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！

申请/专利权人：暨南大学

摘要：本发明公开了一种基于Direct优化和双样本点更新的可靠性分析方法。本发明基于Direct优化算法，设置优化目标，对样本进行初抽样，然后分别在安全域和不安全域，基于欧几里得距离的自适应选点规则，不断采用自适应策略选取2个样本点更新样本集，并使用支持向量回归拟合近似功能函数，以内积核函数代替向高维空间的非线性映射，增强响应面方法的非线性适应性，在此基础上进行蒙特卡罗模拟，作结构可靠性分析。本发明在结构可靠性分析中有很好的通用性，能适应各类非线性问题，扩展了Direct优化算法、支持向量机机器学习方法在结构可靠性分析领域的适用范围，有重要的理论和工程意义。

主权项：1.一种基于Direct优化和双样本点更新的可靠性分析方法，其特征在于，所述可靠性分析方法包括以下步骤：S1、指定待分析领域的产品结构、待分析领域中反映结构或产品正常工作能力或安全工作临界状态的功能函数gx、随机变量x＝x1,x2,…,xn及其特征参数，其中，n为随机变量x中元素的个数，x1,x2,…,xn是随机变量x的各分量，所述待分析领域包括土木工程、机械电子和航空航天；S2、将随机变量x＝x1,x2,…,xn通过Rosenblatt变换转化为标准正态变量z＝z1,z2,...,zn，z1,z2,...,zn是标准正态变量z的各分量；S3、设置循环变量iter＝1；S4、通过Direct优化算法产生2n+1个初始样本点，根据功能函数gx计算样本对应的结构响应，建立样本训练集，建立支持向量机回归函数以fz为优化目标函数并通过Direct优化算法再进行一次迭代，通过迭代新产生的候选样本选择fz值较小的k个样本追加到先前样本中，计算样本对应的真实结构响应，建立新的样本训练集，将2n+k+1个样本构成的样本集记为Z0，更新支持向量回归响应面函数S5、令iter＝iter+1，采用蒙特卡洛方法随机产生N个候选样本点，经过自适应选点策略从安全域与不安全域分别筛选出一个候选样本点并计算对应的真实结构响应添加到样本集Z0中，再次更新支持向量回归响应面函数S6、基于支持向量回归响应面函数计算结构失效概率；S7、检验结构失效概率是否收敛，若收敛，得到结构失效概率和可靠性指标β＝Φ-1Pf，其中Φ-1·为标准正态分布函数反函数，否则，返回步骤S5继续执行。

全文数据：

权利要求：

百度查询： 暨南大学 基于Direct优化和双样本点更新的可靠性分析方法