本公开实施例中提供了一种学习函数与kriging模型结合的自适应结构可靠性分析方法,包括获取结构的功能函数g(x),并获取影响结构功能函数的变量x及其分布信息;在采样空间
内抽取N个候选样本点,并再次抽取n
L个初始随机样本点,组成训练集ζ;根据训练集ζ获取函数值Y,利用kriging模型构建代理模型
利用蒙特卡洛仿真方法获得当前第k次迭代时所获得的代理模型的失效概率
判别是否符合收敛条件;利用学习函数自适应选择出新的样本点x
new,并将x
new并入ζ;最终获得结构的失效概率
本发明在保证精度的前提下提高了收敛速度,有效避免了其他一些学习函数因以单一样本点为核心的收敛准则而引起的样本点过度添加情况,从而提高了样本点的利用效率。
声明:
“学习函数与kriging模型结合的自适应结构可靠性分析方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)