《表2 10杆桁架结构的计算结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于改进Kriging模型的主动学习可靠性分析方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

所提方法与AK-MCS的训练点如图3所示。可以看到，两种方法的训练点均位于极限状态平面附近，这说明ALK模型仅仅在“感兴趣”的区域对功能函数进行近似，而不是整个设计空间。同时，亦可看到所提方法的训练点更早、更多地汇集于G（x）=0两侧。这说明所提方法的训练点是更加优化的训练点。这些更优的训练点对失效概率预测精确的改善将更为明显。图4展示了两种方法在学习过程中Kriging模型预测失效概率的变化曲线和EFF最大值的变化曲线。可以看到，由于选择了更优的训练点，所提方法更快地收敛于真实的失效概率，所提方法更快地到达终止条件。更加优化的训练点加速了ALK模型的收敛，节约了训练点。