一种采用改进学习函数的AK-MCS可靠性分析方法

本发明公开了一种采用改进学习函数的AK‑MCS可靠性分析方法，包括以下步骤：根据结构输入变量的数据特征，采用拉丁超立方抽样抽取样本集并进行实验设计，根据初始样本点及其响应值构建初始Kriging代理模型；运用本发明所提出的WU学习函数，计算主动学习函数值，选择最佳样本点用于更新Kriging代理模型，其中WU学习函数考虑样本点预测值及预测方差同时对失效概率估计精度的影响，优先选取样本空间中更接近极限状态曲面的样本点，并为靠近极限状态曲面样本点的预测方差赋予一个较大的权值，从而保证在Kriging代理模型迭代优化过程中，采用WU学习函数选取的最佳样本点能够较多的落在极限状态曲面上；根据定义的WU学习函数停止准则，判断WU学习函数是否收敛以及变异系数是否满足要求，获得最终Kriging代理模型，计算出结构的失效概率。本发明对于具有复杂功能函数的可靠性问题，能够保证失效概率的稳定收敛，同时能够高效高精度地估计结构的失效概率。