基于改进Kriging模型的主动学习可靠性分析方法
陈哲1
杨旭锋2
程鑫2
1.中车株洲电力机车有限公司大功率交流传动电力机车系统集成国家重点实验室,株洲4120012.西南交通大学机械工程学院,成都610031
摘要：主动学习Kriging(ALK)模型能够只在极限状态平面附近的狭小区域近似功能函数,因此能够极大提高可靠性分析的效率.但是已有方法多数基于DACE工具箱建立Kriging模型,难以获得Kriging模型的最优相关参数,进而难以获得最优的训练点.引入差分进化算法,对Kriging模型的相关参数进行全局搜索,提高每次迭代Kriging模型的预测精度,保证每次学习都能获得最优的训练点,从而明显提高了基于ALK模型的可靠性分析方法的效率.
关键词：主动学习Kriging模型差分进化算法可靠性分析
分类号：TB114.3(工程基础科学)
资助基金：国家自然科学基金(51705433)国家重点实验室开放基金(2017ZJKF04)国家重点实验室开放基金(2017ZJKF02)
论文发表日期：2021-02-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：8( 129-136 )
英文信息