自适应失效概率方法

神经网络替代模型

一种面向昂贵计算机模型的失效概率估计自适应设计策略，利用深度神经网络代理极限状态函数，并通过归一化流进行序列实验设计。

Tiexin, Guo · Hongji, Wang · Li, Jinglai · 王洪桥

Reliability Engineering and System Safety 2024

参数信息

失效概率估计相对误差

<10 %

技术优势

调用次数大减

用深度神经网络作为极限状态函数的替代模型，不必反复运行昂贵的计算机实验。

实验点自己会选

通过归一化流把高斯分布映射到极限状态的后验近似，使实验设计能够自动确定最有价值的评估位置。

应用场景

• 可靠性工程：用少量仿真即可估计失效概率，省下大笔计算开销。
• 代理建模：以神经网络代理替代昂贵模型，快速获得响应。
• 工程结构安全性评估：在极少模型调用下评估结构失效风险，加速安全认证。
• 不确定性量化：通过后验近似刻画极限状态的不确定性，指导下一步实验。