AK-MCS公司

AK-MCS:一种结合Kriging和Monte Carlo仿真的主动学习可靠性方法。结构可靠性的一个重要挑战是将对数值模型的调用次数保持在最小。工程问题涉及到越来越复杂的计算机代码,评估失效概率可能需要非常耗时的计算。元模型用于减少这些计算时间。为了评估可靠性,最流行的方法仍然是响应面的众多变体。多项式混沌[1]和支持向量机[2]也是可能的,并且在过去的几十年里得到了研究人员的考虑。然而,近年来,源于地统计学的Kriging方法在可靠性分析中出现。Kriging在优化中广泛应用,刚刚开始出现在不确定性传播[3]和可靠性研究中。它具有精确的插值和局部不确定性指数等特点,可用于主动学习方法。本文旨在提出一种基于蒙特卡罗模拟和Kriging元模型的迭代方法,以更有效地评估结构的可靠性。将Kriging和montecarlo仿真相结合的主动学习可靠性方法称为AK-MCS。由于AK-MCS获得的故障概率非常精确,因此它是非常有效的,这对于性能函数的调用次数很少。通过文献中的几个例子来说明该方法并证明其有效性,特别是对于处理高非线性、不可微、非凸和非连接失效域和高维问题


zbMATH中的参考文献(参考文献48条)

显示结果1到20,共48个。
按年份排序(引用)
  1. 德里安,皮埃尔;莫里奥,Jérô我;西马托斯,弗洛里安:互补矩独立和面向可靠性的灵敏度测量的同时估计(2021年)
  2. 贝努梅奇亚拉,纳齐赫;布斯克,尼古拉斯;米歇尔,贝特朗;圣皮埃尔,菲利普:计算机模型随机输入之间关键依赖结构的检测和建模(2020)
  3. 陈汉书;孟、曾;周焕林:含缺陷加筋壳体多目标高效优化的混合框架(2020)
  4. 曼苏尔,加莱诺维;拉什基,莫森;Ameryan,Ala:工程结构可靠性分析的一阶控制变量算法(2020)
  5. 江,陈;邱浩波;高、梁;王大鹏;杨,赞;基于实时学习的可靠性分析(Chen-guided-learning-Related error:2020)
  6. 凌春燕;吕振洲:时变混合可靠性分析的自适应Kriging与重要抽样策略(2020)
  7. 凌春燕;吕振州;孙波;王敏杰:主动学习kriging与蒙特卡罗模拟相结合的预测失效概率的有效方法(2020)
  8. 刘宝寿;蒋超;李光耀;黄晓东:考虑局部材料不确定性的增材制造结构拓扑优化(2020)
  9. 是的,韦恩·艾萨克·T。;Grigoriu,Mircea D.:识别引起极端响应的输入随机场样本(2020年)
  10. 魏鹏飞;张星;比尔,迈克尔:概率积分的自适应实验设计(2020)
  11. 肖宁聪;袁凯;周承宁:基于自适应kriging的多失效模式混合变量结构系统有效可靠度方法(2020)
  12. 徐俊;周丽娟:用于统计矩评估和可靠性分析的自适应三元降维方法(2020)
  13. 张孟昌;姚、秦;孙寿义;李磊;侯旭:基于可靠性的多学科非概率模型优化设计策略(2020)
  14. 赫里斯托夫,P。O、 。;迪亚兹德劳,F。A、 。;法鲁克,美国。;库比克,K。J、 :用于有效可靠性分析的自适应高斯过程仿真器(2019年)
  15. 普切侯爵,苏菲;佩林,纪尧姆;Garnier,Josselin:嵌套代码代理建模的有效序列实验设计(2019)
  16. 米尔纳伊米,法里德;阿齐兹扬,戈拉姆雷扎;Rashki,Mohsen:基于子集模拟混合技术的可靠性灵敏度分析方法(2019)
  17. 佩林,G。;Defaux,G.:可靠性敏感指数的有效评估(2019年)
  18. 钱华明;黄洪忠;李彦峰:基于Kriging模型的时变可靠性分析的单回路新方法(2019)
  19. 索德,托马斯;马雷利,斯特凡诺;Sørensen,Asgeir J.:高保真网络物理测试控制系统的概率稳健设计(2019)
  20. 童、曹;王健;刘金国:一种基于Kriging的非线性响应机械可靠性分析的主动学习算法(2019)