基于Kriging模型的失效率计算方法研究
摘要 | 第7-8页 |
ABSTRACT | 第8页 |
第一章 绪论 | 第9-13页 |
1.1 研究背景及意义 | 第9-10页 |
1.2 相关理论及研究现状 | 第10-11页 |
1.3 本文主要工作 | 第11-13页 |
第二章 基于Kriging模型的主动学习方法 | 第13-21页 |
2.1 Kriging模型简介 | 第13-15页 |
2.2 方法框架 | 第15-17页 |
2.3 基于单个MC样本信息的学习函数和停止准则 | 第17-20页 |
2.3.1 EGRA | 第18页 |
2.3.2 AK-MCS及其改进 | 第18-19页 |
2.3.3 IBS2及其改进 | 第19-20页 |
2.4 本章小结 | 第20-21页 |
第三章 基于全部MC样本信息的学习函数和停止准则 | 第21-29页 |
3.1 不确定性减少量化函数URQF | 第22-25页 |
3.2 基于相对误差的停止准则研究 | 第25-26页 |
3.3 URQF中权函数研究 | 第26-29页 |
第四章 数值结果对比分析 | 第29-43页 |
4.1 算例一:低维,单曲线极限状态 | 第29-32页 |
4.2 算例二:低维,多曲线极限状态 | 第32-35页 |
4.3 算例三:低维,极高非线程度 | 第35-37页 |
4.4 算例四:单自由度非线性阻尼系统 | 第37-39页 |
4.5 算例五:方法性能与维度的关系 | 第39-41页 |
4.6 本章小结 | 第41-43页 |
第五章 结论与展望 | 第43-45页 |
致谢 | 第45-47页 |
参考文献 | 第47-51页 |
作者在学期间取得的学术成果 | 第51页 |