The single-loop method (SLM) for reliability-based design optimization (RBDO) can be inaccurate when constraint functions are highly nonlinear because it uses gradient information calculated at the approximated most probable point (MPP) of the previous iteration. To overcome this limitation, this paper presents a new selective SLM (SSLM) that can automatically select the gradient at the approximate MPP of the previous iteration or the design point of the current iteration. In the proposed technique, if the design movement is large, the normalized gradient vector is calculated at the current design point, and the approximate MPP is calculated using the mean value method, and if small, the gradient is calculated at the approximate MPP of the previous iteration. In this study, a post optimization (PO) technique using local adaptive sampling (LAS) is also proposed to improve the accuracy of the proposed SSLM. In the proposed method, SSLM is performed first, and then PO is applied to find a more accurate RBDO optimum using the Kriging model generated by samples accumulated during SSLM and sequentially added by LAS when the Kriging model is not accurate enough. Numerical studies show that the proposed SSLM is more efficient than the existing RBDO methods and the proposed PO improves its accuracy.
신뢰성 기반 최적설계 방법 중 단일루프 방법은 이전 축차의 근사된 최대가능손상점에서 계산된 기울기를 사용하기 때문에 비선형성이 큰 경우 부정확할 수 있다. 이 한계를 극복하기 위해, 본 연구에서는 이전 축차의 근사된 최대가능손상점 또는 현재 축차의 설계점에서의 기울기를 자동으로 선택할 수 있는 새로운 선택적 단일루프 방법을 제안한다. 제안된 기법에서는 설계 이동이 큰 경우 정규화된 기울기 벡터를 현재 설계점에서 계산하고, 평균법을 사용하여 근사된 최대가능손상점을 계산하며, 설계 이동이 작은 경우 이전 축차의 근사된 최대가능손상점에서 기울기를 계산한다. 본 연구에서는 제안된 선택적 단일루프 방법의 정확도를 높이기 위해 국부 적응 샘플링을 이용한 사후 최적화 기법을 추가로 제안한다. 제안된 방법은 먼저 선택적 단일루프 방법을 수행하고, 선택적 단일루프 방법 동안 축적된 샘플을 이용해서 크리깅 모델을 구성한 후, 크리깅 모델이 충분히 정확하지 않은 경우 국부 적응 샘플링을 이용하여 순차적으로 추가된 샘플을 이용하여 크리깅 모델을 재구성하고, 이를 이용하여 사후 최적화 기법을 수행하여 보다 정확한 최적해를 찾는다. 수치 연구에 따르면 제안된 선택적 단일루프 방법은 기존의 신뢰성 기반 최적설계 방법보다 효율적이며 제안된 사후 최적화는 정확도를 향상시킨다.