【正文】 )。預測結果39。 %實際值xlabel(39。 o=1/(1+exp(net1))。 gg1(j)=1/(1+exp(net1))。 for i=1:inputNums gg(i)=PP(i,c)。 %輸出層權值b_heni={1,1}。jishuqi=b(2)。e=ty。%bp神經(jīng)網(wǎng)絡的建立=1500。logsig39。%%神經(jīng)網(wǎng)絡結構inputNums=4。%%輸出訓練樣本t= [1 。,程序清單clearclc%%輸入訓練樣本p=[ 。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業(yè)始終如一的理解與支持。特別是我寢室的姐妹們，四年來我們一起學習、一起玩耍，共同度過了太多的美好時光。俗話說：“教師是太陽底下最光輝的事業(yè)”。在整個論文的選題、研究和撰寫過程中，導師都給了我精心的指導、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，對論文的完善和質量的提高起到了關鍵性的作用。(4) 培養(yǎng)了嚴謹?shù)目茖W作風。(3) 提高了收集資料和查閱能力。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。本文針對滾動軸承類退化型失效設備，提出了一種基于設備運行狀態(tài)信息的可靠性預測方法，其核心分為三個部分：一，狀態(tài)特征指標的選?。欢?，瞬時可靠度的求?。蝗?，利用BP神經(jīng)網(wǎng)絡訓練學習訓練預測可靠度。通過狀態(tài)指標的提取，瞬時可靠度的計算，利用BP神經(jīng)網(wǎng)絡訓練學習，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)絡訓練的可靠性的準確性，為了進一步驗證，讓BP神經(jīng)網(wǎng)絡求出C6—C8的瞬時可靠度，再使C6，C7與原來訓練出來的進行比較，更加進一步驗證了該方法的可靠性。 （5）傳統(tǒng)的預測可靠度都是對大樣本的預測，對于滾動軸承類產品, 采集到的樣本容量很小, 所有的數(shù)據(jù)都不是到失效所獲得, 傳統(tǒng)的統(tǒng)計推斷方法難以得到置信水平很高的估計。而傳統(tǒng)的公式例如威布爾方法求取瞬時可靠度，需要三參數(shù)的估計，計算公式麻煩，計算復雜。驗證了我們的方法的可靠性。 瞬時可靠度的計算 根據(jù)式子分別求出1—4組的CCC7的瞬時可靠度。失效闕值在文獻《滾動軸承的失效分析》。 選取的滾動軸承中峭度值的參數(shù) 本次實測的軸承為6311 型滾動軸承, 實驗時軸的轉頻為25Hz, 振動信號由安裝在軸承座上的加速度傳感器來拾取。無量綱參數(shù)指標的比較見表1幅域參數(shù)敏感度穩(wěn)定性波形因子S差好峰值因子C一般一般脈沖因子I較好一般裕度因子L好一般峭度指標K好好 表1 無量綱參數(shù)指標的比較 有效值、峰值、峰值因子、峭度、脈沖因子、裕度因子和波形因子是對滾動軸承的振動信號進行時域統(tǒng)計分析最常用的參數(shù)指標。在軸承無故障運轉時, 由于各種不確定因素的影響, 振動信號的幅值分布接近正態(tài)分布, 峭度指標值K≈ 3。 峭度值選取的優(yōu)勢振動信號的時域參數(shù)指標較多, 其中有效值和峭度是較為重要的二個參數(shù)。 軸承進入使用后期, 峭度開始突然增大達到一定值, 可以認為此時軸承出現(xiàn)了初期故障, 這時要對軸承進行嚴密監(jiān)測, 密切注意其變化。 (3) 峭度峭度K ( Kur to sis) 是概率密度分布尖峭程度的度量, 是對軸承振動信號進行時域處理最常用的無量綱參數(shù)指標。在機械故障診斷中, 為提高峰值指標的穩(wěn)定性, 在一個信號樣本的總長中, 找出絕對值最大的10 個數(shù), 用這10 個數(shù)的算術平均值作為峰值X PEAK。有效值是對時間的平均, 能對表面裂紋等具有無規(guī)則振動波形的異常做出恰當?shù)脑u價。文獻[13]指出特征參數(shù)法的優(yōu)點在于僅用少數(shù)指標來解釋軸承的狀態(tài), 分析簡單方便。文獻[11]對有效值、峰值、峭度和峰值因子的應用作了說明, 指出時域分析方法比較簡單, 是簡易診斷的好方法。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、均方根值等。4 滾動軸承的可靠性預測 狀態(tài)指標的選取 滾動軸承中狀態(tài)指標分類及應用滾動軸承是各類回轉機械中應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知維修將大大提高設備運行的可靠性。BP神經(jīng)網(wǎng)絡最主要的優(yōu)點是具有極強的非線性映射能力。本文所采用的預測模型為1個3層BP神經(jīng)網(wǎng)絡，其結構如圖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)絡輸入為設備狀態(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)絡輸出為預測的未來h個時間間隔的可靠度向量 為了實現(xiàn)網(wǎng)絡的預測功能，必須確定網(wǎng)絡的輸入和輸出，即確定在不同特征向量下的瞬時可靠度，然后設定網(wǎng)絡參數(shù)，對其進行訓練，將網(wǎng)絡模型所需知識記憶在網(wǎng)絡的權值中。另外， BP 神經(jīng)網(wǎng)絡具有優(yōu)化計算能力。BP 神經(jīng)網(wǎng)絡通過預先存儲信息和學習機制進行自適應訓練，可以從不完整的信息和噪聲干擾中恢復原始的完整信息。 BP網(wǎng)絡的優(yōu)點BP神經(jīng)網(wǎng)絡最主要的優(yōu)點是具有極強的非線性映射能力。BP網(wǎng)絡主要用于以下四方面： (1)函數(shù)逼近：用輸入向量和相應的輸出向量訓練一個網(wǎng)絡以逼近一個函數(shù)。(4) 具有自學習、自組織、自適應的能力 BP神經(jīng)網(wǎng)絡具有初步的自適應與自組織能力，在學習或訓練中改變突觸權值以適應環(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)絡因學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，以至超過設計者原有的知識水平。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)。這種信號正向傳播與誤差反向傳播的各層權值調整過程周而復始地進行著，直到網(wǎng)絡輸出的誤差減少到可以接受的程度，或進行到預先設定的學習次數(shù)為止。網(wǎng)絡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。此過程反復交替進行，直至網(wǎng)絡的全局誤差趨向給定的極小值，即完成學習的過程。3 BP神經(jīng)網(wǎng)絡 BP神經(jīng)網(wǎng)絡及其原理 BP神經(jīng)網(wǎng)絡定義 BP (Back Propagation)神經(jīng)網(wǎng)絡【5】是一種神經(jīng)網(wǎng)絡學習算法。在已知或者推測其應力、強度分別符合什么狀態(tài)時候再去根據(jù)參數(shù)求解。應力定義為引起元件、裝置和材料失效的載荷。當設備接近失效時，如果樣本數(shù)太少，所估計出來的模型參數(shù)誤差就很大，會影響預測的準確性。但是，這種方法求取的依然是設備的整體可靠度，而且需要對退化軌跡(退化規(guī)律)進行合適的假設。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。其中，β 稱為形狀參數(shù)；η 稱為尺度參數(shù)；γ 稱為位置參數(shù)。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。 正態(tài)分布N(μ,ζ)中的μ和ζ的估計值可按下式計算 式中，xi為第 i 次測試值，N為總測試次數(shù)，μ為算術平均值。 在應力——強度干涉模型理論中，根據(jù)可靠度的定義，強度大于應力的概率可表示為 （) 應力－強度干涉模型 —— 應力分布密度函數(shù) 根據(jù)以上干涉模型計算在干涉區(qū)內強度大于應力的概率——可靠度。 ① 影響應力的因素 影響應力的主要因素有所承受的外載荷、結構的幾何形狀和尺寸，材料的物理特性等 ② 影響強度的因素影響強度的主要因素有材料的機械性能、工藝方法和使用環(huán)境等 （2）應力－強度干涉模型在機械產品中，零件（部件）是正常還是失效決定于強度和應力的關系。其中最主要思路的是：一、狀態(tài)特征指標的選取 二、瞬時可靠度的計算。例如，Nagi等人選用軸承振動信號故障特征頻率及諧波頻率的幅值變化作為退化指標，來計算軸承的剩余壽命及其分布。FTA法仍處在發(fā)展、完善的過程中，由于建樹過程復雜且難度很大，故利用計算機自動建樹的方法也在發(fā)展中。CA法工作的難度較大，需要有一定的基礎和數(shù)據(jù)做支撐。其目的在于分析產品的薄弱環(huán)節(jié)，找出其潛在的弱點，并把分析的結果反映給產品的設計、制造及使用單位，以便從設計、制造、使用及維護等各方面采取對策和措施，提高產品的可靠性。 (4) 二次三階矩法 二次三階矩法在計算工作量增加不太大的情況下，其精度比一次二階矩法明顯提高。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。目前從大的方面考慮可靠性預測方法有如下： (1) 精確解析求解法 這是指用概率論的公式直接計算可靠性精確解。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。該方法既保證了概率計算的精度，同時又克服了一次二階矩法的不精確性和廣義模擬優(yōu)化方法計算量過大的缺點。 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、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用的重點，提出了幾種機械系統(tǒng)可靠性的評估方法，