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,基于主動學(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多,計(jì)算耗時的問題。針對這一問題,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)
開通會員,享受整站包年服務(wù)