针对机械产品可靠性分析过程中,极限状态函数隐式、高度非线性而导致可靠性求解困难等 问题,提出一种基于 Kriging 模型和改进 EGO 主动学习策略的可靠性求解算法。 对于传统 EGO 方法 无法在极限状态面区域进行有效选点问题,提出一种改进的 EGO 方法,通过对样本点模型预测值做 绝对值处理,基于响应值分布状态不变假设,将主动学习选点重心移到预测方差较大和极限状态面附 近,避免对不必要区域的过量选点,从而减少极限状态函数值的计算或试验次数,有效提高了可靠性 计算效率。 通过 3 个算例表明:与传统主动学习方法相比,所提方法具有良好的全局和局部搜索能 力,能够在较少计算极限状态函数次数条件下,估算得到精确的失效概率值。