一種融合交叉熵自適應(yīng)抽樣與ALK模型的可靠性分析方法
摘要: 在估計(jì)小失效概率時(shí),基于主動(dòng)學(xué)習(xí)Kriging(Active learning Kriging,ALK)模型的可靠性方法常常面臨候選樣本過(guò)多,計(jì)算耗時(shí)的問(wèn)題。針對(duì)這一問(wèn)題,引入改進(jìn)的交叉熵自適應(yīng)重要抽樣(Improved cross-entropy adaptive important sampling,iCE-AIS),提出一種融合ALK模型與iCE-AIS的高效可靠性方法。... (共10頁(yè))
開(kāi)通會(huì)員,享受整站包年服務(wù)