一种基于证据理论的主动学习可靠性分析方法.pdfVIP

第52卷第6期湖南大学学报（自然科学版）Vol.52，No.6

2025年6月JournalofHunanUniversity（NaturalSciences）Jun.2025

文章编号：1674-2974（2025）06-0120-14DOI：10.16339/j.cnki.hdxbzkb.2025182

一种基于证据理论的主动学习可靠性分析方法

†

张哲，宝文礼，姚中洋

（湖南大学机械与运载工程学院，湖南长沙410082）

摘要：针对具有单个失效模式、认知不确定性和“黑箱”模型特点的可靠性分析问题，提

出了一种基于证据理论的主动学习可靠性分析方法，能够高效高精度地求解结构的可信度和

似真度.通过证据理论对认知不确定性变量进行处理，抽取初始训练样本构建初始Kriging模

型，将优化方法与主动学习过程相结合，实现在整个输入变量空间中搜索最佳训练样本，利用

最佳训练样本对Kriging模型进行优化，通过优化后的Kriging模型代替功能函数，对未知点进

行预测，以实现结构的可信度和似真度计算.该方法将优化方法与主动学习过程相结合，降低

了传统方法搜索训练样本时对候选样本位置的约束，能够搜索到对Kriging模型优化效果更好

的训练样本，提升了Kriging模型构建的效率和成功率.数值算例证明了该方法具有良好的计

算效果，并将其应用于车辆正面碰撞的可靠性分析.

关键词：结构可靠性；可靠性分析；证据理论；“黑箱”问题；主动学习Kriging模型

中图分类号：TB114.3文献标志码：A

AnActiveLearningReliabilityAnalysisMethodBasedonEvidenceTheory

†

ZHANGZhe，BAOWenli，YAOZhongyang

（CollegeofMechanicalandVehicleEngineering，HunanUniversity，Changsha410082，China）

Abstract：Forthereliabilityanalysisproblemcharacterizedbyasinglefailuremode，cognitiveuncertainty，

and“black-box”models，anactivelearningreliabilityanalysismethodbasedonevidencetheoryisproposed.This

methodefficientlyandaccuratelydeterminesthecredibilityandverisimilitudeofstructures.Ithandlescognitive

uncertainvariablesusingevidencetheory，initiatesinitialtrainingsampleconstructionforaKrigingmodel，and

combinesoptimization