基于改进Kriging模型的主动学习可靠性分析方法

摘要

主动学习Kriging(ALK)模型能够只在极限状态平面附近的狭小区域近似功能函数,因此能够极大提高可靠性分析的效率。但是已有方法多数基于DACE工具箱建立Kriging模型,难以获得Kriging模型的最优相关参数,进而难以获得最优的训练点。引入差分进化算法,对Kriging模型的相关参数进行全局搜索,提高每次迭代Kriging模型的预测精度,保证每次学习都能获得最优的训练点,从而明显提高了基于ALK模型的可靠性分析方法的效率。