基于小波阈值密度的自适应重要抽样方法

提出了一种基于小波阈值密度估计的结构可靠性分析高效自适应重要抽样方法.该方法利用非线性小波收缩方法对结构失效域样本进行密度估计,并以此作为重要抽样密度进行可靠性分析.与传统基于核密度估计的重要抽样方法比,由于非线性小波阈值密度估计具有较好局部适应性和最优收敛速度,且克服了核密度估计中计算精度严重依赖于参数选择的缺陷,因此以较少的预抽样样本就能获得与传统方法相当的精度,有效提高计算效率.数值算例表明所提方法对工程中常遇到的多设计点及噪音功能函数可靠性问题具有良好适应性.      

结构可靠性分析高效自适应重要抽样方法

提出了一种基于自适应Metropolis算法和快速高斯变换技术的结构可靠性分析高效自适应重要抽样方法. 该方法首先利用自适应Metropolis算法高效生成结构失效域样本, 然后运用自适应宽核密度估计方法构造重要抽样密度函数, 最后采用快速高斯变换加速重要抽样过程中核函数的计算. 与传统方法相比, 自适应Metropolis算法能够在相同计算量下提供更多结构失效域信息从而改善计算精度, 即为求得给定精度问题的解, 可有效减少样本生成过程中的结构分析次数, 提高方法的计算效率; 快速高斯(Gauss)变换大幅降低核密度估计的计算复杂度从而大幅缩减重要抽样的计算耗时. 通过数值算例可以看出该方法具有较高的计算精度和效率.      

结构可靠性分析的高效自适应重要抽样方法

提出了一种基于自适应Metropolis算法和快速高斯变换技术的结构可靠性分析高效自适应重要抽样方法。该方法首先利用自适应Metropolis算法高效生成结构失效域样本,然后运用自适应宽核密度估计方法构造重要抽样密度函数,最后采用快速高斯变换加速重要抽样过程中核函数的计算。自适应Metropolis算法能够在相同计算量条件下提供更多结构失效域信息从而改善计算精度,即为求得给定精度问题的解,可有效减少样本生成过程中的结构分析次数,从而提高方法的计算效率;快速高斯变换大幅降低核密度估计的计算复杂度从而大幅缩减重要抽样的计算耗时。通过数值算例可以看出本文方法具有较高的计算精度和效率。