.png){kind=icon}
返回
Structural dominant failure modes analysis method based on limit state sample searching with supervised Laplacian eigenmaps
.png){kind=icon}
PRE
AI
DOI：10.1016/j.strusafe.2026.102743.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种概率解耦框架，用于识别主导失效模式，无需显式建模模间相关性，克服了传统失效树方法的局限性。
• 监督拉普拉斯特征映射（SLE）能够有效将高维极限状态样本降至低维映射空间，实现清晰的模间分离和稳健的聚类验证。
• 基于熵采样的不确定性引导主动学习迭代发现新的失效模式，提高了复杂结构系统中的探索效率。
• 该方法在三个结构案例研究中表现出卓越的计算效率，与MCS和现有方法相比，显著减少了结构分析次数，识别出更多失效模式。
• 通过包含283个随机变量和137个构件的桁架拱桥验证了该方法在高维和复杂系统中的适用性，展示了其在大型工程结构中的实际相关性。
期刊
IF:
6.3
论文数:
1.4K
被引数:
7.0K
机构
引用论文
暂无论文信息