伴随着可靠度基本理论的研究与发展,众多计算方法在可靠性分析中得到应用。但是在分析实际工程结构的可靠度时,功能函数一般是复杂的非线性程度较高的隐式函数,给常用的一次二阶矩法(First-order Second-moment method-FOSM)等基于函数梯度信息的可靠性分析方法带来效率低、精度差等困难。基于工程结构有限元软件和计算机随机数生成,计算工程结构可靠度的蒙特卡罗法(Monte Carlo Simulation-MCS)得到重要运用。但由于随机模拟次数多,计算成本大,蒙特卡罗法计算结构可靠度也有很大的局限性。针对这一问题,可以使用代理模型代替原隐式功能函数进行可靠性分析以提高计算效率,并保证较高精度。本文的主要研究内容可以概括为以下几点:1.介绍了可靠性分析的常用方法,如一次二阶矩法、蒙特卡罗法和代理模型法。其中在代理模型法中,Kriging法比传统的响应面方法精度好、效率高,本文主要基于Kriging法开展研究工作。在寻找Kriging模型的最优相关参数时,引入粒子群优化算法(Particle Swarm Optimization-PSO),避免了相关参数陷入局部最优,提高了Kriging模型的精度。2.利用代理模型拟合功能函数,并基于得到的功能函数使用一次二阶矩方法计算结构可靠度时,需多次拟合功能函数,直至满足收敛条件。针对复杂的结构问题,迭代过程容易发生振荡,甚至得不到收敛解,本文研究了多次拟合近似代理模型过程中的样本全部累积和选择累积策略。其中选择样本累积是指将迭代过程中距离极限状态面较近的优秀样本点组合在一起构造代理模型。算例表明迭代过程中采用样本累积能显著改善收敛性能,通常选择样本累积在计算效率和精度上都要优于样本全部累积。并且采用基于粒子群优化的Kriging(PSO-Kriging)方法能够较好地拟合极限状态曲面,相比于传统响应面法计算效率和精度均有较大提高。3.对于不连续功能函数、不连通失效域和多验算点等复杂问题,传统的一次二阶矩方法计算误差过大,或者完全不能求解。本文通过结合PSO-Kriging模型和蒙特卡罗法来计算上述复杂问题。为了提高拟合精度,使用考虑多验算点的PSO-Kriging代理模型拟合功能函数,即在函数拟合过程中挑选出距离极限状态面较近和在标准正态空间中距离原点较近的近似验算点,这些点的附近区域对失效概率有较大的贡献,利用围绕它们选出的样本点可拟合精度较高的近似函数。基于拟合好的代理模型则采用蒙特卡罗法计算失效概率,以避免一次二阶矩方法求解精度差的问题。多个不连续功能函数、不连通失效域和多验算点算例表明采用该方法可以在保证效率的情况下得到相对精确的失效概率。