[发明专利]一种基于投影轮廓线主动学习的结构可靠性分析方法

摘要

本发明属于结构可靠性分析相关技术领域，其公开了一种基于投影轮廓线主动学习的结构可靠性分析方法，该方法包括以下步骤：(1)建立克里金近似模型；(2)计算各个候选点上的预测值、预测方差及梯度；(3)采用投影轮廓线主动学习方法搜索出更新点；(4)判断更新点是否满足更新的停止条件，若满足，则转至步骤(6)，否则转至步骤(5)；(5)更新实验设计数据，并转至步骤(1)；(6)计算失效概率的上下界；(7)判断失效概率上下界的变异系数是否满足方法停止条件，若满足，转至步骤(9)，否则转至步骤(8)；(8)更新候选点集，并转至步骤(2)；(9)输出步骤(6)得到的失效概率上下界。由此降低了成本，提高了效率。

主权项

1.一种基于投影轮廓线主动学习的结构可靠性分析方法，其特征在于，该方法包括以下步骤：(1)采取多个候选点，并将所述候选点归入到候选点集；(2)确定采样范围的边界后，在采样范围内采取多个实验设计点，接着评估所述实验设计点处真实失效函数的响应值，并将所述实验设计点以及响应值加入到实验设计数据中；(3)依据当前的实验设计数据建立克里金近似模型；(4)采用当前的克里金近似模型计算各个候选点上的预测值、预测方差及梯度；(5)结合得到的所述预测值、所述预测方差及所述梯度，采用投影轮廓线主动学习方法自所述候选点集中搜索出一个更新点；(6)判断所述更新点是否满足克里金近似模型更新的停止条件，若满足，则转至步骤(8)，否则转至步骤(7)；(7)评估所述更新点处真实失效函数的响应值，将所述更新点以及响应值添加到实验设计数据中，并转至步骤(3)；(8)采用当前的克里金近似模型及所述候选点集计算失效概率的上下界；(9)判断得到的失效概率的上下界的变异系数是否满足方法停止条件，若满足，转至步骤(11)，否则转至步骤(10)；(10)增加候选点到所述候选点集中，并转至步骤(4)；(11)输出步骤(8)得到的失效概率的上下界，即输出结构可靠性分析的结果。