Распространение неопределенности (Uncertainty Propagation, UP) является ключевым этапом оценки влияния неопределенности входных данных на отклик конструкции и имеет большое значение в инженерных приложениях. Однако для структурных систем с высокой нелинейностью и множественными выходами точный и эффективный анализ распространения неопределенности остается сложной задачей. В данном исследовании предложен новый адаптивный метод UP на основе искусственных нейронных сетей (Artificial Neural Network, ANN) для решения этой задачи. В методе среднее значение выходного отклика вычисляется непосредственно с помощью ANN аналитическим путем, при этом вычисления требуют только вызова весов и смещений сети. Для вычисления стандартного отклонения выхода исследование инновационно использует несколько однопеременных интегралов вместо многомерных интегралов. Разработанный аналитический метод и технология однопеременных интегралов эффективно снижают ошибки постобработки, характерные для традиционных численных методов оценки статистических моментов выхода в рамках ANN. Кроме того, в исследовании предложена адаптивная структура, включающая разбиение входного пространства и регулируемую стратегию добавления нескольких точек для повышения точности вычислений проблемы распространения неопределенности в конструкции. Эффективность предложенного метода подтверждена на нескольких примерах применения, включая задачи с высокой нелинейностью, многовыходные системы и модели конечных элементов. Результаты показывают, что метод не только точно оценивает статистические моменты, но и эффективно получает вероятностную плотность отклика конструкции.

распространение неопределенности;искусственные нейронные сети;аналитические результаты;однопеременный интеграл;адаптивная структура