.png){kind=icon}
返回
A stochastic collocation algorithm for estimating augmented failure probability based global reliability sensitivity
.png){kind=icon}
PRE
AI
DOI：10.1007/s00158-025-04091-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随机输入的分布参数由于输入信息的缺乏，通常具有随机性。针对这种情况，可采用增补失效概率来量化结构的安全水平，而基于增补失效概率的全局可靠性灵敏度（A-GRS）可以衡量输入及其分布参数的随机性对安全水平的影响。然而，由于输入及其分布参数的双重不确定性，A-GRS的估计计算量大。为高效估计A-GRS，本文提出了一种结合维数缩减积分和高维模型表示的随机配置算法。主要创新包括两个方面：首先，在由分布参数扩展的输入空间中，所提算法通过维数缩减积分将A-GRS估计转化为连续被积函数的积分，随后随机配置算法可结合连续被积函数的截断模型来高效估计A-GRS；其次，所提算法设计了随机配置节点的信息共享策略，以提高A-GRS估计的效率。此外，在随机配置节点集中自适应训练性能函数的克里金代理模型，以进一步改善效率。这些创新通过所展示的算例进行了验证。
Keyword:
Global reliability sensitivity
Augmented failure probability
Dimension reduction integral
Stochastic collocation algorithm
Kriging model
期刊
IF:
4
论文数:
4.9K
被引数:
1.7W
机构
引用论文
Moment-independent importance measure of basic variable and its state dependent parameter solution.png)
STRUCTURAL SAFETY
STRUCTURAL SAFETYIF6.3
PREAI
分享收藏An efficient multi-fidelity Kriging surrogate model-based method for global sensitivity analysis
PREAI
分享收藏
查看更多内容