發(fā)布時間：2018-10-18 14:54

【摘要】：為提高基于Kriging模型的結(jié)構(gòu)可靠性分析方法的效率,分析現(xiàn)有學習函數(shù)的不足,提出一種新的自適應學習函數(shù)VF.該學習函數(shù)同時考慮學習點的Kriging方差和聯(lián)合概率密度函數(shù)值對失效概率估計精度的影響,避免對概率密度函數(shù)值過小的區(qū)域抽樣造成的樣本點浪費,提高了學習效率.根據(jù)Monte Carlo方法生成大量候選樣本點,定義學習函數(shù)最大值點為最佳樣本點;提出一種適合該學習函數(shù)的學習停止條件,既保證失效概率的精度又保證學習選點次數(shù)較少;分析兩個數(shù)值算例.結(jié)果表明:與其他方法相比,所提出方法能夠在較少樣本數(shù)量的情況估計出較準確的失效概率值,其在迭代收斂速度、準確性及穩(wěn)定性方面都具有較好的效果,且該方法能夠應用于工程中隱式且非線性程度較高情況.
[Abstract]:In order to improve the efficiency of structural reliability analysis method based on Kriging model and analyze the deficiency of existing learning function, a new adaptive learning function VF. is proposed. The learning function takes into account the influence of the Kriging variance of the learning point and the value of the joint probability density function on the estimation accuracy of the failure probability. It avoids the waste of the sample points caused by the sampling of the region where the probability density function value is too small and improves the learning efficiency. According to the Monte Carlo method, a large number of candidate sample points are generated, and the maximum point of learning function is defined as the best sample point, and a learning stopping condition suitable for the learning function is proposed, which ensures both the accuracy of failure probability and the number of learning points selection. Two numerical examples are analyzed. The results show that compared with other methods, the proposed method can estimate more accurate failure probability values in the case of fewer samples, and has better results in terms of iterative convergence speed, accuracy and stability. The method can be applied to the case of high nonlinear degree and implicit expression in engineering.
【作者單位】： 東北大學機械工程與自動化學院;
【基金】：國家科技重大項目(2013ZX04011-011)
【分類號】：TB114.3

【相似文獻】

相關(guān)期刊論文 前10條

1 黃耀裔;;基于普通Kriging的地下水空間插值研究——以福建晉江市為例[J];廊坊師范學院學報(自然科學版);2013年06期

2 李莎;舒紅;徐正全;;利用時空Kriging進行氣溫插值研究[J];武漢大學學報(信息科學版);2012年02期

3 王世凱;焦培南;柳文;;改進的Kriging技術(shù)實時重構(gòu)區(qū)域電離層foF2的分布[J];電波科學學報;2006年02期

4 張博華;;Kriging空間插值最優(yōu)估計模型的研究[J];電腦知識與技術(shù);2014年09期

5 溫慶國;宋保維;王鵬;王司令;;改進的Kriging近似方法及其在魚雷外形優(yōu)化中應用[J];上海交通大學學報;2013年04期

6 顏輝武,祝國瑞,徐智勇,高山;基于Kriging水文地質(zhì)層的三維建模與體視化[J];武漢大學學報(信息科學版);2004年07期

7 陳鵬;李劍;管濤;;基于PSO的Kriging相關(guān)模型參數(shù)優(yōu)化[J];微電子學與計算機;2009年04期

8 白樹仁;李濤;寧錦陽;;基于MPI的并行Kriging空間降水插值[J];計算技術(shù)與自動化;2011年01期

9 錢霖;Kriging方法在錐形光SPECT計算中的應用[J];蘇州大學學報(自然科學);1998年04期

10 張蕾,陳曉宏;珠江三角洲網(wǎng)河區(qū)水位空間插值的kriging方法[J];中山大學學報(自然科學版);2004年05期

相關(guān)碩士學位論文 前2條

1 卜栓栓;基于異構(gòu)計算的泛Kriging算法并行化研究[D];電子科技大學;2015年

2 楊宏偉;混凝土開裂的Kriging無網(wǎng)格模擬[D];同濟大學;2008年

，

本文編號：2279474