基于ALK模型與子集模擬的主動(dòng)學(xué)習(xí)可靠性分析方法
機(jī)械強(qiáng)度
頁(yè)數(shù): 11 2024-02-15
摘要: 針對(duì)主動(dòng)學(xué)習(xí)Kriging(Active Learning Kriging, ALK)模型在評(píng)估小失效概率時(shí)遇到的候選樣本過(guò)多、計(jì)算耗時(shí)的問(wèn)題,提出了一種結(jié)合ALK模型與子集模擬(Subset Simulation, SS)的雙階段代理模型方法——ALK-SS~2。首先在第1階段基于構(gòu)建的極限狀態(tài)函數(shù)代理模型,采用較少數(shù)量的SS最后一層樣本作為候選樣本完成極限狀態(tài)面的粗略近似,...