摘要
本发明属于机械结构可靠性分析技术领域,尤其涉及一种基于Kriging模型和截断重要性采样的结构可靠性分析方法,包括:S1、分析机械结构,识别关键因素,建立功能函数;S2、估计输入变量的概率分布形式与参数;S3、抽样生成多维随机样本,使用功能函数计算响应,形成训练样本集;S4、使用训练样本集优化Kriging模型的相关函数参数,构建初始Kriging模型;S5、使用Kriging模型评MPP,形成TIS密度函数,抽取候选样本点;S6、选择使学习函数值最小的候选样本点作为新增训练样本点,继续优化Kriging模型;若未收敛则返回S5,收敛则转到S7;S7、局域收敛的Kriging模型预测响应计算失效概率及变异系数;若未收敛则返回S5。本方法可以提升低失效概率复杂结构可靠性分析的计算效率。
技术关键词
Kriging模型
训练样本集
鲸鱼优化算法
分析机械
结构可靠性分析
拉丁超立方抽样
变量
概率密度函数
球面
参数
数据
表达式
定义
局域
模式
系统为您推荐了相关专利信息
船舶海水冷却系统
鲸鱼优化算法
参数预测方法
权重策略
非线性
鲸鱼优化算法
多策略融合
鲸鱼算法
边界检测方法
参数
早期预警方法
序列
早期预警模型
多模态特征
激光
压力控制系统
热工参数
故障检测模型
初始故障检测
执行器