多级可靠性分析框架

获取本文原文公众号后台发送: 原文

*海量资料后台发送: 两机资料

（1）该工作针对多层级子系统之间的级联相关性和多物理响应之间的耦合性，将级联同步建模策略融入集成学习模型，提出了级联集成学习模型(Cascade ensemble learning, CEL)。利用协同抽样技术对各WNN-Ada（Wavelet Neural Network-AdaBoost）集成学习模型进行抽样，实现多层级系统的级联式分解和扩展式建模，其建模思想如图1所示。该工作从数学基础层面验证了所提方法的有效性和计算优势。关注公众号: 两机动力先行，*获取海量两机资料，聚焦两机关键技术！

图4 三个运行水平下的响应分布云图

本文主要结论及展望如下：

本文所提级联集成学习方法能够有效地将复杂的多层级可靠性评估问题分解为若干个简单层级的子问题，为实现复杂运行工况和多种失效模式下多层级可靠性的评估开辟了新途径。鉴于多运行工况、多失效模式、多组成构件、多薄弱部位等多层级失效问题是航空、航天、核电、机械等领域中很多工程系统所面临的普遍问题，因此研究成果对各领域开展多层级可靠性评估和设计优化具有广阔的应用前景。

✈*海量资料公众号后台发送: 两机资料