買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉西南交通大學申請的專利基于群蒙特卡羅與主動學習克里金的可靠性分析方法獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN116522601B 。

龍圖騰網通過國家知識產權局官網在2025-08-22發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202310359027.9，技術領域涉及：G06F30/20；該發明授權基于群蒙特卡羅與主動學習克里金的可靠性分析方法是由楊旭鋒;王泰;鄧杰;張懿設計研發完成，并于2023-04-06向國家知識產權局提交的專利申請。

本基于群蒙特卡羅與主動學習克里金的可靠性分析方法在說明書摘要公布了：本發明公開了基于群蒙特卡羅與主動學習克里金的可靠性分析方法，包括：獲取影響產品結構可靠性服役的隨機變量，轉換成標準正態變量；采用拉丁超立算法生成初始訓練點集，構建克里金模型；利用概率分類函數構造近似最優重要性抽樣輔助抽樣函數；利用群蒙特卡羅算法并以近似最優重要性抽樣輔助抽樣函數為目標，迭代生成重要性抽樣輔助密度函數；利用重要性抽樣輔助密度函數生成數個重要性抽樣樣本點；根據克里金預測值與克里金方差解算停止條件；求解結構失效概率和變異系數。通過上述方案，本發明具有邏輯簡單、準確可靠等優點，在結構可靠性分析評估技術領域具有很高的實用價值和推廣價值。

本發明授權基于群蒙特卡羅與主動學習克里金的可靠性分析方法在權利要求書中公布了：1.基于群蒙特卡羅與主動學習克里金的可靠性分析方法，其特征在于，包括以下步驟： 獲取影響產品結構可靠性服役的隨機變量x，并采用等概率算法將隨機變量x轉換成標準正態變量u； 采用拉丁超立算法生成初始訓練點集，并計算真實響應值； 構建克里金模型； 利用概率分類函數構造近似最優重要性抽樣輔助抽樣函數； 利用群蒙特卡羅算法并以近似最優重要性抽樣輔助抽樣函數為目標，迭代生成重要性抽樣輔助密度函數； 利用重要性抽樣輔助密度函數生成數個重要性抽樣樣本點； 根據克里金預測值與克里金方差解算停止條件； 若滿足停止條件，則停止學習；否則，更新克里金模型； 求解結構失效概率和變異系數； 其中，利用概率分類函數構造近似最優重要性抽樣輔助抽樣函數其表達式為： 式中，表示克里金預測值；表示克里金標準差；Φ表示標準正態分布累積分布函數；πcu表示克里金概率分類函數；φu表示標準正態分布概率密度函數； 所述重要性抽樣輔助密度函數hu的迭代過程如下： 步驟S51，初始化Npo個正態分布并作為群蒙特卡羅算法的建議分布；所述Npo為大于1的自然數；所述t表示迭代次數；表示均值參數；表示方差參數； 步驟S52，從任一正態分布中分別生成kpo個樣本；即：記為樣本集 步驟S53，計算樣本對應的克里金預測值與克里金方差； 步驟S54，求得樣本集的任一樣本的權重其表達式為： 式中，表示第i個正態分布中第j個樣本的近似最優重要性抽樣輔助抽樣函數； 步驟S55，根據權重與樣本進行多項式重抽樣，得到重抽樣樣本更新建議分布均值，其表達式為： 步驟S56，更新后的第t+1代正態分布為并從任一第t+1代正態分布中生成kpo個第t+1代樣本，并組成新樣本集 步驟S57，計算樣本集中的任一重抽樣樣本克里金預測值和克里金方差并獲取處于失效域的點的數量nρ，其表達式為： 式中，IF表示失效指示函數； 當nρ大于ρ×Npo×kpo時，則將正態分布作為重要性抽樣輔助密度函數hu；否則，返回步驟S51。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人西南交通大學，其通訊地址為：610000 四川省成都市二環路北一段；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。