经网络的直接积分方法拓展到该数学模型的计算中,通过对模糊失效准则与变量概率密度函数所组成的被积函数网络进行训练,对原函数网络进行计算,进而得到结构模糊可靠度。结合药柱材料力学性能实验及有限元ANSYS软件仿真,分析了药柱点火时的结构模糊可靠度,结果表明所提方法具有解决实际问题的能力。(4)针对隐式功能函数的问题,提出了一种基于自定义神经网络的响应面法分析其结构可靠度。该方法以指数函数作为神经网络的隐层激活函数,并利用一个多层神经网络可以以任意精度逼近任意非线性函数的性质,构造自定义神经网络结构。训练后的神经网络在实现了结构功能函数显示表达的同时,提高了功能函数的拟合精度。与多项式响应面法相比,该方法对高维、高非线性结构的隐式功能函数具有更好的拟合效果,为解决复杂结构系统可靠度的计算提供了一种有效的建模及分析方法。(5)针对小样本条件下固体火箭发动机药柱结构性能参数的区间量化和瞬时可靠度计算展开研究。通过实验,获得了药柱材料的两个重要力学性能参数——松弛模量和泊松比。由于所获得参数的数据为小样本情况,提出了采用灰色理论方法对实验数据进行挖掘,实现对药柱材料性能参数的不确定性量化分析,进而获得性能参数的量化区间。鉴于证据理论可以直接对集合或者区间赋予概率质量的特征,提出了基于证据理论方法对药柱结构瞬时可靠度进行分析。通过建立药柱结构失效面与辨识框架的关系,并利用信任函数和似然函数获得结构可靠度和失效概率的上下界概率分布,进而求得药柱结构瞬时可靠度概率区间。