摘要
本发明公开了一种基于域自适应网络集成的结构可靠性更新方法,包括:构建源域、目标域蒙特卡洛样本池;构建基于深度集成和主动学习的代理模型,作为源域代理模型;生成迁移训练集样本点;构建域自适应网络集成代理模型,作为目标域代理模型;基于学习函数挑选微调训练集样本点;计算样本点极限状态函数值,得到微调训练集;对目标域代理模型进行部分微调;采用蒙特卡洛方法进行失效概率估计,判断失效概率是否满足收敛准则;输出基于载荷变量分布变化更新的失效概率估计值。本发明的方法能够根据载荷变量分布变化情况,准确高效地完成失效概率的更新求解,有助于实时量化结构继续服役的安全程度,从而制定更科学经济的维护措施和检修计划。
技术关键词
样本
训练集
更新方法
结构失效概率
拉丁超立方抽样方法
蒙特卡洛方法
主动学习策略
人工神经网络
特征提取模块
表达式
预测输出值
变量
非线性特征
特征提取器
载荷
检修计划
参数
预测误差
系统为您推荐了相关专利信息
空间金字塔池化
检测草莓
草莓成熟度
注意力
图像
对象
频繁项集挖掘算法
展示界面
频繁项挖掘
信息展示方法