高维小失效概率可靠性分析的序列重要抽样法

针对工程实际中大量存在的高维小失效概率问题,提出了基于子集模拟的序列重要抽样法。该方法首先利用子集模拟的基本思路,通过引入合理的中间失效事件将概率空间划分为一系列的子集,然后再依据重要抽样法的思想,逐步构造序列重要抽样函数来求得失效概率的估计。文中给出了序列重要抽样法求解高维小失效概率的基本步骤,并用算例验证了所提方法的效率和可行性。数值算例和工程算例的结果均表明,基于子集模拟的序列重要抽样法不依赖于极限状态方程的形式,且适用于非正态分布随机变量,其可靠性分析结果有很高的计算精度。

基于主动学习Kriging模型与序列重要抽样的随机-区间混合可靠性分析

针对随机-区间混合可靠性分析中复杂功能函数的高非线性和多设计点问题,本文提出了一种结合主动学习Kriging模型与序列重要抽样方法的混合可靠性分析方法。在序列重要采样方法中采用高斯混合分布作为提议分布进行逐级采样,逐步逼近最优重要抽样函数的采样样本;结合序列重要抽样方法的特点,提出了主动学习Kriging模型的两步学习方案,保证算法精度的前提下显著提高了效率。通过数值算例将本文方法与已有的混合可靠性分析方法对比,验证本文方法的准确性和高效性。