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 43篇文章

显示第1到第20个结果,共43个。
按年份排序(引用)
  1. 陈汉舒;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)
  2. Ghalehnovi,Mansour;Rashki,Mohsen;Ameryan,Ala:工程结构可靠性分析的一阶控制变量算法(2020)
  3. 蒋,陈;邱,浩波;高,梁;王,大鹏;杨,赞;陈立明:实时估计误差引导的时变可靠性分析主动学习克里金方法(2020)
  4. Kriging与Zhenzhou混合时间可靠性分析的适应性时间抽样;Zhenzhou,2020
  5. 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)
  6. Uy,Wayne Isaac T.;Grigoriu,Mircea D.:识别引起极端反应的输入随机场样本(2020年)
  7. 肖宁聪;袁凯;周成宁: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)
  8. 徐军;周丽娟:一种基于统计矩评估和可靠性分析的自适应三变量降维方法(2020)
  9. 张孟庄;姚,秦;孙,寿义;李,雷;侯,徐:基于可靠性的非概率模型双盘多学科设计优化的有效策略(2020)
  10. Hristov,P.O.;DiazDelaO,F.A.;Farooq,U.;Kubiak,K.J.:用于有效可靠性分析的自适应高斯过程模拟器(2019年)
  11. Marque Pucheu,Sophie;Perrin,Guillaume;Garnier,Josselin:嵌套代码代理建模的有效序列实验设计(2019)
  12. MiarNaeimi,Farid;Azizyan,Gholamreza;Rashki,Mohsen:基于子集模拟混合技术的可靠性灵敏度分析方法(2019)
  13. Perrin,G.;Defaux,G.:可靠性敏感指数的有效评估(2019年)
  14. 钱华明;黄红忠;李彦峰:基于Kriging模型的时变可靠性分析的单回路新方法(2019)
  15. Thomas Sauder;Marelli,Stefano;Sørensen,Asgeir J.:高保真网络物理测试控制系统的概率稳健设计(2019)
  16. Tong,Cao;Wang,Jian;Liu,Jingo: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)
  17. Wang,Fan;Li,Heng:一种实用的关联系统可靠性非参数copula算法(2019)
  18. 张金浩;肖,米;高,梁:随机变量与凸变量混合结构可靠度分析的新方法(2019)
  19. Zhang,Jinhao;Xiao,Mi;Gao,Liang;Chu,Sheng:一种基于投影轮廓的主动学习Kriging和自适应重要抽样的小失效概率混合可靠性分析方法(2019)
  20. Giovanis,D.G.;Shields,M.D.:使用Grassmann流形变化对具有非常高维响应的复杂系统的不确定性量化(2018年)