【正文】 legend(39。*39。 for i=1:inputNums net1=net1+gg(i)*w_he(i,j)。w_he=w_heni39。 % 誤差期望值net=train(net,p,t)。outputNums=3。 ?！疤煜聸]有不散的宴席”。在此，學生謹向導師致以最真摯的感激和最崇高的敬佩之情。查閱手冊是設計過程中隨時要做的事情。針對滾動軸承的峭度值的時變數據，以可靠度為評價標準，正確預測出滾動軸承未來的可靠度，該過程表明設備狀態(tài)信息用于可靠性預測的可行性和有效性，是未來可靠性發(fā)展的一個重要方向。 本章小結 本章針對軸承類的退化失效型設備，提出了一種基于設備狀態(tài)信息的神經網絡可靠性預測方法．該方法充分利用了設備退化過程中的狀態(tài)信息，能夠動態(tài)地反映設備的運行性能、精度，準確預測設備的可靠度。 （1) 本文求瞬時和可靠度的時候，是運用同一種軸承的不同數據，不是盲目的單一的對一個數據來研究，使計算可靠度準確、可靠。對本課題用以下峭度值來計算瞬時可靠度。 更重要的一點是這些指標對故障和缺陷足夠敏感, 對信號的幅值和頻率不敏感, 即與機器的運行工況無關, 只依賴于信號的幅值概率密度函數。有效值是對時間的平均并能反映振動能量的大小, 它能反映磨損故障和晚期故障。峭度在滾動軸承的使用過程中表現出很強的規(guī)律性。 (2) 峰值和峰值因子通常峰值是指振動波形的單峰最大值。 對磨損類故障, 用均方根值比較有效。當軸承元件表面發(fā)生局部損傷時, 在滾動體和內、外環(huán)相互運動過程中, 會產生周期性的沖擊振動, 其振動發(fā)生的頻率稱為故障特征頻率, 也稱為“通過頻率”。R（t+3Δt）R（t+2Δt）R（t+Δt）x（t） 本章本章主要對BP神經網絡進行了簡單的講解。再次，BP 神經網絡對外界輸入樣本有很強的識別與分類能力。 (3)分類：把輸入向量所定義的合適方式進行分類。(3) 具有容錯性 生物神經系統(tǒng)部分不嚴重損傷并不影響整體功能，BP神經網絡也具有這種特性，網絡的高度連接意味著少量的誤差可能不會產生嚴重的后果，部分神經元的損傷不破壞整體，它可以自動修正誤差。在這個過程中，誤差通過梯度下降算法，分攤給各層的所有單元，從而獲得各單元的誤差信號，以此誤差信號為依據修正各單元權值，網絡權值因此被重新分布。相鄰層之間各神經元進行全連接，而每層各神經元之間無連接，網絡按有教師示教的方式進行學習，當一對學習模式提供給網絡后，各神經元獲得網絡的輸入響應產生連接權值（Weight）。一般地, 機械產品的強度和工作應力均為隨機變量, 呈分布狀態(tài)。假設 為時刻t所測得的m個產品的狀態(tài)特征指標值，x呈單調上升趨勢，其PDF為，失效閾值為，此時的整體可靠度可表示為 如果產品i在時刻的狀態(tài)特征參量為，其瞬時可靠度可表示為= () 式（）比值的連乘積體現了Bayes條件概率思想，表示設備在時刻可靠的前提條件是在時刻必須是可靠的。 貝葉斯公式（發(fā)表于1763年）為： 這就是著名的“貝葉斯定理”，一些文獻中把、稱為基礎概率，為擊中率，為誤報率[1][2]。 將非標準正態(tài)分布歸一化，從而獲得標準正態(tài)分布，以便于計算累積分布函數F(x)或可靠度R(x)。因此，要求零件（部件）在規(guī)定的條件下和規(guī)定的時間內能夠承載，必須滿足以下條件S——零件（部件）的強度；s——零件（部件）的應力。Cao【2】等人利用二代小波方法提取端銑刀加工過程中聲發(fā)射信號特征頻率處的幅值變化信息，運用馬氏距離評估方法對其損傷程度進行了定量診斷。其目的與用途在于分析故障原因與損害及其源與流的邏輯關系，以便確定其可靠性框圖與模型，當具有故障率數據時，可計算產品發(fā)生故障的概率。按推理，可靠性分析法的近似概率法還可有三次四階矩、四次三階矩等高次高階矩的方法，在文獻中也提到了高次高階矩法，但這樣做會使問題復雜化，并導致新的誤差，故這類方法應慎用。當對Y的隨機樣本統(tǒng)計分析后，可得到隨機數y大于零的概率，即可靠度R=P(rs0)=P[y(x1,x2......xn)]。趙國藩等建立了廣義隨機空間內考慮隨機變量相關性的結構可靠度實用分析方法，擴大了現有可靠度計算方法的適用范圍。他們認為可靠性技術的主要內容是預測，即在產品設計和樣機實驗階段，預測和評估在規(guī)定的條件下的使用可靠性，研究各項指標隨時間變化的過程。日本的機械可靠性設計著重于實用化，對于機械可靠性設計，主要依靠其現有技術，通過可靠性實驗及使用信息反饋，不斷改進，達到可靠性增長。上世紀60年代，對機械可靠性問題引起了各國廣泛重視并開始對其進行了系統(tǒng)研究，其中美國、前蘇聯、日本、英國等國家對機械產品可靠性進行了深入研究，并在機械產品可靠性理論研究和實際應用方面取得了相當進展?？煽啃允菣C械零件設計時必須考慮的重要指標?？煽啃哉贾鲗У匚?。 可靠度是產品在規(guī)定的條件下和規(guī)定的時間區(qū)間內，完成規(guī)定功能的概率。一般記為R，由于它是時間的函數，故也記為R(t)，稱為可靠度函數。性能差，產品實際上是廢品；性能好，也并不能保證產品的可靠性水平高。可靠性是評價設備質量的重要指標之一，貫穿在設備的開發(fā)、設計、制造、使用及維修保養(yǎng)等各個環(huán)節(jié)。NASA 在六十年代中期便開始了機械部件的應力驗證和利用應力強度干涉模型進行可靠性概率設計的研究?？煽啃岳碚摰膽?，主要應針對有問題的設計部分進行分析和改進。他們認為可靠性研究方向主要有兩個：一是可靠數學統(tǒng)計方法和使用信息的統(tǒng)計處理技術，以及保證復雜系統(tǒng)可靠性的技術；二是適于機械制造行業(yè)，包括物理故障學(疲勞、磨損、腐蝕)機械零件的耐磨、耐熱、耐蝕等設計方法，以及保證可靠性的工藝方法的研究。貢金鑫和趙國藩還研究了原始空間內的可靠性分析方法，這種方法不需要將非正態(tài)隨機變量映射或當量正態(tài)化為正態(tài)隨機變量，因而特別適合于當隨機變量的概率分布函數不存在顯式時可靠度的計算。蒙特卡洛法屬于可靠性分析中的純概率分析法，回避了求極限狀態(tài)函數分布的問題，不必對分析問題進行概率假設。 (5) 故障模式影響和危害度分析（FMECA） 故障模式影響和危害度分析(FMECA)是分析產品中每一潛在的故障模式，并確定其對產品所產生的影響，以及把每個潛在故障模式按它的嚴重程度及其發(fā)生的概率予以分類的一門分析技術。該方法既可進行定性分析，也可進行定量化計算。 本文主要研究內容 本文通過對機械可靠性的分析，提出了一種利用設備狀態(tài)信息來預測設備的可靠性的方法。 實際工程中的應力和強度都是呈分布狀態(tài)的隨機變量，把應力和強度的分布在同一座標系中表示（） 當強度的均值大于應力的均值時，在圖中陰影部分表示的應力和強度 “干涉區(qū)”內就可能發(fā)生強度小于應力——即失效的情況這種根據應力和強度干涉情況，計算干涉區(qū)內強度小于應力的概率（失效概率）的模型，稱為應力——強度干涉模型。歸一化的做法：對隨機變量作如下變換（平移和比例變換） 則正態(tài)分布的F(x)成為標準正態(tài)分布的Φ(Z)： （） （2）指數分布e(λ) 定義：當產品進入浴盆曲線的偶然失效期后，失效率接近為常數。 KM估計器思想KM評估器是一種非參數估計方法【3】，它的最大優(yōu)點是不依賴于失效PDF的分布假設，且不受采樣間隔影響，只要知道失效樣本和正常工作樣本的數目就可以估計出產品的可靠度。這種算法需要對x的PDF進行估計，并選擇PDF的分布形式?？煽啃远x為影響失效的應力沒有超過控制失效強度的概率。然后按減小希望輸出與實際輸出誤差的方向，從輸出層經各中間層逐層修正各連接權，回到輸入層。此過程完成后， 輸入信號再次由輸入層輸入網絡，重復上述過程。這與現代計算機的脆弱性形成鮮明對比。 (4)數據壓縮：減少輸出向量維數以便傳輸或存儲。由于它具有強大的非線性處理能力，因此可以較好地進行非線性分類, 解決了神經網絡發(fā)展史上的非線性分類難題。BP神經網絡在實現時間等預測方面有很大的優(yōu)勢，并且簡單方便、可靠、精確。故障特征頻率決定于軸的轉速、軸承幾何尺寸及損傷點的位置(外環(huán)、內環(huán)、滾動體) 。 而峰值因子對兩類故障都可以判斷。早期軸承表面損傷, 非常容易由峰值的變化檢測出來。軸承開始使用至穩(wěn)定工作期間, 峭度保持在3 左右。而峭度( Ku rto sis) K是反映振動信號分布特性的數值統(tǒng)計量, 是歸一化的4階中心矩, 由于它與軸承轉速、尺寸、載荷等無關,對沖擊信號特別敏感, 特別適用于表面損傷類故障尤其是早期故障的診斷。這些參數的變化, 能直觀地反映出機械設備的故障特征, 對早期的故障有很好的診斷能力。（通過美國大學數據庫里數據提?。┍? 滾動軸承的峭度值 組數C1C2C3C4C5C6C7 12344,6945 其中CC2等代表時間為1小時，兩小時。 （2）本文求瞬時可靠度簡單方便，沒有那么多的繁瑣的參數和公式，使計算方便、簡單。本章通過對滾動軸承的狀態(tài)指標的分析，決定用峭度值作為本課題的狀態(tài)指標。畢業(yè)設計主要收獲和體會如下：(1) 學到了理論研究的方法。只有廣泛收集有用的資料才能設計出比較好的產品。另外，我還需要特別感謝孫老師、劉老師和陳老師在中期審核時候對我提的建議。在我們即將分離的時刻，我別無他話，衷心的祝愿大家一路走好、前程似錦、一生平安幸福。