摘要

当结构中含有相关性变量时,结构可靠度的求解问题就会变得十分复杂。针对在Rosenblatt变换过程中变量的联合概率密度函数或条件累积分布函数难以求解的问题,提出一种基于Copula函数和对偶神经网络的Rosenblatt变换方法。通过引入Copula函数构造相关性变量的联合概率密度函数。另外,构建对偶神经网络模型,其中一个神经网络学习积分算式中的被积函数部分,另一个神经网络通过与被积函数网络在权值和激活函数上的特定联系,用于构建积分算式中被积函数的原函数,进而实现条件累积分布函数的求解。其中,为提高对偶神经网络的计算效率,分别采用dsigmoid和sigmoid作为被积函数网络和原函数网络的激活函数。该方法打破了Rosenblatt变换在求解结构可靠度时的局限性,拓宽了Rosenblatt变换方法的使用范围。