一种基于证据理论的主动学习可靠性分析方法

摘要

针对具有单个失效模式、认知不确定性和“黑箱”模型特点的可靠性分析问题，提出了一种基于证据理论的主动学习可靠性分析方法，能够高效高精度地求解结构的可信度和似真度.通过证据理论对认知不确定性变量进行处理，抽取初始训练样本构建初始Kriging模型，将优化方法与主动学习过程相结合，实现在整个输入变量空间中搜索最佳训练样本，利用最佳训练样本对Kriging模型进行优化，通过优化后的Kriging模型代替功能函数，对未知点进行预测，以实现结构的可信度和似真度计算.该方法将优化方法与主动学习过程相结合，降低了传统方法搜索训练样本时对候选样本位置的约束，能够搜索到对Kriging模型优化效果更好的训练样本，提升了Kriging模型构建的效率和成功率.数值算例证明了该方法具有良好的计算效果，并将其应用于车辆正面碰撞的可靠性分析.

关键词

结构可靠性 / 可靠性分析 / 证据理论 / “黑箱”问题 / 主动学习Kriging模型

基金资助

国家自然科学基金资助项目（52375242）; 湖南省自然科学基金资助项目（2023JJ20011）