基于改进学习策略的Kriging模型结构可靠度算法

TB114.3; 针对机械产品可靠性分析过程中,极限状态函数隐式、高度非线性而导致可靠性求解困难等问题,提出一种基于Kriging模型和改进EGO主动学习策略的可靠性求解算法.对于传统EGO方法无法在极限状态面区域进行有效选点问题,提出一种改进的EGO方法,通过对样本点模型预测值做绝对值处理,基于响应值分布状态不变假设,将主动学习选点重心移到预测方差较大和极限状态面附近,避免对不必要区域的过量选点,从而减少极限状态函数值的计算或试验次数,有效提高了可靠性计算效率.通过3个算例表明:与传统主动学习方法相比,所提方法具有良好的全局和局部搜索能力,能够在较少计算极限状态函数次数条件下,估算得到精确的...

Ausführliche Beschreibung

Gespeichert in:

Bibliographische Detailangaben
Veröffentlicht in:	西北工业大学学报 2020-04, Vol.38 (2), p.412-419
Hauptverfasser:	洪林雄, 李华聪, 彭凯, 肖红亮
Format:	Artikel
Sprache:	chi
Online-Zugang:	Volltext
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Beschreibung
Zusammenfassung:	TB114.3; 针对机械产品可靠性分析过程中,极限状态函数隐式、高度非线性而导致可靠性求解困难等问题,提出一种基于Kriging模型和改进EGO主动学习策略的可靠性求解算法.对于传统EGO方法无法在极限状态面区域进行有效选点问题,提出一种改进的EGO方法,通过对样本点模型预测值做绝对值处理,基于响应值分布状态不变假设,将主动学习选点重心移到预测方差较大和极限状态面附近,避免对不必要区域的过量选点,从而减少极限状态函数值的计算或试验次数,有效提高了可靠性计算效率.通过3个算例表明:与传统主动学习方法相比,所提方法具有良好的全局和局部搜索能力,能够在较少计算极限状态函数次数条件下,估算得到精确的失效概率值.
ISSN:	1000-2758
DOI:	10.1051/jnwpu/20203820412