[发明专利]基于Kriging的随机和区间不确定性混合下系统可靠性分析方法

权利要求书

1.一种基于Kriging的随机和区间不确定性混合下系统可靠性分析方法，其特征在于，包括：

确定当前迭代的每个失效模式对应的Kriging模型的训练样本集：

计算所述训练样本集中样本点的响应值，再根据所述训练样本集和响应值分别构建得到n个Kriging模型；

利用所述n个Kriging模型分别预测MCS样本点的响应均值和方差信息，根据所述响应均值和方差信息，采用学习函数选择最佳样本点；

根据所述最佳样本点处的响应均值和方差信息判断当前的收敛准则是否满足，若满足，则停止迭代，若不满足，则确定需进行迭代的失效模型对应的Kriging模型，采用该失效模式下的有限元模型计算最佳样本点的响应，并迭代该Kriging模型；

根据最后一次迭代所得的Kriging模型，结合MCS仿真计算系统的失效概率或可靠度。

2.如权利要求1所述的基于Kriging的随机和区间不确定性混合下系统可靠性分析方法，其特征在于，采用有限元仿真模型计算各失效模式对应的训练样本集中样本点的响应值。

3.如权利要求1或2所述的基于Kriging的随机和区间不确定性混合下系统可靠性分析方法，其特征在于，若所述当前迭代为首次迭代，则构建初始的Kriging模型的过程为：根据拉丁超立方采样确定当前每个Kriging模型的训练样本集，计算每个训练样本集对应的失效模式的响应，然后基于当前的训练样本集和响应集通过MATLAB工具箱DACE分别构建得到n个Kriging模型。

4.如权利要求1或2所述的基于Kriging的随机和区间不确定性混合下系统可靠性分析方法，其特征在于，所述采用学习函数选择最佳样本点采用以下方式：利用当前n个Kriging模型分别对MCS样本点进行预测，根据各失效模式在每个样本点的预测信息，确定系统在每个样本点的预测状态，然后计算系统在每个样本点处的状态错误预测的期望率，确定最佳样本点。

5.如权利要求1或2所述的基于Kriging的随机和区间不确定性混合下系统可靠性分析方法，其特征在于，所述确定需进行迭代的失效模式对应的Kriging模型采用以下方式：确定最佳样本点后，选择在该点处错误预测期望最大的模型进行迭代更新。

6.如权利要求1或2所述的基于Kriging的随机和区间不确定性混合下系统可靠性分析方法，其特征在于，所述收敛准则具体为：

在确定最佳迭代样本点以及将要迭代的Kriging模型后，计算U函数的值：当U函数的值小于2时，收敛准则不成立，则将最佳样本点添加到第θ个模型的训练样本集中迭代该模型，重复上述过程；当U函数的值大于等于2时，则停止迭代，并将当前的Kriging模型用于可靠性分析。