典型文献
基于神经网络及自适应随机采样的桥梁颤振可靠度分析
文献摘要：
文章采用径向基函数(radial basis function,RBF)神经网络替代复杂的有限元模型分析,结合基于加权抽样和动态距离约束的自适应采样策略,建立一种颤振可靠度分析方法.基于全模态理论建立参数化颤振临界风速分析有限元模型,并将试验设计生成的样本代入有限元模型求解得到训练集,进而构建RB F模型;通过定义的自适应采样策略,在迭代过程中不断从蒙特卡洛(Monte Carlo,MC)方法生成的样本中筛选出失效面附近的样本点添加至训练集,重新训练RB F模型直至满足收敛要求,并基于该RB F模型和M C样本直接计算得出颤振失效概率.通过2个经典数值算例对文中所提方法的有效性和准确性进行验证.结果表明,该文提出的可靠度分析方法及其自适应随机采样策略在保证计算精度的同时,能够大幅减少海量有限元模型运算带来的计算耗费,并降低功能函数的高维非线性和非显性带来的计算复杂度.
文献关键词：
结构可靠度;桥梁颤振;神经网络;自适应采样;全模态理论;蒙特卡洛(MC)
中图分类号：
作者姓名：
朱国树;邵亚会
作者机构：
合肥工业大学 土木与水利工程学院,安徽 合肥 230009
文献出处：
引用格式：
[1]朱国树;邵亚会-.基于神经网络及自适应随机采样的桥梁颤振可靠度分析)[J].合肥工业大学学报（自然科学版）,2022(06):770-777
A类：
动态距离,全模态理论
B类：
随机采样,桥梁颤振,可靠度分析,径向基函数,radial,basis,function,RBF,距离约束,自适应采样,采样策略,参数化,颤振临界风速,设计生成,代入,模型求解,训练集,蒙特卡洛,Monte,Carlo,MC,样本点,新训,直接计算,失效概率,数值算例,计算精度,少海,耗费,功能函数,高维,计算复杂度,结构可靠度
AB值：
0.318154
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
