在实际工程结构中,不确定性因素的存在在所难免。结构本身的复杂性以及影响结构可靠度的诸多不确定因素,使得结构的可靠度计算难以用简单的数值方法得到。目前,对结构进行不确定可靠性分析求解结构的失效概率,采用的方法主要包括:一次二阶矩方法、二次二阶矩方法、响应面法、蒙特卡罗法和随机有限元法等。响应面方法因其具有简便易行,计算效率高的优点而被广泛应用。常用的响应面模型形式有二次多项式、Kriging插值响应面模型、支持向量机和人工神经网络。其中人工神经网络是一种通过找出输入与输出之间的映射关系,构造相应神经网络的模型,具有高度的非线性映射能力和大规模并行分布处理的能力,可以用来逼近任意的非线性函数。极限学习机是类似于传统神经网络的一种学习算法,其具有计算效率高,泛化能力好的优点,若运用到结构可靠性分析中对解决工程中不存在显示表达式的高度非线性极限状态函数可靠性分析问题具有重要价值。极限学习机训练存在极大的随机性,单次训练可能存在较大的误差,本文引入交叉验证的方法来降低极限学习机的误差构造出较优响应面,并结合一次二阶矩、蒙特卡洛法和二次二阶矩方法进行可靠度分析。本文的主要工作如下:(1)依据极限学习机理论,推导出激活函数分别为高斯函数、S型曲线函数和径向基函数的极限学习机响应面表达式,及其相应的一阶偏导数和二阶偏导数表达式;(2)引入交叉验证方法对极限学习机响应面进行多次训练,比较均方差大小获得较优响应面;(3)在获得的极限学习机基础上,结合一次二阶矩方法和二次二阶矩方法对高度非线性极限状态函数问题作结构可靠性分析;(4)基于不同的伪随机序列抽样方法的样本点,训练极限学习机响应面并结合蒙特卡洛方法作结构可靠性分析。分析样本点的个数、抽样方法对可靠度分析精度的影响。