В области анализа надежности инженерных конструкций часто встречаются неявные и высоконелинейные функции производительности. При использовании приближенных аналитических методов оценки вероятности отказа обычно возникают значительные ошибки; численные методы моделирования обеспечивают высокую точность, но ограничены длительным временем вычислений. Поэтому методы анализа надежности на основе активного обучения модели Кригин получили широкое применение в анализе надежности инженерных конструкций. В данной работе на основе классической функции обучения U учитывается влияние прогнозных значений и дисперсий образцов на точность оценки вероятности отказа, в пространстве выборок приоритетно выбираются образцы, ближе расположенные к предельной поверхности состояния, которым присваивается больший вес прогностической дисперсии; на этом основании предлагается функция обучения WU. В процессе построения функции обучения WU, путем сравнения эффектов отбора образцов при различных адаптивных направляющих функциях определена применимая адаптивная направляющая функция. Далее предложен метод AK-MCS-WU для анализа надежности на основе модели Кригин. Проверка на двух численных примерах и инженерном случае показала, что предложенный метод AK-MCS-WU обеспечивает стабильную сходимость вероятности отказа, а также предоставляет эффективное и точное прогнозирование вероятности структурного отказа для задач с комплексными функциями производительности.

анализ надежности конструкции;функция активного обучения;модель Кригин;адаптивная направляющая функция