买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西南交通大学申请的专利极小失效概率下基于RBF模型的复杂结构主动学习可靠性分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119538711B 。

龙图腾网通过国家知识产权局官网在2025-10-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411475995.7，技术领域涉及：G06F30/27；该发明授权极小失效概率下基于RBF模型的复杂结构主动学习可靠性分析方法是由杨旭锋;张煜;赵俊祎;陈鹏志;陈琳庸设计研发完成，并于2024-10-22向国家知识产权局提交的专利申请。

本极小失效概率下基于RBF模型的复杂结构主动学习可靠性分析方法在说明书摘要公布了：本发明公开了一种极小失效概率下基于RBF模型的复杂结构主动学习可靠性分析方法，提出径向基函数RBF模型和主动学习相结合，使用RBF模型作为代理模型来近似真实的功能函数，并利用重要抽样技术来提高在失效区域附近的采样效率。通过结合多模态优化技术，该方法能够识别并利用多个最可能的失效点MPPs，从而更准确地估计失效概率。本申请所提出的AL‑RBF‑IS方法能够在保证准确度的同时显著减少所需的训练点数量和计算时间，特别是在处理小失效概率问题时表现出色，在对转向架构架静强度可靠性分析时更为便利。

本发明授权极小失效概率下基于RBF模型的复杂结构主动学习可靠性分析方法在权利要求书中公布了：1.一种极小失效概率下基于RBF模型的复杂结构主动学习可靠性分析方法，其特征在于，用于对转向架构架的静强度进行分析，包括以下步骤： 步骤1、将随机变量转化为标准正态空间，采用拉丁超立方抽样法LHS生成少量初始训练点，计算功能函数的真实值，形成初始实验设计DoE； 所述步骤1具体如下： 设随机变量为x＝[x1,…,xk]，转化为标准正态空间后变为u＝[u1,…,uk],计算功能函数的真实值，形成初始实验设计DoEui,Gui，i＝1,…,k； 在HyperMesh软件中建立转向架构架有限元模型，采用COMBIN14单元模拟一系二系悬挂；采用BEAM188梁单元模拟轮对、转臂定位、轴箱部件；采用MASS21质量单元模拟电机、齿轮箱部件的质量；转向架构架采用Shell181壳单元进行网格划分，部分复杂部件采用Solid185实体单元； 选取某一最恶劣的超常载荷工况作为可靠性分析工况，考虑载荷、板厚、材料属性的不确定性因素的影响，转向架构架的功能函数定义为： Gu＝σs-σumax 其中，σs为材料的屈服强度，σmax为超常载荷工况下构架所受的等效应力，u＝u1,u2,…,uk表示输入的随机变量，Gu≤0表示结构失效； 步骤2、根据初始实验设计DoE训练初始RBF模型； 步骤3、根据当前的RBF模型预测信息得到代理极限状态平面LSS； 步骤4、根据多模态多目标优化算法EMO-MMO获取多个标准正态空间中距离原点最近的点MPP； 步骤5、计算标准正态空间中距离原点最近的点MPP的权重并建立辅助概率密度函数iPDF，生成NIS个重要样本； 步骤6、判断RBF模型是否达到预设的收敛阈值； 步骤7、当RBF模型没有小于预设的收敛阈值时，利用主动学习函数，获取最优训练点； 步骤8、将最优训练点加入到初始实验设计DoE中，更新RBF模型，用达到收敛准则的RBF模型预测失效概率。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南交通大学，其通讯地址为：610000 四川省成都市二环路北一段西南交通大学九里校区；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。