freepeople性欧美熟妇, 色戒完整版无删减158分钟hd, 无码精品国产vα在线观看DVD, 丰满少妇伦精品无码专区在线观看,艾栗栗与纹身男宾馆3p50分钟,国产AV片在线观看,黑人与美女高潮,18岁女RAPPERDISSSUBS,国产手机在机看影片

正文內(nèi)容

基于狀態(tài)信息的可靠性預(yù)測方法的研究_畢業(yè)論文(編輯修改稿)

2024-10-06 17:24 本頁面
 

【文章內(nèi)容簡介】 樣間隔影響,只要知道失效樣本和正常工作樣本的數(shù)目就可以估計出產(chǎn)品的可靠度。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。那么,其中r假定這些值≤t和措施的時候失效。這估計是分布,無限制的形式,從而最大程度的意見的可能性。 基于bayes方法【4】和KM估計器的可靠度計算公式的推導(dǎo) 傳統(tǒng)的可靠度評估方法對于機床類設(shè)備,特別是少失效或零失效產(chǎn)品是不適宜的,有文獻提出從產(chǎn)品性能退化的角度進行可靠性評估,由擬合的性能退化軌跡曲線和失效閾值外推出各樣本的偽失效壽命,并求出,代人式()求取設(shè)備可靠度。但是,這種方法求取的依然是設(shè)備的整體可靠度,而且需要對退化軌跡(退化規(guī)律)進行合適的假設(shè)。在此基礎(chǔ)上,有研究者提出先估計出狀態(tài)特征指標在不同時刻的PDF,然后由失效閾值和指標觀測值所界定的區(qū)間積分來計算相應(yīng)的瞬時可靠度。假設(shè) 為時刻t所測得的m個產(chǎn)品的狀態(tài)特征指標值,x呈單調(diào)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(chǎn)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(xiàn)了Bayes條件概率思想,表示設(shè)備在時刻可靠的前提條件是在時刻必須是可靠的。這種算法需要對x的PDF進行估計,并選擇PDF的分布形式。當設(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)測的準確性。KM評估器是一種非參數(shù)估計方法,它的最大優(yōu)點是不依賴于失效PDF的分布假設(shè),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(shù)目就可以估計出產(chǎn)品的可靠度。結(jié)合KM思想,可將式()改寫為 ()式中:表示在時刻X(t)中大于等于且小于失效閾值的樣本總數(shù);表示在時刻X(t)中大于等于的樣本總數(shù),但在時刻以前已經(jīng)失效的樣本不記人中,以避免對可靠度的估計過于保守。 本章小結(jié) 機械產(chǎn)品的可靠性分析以應(yīng)力——強度分布干涉理論為基礎(chǔ), 應(yīng)力——強度分布干涉模型主要是討論應(yīng)力和強度相互作用的效果。應(yīng)力定義為引起元件、裝置和材料失效的載荷。 強度定義為當承受外部載荷和環(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。一般地, 機械產(chǎn)品的強度和工作應(yīng)力均為隨機變量, 呈分布狀態(tài)??煽啃远x為影響失效的應(yīng)力沒有超過控制失效強度的概率。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。有些麻煩。而本章提出一種新的結(jié)合貝葉斯方法和KM估計器思想而提出的一種新的求取瞬時可靠度的方法。只需要對一個使計算更加簡單方面,可靠。3 BP神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò)及其原理 BP神經(jīng)網(wǎng)絡(luò)定義 BP (Back Propagation)神經(jīng)網(wǎng)絡(luò)【5】是一種神經(jīng)網(wǎng)絡(luò)學習算法。其由輸入層、中間層、輸出層組成的階層型神經(jīng)網(wǎng)絡(luò),中間層可擴展為多層。相鄰層之間各神經(jīng)元進行全連接,而每層各神經(jīng)元之間無連接,網(wǎng)絡(luò)按有教師示教的方式進行學習,當一對學習模式提供給網(wǎng)絡(luò)后,各神經(jīng)元獲得網(wǎng)絡(luò)的輸入響應(yīng)產(chǎn)生連接權(quán)值(Weight)。然后按減小希望輸出與實際輸出誤差的方向,從輸出層經(jīng)各中間層逐層修正各連接權(quán),回到輸入層。此過程反復(fù)交替進行,直至網(wǎng)絡(luò)的全局誤差趨向給定的極小值,即完成學習的過程。 BP神經(jīng)網(wǎng)絡(luò)模型及其基本原理 BP神經(jīng)網(wǎng)絡(luò)是誤差反向傳播神經(jīng)網(wǎng)絡(luò)的簡稱,它由一個輸入層,一個或多個隱含層和一個輸出層構(gòu)成,每一次由一定數(shù)量的的神經(jīng)元構(gòu)成。這些神經(jīng)元如同人的神經(jīng)細胞一樣是互相關(guān)聯(lián)的。: BP神經(jīng)網(wǎng)絡(luò)模型生物神經(jīng)元信號的傳遞是通過突觸進行的一個復(fù)雜的電化學等過程, 在人工神經(jīng)網(wǎng)絡(luò)中是將其簡化模擬成一組數(shù)字信號通過一定的學習規(guī)則而不斷變動更新的過程,這組數(shù)字儲存在神經(jīng)元之間的連接權(quán)重。網(wǎng)絡(luò)的輸入層模擬的是神經(jīng)系統(tǒng)中的感覺神經(jīng)元,它接收輸入樣本信號。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。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(jù)修正各單元權(quán)值,網(wǎng)絡(luò)權(quán)值因此被重新分布。此過程完成后, 輸入信號再次由輸入層輸入網(wǎng)絡(luò),重復(fù)上述過程。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,或進行到預(yù)先設(shè)定的學習次數(shù)為止。權(quán)值不斷調(diào)整的過程就是網(wǎng)絡(luò)的學習訓(xùn)練過程。 BP神經(jīng)網(wǎng)絡(luò)的信息處理方式具有的特點(1)信息分布存儲 人腦存儲信息的特點是利用突觸效能的變化來調(diào)整存儲內(nèi)容, 即信息存儲在神經(jīng)元之間的連接強度的分布上, BP神經(jīng)網(wǎng)絡(luò)模擬人腦的這一特點,使信息以連接權(quán)值的形式分布于整個網(wǎng)絡(luò)。(2) 信息并行處理 人腦神經(jīng)元之間傳遞脈沖信號的速度遠低于馮諾依曼計算機的工作速度,但是在很多問題上卻可以做出快速的判斷、決策和處理,這是由于人腦是一個大規(guī)模并行與串行組合的處理系統(tǒng)。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。(3) 具有容錯性 生物神經(jīng)系統(tǒng)部分不嚴重損傷并不影響整體功能,BP神經(jīng)網(wǎng)絡(luò)也具有這種特性,網(wǎng)絡(luò)的高度連接意味著少量的誤差可能不會產(chǎn)生嚴重的后果,部分神經(jīng)元的損傷不破壞整體,它可以自動修正誤差。這與現(xiàn)代計算機的脆弱性形成鮮明對比。(4) 具有自學習、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,在學習或訓(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習完善自己的功能,并且同一網(wǎng)絡(luò)因?qū)W習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神經(jīng)網(wǎng)絡(luò)的主要功能目前,在人工神經(jīng)網(wǎng)絡(luò)的實際應(yīng)用中。絕大部分的神經(jīng)網(wǎng)絡(luò)模型都采用BP神經(jīng)網(wǎng)絡(luò)及其變化形式。它也是前向網(wǎng)絡(luò)的核心部分,體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)的精華。BP網(wǎng)絡(luò)主要用于以下四方面: (1)函數(shù)逼近:用輸入向量和相應(yīng)的輸出向量訓(xùn)練一個網(wǎng)絡(luò)以逼近一個函數(shù)。 (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。 (3)分類:把輸入向量所定義的合適方式進行分類。 (4)數(shù)據(jù)壓縮:減少輸出向量維數(shù)以便傳輸或存儲。 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。理論上,對于一個三層和三層以上的BP網(wǎng)絡(luò),只要隱層神經(jīng)元數(shù)目足夠多,該網(wǎng)絡(luò)就能以任意精度逼近一個非線性函數(shù)。其次,BP神經(jīng)網(wǎng)絡(luò)具有對外界刺激和輸入信息進行聯(lián)想記憶的能力。這是因為它采用了分布并行的信息處理方式,對信息的提取必須采用聯(lián)想的方式,才能將相關(guān)神經(jīng)元全部調(diào)動起來。BP 神經(jīng)網(wǎng)絡(luò)通過預(yù)先存儲信息和學習機制進行自適應(yīng)訓(xùn)練,可以從不完整的信息和噪聲干擾中恢復(fù)原始的完整信息。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。再次,BP 神經(jīng)網(wǎng)絡(luò)對外界輸入樣本有很強的識別與分類能力。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(jīng)網(wǎng)絡(luò)發(fā)展史上的非線性分類難題。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)本質(zhì)上是一個非線性優(yōu)化問題, 它可以在已知的約束條件下,尋找一組參數(shù)組合,使該組合確定的目標函數(shù)達到最小。 BP神經(jīng)網(wǎng)絡(luò)可靠性預(yù)測模型 BP網(wǎng)絡(luò)是一種前向多層網(wǎng)絡(luò),利用誤差反向傳播算法對網(wǎng)絡(luò)進行訓(xùn)練,結(jié)構(gòu)簡單,步驟明確。通過自學習,BP網(wǎng)絡(luò)可從數(shù)據(jù)中自動總結(jié)規(guī)律,把具有復(fù)雜因果關(guān)系的物理量在經(jīng)過適當數(shù)量的訓(xùn)練之后比較準確地反映出來,并可用總結(jié)出的規(guī)律來預(yù)測未知的信息。本文所采用的預(yù)測模型為1個3層BP神經(jīng)網(wǎng)絡(luò),其結(jié)構(gòu)如圖l所示,輸入神經(jīng)元個數(shù)為d+1,輸出神經(jīng)元個數(shù)為h.網(wǎng)絡(luò)輸入為設(shè)備狀態(tài)的特征向量 它由當前測量值和其前d個測量值組成.網(wǎng)絡(luò)輸出為預(yù)測的未來h個時間間隔的可靠度向量 為了實現(xiàn)網(wǎng)絡(luò)的預(yù)測功能,必須確定網(wǎng)絡(luò)的輸入和輸出,即確定在不同特征向量下的瞬時可靠度,然后設(shè)定網(wǎng)絡(luò)參數(shù),對其進行訓(xùn)練,將網(wǎng)絡(luò)模型所需知識記憶在網(wǎng)絡(luò)的權(quán)值中。最后,利用訓(xùn)練好的網(wǎng)絡(luò)模型進行實際設(shè)備的可靠性預(yù)測。R(t+3Δt)R(t+2Δt)R(t+Δt)x(t) 本章本章主要對BP神經(jīng)網(wǎng)絡(luò)進行了簡單的講解。BP神經(jīng)網(wǎng)絡(luò)在實現(xiàn)時間等預(yù)測方面有很大的優(yōu)勢,并且簡單方便、可靠、精確。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。本課題就是利用BP神經(jīng)網(wǎng)絡(luò)對未來可靠度進行預(yù)測。利用誤差反向傳播算法對網(wǎng)絡(luò)進行訓(xùn)練,結(jié)構(gòu)簡單,步驟明確。通過自學習,BP網(wǎng)絡(luò)可從數(shù)據(jù)中自動總結(jié)規(guī)律,把具有復(fù)雜因果關(guān)系的物理量在經(jīng)過適當數(shù)量的訓(xùn)練之后比較準確地反映出來,并可用總結(jié)出的規(guī)律來預(yù)測未知的信息。4 滾動軸承的可靠性預(yù)測 狀態(tài)指標的選取 滾動軸承中狀態(tài)指標分類及應(yīng)用滾動軸承是各類回轉(zhuǎn)機械中應(yīng)用最廣的一種通用機械部件,它的工作狀態(tài)直接影響整臺設(shè)備的工作性能和效率,因此,對滾動軸承故障的快速高效診斷和預(yù)知維修將大大提高設(shè)備運行的可靠性。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)。當軸承元件表面發(fā)生局部損傷時, 在滾動體和內(nèi)、外環(huán)相互運動
點擊復(fù)制文檔內(nèi)容
畢業(yè)設(shè)計相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖片鄂ICP備17016276號-1