基于RBF神经网络的结构可靠度分析方法.pdf

第 28 卷 第 4 期 湘 　潭 　大 　学 　自 　然 　科 　学 　学 　报 Vol. 28 No. 4 2006 年 12 月 　　　　　 Natural Science Journal of Xiangtan University 　　　　 Dec. 2006 基于 RBF 神经网络的结构可靠度分析方法 黄 　靓 , 　　易伟建 , 　　汪 　优 (湖南大学土木工程学院 ,湖南 长沙 410082) [摘要] 　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. 关　键　词 :结构可靠度 ;RBF 神经网络 ;蒙特卡罗模拟 ;均匀试验设计 ( ) 中图分类号:TU311. 2 　　　　　　　文献标识码 :A 　　　　　　　文章编号 2006 Structural Reliability Analysis Based on RBF Neural Network HUANG Liang , 　　YI Wei - jian , 　　WANG You ( (College of Civil Engineering , Hunan University ,Changsha 410082 China) 【Abstract 】　Monte - Carlo simulation is the most exact and effective method for structural reliability analysis at present. Due to huge computation expenditure and low efficiency , however , this way is strongly subject to large - scale and so phisticated structures , especially which performance functions can not be expressed explicitly. In order to improve com putational efficiency , this paper introduces RBF Neural Network to substitute structural performance function evaluations in Importance Sampling Monte - Carlo simulations and proposes RBF - Monte - Carlo approach for reducing structural analyses. The training samples of R