.png){kind=icon}
返回
Nested adaptive Kriging-based reliability analysis and computational resource allocation for complex systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2026.112367.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
复杂工程系统的可靠性分析因多子问题集成、多学科耦合、高维特性及资源不兼容等因素而面临显著挑战。这些系统通常被分解为多个级联子系统，以通过并行分析管理其复杂性。代理模型技术被广泛用于缓解耗时模拟带来的计算负担。本研究提出一种嵌套自适应克里金方法，用于复杂系统的可靠性分析，通过集成系统分解与自适应代理模型方法。该方法在多层框架内运行，分为两个阶段：即序列更新阶段和资源分配阶段。在第一阶段，开发了一种高效的嵌套可靠性导向的采集函数以指导模型更新，并推导出其封闭式表达式。在第二阶段，引入一种兼顾模拟成本与建模成本的成本效益策略，以确定每次迭代中应更新哪些模型组合。最后，通过两个数学算例和两个实际应用验证，该方法优于基准方法和策略。
Keyword:
Reliability analysis
Kriging
Complex systems
Adaptive surrogate models
Resource allocation
期刊
R
IF:
11
论文数:
1.1K
被引数:
0
机构
引用论文
Efficient reliability analysis based on adaptive sequential sampling design and cross-validation
PREAI
分享收藏Efficient reliability analysis using prediction-oriented active sparse polynomial chaos expansion
PREAI
分享收藏An expected integrated error reduction function for accelerating Bayesian active learning of failure probability用于加速故障概率的贝叶斯主动学习的期望集成误差减少函数
PREAI
分享收藏Efficient methodology for seismic fragility curves estimation by active learning on Support Vector Machines.png)
STRUCTURAL SAFETY
OAAI
STRUCTURAL SAFETYIF6.3
OAAI分享收藏
查看更多内容