This paper deals with an efficient reliability-based robust design optimization (RBRDO) of structures under extreme wind excitation. To solve such problems in the direct Monte Carlo simulation (MCS) framework, extensive computational time is required. To circumvent this, a new CDF-based RBRDO approach is proposed using the dual response surface method (RSM) framework. In the proposed approach, once the response surfaces are obtained by the dual RSM, the direct MCS can be fully avoided during optimization. Thereby, the approach evades several repetitive executions of finite element analyses code inside the optimization loop. Generally, RSM uses least squares method (LSM) which is reported to be a major source of error in few recent studies. Thus, the proposed approach utilizes the adaptive nature of moving least squares method (MLSM) for construction of response surfaces. The RBRDO is performed by using a two-criterion equivalent optimization problem, where the mean value of the cost of a structure and its standard deviation are optimized—ensuring constraint feasibility under parameter uncertainty. The dynamic response of structures necessary to define constraint functions is obtained using a random wind field model, which considers the effect of coherence and wind directionality. Two illustrative examples are presented to demonstrate the efficiency of the proposed RBRDO approach. When benchmarked through direct MCS results, the proposed MLSM-based RBRDO approach yields more accurate and robust solutions compared with that of the conventional LSM-based approach.

本文研究了在极端风激励下结构的基于可靠性的高效鲁棒设计优化（RBRDO）。为了在直接蒙特卡罗模拟（MCS）框架中解决此类问题，需要大量的计算时间。为了避免这种情况，提出了一种使用双响应面方法（RSM）框架的基于CDF的新RBRDO方法。在提出的方法中，一旦通过双RSM获得了响应面，就可以在优化过程中完全避免直接使用MCS。因此，该方法避免了优化循环内有限元分析代码的多次重复执行。通常，RSM使用最小二乘法（LSM），在最近的一些研究中，RSM被认为是误差的主要来源。从而，所提出的方法利用了移动最小二乘法（MLSM）的自适应特性来构造响应曲面。通过使用两准则等效优化问题来执行RBRDO，其中优化了结构成本的平均值及其标准偏差，从而确保了在参数不确定性下的约束可行性。使用随机风场模型获得定义约束函数所需的结构的动力响应，该模型考虑了相干性和风向性的影响。给出两个说明性示例，以证明所提出的RBRDO方法的效率。通过直接MCS结果进行基准测试时，与基于LSM的常规方法相比，基于MLSM的RBRDO方法可提供更准确，更可靠的解决方案。通过使用两准则等效优化问题来执行RBRDO，其中优化了结构成本的平均值及其标准偏差，从而确保了在参数不确定性下的约束可行性。使用随机风场模型获得定义约束函数所需的结构的动力响应，该模型考虑了相干性和风向性的影响。给出两个说明性示例，以证明所提出的RBRDO方法的效率。通过直接MCS结果进行基准测试时，与基于LSM的常规方法相比，基于MLSM的RBRDO方法可提供更准确，更可靠的解决方案。通过使用两准则等效优化问题来执行RBRDO，其中优化了结构成本的平均值及其标准偏差，从而确保了在参数不确定性下的约束可行性。使用随机风场模型获得定义约束函数所需的结构的动力响应，该模型考虑了相干性和风向性的影响。给出两个说明性示例，以证明所提出的RBRDO方法的效率。通过直接MCS结果进行基准测试时，与基于LSM的常规方法相比，基于MLSM的RBRDO方法可提供更准确，更可靠的解决方案。优化了结构成本的平均值及其标准偏差，从而确保在参数不确定性下的约束可行性。使用随机风场模型获得定义约束函数所需的结构的动力响应，该模型考虑了相干性和风向性的影响。给出两个说明性示例，以证明所提出的RBRDO方法的效率。通过直接MCS结果进行基准测试时，与基于LSM的常规方法相比，基于MLSM的RBRDO方法可提供更准确，更可靠的解决方案。优化了结构成本的平均值及其标准偏差，从而确保在参数不确定性下约束的可行性。使用随机风场模型获得定义约束函数所需的结构的动力响应，该模型考虑了相干性和风向性的影响。给出两个说明性示例，以证明所提出的RBRDO方法的效率。通过直接MCS结果进行基准测试时，与基于LSM的常规方法相比，基于MLSM的RBRDO方法可提供更准确，更可靠的解决方案。考虑了相干性和风向性的影响。给出两个说明性示例，以证明所提出的RBRDO方法的效率。通过直接MCS结果进行基准测试时，与基于LSM的常规方法相比，基于MLSM的RBRDO方法可提供更准确，更可靠的解决方案。考虑了相干性和风向性的影响。给出两个说明性示例，以证明所提出的RBRDO方法的效率。通过直接MCS结果进行基准测试时，与基于LSM的常规方法相比，基于MLSM的RBRDO方法可提供更准确，更可靠的解决方案。