[发明专利]基于自适应代理模型的结构可靠性分析方法

摘要

本发明公开了一种基于自适应代理模型的结构可靠性分析方法，首先根据随机变量的分布形式产生少量的初始输入样本点并计算系统的响应值，把所获得的初始输入输出样本点作为构建Kriging代理模型的初始训练样本点；其次构造新增输入训练样本点选择准则，根据随机变量分布产生大量的随机候选训练样本并代入学习函数中计算，选择使得学习函数值最小的候选样本点作为新增输入训练样本点，进行循环迭代，直到收敛；最后根据所得的最终输入和输出训练样本点，构建最终的代理模型，采用蒙特卡罗仿真方法，计算系统失效概率及可靠性灵敏度，解决了现有方法仅考虑样本点在输入空间的特性的局限性及其在可靠性分析中精度低和计算量大的问题。

主权项

一种基于自适应代理模型的结构可靠性分析方法，具体包括以下步骤：S1、分析产品的运行环境、系统的组成和系统功能；确定产品的关键失效模式及失效机理；S2、采用随机变量对系统中的输入不确定性参数进行建模，统计变量的信息和数据，对变量的分布参数及分布形式进行估计和检验；S3、建立产品关键结构的数值仿真模型；S4、根据输入随机变量的分布产生少量初始随机数，根据随机数与随机变量的映射关系，得到输入随机变量初始训练样本点，根据所得初始输入训练样本点及步骤S3中的数值仿真模型计算得出系统初始响应值，即初始输出训练样本点，根据所得的初始输入和输出训练样本点构建初始的Kriging代理模型；S5、根据输入随机变量的分布产生大量的随机数，根据随机数与随机变量的映射关系，得到输入随机变量的大量候选样本集，构建输入随机变量新增训练样本点选择准则(学习函数)，把所得到的大量候选样本点代入学习函数中进行计算，最终选择使得学习函数值最小的候选样本点作为新增输入训练样本点，此过程循环迭代更新，直到收敛为止，最后得到随机变量最终的输入训练样本点，根据随机变量的最终训练样本点及步骤S3的数值仿真模型，计算得到最终的Kriging代理模型输入和输出训练样本点；S6、根据步骤S5得到的最终Kriging代理模型输入和输出训练样本点，构造最终的Kriging代理模型，计算系统的失效概率和可靠性灵敏度值。