AGP-SYS: An adaptive learning and Gaussian process modeling-based system reliability method

doi:10.1016/j.probengmech.2025.103805

AGP-SYS: An adaptive learning and Gaussian process modeling-based system reliability method

2025-07-02

0

PRE

AI

DOI：10.1016/j.probengmech.2025.103805

原文链接

原文求助

摘要

En 中文

• 对SPF进行了数学严谨的推导。通过跨多种场景的SPF分析，我们证明了用某个CPF替代SPF可能会引入显著误差。此外，SPF的分布在不同特定情境下表现出非高斯特性。 • 与通过CPF的极值（最大/最小值）来近似SPF的传统方法不同，AGP-SYS利用所有CPF预测值推导出SPF的精确均值和方差。这避免了在复杂交错临界曲面问题中，因极值近似导致的失效概率估计误差。 • 鉴于SPF通常偏离高斯分布，AGP-SYS采用PMC作为主动学习函数，而非仅适用于高斯分布SPF且物理意义受限的传统U函数。关键在于，基于PMC的函数无论SPF分布类型如何，均能保持清晰的物理可解释性。 • 该方法引入了自适应收缩距离准则，以防止新增训练点聚集在现有点附近。该策略在提升预测精度的同时确保训练点逐步致密化，并避免因训练点聚集导致的过早收敛至局部最优。

AGP-SYS: An adaptive learning and Gaussian process modeling-based system reliability method

摘要

期刊

机构

引用论文