摘要
工学構造物の信頼性解析分野では、暗黙的かつ高度に非線形な性能関数の問題がしばしば存在します。近似解析法を用いて故障確率を推定する際、計算結果に顕著な誤差が生じることが多い一方で、数値シミュレーション法は高い精度を提供できるものの、計算時間が長くなる制約があります。したがって、能動学習クリーギングモデルに基づく信頼性解析手法は、工学構造物の信頼性解析において広く応用されています。本稿では、古典的なU学習関数に基づき、サンプル点の予測値および予測分散が故障確率推定精度に与える影響を総合的に考慮し、サンプル空間において限界状態曲面により近いサンプル点を優先的に選択し、これらのサンプル点の予測分散により高い重みを付与することで、WU学習関数を提案します。WU学習関数の構築過程において、異なる適応的指向関数下でのWU関数のサンプル選択効果を比較し、適用可能な適応的指向関数を特定しました。さらに、クリーギングモデルと結合してAK-MCS-WU信頼性解析手法を提案します。2つの数値例と1つの工学事例による検証の結果、提案したAK-MCS-WU手法は故障確率の安定収束を保証し、複雑な性能関数を含む信頼性問題に対して効率的かつ正確な構造物故障確率の予測を提供することが示されました。
关键词
構造信頼性解析;能動学習関数;クリーギング代理モデル;適応的指向関数