【正文】 ]39。net=newff(minmax(p),[newhideNums,outputNums],{39。%訓(xùn)練網(wǎng)絡(luò)y=sim(net,p)。 %隱層權(quán)值w_out={2,1}。 %輸入層到隱層的加權(quán)和 end net1=net1+b_he(j)。)。預(yù)測值39。)。 o=[1 ] %測試樣本的輸出 end o%%預(yù)測結(jié)果figure(1)plot(1:jishuqi,o,39。 %第一組輸入向量 end for j=1:newhideNums net1=0。%輸出BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的結(jié)果,權(quán)值和閾值w_heni={1,1}。 % 訓(xùn)練次數(shù) =。newhideNums=10。 。我們始終是一個團(tuán)結(jié)、友愛、積極向上的集體，我們六人中即將有一人出國，四人就讀研究生，即將走向工作崗位的阿薇也是我們心目中的全才。另外，導(dǎo)師嚴(yán)謹(jǐn)求實的治學(xué)態(tài)度、一絲不茍的工作作風(fēng)和高尚的人格魅力，都給了學(xué)生很大感觸，使學(xué)生終生受益。收集資料是做畢業(yè)設(shè)計的前期準(zhǔn)備工作，資料是否全面、可靠，關(guān)系到整個畢業(yè)設(shè)計的進(jìn)程。其中，瞬時可靠度計算是準(zhǔn)確預(yù)測的關(guān)鍵，結(jié)合Bayes方法和KM估計器思想提出的基于狀態(tài)特征指標(biāo)比例關(guān)聯(lián)關(guān)系的瞬時可靠度算法簡單高效。而貝葉斯方法能很好地解決了這類問題。 本課題方法與傳統(tǒng)的方法的對比 本文針對軸承類的退化失效型設(shè)備，提出了一種基于設(shè)備狀態(tài)信息的神經(jīng)網(wǎng)絡(luò)可靠性預(yù)測方法．該方法充分利用了設(shè)備退化過程中的狀態(tài)信息，能夠動態(tài)地反映設(shè)備的運行性能、精度，準(zhǔn)確預(yù)測設(shè)備的可靠度。實驗中數(shù)據(jù)從五組連續(xù)峭度值中按小時在失效闕值附近獲取。直接使用這些指標(biāo)就可實時檢測到振動信號, 而不需要通過各種信號處理與交換, 因而不致出現(xiàn)信號畸變和泄漏等缺陷。有資料統(tǒng)計表明, 使用峭度系數(shù)和有效值共同來監(jiān)測滾動軸承振動情況, 對判斷滾動軸承故障的準(zhǔn)確率達(dá)95% 以上。定義如下： （）振幅滿足正態(tài)分布規(guī)律的無故障軸承, 其峭度值約為3, 如果峭度接近4 或超過4, 則說明軸承的運動狀況中存在沖擊性振動 。但是對于表面剝落或傷痕等具有瞬時沖擊振動的異常不適用, 對于這種形態(tài)的異常, 可用峰值進(jìn)行判斷。文獻(xiàn)[12]指出對于零件表面的損傷類故障, 用峰值判斷比較有效。滾動軸承故障【6】的種類很多, 主要有表面疲勞損傷、磨損和膠合等幾種類型, 其中以表面疲勞損傷為主, 包括表面剝落、表面裂紋等滾動面發(fā)生局部損傷等異常狀態(tài)。最后，利用訓(xùn)練好的網(wǎng)絡(luò)模型進(jìn)行實際設(shè)備的可靠性預(yù)測。這種能力使其在圖像復(fù)原、語言處理、模式識別等方面具有重要應(yīng)用。 (2)模式識別：用一個待定的輸出向量將它與輸入向量聯(lián)系起來。BP神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)模仿人腦，具有并行處理的特征，大大提高了網(wǎng)絡(luò)功能。輸入信號經(jīng)輸入層輸入， 通過隱含層的復(fù)雜計算由輸出層輸出，輸出信號與期望輸出相比較，若有誤差，再將誤差信號反向由輸出層通過隱含層處理后向輸入層傳播。其由輸入層、中間層、輸出層組成的階層型神經(jīng)網(wǎng)絡(luò)，中間層可擴(kuò)展為多層。 強度定義為當(dāng)承受外部載荷和環(huán)境時, 元件、裝置或材料能滿意地完成規(guī)定的任務(wù)而沒有失效的能力。在此基礎(chǔ)上，有研究者提出先估計出狀態(tài)特征指標(biāo)在不同時刻的PDF，然后由失效閾值和指標(biāo)觀測值所界定的區(qū)間積分來計算相應(yīng)的瞬時可靠度。 威布爾分布的有關(guān)可靠性特征量 ①三參數(shù)威布爾分布可靠性特征量 可靠度函數(shù) ②二參數(shù) (γ=0)威布爾分布的可靠性特征量 可靠度函數(shù) 本課題采用的預(yù)測可靠性的方法 貝葉斯理論 定理定義 貝葉斯定理也稱貝葉斯推理，早在18世紀(jì)，英國學(xué)者貝葉斯(1702～1761)曾提出計算條件概率的公式用來解決如下一類問題：假設(shè)H[,1],H[,2]…,H[,n]互斥且構(gòu)成一個完全事件，已知它們的概率,i=1,2,…,n,現(xiàn)觀察到某事件A與H[,1],H[,2]…,H[,n]相伴隨而出現(xiàn)，且已知條件概率，求 。 正態(tài)分布的概率密度函數(shù)的幾何特征 標(biāo)準(zhǔn)正態(tài)分布 （） （） 式中，μ=0,ζ=1，記為N(0,1)。當(dāng)零件（部件）的強度大于應(yīng)力時，其能夠正常工作；當(dāng)零件（部件）的強度小于應(yīng)力時，其發(fā)生失效。Chinnam等人將鉆削加工過程中推力和扭矩變化作為退化信號，對鉆頭的磨損狀況進(jìn)行監(jiān)測并對刀具的可靠性進(jìn)行了在線預(yù)測。 (6) 故障樹分析法（FTA）故障樹分析法（FTA）是通過對可能造成系統(tǒng)故障的硬件、環(huán)境、人為因素進(jìn)行分析，畫出故障樹，從而確定產(chǎn)生故障原因的各種可能組合方式或其發(fā)生概率的一種分析方法。原因在于函數(shù)泰勒展開時考慮了非線性項的影響，并且多采用一個數(shù)字特征—— 偏度，較多地保留了隨機變量的分布特征，能夠反映非對稱分布函數(shù)形狀。 (2) 蒙特卡洛法 蒙特卡洛法的基本思想是：當(dāng)已知極限狀態(tài)方程中各基本隨機變量的分布時，利用隨機抽樣法產(chǎn)生一組相應(yīng)的隨機樣本，將其代入后可得到一個y的隨機樣本，如此反復(fù)進(jìn)行多次后，就得到y(tǒng)的一組隨機樣本。王光遠(yuǎn)和譚東耀建立了基于隨機模糊性的結(jié)構(gòu)優(yōu)化設(shè)計的概念和方法，并應(yīng)用于結(jié)構(gòu)抗震設(shè)計之中。其可靠性技術(shù)應(yīng)用主要靠國家標(biāo)準(zhǔn)推動，發(fā)布了一系列可靠性國家標(biāo)準(zhǔn)。 日本的可靠性設(shè)計體系來源于美國，但與美國機械可靠性研究不完全相同。這些事實引起美國軍方的高度重視，開始研究這些“意外”事故發(fā)生的規(guī)律，提出了可靠性的概念。從這點也可看出研究產(chǎn)品可靠性的重要意義 。其中，可靠性：產(chǎn)品出廠后（t0）所表現(xiàn)出來的一種質(zhì)量特性，是產(chǎn)品性能的延伸和擴(kuò)展。 機械可靠性的特征量機械可靠性有很多特征量，在不同的場合，根據(jù)不同的需求，應(yīng)用不同的特征量，在這里，我們使用的是可靠度R【1】。如果用隨機變量T表示產(chǎn)品從開始工作到發(fā)生失效或故障的時間，概率密度為f(t)，則該產(chǎn)品在某已指定時刻t的可靠度 () 隨著科學(xué)技術(shù)的發(fā)展，產(chǎn)品質(zhì)量的含義也在不斷地擴(kuò)充。反之，可靠性水平高的產(chǎn)品在使用中不但能保證其性能的實現(xiàn)，而且故障發(fā)生的次數(shù)少、維修費用及因故障造成的損失也少、安全性也提高。傳統(tǒng)的可靠性評估方法基于概率及數(shù)理統(tǒng)計理論，依賴歷史失效壽命數(shù)據(jù)得到一批設(shè)備的整體可靠性，但無法實現(xiàn)反映當(dāng)前運行設(shè)備個體特性的可靠性評估。1974年美國和日本成立了結(jié)構(gòu)可靠性分析方法研究組，澳大利亞、瑞典航空研究院的一些學(xué)者也都在專門研究結(jié)構(gòu)可靠性問題。另外由于大量新技術(shù)、新材料、新工藝的應(yīng)用，缺乏實用經(jīng)驗，需要用可靠性技術(shù)幫助設(shè)計人員進(jìn)行分析和評估。 英國國家可靠性分析中心(NCRS)成立了機械可靠性研究小組，匯編出版了《機械系統(tǒng)可靠性》一書，從失效模式、使用環(huán)境、故障性質(zhì)、篩選效果、實驗難度、維修方式和數(shù)據(jù)積累等7 個方面闡明了機械可靠性應(yīng)用的重點，提出了幾種機械系統(tǒng)可靠性的評估方法，并強調(diào)重視數(shù)據(jù)積累。李云貴和趙國藩提出了計算可靠度的4次高階矩法，提高了可靠度的計算精度。其分析精度較高，并可隨著模擬次數(shù)的增加，可靠性精度會不斷提高。其目的在于分析產(chǎn)品的薄弱環(huán)節(jié)，找出其潛在的弱點，并把分析的結(jié)果反映給產(chǎn)品的設(shè)計、制造及使用單位，以便從設(shè)計、制造、使用及維護(hù)等各方面采取對策和措施，提高產(chǎn)品的可靠性。FTA法仍處在發(fā)展、完善的過程中，由于建樹過程復(fù)雜且難度很大，故利用計算機自動建樹的方法也在發(fā)展中。其中最主要思路的是：一、狀態(tài)特征指標(biāo)的選取 二、瞬時可靠度的計算。 在應(yīng)力——強度干涉模型理論中，根據(jù)可靠度的定義，強度大于應(yīng)力的概率可表示為 （) 應(yīng)力－強度干涉模型 —— 應(yīng)力分布密度函數(shù) 根據(jù)以上干涉模型計算在干涉區(qū)內(nèi)強度大于應(yīng)力的概率——可靠度。此時，可靠度R(t)、不可靠度F(t)、失效概率密度函數(shù) f(t)都是指數(shù)分布。對于隨機樣本大小為N的乘積極限（PL）估計可以定義如下：列表和標(biāo)簽的N觀察到的壽命（是否失效或失蹤）為了增加幅度，這樣一個有。當(dāng)設(shè)備接近失效時，如果樣本數(shù)太少，所估計出來的模型參數(shù)誤差就很大，會影響預(yù)測的準(zhǔn)確性。在已知或者推測其應(yīng)力、強度分別符合什么狀態(tài)時候再去根據(jù)參數(shù)求解。此過程反復(fù)交替進(jìn)行，直至網(wǎng)絡(luò)的全局誤差趨向給定的極小值，即完成學(xué)習(xí)的過程。這種信號正向傳播與誤差反向傳播的各層權(quán)值調(diào)整過程周而復(fù)始地進(jìn)行著，直到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或進(jìn)行到預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。(4) 具有自學(xué)習(xí)、自組織、自適應(yīng)的能力 BP神經(jīng)網(wǎng)絡(luò)具有初步的自適應(yīng)與自組織能力，在學(xué)習(xí)或訓(xùn)練中改變突觸權(quán)值以適應(yīng)環(huán)境，可以在使用過程中不斷學(xué)習(xí)完善自己的功能，并且同一網(wǎng)絡(luò)因?qū)W習(xí)方式的不同可以具有不同的功能，它甚至具有創(chuàng)新能力，可以發(fā)展知識，以至超過設(shè)計者原有的知識水平。 BP網(wǎng)絡(luò)的優(yōu)點BP神經(jīng)網(wǎng)絡(luò)最主要的優(yōu)點是具有極強的非線性映射能力。另外， BP 神經(jīng)網(wǎng)絡(luò)具有優(yōu)化計算能力。BP神經(jīng)網(wǎng)絡(luò)最主要的優(yōu)點是具有極強的非線性映射能力。而滾動軸承故障振動信號特征包括時域和頻域兩大類: 時域特征有軸承振動信號的峰值、峭度值、均方