随着人们对工程产品结构安全与可靠性要求的提升,可靠性分析成为工程产品设计过程中不可或缺的一环。在可靠性分析受到广泛关注的同时,寻找高效准确的可靠性分析方法成为研究热点。目前,基于近似模型的可靠性分析方法得到了广泛应用。然而,由于产品结构复杂程度的不断提高,以及使用条件的更加严苛,可靠性分析的难度不断增大,为了保证可靠性计算成本与预测精度平衡,变可信度近似模型受到了研究学者的广泛关注。变可信度近似模型能够用高低可信度样本点的信息构建近似模型,利用大量低可信度样本点来减少高可信度样本点的使用,从而降低计算量。但是,直接将变可信度近似模型应用到现有的可靠性分析方法中,并非对所有问题都是高效的。因此,本文针对基于变可信度近似模型的可靠性分析方法进行研究,并将方法分别应用于元件和系统可靠性分析问题中,主要研究工作如下:针对现有近似模型主动学习方法采更新点效率低、收敛速度慢的问题,提出了UE（Uncertainty-Effect）主动学习函数,利用候选点自身符号的不确定性和变量的概率密度,构建不确定度参数和影响力参数,以最大程度的提升每次失效概率的预测精度,提高选点效率,加快收敛速度。结合数值和工程算例进行验证,并通过与其他多种主动学习函数进行对比,结果表明所提出的基于UE主动学习函数的可靠性分析方法具有更高的计算效率和精度。结合变可信度近似模型能够通过低可信度样本点减少高可信度样本点使用的优点,在可靠性分析时引入变可信度近似模型,针对其在不同问题中适应性差的缺点,提出了基于变可信度近似模型的元件可靠性分析方法。该方法基于高可信度样本点和低可信度样本点构建co-kriging近似模型,基于已有的高可信度样本点构建kriging近似模型,最后采用卡尔曼滤波方法融合两个模型的预测信息,计算得到结构元件的失效概率。结合数值算例和工程算例进行验证,结果表明所提出的方法能够有效地平衡可靠性分析中失效概率计算成本和计算精度之间的矛盾,同时该方法具有较高的适应性。针对多种失效模式的系统可靠性分析问题,提出了基于变可信度近似模型和卡尔曼滤波的系统可靠性分析方法。该方法对基于变可信度近似模型和卡尔曼滤波的元件可靠性分析方法进行拓展,利用复合标准的求解方式减少计算成本;分别构建各种失效模式的近似模型,在每个近似模型中忽略对系统极限状态精度无影响或影响小的区域,仅在系统极限状态附近寻找更新样本点,再对每个近似模型分别进行更新。算例测试结果表明,所提出的方法能够高效准确地计算系统失效概率。最后,对全文进行了总结,并展望了未来值得进一步研究的方向。