.png){kind=icon}
返回
UDDS-DNN: Uncertainty and Distance-Driven Sequential Sampling Deep Neural Network Method for Structural Reliability Analysis
.png){kind=icon}
PRE
AI
DOI：10.3390/machines14020233.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可靠性是评估机械结构安全性和性能的关键指标。代理模型被广泛应用于可靠性分析以降低计算成本；然而，其精度强烈依赖于训练样本的质量。本文提出了一种基于不确定性和距离驱动的顺序采样深度神经网络方法（UDDS-DNN）用于结构可靠性分析。首先，采用极小极大采样策略从蒙特卡洛种群（MCP）生成初始训练样本，确保随机变量空间的全局覆盖。然后，采用基于刀切法的（Jackknife-based）方法量化深度神经网络（DNN）的预测不确定性，并考虑估计的不确定性、样本间距离以及输入随机变量的概率特性。构建了自适应学习函数以引导顺序样本丰富。所提出的方法通过两个数值算例和三个工程案例进行了验证。结果表明，UDDS-DNN在多变量、非线性、复杂结构可靠性问题中实现了高精度和计算效率。该方法为基于DNN的顺序采样复杂结构可靠性分析提供了有效解决方案。
Keyword:
mechanical structures
structural reliability
sequential sampling
deep neural network
active learning
期刊
IF:
2.5
论文数:
981
被引数:
8.2K
机构
引用论文
Active learning and active subspace enhancement for PDEM-based high-dimensional reliability analysis基于PDEM的高维可靠性分析的主动学习和主动子空间增强.png)
STRUCTURAL SAFETY
STRUCTURAL SAFETYIF6.3
PREAI
分享收藏An adaptive surrogate model to structural reliability analysis using deep neural network基于深度神经网络的结构可靠性分析的自适应代理模型
PREAI
分享收藏Daya, A.A.; Lazakis, I. Systems reliability and data driven analysis for marine machinery maintenance planning and decision making. Machines 2024, 12, 294. [Google Scholar] [CrossRef]Daya, A.A.; Lazakis, I. 海洋机械维护计划与决策的系统可靠性和数据驱动分析。Machines 2024, 12, 294. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏A new adaptive sequential sampling method to construct surrogate models for efficient reliability analysis一种新的自适应顺序抽样方法来构造代理模型以进行有效的可靠性分析
PREAI
分享收藏Active learning for structural reliability: Survey, general framework and benchmark结构可靠性的主动学习: 调查，一般框架和基准STRUCTURAL SAFETY
OAAI
STRUCTURAL SAFETYIF6.3
OAAI分享收藏Meta-model based sequential importance sampling method for structural reliability analysis under high dimensional small failure probability基于元模型的高维小失效概率结构可靠性序贯重要抽样法
PREAI
分享收藏
查看更多内容