基于人工神经网络的结构可靠性分析

兵工学报 ›› 2007, Vol. 28 ›› Issue (4): 495-498.

基于人工神经网络的结构可靠性分析

杨多和，安伟光，李铁钓

哈尔滨工程大学航天工程系，黑龙江哈尔滨150001

收稿日期:2005-11-17 上线日期:2014-12-25
通讯作者: 杨多和

Structural Reliability Analysis Based on Artificial Neural Network

YANG Duo-he, AN Wei-guang, LI Tie-jun

School of Civil Engineering, Harbin Engineering University, Harbin 150001，Heilongjiang, China

Received:2005-11-17 Online:2014-12-25
Contact: YANG Duo-he

摘要/Abstract

摘要： 在结构可靠性分析中，通过人工神经网络拟合极限状态函数，借助神经网络的函数映射关系产生极限状态函数值。采用Mont。Carlo法随机抽样的思路，对大范围的数据进行概率分析，得到极限状态函数值的均值和标准差，求得结构系统的可靠性指标，该方法为极限状态函数无法显式表达的结构系统可靠性分析问题提供了一个可行方法。

关键词: 人工智能 , 人工神经网络 , 极限状态函数 , 结构可靠性 , Monte Carlo法

Abstract: The limit state function can be fitted by artificial neural network and its value can be gener?ated by function mapping relation of neural netwok for the structure reliability analysis. Adopting the thinking of Monte Carlo random samples, the probability analysis to the data of the big scope can be carried on, the mean value of the limit state function and standard deviation can be got, the reliability index of the structure system can be solved. Under the condition that the limit state function is unable to make explicit expression, a feasiole method was provided for reliability analysis question of the structure system.

Key words: artificial intelligence , artificial neural network , limit state function , structural reliability , Monte Carlo method

中图分类号:

O213.2

杨多和，安伟光，李铁钓. 基于人工神经网络的结构可靠性分析[J]. 兵工学报, 2007, 28(4): 495-498.

YANG Duo-he, AN Wei-guang, LI Tie-jun. Structural Reliability Analysis Based on Artificial Neural Network[J]. Acta Armamentarii, 2007, 28(4): 495-498.

[1]	辛大钧，薛琨. 基于人工神经网络的非球形破片阻力系数预测模型[J]. 兵工学报, 2022, 43(5): 1083-1092.
[2]	邱继伟，罗海胜. 结构可靠性分析的自适应共轭非线性近似方法[J]. 兵工学报, 2021, 42(3): 648-654.
[3]	黄迎春，牟鑫明. 指挥信息系统应用层攻击效能模糊综合评估方法[J]. 兵工学报, 2020, 41(5): 932-940.
[4]	朱达伟, 周金宇, 庄百亮. 结构可靠性优化的通用生成函数-序列优化与可靠性评估方法[J]. 兵工学报, 2020, 41(2): 398-405.
[5]	刘昊，张策，丁文韬. 基于智能对抗进化的联合火力打击任务规划方法[J]. 兵工学报, 2019, 40(6): 1287-1296.
[6]	邱涛，张建国，邱继伟，魏娟，游令非. 基于二参数寻优设计点的混合结构可靠性分析算法[J]. 兵工学报, 2019, 40(4): 865-873.
[7]	孟广伟，魏彤辉，周立明，李锋. 基于泰勒展开法的结构混合可靠性分析[J]. 兵工学报, 2018, 39(7): 1404-1410.
[8]	栗大鹏, 梁伟. 针对非合作目标的自适应网格聚类算法[J]. 兵工学报, 2017, 38(11): 2166-2175.
[9]	江伟华，童峰，王彬，刘世刚. 采用主分量分析的非合作水声通信信号调制识别[J]. 兵工学报, 2016, 37(9): 1670-1676.
[10]	王儒，王国新，阎艳，郝佳，石学海，明振军. 支持产品智能化设计的知识服务方法研究[J]. 兵工学报, 2016, 37(11): 2101-2113.
[11]	卢言利，穆景阳. 基于遗传BP神经网络的隐身涂层老化性能评价模型[J]. 兵工学报, 2015, 36(8): 1580-1586.
[12]	王义强，闫国琛，袁修华，谷岩，杨林霖. 圆环面铣刀高速铣削S50C模具钢的工艺参数研究[J]. 兵工学报, 2014, 35(7): 1091-1096.
[13]	李皓川，孙志礼，王海. 基于降维可视化技术的结构可靠性灵敏度分析[J]. 兵工学报, 2014, 35(11): 1876-1882.
[14]	焦玉民1,2, 王强1, 徐婷1, 谢庆华2, 王海涛1. 基于GA-Q-learning 算法的虚拟维修作业规划模型[J]. 兵工学报, 2013, 34(5): 627-633.
[15]	董文1，方向1，范磊1，杨力1，雷志刚. 基于斯坦纳树的雷场网络大面积损坏修复策略[J]. 兵工学报, 2013, 34(2): 197-202.