公开(公告)号：CN118520776B

公开(公告)日：2024-10-29

申请号：CN202410954342.0

申请日：2024-07-17

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 智鹏鹏 ,  刘瀚儒 ,  何瑞恒 ,  李怡招 ,  汪忠来

IPC: G06F30/27 ,  G06F30/10 ,  G06T17/00 ,  G06F119/02

Abstract: 本发明涉及可靠性分析技术领域，具体为融合自适应代理模型和分区抽样的机构可靠性分析方法，包括：获得样本空间、区域分解、构建模型、采用主动学习EU函数添加样本点、更新模型、继续区域分解、扩充样本、得到机构性能函数、计算失效概率等步骤。本发明与现有技术相比，有益效果在于，通过区域分解进行样本的扩充，从而提高模型的模拟精度；采用主动学习函数EU挑选最优样本点，并更新主动学习Kriging模型，进一步提高模型的精度，使预测结果更加准确；通过继续区域分解及计算最外层期望样本数，能够快速的完成区域分解，大幅度提高模型的计算效率。

公开(公告)号：CN118520776A

公开(公告)日：2024-08-20

申请号：CN202410954342.0

申请日：2024-07-17

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 智鹏鹏 ,  刘瀚孺 ,  何瑞恒 ,  李怡招 ,  汪忠来

IPC: G06F30/27 ,  G06F30/10 ,  G06T17/00 ,  G06F119/02

Abstract: 本发明涉及可靠性分析技术领域，具体为融合自适应代理模型和分区抽样的机构可靠性分析方法，包括：获得样本空间、区域分解、构建模型、采用主动学习EU函数添加样本点、更新模型、继续区域分解、扩充样本、得到机构性能函数、计算失效概率等步骤。本发明与现有技术相比，有益效果在于，通过区域分解进行样本的扩充，从而提高模型的模拟精度；采用主动学习函数EU挑选最优样本点，并更新主动学习Kriging模型，进一步提高模型的精度，使预测结果更加准确；通过继续区域分解及计算最外层期望样本数，能够快速的完成区域分解，大幅度提高模型的计算效率。