Integration-Enhanced Active Learning Method with Composite Parallel Strategy for Structural Reliability Analysis

doi:10.1016/j.probengmech.2026.103952

Integration-Enhanced Active Learning Method with Composite Parallel Strategy for Structural Reliability Analysis

2026-05-19

0

PRE

AI

DOI：10.1016/j.probengmech.2026.103952

原文链接

原文求助

摘要

En 中文

精确高效的结构可靠性分析对于确保复杂工程系统在服役期间的安全、耐久性和长期性能至关重要。然而，现有方法往往难以协同优化多种学习准则、构建并行计算方案以及深度整合代理模型至分析框架中。为解决这些不足，我们提出了一种增强型主动学习可靠性分析方法。开发了一种新型复合学习函数，以整合多种学习函数至统一的决策框架中，该函数提升了所选样本的信息量。随后引入基于排序优先级的并行计算策略，以提高样本选择质量，该策略在每次迭代中选取多个高价值样本，显著提升计算效率。为强化代理建模，采用多项式混沌增强克里金（PC-Kriging）方法以提高全局近似精度。我们进一步将该代理模型与子集模拟相结合，以更好地捕捉失效事件。在数值基准测试和实际工程案例中的性能评估表明，所提出的方法平均误差低于1%，且相较于基准方法在分析效率上提升了约18倍。该方法兼具高精度与高效率，并具备计算可扩展性，为可靠性评估和工程决策支持提供了实用工具。

Keyword:

Structural reliability analysis

Active learning

Surrogate modeling

Parallel computing

Subset simulation

Integration-Enhanced Active Learning Method with Composite Parallel Strategy for Structural Reliability Analysis

摘要

期刊

机构

引用论文