基于神经网络的蒙特卡罗可靠性分析方法 |
| |
引用本文: | 陈松坤,王德禹.基于神经网络的蒙特卡罗可靠性分析方法[J].上海交通大学学报,2018(6). |
| |
作者姓名: | 陈松坤 王德禹 |
| |
作者单位: | 上海交通大学海洋工程国家重点实验室高新船舶与深海开发装备协同创新中心 |
| |
摘 要: | 在结构可靠性分析中,蒙特卡罗(MC)是最准确的方法,但是对大量样本点的精确计算限制了它在工程实际中的应用.为了减少分析次数,以BP(Back Propagation)神经网络技术为基础,提出了一种改进的MC方法(BP-MC).该方法通过进行实验设计(DOE)构建BP模型,以权重因子和到失效面的距离作为筛选准则,从MC样本点中筛选出失效面附近的点添加至训练集,重新训练BP模型直至满足收敛准则.随后以该BP模型识别样本点是否处于失效域,从而计算结构的失效概率.最后,以数学模型和加筋板极限强度可靠性计算为例,验证了BP-MC算法的准确与高效.
|
本文献已被 CNKI 等数据库收录! |
|