AK-MCS公司

可靠性与蒙特卡罗学习相结合的蒙特卡罗模拟方法。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60篇文章)

显示第1到第20个结果,共60个。
按年份排序(引用)
  1. 德里安,皮埃尔;莫里奥,杰罗姆;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. 洪,临雄;李华聪;高宁;傅江峰;彭凯:基于新型主动学习Kriging模型的随机多超椭球变量混合可靠性分析(2021)
  3. 李,T.Z。;潘,Q。;Dias,D.:可靠性分析的主动学习相关向量机(2021)
  4. 李小兰;陈国海;崔海超;杨迪雄:复杂性能函数结构静动力可靠性分析的直接概率积分法(2021)
  5. 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)
  6. 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)
  7. Faes,马蒂亚斯G.R。;基于不确定负载的结构可靠性优化(基于MarcoDebens,2020)
  8. 蒙纳州富尔州;Schöps,Sebastian:将高斯过程回归应用于电磁器件设计的黑箱产量估计工作流(2020)
  9. 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)
  10. 乔瓦尼斯,D.G。;Shields,M.D.:在Grassmann流形上使用高斯过程回归的高维模型的数据驱动代理(2020)
  11. 郭青;刘永寿;刘晓涵;陈炳乾;姚琴:基于Kriging模型的双随机振动系统的疲劳动力可靠性和全局灵敏度分析(2020)
  12. 江、陈;邱浩波;高、梁;王大鹏;杨,赞;陈立明:基于实时估计误差引导的时变可靠性分析的主动学习kriging方法(2020)
  13. 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)
  14. 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)
  15. 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)
  16. 撒拉津,加布里埃尔;德里安,皮埃尔;Morio,Jérôme:Shapley值分析的高阶矩独立重要性测度估计(2020)
  17. 石、燕;吕振州;周佳彦;Zio,Enrico:一种新的时间相关系统约束边界采样技术,用于解决基于时间的可靠性优化问题(2020)
  18. 宋静雯;魏鹏飞;瓦尔德贝尼托,马科斯;Beer,Michael:2020年全球非精确线抽样稀有事件评估的适应性可靠性分析(2020)
  19. 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)
  20. 魏鹏飞;张星;比尔,迈克尔:概率积分的自适应实验设计(2020)