基于RBF神经网络的结构可靠度分析方法* (2006年)

【文件属性】：
文件名称：基于RBF神经网络的结构可靠度分析方法* (2006年)
文件大小：5.14MB
文件格式：PDF
更新时间：2021-05-24 19:22:56
自然科学 论文 蒙特卡罗模拟是目前结构可靠度分析中最准确有效的方法，但因其计算量太大、效率低而受到很大的限制，特别是对于大型复杂结构的功能函数不能被明确表达的情况，鉴于此，在蒙特卡罗重要抽样方法的基础上，提出了利用RBF神经网络替代原结构功能函数的RBF-蒙特卡罗方法，以提高工作效率，RBF神经网络训练样本的选取则由均匀试验设计确定，以提高样本的代表性并大幅减少样本数量，从而加快网络的训练过程，加强网络的逼近能力，算例分析表明，该方法不但能最大限度地减少结构有限元分析次数，而且有满意的计算精度，具有实际应用价值。