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 |
