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算法抽样和支持向量机的结构可靠性分析方法。群智能优化算法、MonteCarlo方法、拟蒙特卡洛方法抽样所产生的样本有较高的随机性或仅要求样本的均匀分布，不一定是高效的样本构造方式。本发明取三者之优点，以Direct优化算法构造候选样本，设置优化目标函数，筛选重要样本形成训练集。采用支持向量回归近似功能函数，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通用性强，能适应各类非线性问题，扩展了支持向量机这种高效、易实现的回归方法在结构可靠性分析领域的适用范围。

主权项：1.一种基于Direct算法抽样和支持向量机的结构可靠性分析方法，其特征在于，所述结构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、待分析领域中反映产品结构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是随机变量向量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随机变量z＝z1,z2,...,zn，z1,z2,…,zn是标准正态随机变量向量z的各分量；S3、设置循环变量iter＝1；S4、若iter＝1，利用Direct算法产生所有样本，构造支持向量回归响应面设置目标函数fz，若iter＞1，以fz为优化目标函数将Direct算法产生的新增加样本追加到先前样本中，建立新的样本训练集，根据真实功能函数计算新增加样本对应的结构响应；S5、对样本进行预处理，将标准正态随机变量z＝z1,z2,...,zn各分量缩放至[-1,1]范围，得到归一化后的y＝y1,y2,...,yn，y1,y2,…,yn是向量y的各分量；S6、采用高斯核函数对功能函数进行支持向量回归估计；S7、利用交叉验证方法寻找支持向量机最优惩罚系数C和参数γ，得到支持向量回归响应面函数S8、对标准正态随机变量z＝z1,z2,...,zn进行蒙特卡罗仿真，转化为归一化参数y＝y1,y2,...,yn，，基于支持向量回归响应面函数计算结构失效概率；S9、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，否则iter＝iter+1，返回步骤S4继续执行。

全文数据：

权利要求：

百度查询： 暨南大学 基于Direct算法抽样和支持向量机的结构可靠性分析方法