کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10677738 1012378 2015 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Efficient structural reliability analysis method based on advanced Kriging model
ترجمه فارسی عنوان
روش تجزیه و تحلیل اعتبار ساختاری کارآمد بر اساس مدل کریگینگ پیشرفته
کلمات کلیدی
تحلیل قابلیت اطمینان، مدل کریگینگ، بیشترین منطقه احتمالی، محدودیت عملکرد دولت، احتمال شکست
ترجمه چکیده
تجزیه و تحلیل قابلیت اطمینان به طور فزاینده پیچیده است در مواجهه با پیچیده گران قیمت به ارزیابی برنامه های کاربردی مهندسی، به ویژه مشکلات شامل مدل های عنصر ضمنی محدود است. به منظور تعادل دقت و کارایی اجرای تجزیه و تحلیل قابلیت اطمینان، روش کریگینگ پیشرفته برای تحلیل کارآیی قابلیت اطمینان ساختاری پیشنهاد شده است. این روش با یک مدل کریگینگ آغاز شده از تعداد بسیار کمی نمونه تولید شده توسط روش نمونه گیری تصادفی ساده شروع می شود و سپس از احتمال ترین منطقه در دیدگاه احتمالاتی تعیین می کند و نمونه های بعدی را در این منطقه با استفاده از تابع طبقه بندی احتمالاتی انتخاب می کند. علاوه بر این، برای به روز رسانی مدل فعلی از روش ترک یک استفاده می شود. با قرار دادن نمونه ها در احتمال ترین منطقه احتمالاتی، تنها تعداد کمی از نمونه ها برای ساخت یک مدل جایگزین دقیق در انتهای مورد استفاده قرار می گیرند و تنها به چندین ارزیابی تابع حالت محدود مربوط می شود. پس از جایگزینی با کیفیت بالا از حالت محدودی ضمنی توسط مدل کریگینگ پیشرفته، روش شبیه سازی مونت کارلو برای تحقق قابلیت اطمینان استفاده می شود. برخی از نمونه های مهندسی برای نشان دادن دقت و کارایی روش پیشنهادی معرفی شده اند.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
پیش نمایش مقاله
روش تجزیه و تحلیل اعتبار ساختاری کارآمد بر اساس مدل کریگینگ پیشرفته
چکیده انگلیسی
Reliability analysis becomes increasingly complex when facing the complicated expensive-to-evaluate engineering applications, especially problems involve the implicit finite element models. In order to balance the accuracy and efficiency of implementing reliability analysis, an advanced Kriging method is proposed for efficiently analyzing the structural reliability. The method starts with an incipient Kriging model built from a very small number of samples generated by the simple random sampling method, then determines the most probable region in the probabilistic viewpoint and chooses the subsequent samples located in this region by employing the probabilistic classification function. Besides, the leave-one-out technique is used to update the current model. By locating samples in the probabilistic most probable region, only a small number of samples are used to build a precise surrogate model in the end, and only a few actual limit state function evaluations are required correspondingly. After the high quality surrogate of the implicit limit state is available by the advanced Kriging model, the Monte Carlo simulation method is employed to implement reliability analysis. Some engineering examples are introduced to demonstrate the accuracy and efficiency of the proposed method.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Applied Mathematical Modelling - Volume 39, Issue 2, 15 January 2015, Pages 781-793
نویسندگان
, , ,