基于主动学习与集成学习的多保真度克里金法在结构可靠性分析中的应用
《ADVANCED ENGINEERING INFORMATICS》:Multi-fidelity Kriging method based on active and ensemble learning for structural reliability analysis
【字体:
大
中
小
】
时间:2026年02月08日
来源:ADVANCED ENGINEERING INFORMATICS 11.5
编辑推荐:
李冰毅|赵倩|贾翔|金光
中国湖南省长沙市国防科技大学系统工程学院,邮编410073
**摘要**
结构可靠性分析在不确定性理论及工程应用中起着重要作用。其中核心问题在于失效概率的估算,而序列策略是一种常用的方法。借助数字孪生技术及其他替代技术,如今可获取多种不同精
李冰毅|赵倩|贾翔|金光
中国湖南省长沙市国防科技大学系统工程学院,邮编410073
**摘要**
结构可靠性分析在不确定性理论及工程应用中起着重要作用。其中核心问题在于失效概率的估算,而序列策略是一种常用的方法。借助数字孪生技术及其他替代技术,如今可获取多种不同精度的数据源,包括物理实验和仿真结果。多精度数据包含高精度数据与大量低精度数据。现有的结构可靠性分析多精度方法往往只关注某一方面来选择样本,且终止准则固定,这限制了方法的效率与预测精度。为解决这些问题,本文提出了一种基于主动学习与集成学习的多精度克里金方法。首先,利用初始的低精度和高精度样本构建多精度克里金模型;其次,通过多精度集成学习函数框架确定下一个理想样本的位置与精度。该框架提供了丰富的学习函数信息以及连接不同精度的三个关键因素。基于相对误差的双重稳定性与解收敛过程的终止准则,能够在保证精度的同时提升效率。最后,通过五个数值算例和两个应用案例验证,所提方法能够以高效率、高精度且低成本地估算失效概率。
**引言**
产品与系统的结构可靠性分析关乎安全性与剩余寿命,一直是研究重点。更为复杂的多精度数据融合为结构可靠性分析带来了新思路,但也带来了成本与精度平衡的难题。失效概率是结构可靠性分析中的核心指标,它由性能函数定义,当函数值为负时表示系统处于失效状态。性能函数值等于零的区域被称为极限状态面,而准确估算失效概率的关键在于对极限状态面附近性能响应的精确估计。
更精准、更高效地预测失效概率是众多研究的核心目标。目前主要有三种方法:近似解析法、数值仿真法以及替代模型法。近似解析法包括一阶和二阶可靠性方法,虽然易于实现,但面对高度非线性问题时效果有限。数值仿真法通过考虑结构系统性能影响变量的分布来进行分析,包括蒙特卡洛仿真、重要性采样、线采样以及子集采样等方法。然而,这些方法无法直接处理具有复杂函数形式的结构问题,或者需要使用有限元分析。当结构响应的计算成本较高时,解决方案的运算量也会大幅增加。为降低此类成本,人们会构建类似“黑箱”的替代模型,通过已观测到的样本点来拟合真实的性能函数,从而无需考虑性能函数的具体系态及复杂的输入输出关系即可预测未测试点的性能响应。常见的替代模型包括多项式混沌展开模型、神经网络模型、多项式响应面模型、支持向量机模型以及克里金模型。克里金作为一种基于统计理论的插值模型,具有独特优势,被广泛应用于结构可靠性分析中。
基于少量样本构建的替代模型虽然高效便捷,但由于初始样本的差异,往往无法高精度地预测未知点。因此,结合主动学习策略的替代模型已被广泛应用于结构可靠性分析中。主动学习通过基于初始样本设计实验,不断选取更多样本来丰富和更新替代模型,直至满足特定的终止准则。假设真实值与预测值之间的误差遵循高斯过程,克里金方法可以给出性能函数的预测均值与方差,为预测区域内的不确定性提供局部指导。将主动学习与克里金及蒙特卡洛仿真相结合的方法,为结构可靠性分析中的自适应采样提供了理论基础。基于集成学习方法的多个替代模型组合也备受关注,这类方法通过综合各个替代模型的优点,并通过对不同组分的加权处理来提升整体性能。随着工程结构复杂性的增加以及对高可靠性设计的需求,传统的单精度结构可靠性分析方法面临着诸多瓶颈。一方面,基于详细有限元仿真的物理驱动模型虽能提供准确的性能响应,但其计算成本极高,尤其适用于大规模或时变结构系统;另一方面,简化后的解析模型虽然计算效率高,但其预测结果可能与实际物理响应存在较大偏差,从而导致失效概率估算不准确。
近年来,可用于结构可靠性分析的数据源日益多样化,包括真实的物理实验、仿真结果以及可信度不同的替代实验。每种数据源都可视为具有特定精度水平。为降低成本,针对某一特定结构或系统,人们可以获取多精度数据,这使得替代模型方法非常适合用于结构可靠性分析。最典型的多精度数据场景是同时存在两种精度水平的数据:数量较多、获取迅速但可信度较低的低精度数据,以及数量较少、获取成本高但可信度较高的高精度数据。单精度替代模型无法处理同时存在多精度水平的数据。尽管低精度替代模型由于精度有限而不适合直接用于结构可靠性分析,但它们可以以较低成本探索极限状态面附近的采样区域。因此,研究多精度数据融合模型及多精度序列采样方法对于满足低计算成本与高预测精度的实际需求至关重要。对于多精度结构可靠性分析而言,核心挑战主要体现在三个方面:第一,如何充分利用低精度数据与高精度数据之间的相关性,同时减少低精度模型偏差带来的负面影响;第二,如何设计采样策略,在保证计算成本与预测精度之间取得平衡,避免采集过多的高精度样本或未能充分探索关键区域(如极限状态面附近);第三,如何建立灵活的终止准则,使其能够适应不同的结构复杂度与精度特征,而非依赖固定的阈值,以避免过度采样或采样不足的问题。
目前常用的多精度数据融合建模方法包括协同克里金法、贝叶斯数据融合方法以及集成替代模型法。与克里金法类似,协同克里金法在预测响应值及其不确定性度量方面表现更为优异。多精度序列采样方法的策略通常分为两类:第一类是同时确定下一个样本的位置与精度类型,包括用于可靠性分析的自适应多精度高斯过程方法、考虑成本比与交叉相关性的多精度AEFF函数、最大化增强期望改进函数的方法,以及通过综合考虑相关性、采样密度与计算成本而实现的自适应多精度协同克里金蒙特卡洛仿真方法;第二类则是先确定样本位置,再确定精度类型,包括多精度高效全局可靠性分析方法以及基于基于可靠性的低置信度界定-U函数的多精度BSC方法。这些多精度学习函数能有效提升结构可靠性分析的精度。尽管现有的多精度主动学习方法已取得一定进展,但仍存在一些亟待解决的问题:第一,大多数现有学习函数仅关注单一优化目标,要么仅考虑成本比,要么仅考虑相关性,未能全面整合多维信息,从而导致在处理复杂非线性结构时样本选择欠佳;第二,固定的终止准则,如最大样本数、预设误差阈值等,无法适应失效概率估算过程中的动态收敛趋势,进而导致计算成本过高或精度不足;第三,多精度数据与集成学习之间的结合尚未得到充分探索,现有方法很少利用多种单精度学习函数的互补优势来提升样本选择的稳健性。因此,开发一种能够整合多维信息、具备灵活终止准则且结合集成学习的多精度结构可靠性分析方法显得十分迫切。
本文针对常见的多精度结构可靠性分析场景,即同时存在低精度数据与高精度数据的情况进行研究,此时低精度模型的计算成本远低于高精度模型,且两者之间存在较强的、可利用的相关性。本文的主要贡献如下:第一,基于初始的低精度和高精度样本点,构建了一种简化的基于加性缩放函数的多精度克里金模型;第二,通过整合集成学习与多精度信息,构建了一种新型的多精度集成学习函数框架,该框架综合考虑了不同的单精度学习函数以及距离、相关性、成本这三个影响因子,从而能够同步优化样本的位置与精度,进一步提升自适应采样过程的稳健性与最优性,这一思路借鉴了集成学习的理念,即多个学习函数的组合能够产生类似的效果,有助于更好地解决结构可靠性分析问题;第三,提出了基于相对误差与解收敛过程的双重稳定性终止准则,以便根据实际情况动态终止采样过程,从而在保证预测精度的同时提升计算效率;第四,通过包含显式表达式的五个数值算例以及基于隐式性能函数的两个应用案例,验证了所提方法在计算效率、预测精度以及应对复杂结构能力方面的优势。
本文的结构如下:第2节概述了蒙特卡洛仿真、克里金法、基于加性缩放函数的多精度克里金法以及三种常见的单精度学习函数;第3节介绍了基于主动学习与集成学习的新型自适应多精度克里金结构可靠性分析方法,并分别在4个数值算例与5个应用案例中进行了演示;最后,第6节总结了本文的研究成果。
**片段摘录**
**结构可靠性分析中的蒙特卡洛仿真**
在结构可靠性分析中,一个核心问题就是计算失效概率$P_f$,该概率用于衡量结构产品或系统的失效程度。根据被分析结构的性能函数$Y(x)$,失效概率可通过在失效域内对性能影响变量$x$的联合概率密度函数$f(x)$进行积分来定义,具体表达式如下:
$$P_f = P\{Y(x) \leq 0\} = \int_{Y(x) \leq 0} f(x)dx$$
当输入变量与输出变量之间存在复杂的关系时,上述公式中的积分运算……
**方法**
本节介绍了所提方法的多精度集成学习函数核心结构以及双重稳定性终止准则。这包括单精度集成学习函数框架、权重选择方法,以及用于评估不同精度水平的三个关键影响因素。所提出的多精度集成学习函数能够在迭代过程中同时确定下一个理想样本点的位置与对应精度,而非先确定样本位置后再确定精度,从而确保整个序列采样过程的稳定性。
**数值算例**
为了对各种方法进行公平比较,需要使用相同的算法、相同的计算问题以及相同的计算资源。有一些研究者通过采用不同的多精度方法对类似的算例进行了对比研究。对于常见的数值测试函数,通常会将原始函数作为高精度版本,而通过对某些参数进行微调得到的修改后的函数则视为低精度版本,不过这两种分类并没有具体的实际意义。本文研究了五个具有明确表达式的常见数值算例……
**应用案例**
为进一步展示所提方法的潜在优势,本文通过在Ansys Workbench 2023 R1软件中运行有限元模型,对两个应用案例进行了分析。通过设置不同的网格尺寸来实现不同精度水平的有限元仿真,网格尺寸越小,有限元网格的划分就越精细。需要指出的是,与第4节中的数值算例相比,这些基于有限元模型的应用案例需要更长的计算时间。如果……
**结论**
结构可靠性分析是一项经常被研究的课题。为提高顺序采样方法在失效概率估算方面的计算效率与预测精度,本文提出了一种基于主动学习与集成学习的多精度克里金方法。我们的工作主要围绕以下方面展开:第一,为低精度与高精度场景构建多精度集成学习函数框架,用于确定下一个样本的位置与精度。该框架整合了来自单个学习函数的信息以及三个关键影响因素,能够更有效地优化样本选择,从而提升自适应采样过程的稳健性与最优性。
**作者贡献说明**
李冰毅:撰写——审稿与编辑、撰写——初稿、可视化、验证、软件工具、方法论、形式分析、数据整理、概念构思。赵倩:撰写——审稿与编辑、可视化。贾翔:撰写——审稿与编辑、监督、方法论、资金获取、形式分析、概念构思。金光:撰写——审稿与编辑、监督。
**利益冲突声明**
作者声明不存在任何可能影响本文研究结果的已知财务利益或个人关系。
**致谢**
本研究部分得到了国家自然科学基金的支持,项目编号为72271238,此外还有一项自主研究项目,编号为202501-RCGC-ZZ-039。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号