.png){kind=icon}
返回
Error-informed parallel adaptive Kriging method for time-dependent reliability analysis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2025.111194.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
主动学习单循环克里金方法在时变可靠性分析中已引起广泛关注。然而，在实际工程问题中，仍需挑战高效且准确地估计时变失效概率。本研究提出一种新方法，称为“误差信息并行自适应克里金”（EPAK），用于高效时变可靠性分析。首先，开发了一种顺序方差放大重要性采样技术，基于训练后的真实性能函数全局响应克里金模型来估计时变失效概率。然后，推导出时变失效概率的最大相对误差，以辅助构建停止准则。最后，通过结合相对误差贡献和影响函数，提出一种并行采样策略，该策略可实现并行计算，并减少因过度聚集导致的冗余极限状态函数评估。通过多个算例验证了所提方法的优越性能。数值结果表明，该方法能比其他比较方法更高效地准确估计时变失效概率。
Keyword:
Time-dependent reliability analysis
Active learning
Kriging model
Importance sampling
Parallel computing
Estimation error
期刊
R
IF:
11
论文数:
9.0K
被引数:
4.2W
机构
暂无机构信息
引用论文
.png){kind=icon}
Refined parallel adaptive Bayesian quadrature for estimating small failure probabilities用于估计小故障概率的精细并行自适应贝叶斯求积
PREAI
分享收藏A new active learning surrogate model for time- and space-dependent system reliability analysis
PREAI
分享收藏
查看更多内容