基于自适应kriging模型的非精确概率输入可靠性灵敏度分析方法
技术特征：
1.一种基于自适应kriging模型的非精确概率输入可靠性灵敏度分析方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于自适应kriging模型的非精确概率输入可靠性灵敏度分析方法，其特征在于，所述基于抽样概率密度函数从目标结构的分布参数中抽取初始训练样本集具体包括：
3.根据权利要求2所述的基于自适应kriging模型的非精确概率输入可靠性灵敏度分析方法，其特征在于，所述基于u学习函数对所述初始kriging模型进行自适应学习以及判断自适应学习过程是否收敛具体包括：
4.根据权利要求3所述的基于自适应kriging模型的非精确概率输入可靠性灵敏度分析方法，其特征在于，当所述自适应学习过程不收敛时，基于所述初始训练样本集重新构建初始kriging模型，直至其自适应学习过程收敛包括：
5.根据权利要求4所述的基于自适应kriging模型的非精确概率输入可靠性灵敏度分析方法，其特征在于，所述求解失效概率及其变异系数具体包括：
6.根据权利要求5所述的基于自适应kriging模型的非精确概率输入可靠性灵敏度分析方法，其特征在于，所述当所述变异系数满足要求，则得到自适应kriging模型；扩大所述初始训练样本集，基于扩大后的初始训练样本集重新构建初始kriging模型，直至其变异系数满足要求具体包括：
7.根据权利要求1所述的基于自适应kriging模型的非精确概率输入可靠性灵敏度分析方法，其特征在于，所述抽样概率密度函数包括重要抽样概率密度函数和截断重要抽样概率密度函数。
8.根据权利要求7所述的基于自适应kriging模型的非精确概率输入可靠性灵敏度分析方法，其特征在于，所述基于抽样概率密度函数生成输入变量的样本矩阵，将所述样本矩阵中的样本代入所述自适应kriging模型，得到相应输出值及其指示函数具体包括；
9.根据权利要求8所述的基于自适应kriging模型的非精确概率输入可靠性灵敏度分析方法，其特征在于，所述基于抽样概率密度函数生成输入变量的样本矩阵，将所述样本矩阵中的样本代入所述自适应kriging模型，得到相应输出值及其指示函数具体包括；
10.一种基于自适应kriging模型的非精确概率输入可靠性灵敏度分析系统，其特征在于，包括：
技术总结
本发明公开了一种基于自适应Kriging模型的非精确概率输入可靠性灵敏度分析方法，属于确定性分析技术领域。包括以下步骤：基于U学习函数对所述初始Kriging模型进行自适应学习；当所述自适应学习过程收敛，则求解失效概率及其变异系数，否则，重新构建初始Kriging模型；当所述变异系数满足要求，则得到自适应Kriging模型；否则，扩大所述初始训练样本集，重新构建初始Kriging模型；基于抽样概率密度函数生成输入变量的样本矩阵，将所述样本矩阵中的样本代入所述自适应Kriging模型，得到相应输出值及其指示函数；基于所述指示函数计算得到目标结构的主灵敏度指标和总灵敏度指标，进行可靠性灵敏度分析。本发明在非精确概率输入全局可靠性灵敏度分析展现出了显著的优越性。
技术研发人员：李璐祎,陈志远,刘俊超,崔毓楷
受保护的技术使用者：西北工业大学
技术研发日：
技术公布日：2024/11/26
技术研发人员：李璐祎,陈志远,刘俊超,崔毓楷
技术所有人：西北工业大学
备 注：该技术已申请专利，仅供学习研究，如用于商业用途，请联系技术所有人。
声 明 ：此信息收集于网络，如果你是此专利的发明人不想本网站收录此信息请联系我们，我们会在第一时间删除