【導(dǎo)讀】可靠性的概率度量稱為可靠度。可靠性占主導(dǎo)地位。據(jù)1975年美國《質(zhì)量進展》雜志預(yù)測，由于產(chǎn)品責(zé)任問題，當(dāng)年請求賠償金額達500億美元?？煽啃允菣C械零件設(shè)計時必須考慮的重要指標(biāo)。第二次世界大戰(zhàn)期間，美國空軍由于飛行故障而損失的飛機為21000架，；運往遠東的作戰(zhàn)飛機上的電子設(shè)備60％在運輸中失效，在儲存期間有50％發(fā)生失效；海軍艦艇上的電子設(shè)備70％因“意外”事故而失效。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。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)。陳立周等提出了一種基于概率密度函數(shù)矩不等式的契貝雪夫點法。該方法既保證了概率計算的精度，同時又克服了一次二階

　　

【正文】 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。本章通過對滾動軸承的狀態(tài)指標(biāo)的分析，決定用峭度值作為本課題的狀態(tài)指標(biāo)。通過狀態(tài)指標(biāo)的提取，瞬時可靠度的計算，利用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)，輸入第5組參數(shù)求出想得到的第五組的C5—C7的瞬時可靠度，再對其在進行計算與其比較，驗證了BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練的可靠性的準(zhǔn)確性，為了進一步驗證，讓BP神經(jīng)網(wǎng)絡(luò)求出C6—C8的瞬時可靠度，再使C6，C7與原來訓(xùn)練出來的進行比較，更加進一步驗證了該方法的可靠性。5 總結(jié) 本次畢業(yè)設(shè)計期間，作者通過現(xiàn)有機械可靠性預(yù)測的分析和比較，提出了一種新的機械可靠性分析的方案，并驗證其正確性。本課題是針對基于狀態(tài)信息的可靠性預(yù)測方法的研究。顧名思義，本課題是利用對滾動軸承的峭度值預(yù)測其可靠度。本文針對滾動軸承類退化型失效設(shè)備，提出了一種基于設(shè)備運行狀態(tài)信息的可靠性預(yù)測方法，其核心分為三個部分：一，狀態(tài)特征指標(biāo)的選??；二，瞬時可靠度的求?。蝗?，利用BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練學(xué)習(xí)訓(xùn)練預(yù)測可靠度。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。針對滾動軸承的峭度值的時變數(shù)據(jù)，以可靠度為評價標(biāo)準(zhǔn)，正確預(yù)測出滾動軸承未來的可靠度，該過程表明設(shè)備狀態(tài)信息用于可靠性預(yù)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。畢業(yè)設(shè)計主要收獲和體會如下：(1) 學(xué)到了理論研究的方法。理論研究過程就是對一個問題進行分析，然后提出一種比較新型的方法去對問題進行解決。在此過程中，需要我們展現(xiàn)我們自己實驗過程，更重要的是還要有驗證過程，我們必須讓我們的方法有理有據(jù)。(2) 提高了綜合應(yīng)用各門知識的能力。以前課程設(shè)計接觸課程知識比較窄，而且時間有限，即使發(fā)現(xiàn)了問題也不能及時改進，借用這次機會再次把專業(yè)知識做了系統(tǒng)的了解，特別是機械設(shè)計可靠性方面的知識。(3) 提高了收集資料和查閱能力。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)計的進程。查閱手冊是設(shè)計過程中隨時要做的事情。只有廣泛收集有用的資料才能設(shè)計出比較好的產(chǎn)品。(4) 培養(yǎng)了嚴(yán)謹(jǐn)?shù)目茖W(xué)作風(fēng)?？茖W(xué)工作來不得半點虛假，在設(shè)計過程中每個數(shù)據(jù)計算都不容易有半點錯誤，在matlab編程中每個字母都不能寫錯，因此，在設(shè)計過程中必須要有高度的責(zé)任心，要有嚴(yán)肅認真的工作態(tài)度?？傊?，對我們每個學(xué)生來說，經(jīng)過這次畢業(yè)設(shè)計，為今后從事生產(chǎn)第一線的技術(shù)發(fā)行工作、技術(shù)管理工作有非常大的幫助。謝辭在本論文的寫作即將完成之際，我的心情無法平靜，本文的完成既是我孜孜不倦努力的結(jié)果，更是導(dǎo)師武紅霞老師親切關(guān)懷和悉心指導(dǎo)的結(jié)果。在整個論文的選題、研究和撰寫過程中，導(dǎo)師都給了我精心的指導(dǎo)、熱忱的鼓勵和支持，她多次詢問論文的寫作進程，多次為我批閱文章并提出修改意見，她的精心點撥為我開拓了研究視野，修正了寫作思路，對論文的完善和質(zhì)量的提高起到了關(guān)鍵性的作用。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。在此，學(xué)生謹(jǐn)向?qū)熤乱宰钫鎿吹母屑ず妥畛绺叩木磁逯?。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?qū)ξ姨岬慕ㄗh。俗話說：“教師是太陽底下最光輝的事業(yè)”。在您們身上，我看到了這句話的真諦，您們諄諄的教導(dǎo)，偉大的人格和無私奉獻的精神，讓我終生難忘，永遠鞭策我前進。在此，我要向諸位老師深深地鞠上一躬。再者，還要感謝四年來在學(xué)習(xí)和生活中所有給予我關(guān)心、支持和幫助的老師和同學(xué)們。特別是我寢室的姐妹們，四年來我們一起學(xué)習(xí)、一起玩耍，共同度過了太多的美好時光。我們始終是一個團結(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?！疤煜聸]有不散的宴席”。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。最后，感謝我的爸爸媽媽，感謝您們賜予我生命，感謝您們二十多年來對我的養(yǎng)育之恩，更感謝您們不管多苦多難對我學(xué)業(yè)始終如一的理解與支持。向百忙之中抽出時間審稿和參加本論文答辯的老師致以深深的謝意。向您們說一聲：敬愛的老師，您辛苦了！參考文獻【1】：科學(xué)出版社，.【2】CAO H .End milling tool beakage detection using lifting scheme and Mahalanobis distance ,.【3】KAPLAN E L。MEIER P ,Nonparametric estimation from inplete observations .【4】 強度模型的Bayes ：國防科技大學(xué)機電工程與自動化學(xué)，2000,22(3):8589.【5】:湛江師范學(xué)院數(shù)學(xué)與計算科學(xué)學(xué)院,2004,25(3):8084.【6】:寧波工程學(xué)院機械學(xué)院,2008,10(7):6268.【7】萬書亭, 　保定：華北電力大學(xué)機械工程系,2010,5(3):109113.【8】：：機械工業(yè)出版社，2011【9】保家，陳雪峰，何正嘉，李兵利. ：西安交通大學(xué)機械制造系統(tǒng)工程國家重點實驗室，2010，44（9）:75121.【10】蔡金燕，于志堅，韓春輝，:北京跟蹤與通信技術(shù)研究所，2008，29（10）:12471248【11】 　王肇琪, 付勤毅. 滾動軸承故障的振動檢測方法[J] . 有色礦山, 1991(1) : 3640.【12】　武和雷, 朱善安, 林瑞仲, 等. 滾動軸承故障診斷虛擬儀器系統(tǒng)[J] . 軸承, 2002(12) : 3439.【13】　趙曉玲. 滾動軸承故障振動檢測方法[J] . 重慶科技學(xué)院學(xué)報, 2007, 9(1) : 4144.【14】陳珊珊. 時域分析技術(shù)在機械設(shè)備故障診斷中的應(yīng)用[J] . 機械傳動, 2007, 31(3) : 7983.【15】蔡改改，陳雪峰，陳保家，李兵．：西安交通大學(xué)機械制造系統(tǒng)工程國家重點實驗室，2012，46（1）:109113.【16】 :中南大學(xué)機電工程學(xué)院,2006，3（2）：4547.【17】閆 欣，肖春英，朱春來，徐 東， 邯鄲:中國船舶重工集團公司第七一八研究所,2010,23(2):3337.【18】Philippe WEBER, Didier THEILLIOL, Christophe Reliability in Fault Diagnosis DecisionMaking based on Dynamic Bayesian des Sciences et Techniques BP 239 54506 Vandoeuvre Cedex France:Centre de Recherche en Automatique de Nancy CNRS UMR 7039 Nancy Universit233。,程序清單clearclc%%輸入訓(xùn)練樣本p=[ 。 。 。 ]39。%%輸出訓(xùn)練樣本t= [1 。1 。1 0 0。1 ]39。%%神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)inputNums=4。newhideNums=10。outputNums=3。net=newff(minmax(p),[newhideNums,outputNums],{39。logsig39。,39。logsig39。})。%bp神經(jīng)網(wǎng)絡(luò)的建立=1500。 % 訓(xùn)練次數(shù) =。 % 誤差期望值net=train(net,p,t)。%訓(xùn)練網(wǎng)絡(luò)y=sim(net,p)。e=ty。error=mse(e,net)。%error為網(wǎng)絡(luò)的均方差%%測試樣本PP=[ ]39。%需要預(yù)測樣本的個數(shù)b=size(PP)。jishuqi=b(2)。%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}。w_he=w_heni39。 %隱層權(quán)值w_out={2,1}。 %輸出層權(quán)值b_heni={1,1}。b_he=b_heni39。 %隱層閾值b_out={2,1}。 %輸出層閾值%預(yù)測c=1。 for i=1:inputNums gg(i)=PP(i,c)。 %第一組輸入向量 end for j=1:newhideNums net1=0。 for i=1:inputNums net1=net1+gg(i)*w_he(i,j)。 %輸入層到隱層的加權(quán)和 end net1=net1+b_he(j)。 gg1(j)=1/(1+exp(net1))。 end for k=1:outputNums net1=。 for j=1:newhideNums net1=net1+gg1(j)*w_out(k,j)。 end net1=net1+b_out。 o=1/(1+exp(net1))。 o=[1 ] %測試樣本的輸出 end o%%預(yù)測結(jié)果figure(1)plot(1:jishuqi,o,39。*39。)。 %實際值xlabel(39。預(yù)測樣本39。)。ylabel(39。預(yù)測結(jié)果39。)。 legend(39。預(yù)測值39。)。25