买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉常州工学院申请的专利基于主动学习的自适应PC-Kriging可靠性分析方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120296874B 。

龙图腾网通过国家知识产权局官网在2026-05-05发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510374611.0，技术领域涉及：G06F30/15；该发明授权基于主动学习的自适应PC-Kriging可靠性分析方法及系统是由陈军华;王崇远;江炜;杨宁;张书琴设计研发完成，并于2025-03-27向国家知识产权局提交的专利申请。

本基于主动学习的自适应PC-Kriging可靠性分析方法及系统在说明书摘要公布了：本发明公开了一种基于主动学习的自适应PC‑Kriging可靠性分析方法及系统，其中方法包括采用权重聚类法从预先生成的MC样本池中获取均匀分布的第一候选样本，并构建初始的PC‑Kriging模型；利用区间缩减方法选择样本构建新样本池，并将新样本池分为安全域和失效域两个子样本池；针对两个子样本池，再次采用权重聚类法，分别从中选取均匀分布的第二候选样本；利用分布在失效域和安全域的第二候选样本，构建穿越点；将构建好的穿越点作为新增实验点，对PC‑Kriging模型进行迭代更新；判断收敛并输出结果。本发明的技术方案通过区间缩减聚焦关键区域，基于穿越点更新模型，能更精准逼近极限状态面，减少实验点数量并提升预测精度，而且在计算资源利用上更高效。

本发明授权基于主动学习的自适应PC-Kriging可靠性分析方法及系统在权利要求书中公布了：1.一种基于主动学习的自适应PC-Kriging可靠性分析方法，其特征在于，所述方法包括： 采用权重聚类法从预先生成的MC样本池中获取均匀分布的第一候选样本，据此构建初始的PC-Kriging模型； 利用区间缩减方法，选择极限状态函数预测值处于特定区间的样本作为新样本池；依据预测值正负，将新样本池分为安全域和失效域两个子样本池； 针对两个所述子样本池，采用权重聚类法，分别从中选取均匀分布的第二候选样本； 利用分布在失效域和安全域的第二候选样本，构建穿越点； 将构建好的所述穿越点作为新增实验点，对所述PC-Kriging模型进行更新； 根据当前所述PC-Kriging模型的预测值，动态调整样本池的上下阈值，并在满足终止迭代条件时输出结果； 所述区间缩减方法基于区间缩减函数进行，所述区间缩减函数为： ； 其中，和分别是第次迭代的极限状态函数预测值的上下阈值；为代理模型对样本的预测值；为样本集；表示缩减率，其是关于的函数，具体为： ； 式中，表示缩减率的最小值；表示缩减率的最大值；决定函数的变化速度；表示样本的剔除率，是上一次迭代后，剔除的样本数量和样本池总量的比值；是函数中心位置参数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人常州工学院，其通讯地址为：213002 江苏省常州市新北区辽河路666号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。