在实际工程问题中,各种结构参数及外界环境载荷等因素均具有不确定性,这些不确定性因素在结构的设计过程会对各种性能指标产生影响,因而采用传统的确定性设计标准分析时往往不能满足实际的要求。所以对结构可靠性计算方法与技术应用开展基础理论研究具有重要的科学价值和工程意义。传统的计算可靠性的方法如一次二阶矩法、二次二阶矩法等方法对于强非线性的结构系统计算误差较大。而蒙特卡洛模拟法则需要采样大量的随机样本点并进行响应计算,这在实际的工程应用中需要耗费大量的计算时间,从而对以上方法的应用带来了很大的局限性。许多学者基于代理模型提出通过主动学习函数的方法进行序贯采样,该方法可以大大提高建立代理模型的效率。然而现有有关可靠性计算的代理模型主动学习方法的研究较多集中于kriging模型,而对于其他类型的代理模型,如径向基插值(RBF)、人工神经网络(ANN)等,现有研究成果也较少。所以本课题以径向基插值代理模型为基础,研究可靠性计算与灵敏度分析的主动学习方法,并将其应用于工程实际问题中,论文的主要研究内容以及创新点如下。(1)基于RBF代理模型提出了单核函数和多核函数的主动学习方法计算结构的失效概率。对于单核函数采用交叉验证法获得预测样本点的局部不确定性度量法,而多核函数法则依据不同核函数间预测结果的差异构建相应的局部不确定性度量。同时考虑样本点与极限状态方程间的距离以及训练样本点本身之间的距离构造主动学习函数,实现样本点的自适应采样。并且本文提出采用最终若干次预测失效概率的均值与标准差间的关系来构建新的主动学习过程的收敛准则。(2)对于提出的RBF代理模型主动学习算法,结合部分经典算例,研究了训练样本点的初始采样方式和初始样本点数量对可靠性计算效率和精度的影响,包括拉丁超立方采样以及基于联合概率密度函数的采样。除此之外还研究了主动学习函数的参数对主动学习效率和精度的影响,主要包括代理模型不确定性参数α、训练样本点间的距离参数β、多核函数算法中核函数的数量、种类等,以及终止准则的阀值参数?。(3)对于小失效概率以及多模式失效的问题,提出采用基于双轮代理模型的主动学习方法,将代理模型的建立分为两个阶段:首先基于扩展的联合概率密度函数进行第一阶段的主动学习采用,建立相应的RBF代理模型,并结合层次聚类法得到各失效域对应的近似最可能失效点,避免采样传统方法求解多失效域内所有最可能失效点所面临的困难;之后则基于重要采样法以及近似最可能失效点,进行第二阶段的主动学习过程,建立更加精确的代理模型,所以称之为双轮代理模型主动学习方法。(4)提出了采用主动学习算法来求解基于方差的全局灵敏度分析指标,并且提出采用系数因子对各预测得到的灵敏度指标进行加权,构造出相应的终止准则。对于考虑分布参数不确定性的情况下,则利用主动学习策略以及双层代理模型进行可靠性参数全局灵敏度分析,提高了相应的求解效率。(5)基于数控转塔冲床以及砂光机的振动特性,针对本文所提出的可靠性和灵敏度计算方法进行了工程应用研究。利用ADAMS等软件实现了对数控转塔冲床、砂光机动力学模型以及结合面刚度等因素的参数化处理,联合MATLAB和Isight构建了能够准确预测数控转塔冲床振动响应的主动学习RBF代理模型,求解得到不同工况下数控转塔冲床振动的失效概率、全局灵敏度,并在考虑分布参数不确定性的前提下得到了数控转塔冲床和砂光机的参数全局灵敏度分析指标,为进一步给提高结构的性能,减小振动提供了指导方向。