.png){kind=icon}
返回
Efficient algorithm for generalized reliability-based design optimization under fuzzy state assumption constrained by extremely small target generalized failure probability
.png){kind=icon}
PRE
AI
DOI：10.1016/j.probengmech.2026.103934.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
针对工程应用中常见的概率输入和模糊状态场景，广义可靠性为基础的设计优化（GRBDO）旨在通过平衡广义失效概率（GFP）约束和性能目标来寻求最优方案。然而，由于搜索最优设计参数和分析GFP约束的嵌套框架，求解GRBDO耗时较长，尤其是在极小目标GFP的情况下。为解决此问题，提出了一种结合分层重要抽样（SODO-IS）的顺序偏移估计与确定性优化方法。在SODO-IS中，GFP约束被性能函数偏移（对应目标GFP）逐步替换为确定性约束，从而将GRBDO中的嵌套框架解耦为偏移估计的反向GFP分析和设计参数搜索的确定性优化序列。为高效估计极小目标GFP下稀有重要区域的对应偏移，开发了一种分层重要抽样方法，通过聚类分析自适应构建显式且易于采样的IS密度函数以覆盖稀有重要区域，从而降低偏移估计的方差。由于在求解GRBDO时通过IS方差降低辅助的顺序解耦，所提出的SODO-IS在可接受的精度下展现出比现有方法更高的效率，并通过多个算例得到验证。
Keyword:
Generalized Reliability-Based Design Optimization
Fuzzy State
Extremely Small Target Generalized Failure Probability
Stratified Importance Sampling
Sequential Offset Estimation
期刊
IF:
3.5
论文数:
1.7K
被引数:
4.1K
机构
暂无机构信息
引用论文
A novel dual-stage adaptive Kriging method for profust reliability analysis一种用于profust可靠性分析的新型双阶段自适应Kriging方法
PREAI
分享收藏Reliability Sensitivity Based on Profust Model: An Application to Aircraft Icing Analysis.png)
AIAA Journal
AIAA JournalIF0
PREAI
分享收藏分享收藏A new efficient decoupled reliability-based design optimization method with quantiles一种新的基于分位数的高效解耦可靠性设计优化方法
PREAI
分享收藏
Efficient numerical algorithm of profust reliability analysis: An application to wing box structure
PREAI
分享收藏
查看更多内容