基于距离限制的改进Kriging模型的可靠度计算方法

摘要

基于Kriging模型,引入距离限制,建立了一种改进的主动学习Kriging模型,计算结构的可靠度.采用初始样本点建立Kriging模型替代真实功能函数,通过主动学习函数扩充样本点,改进Kriging模型.在加入最佳样本点过程中,引入最小距离限制,防止样本点聚集,造成信息冗余,从而提高模型计算效率.实际算例表明:基于距离限制的改进Kriging主动学习模型既保证了计算结果的精度同时只需要更少的样本点,减少了功能函数的计算次数,提高了模型整体的计算效率.