Otimização baseada em quantis sob incertezas para estruturas de engenharia complexas usando um modelo de Kriging adaptativo por base-PC de aprendizado ativo

A Otimização de Design Baseada em Confiabilidade (RBDO) de estruturas de engenharia complexas considerando incertezas apresenta problemas de alta dimensionalidade, alta não-linearidade e demanda de tempo, o que requer uma quantidade significativa de simulação e computação de amostragem. Neste artigo, um modelo substituto de Kriging adaptativo por base de Caos Polinomial (PC) é proposto, com o objetivo de aliviar a carga computacional e aumentar a precisão preditiva de um metamodelo. O modelo de Kriging adaptativo por base de aprendizado ativo é combinado com uma estrutura RBDO baseada em quantis. Finalmente, cinco casos de engenharia foram implementados, incluindo um problema de referência de RBDO, três problemas explícitos de alta dimensão e um problema implícito de alta dimensão. Em comparação com modelos de Regressão por Vetores de Suporte (SVR), Kriging e expansão de caos polinomial, os resultados mostram que o modelo de Kriging adaptativo por base proposto é mais preciso e eficiente para problemas de RBDO de estruturas de engenharia complexas.