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-在線瀏覽

2024-11-03 17:24本頁面
  

【正文】 靠性分析中心(NCRS)成立了機(jī)械可靠性研究小組,匯編出版了《機(jī)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(shí)驗(yàn)難度、維修方式和數(shù)據(jù)積累等7 個(gè)方面闡明了機(jī)械可靠性應(yīng)用的重點(diǎn),提出了幾種機(jī)械系統(tǒng)可靠性的評(píng)估方法,并強(qiáng)調(diào)重視數(shù)據(jù)積累。 我國機(jī)械可靠性設(shè)計(jì)發(fā)展及現(xiàn)狀在我國可靠性研究開始于上世紀(jì)60年代,對(duì)于機(jī)械產(chǎn)品的可靠性研究則起步更晚,20世紀(jì)80年代才得到較快的發(fā)展,機(jī)械行業(yè)相繼成立了可靠性研究的相關(guān)協(xié)會(huì),各有關(guān)院所和高校也開展了機(jī)械產(chǎn)品的可靠性研究,制定了一批可靠性標(biāo)準(zhǔn),取得了較大的成果。該方法既保證了概率計(jì)算的精度,同時(shí)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(jì)算量過大的缺點(diǎn)。趙國藩等建立了廣義隨機(jī)空間內(nèi)考慮隨機(jī)變量相關(guān)性的結(jié)構(gòu)可靠度實(shí)用分析方法,擴(kuò)大了現(xiàn)有可靠度計(jì)算方法的適用范圍。李云貴和趙國藩提出了計(jì)算可靠度的4次高階矩法,提高了可靠度的計(jì)算精度??偟膩砜矗谟嘘P(guān)院所和高校中機(jī)械可靠性設(shè)計(jì)理論研究多,但實(shí)際工程中運(yùn)用少,尤其是在數(shù)據(jù)采集方面與西方發(fā)達(dá)國家相比差距不小,有些成果尚不能完整地、成熟地應(yīng)用在不同的機(jī)械系統(tǒng)中。目前從大的方面考慮可靠性預(yù)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(jì)算可靠性精確解。當(dāng)對(duì)Y的隨機(jī)樣本統(tǒng)計(jì)分析后,可得到隨機(jī)數(shù)y大于零的概率,即可靠度R=P(rs0)=P[y(x1,x2......xn)]。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(huì)不斷提高。 (3) 一次二階矩法 在一次二階矩法相應(yīng)的計(jì)算中,假設(shè)基本隨機(jī)變量和極限狀態(tài)函數(shù)均服從正態(tài)分布;考慮隨機(jī)變量的一階矩(均值)和二階矩(方差);僅利用極限狀態(tài)函數(shù)式的常數(shù)項(xiàng)和一次項(xiàng)。 (4) 二次三階矩法 二次三階矩法在計(jì)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。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(xiàn)中也提到了高次高階矩法,但這樣做會(huì)使問題復(fù)雜化,并導(dǎo)致新的誤差,故這類方法應(yīng)慎用。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(diǎn),并把分析的結(jié)果反映給產(chǎn)品的設(shè)計(jì)、制造及使用單位,以便從設(shè)計(jì)、制造、使用及維護(hù)等各方面采取對(duì)策和措施,提高產(chǎn)品的可靠性。FMECA可分為FMEA(故障模式與影響分析)和CA(危害性分析),其中FMEA側(cè)重于定性分析,CA側(cè)重于定量分析。CA法工作的難度較大,需要有一定的基礎(chǔ)和數(shù)據(jù)做支撐。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(guān)系,以便確定其可靠性框圖與模型,當(dāng)具有故障率數(shù)據(jù)時(shí),可計(jì)算產(chǎn)品發(fā)生故障的概率。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(jì)算機(jī)自動(dòng)建樹的方法也在發(fā)展中。 基于狀態(tài)信息預(yù)測可靠性的發(fā)展現(xiàn)狀及應(yīng)用傳統(tǒng)的基于樣本壽命統(tǒng)計(jì)基礎(chǔ)上的可靠性分析方法得到的是設(shè)備的整體可靠性估計(jì),但對(duì)于正在運(yùn)行的單臺(tái)或小批量設(shè)備,這些統(tǒng)計(jì)數(shù)據(jù)的意義則不大,人們更關(guān)心的是當(dāng)前所用設(shè)備的壽命裕度和可靠性.設(shè)備運(yùn)行過程的狀態(tài)信息能夠?qū)崟r(shí)反映設(shè)備的運(yùn)行性能、精度,準(zhǔn)確判定設(shè)備的時(shí)間、動(dòng)態(tài)特性,揭示產(chǎn)品失效與性能退化之間的關(guān)系。例如,Nagi等人選用軸承振動(dòng)信號(hào)故障特征頻率及諧波頻率的幅值變化作為退化指標(biāo),來計(jì)算軸承的剩余壽命及其分布。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(hào)特征頻率處的幅值變化信息,運(yùn)用馬氏距離評(píng)估方法對(duì)其損傷程度進(jìn)行了定量診斷。其中最主要思路的是:一、狀態(tài)特征指標(biāo)的選取 二、瞬時(shí)可靠度的計(jì)算。2 可靠性評(píng)估方法的分析 傳統(tǒng)的可靠性分析 基于應(yīng)力—強(qiáng)度干涉模型的可靠性分析 —強(qiáng)度干涉理論的分析 (1)應(yīng)力、強(qiáng)度定義:應(yīng)力 在機(jī)械產(chǎn)品中,廣義的應(yīng)力是引起失效的負(fù)荷,強(qiáng)度是抵抗失效的能力。 ① 影響應(yīng)力的因素 影響應(yīng)力的主要因素有所承受的外載荷、結(jié)構(gòu)的幾何形狀和尺寸,材料的物理特性等 ② 影響強(qiáng)度的因素影響強(qiáng)度的主要因素有材料的機(jī)械性能、工藝方法和使用環(huán)境等 (2)應(yīng)力-強(qiáng)度干涉模型在機(jī)械產(chǎn)品中,零件(部件)是正常還是失效決定于強(qiáng)度和應(yīng)力的關(guān)系。因此,要求零件(部件)在規(guī)定的條件下和規(guī)定的時(shí)間內(nèi)能夠承載,必須滿足以下條件S——零件(部件)的強(qiáng)度;s——零件(部件)的應(yīng)力。 在應(yīng)力——強(qiáng)度干涉模型理論中,根據(jù)可靠度的定義,強(qiáng)度大于應(yīng)力的概率可表示為 () 應(yīng)力-強(qiáng)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(jì)算在干涉區(qū)內(nèi)強(qiáng)度大于應(yīng)力的概率——可靠度。 已知應(yīng)力強(qiáng)度分布時(shí)可靠度的計(jì)算 ⑴ 應(yīng)力和強(qiáng)度均為正態(tài)分布定義:概率密度函數(shù)具有如下形式稱為正態(tài)分布,或高斯分布,記為N(μ,ζ)。 正態(tài)分布N(μ,ζ)中的μ和ζ的估計(jì)值可按下式計(jì)算 式中,xi為第 i 次測試值,N為總測試次數(shù),μ為算術(shù)平均值。 將非標(biāo)準(zhǔn)正態(tài)分布?xì)w一化,從而獲得標(biāo)準(zhǔn)正態(tài)分布,以便于計(jì)算累積分布函數(shù)F(x)或可靠度R(x)。此時(shí),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。凡屬于局部失效而導(dǎo)致整體機(jī)能失效的模型(串聯(lián)系統(tǒng)),一般都能采用這種分布函數(shù)描述。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)。 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(xiàn)中把、稱為基礎(chǔ)概率,為擊中率,為誤報(bào)率[1][2]。對(duì)于隨機(jī)樣本大小為N的乘積極限(PL)估計(jì)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(gè)有。這估計(jì)是分布,無限制的形式,從而最大程度的意見的可能性。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(duì)退化軌跡(退化規(guī)律)進(jìn)行合適的假設(shè)。假設(shè) 為時(shí)刻t所測得的m個(gè)產(chǎn)品的狀態(tài)特征指標(biāo)值,x呈單調(diào)上升趨勢(shì),其PDF為,失效閾值為,此時(shí)的整體可靠度可表示為 如果產(chǎn)品i在時(shí)刻的狀態(tài)特征參量為,其瞬時(shí)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(shí)刻可靠的前提條件是在時(shí)刻必須是可靠的。當(dāng)設(shè)備接近失效時(shí),如果樣本數(shù)太少,所估計(jì)出來的模型參數(shù)誤差就很大,會(huì)影響預(yù)測的準(zhǔn)確性。結(jié)合KM思想,可將式()改寫為 ()式中:表示在時(shí)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(shí)刻X(t)中大于等于的樣本總數(shù),但在時(shí)刻以前已經(jīng)失效的樣本不記人中,以避免對(duì)可靠度的估計(jì)過于保守。應(yīng)力定義為引起元件、裝置和材料失效的載荷。一般地, 機(jī)械產(chǎn)品的強(qiáng)度和工作應(yīng)力均為隨機(jī)變量, 呈分布狀態(tài)。在已知或者推測其應(yīng)力、強(qiáng)度分別符合什么狀態(tài)時(shí)候再去根據(jù)參數(shù)求解。而本章提出一種新的結(jié)合貝葉斯方法和KM估計(jì)器思想而提出的一種新的求取瞬時(shí)可靠度的方法。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(xué)習(xí)算法。相鄰層之間各神經(jīng)元進(jìn)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(jìn)行學(xué)習(xí),當(dāng)一對(duì)學(xué)習(xí)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)。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。這些神經(jīng)元如同人的神經(jīng)細(xì)胞一樣是互相關(guān)聯(lián)的。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(hào)。在這個(gè)過程中,誤差通過梯度下降算法,分?jǐn)偨o各層的所有單元,從而獲得各單元的誤差信號(hào),以此誤差信號(hào)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。這種信號(hào)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。 BP神經(jīng)網(wǎng)絡(luò)的信息處理方式具有的特點(diǎn)(1)信息分布存儲(chǔ) 人腦存儲(chǔ)信息的特點(diǎn)是利用突觸效能的變化來調(diào)整存儲(chǔ)內(nèi)容, 即信息存儲(chǔ)在神經(jīng)元之間的連接強(qiáng)度的分布上, BP神經(jīng)網(wǎng)絡(luò)模擬人腦的這一特點(diǎn),使信息以連接權(quán)值的形式分布于整個(gè)網(wǎng)絡(luò)。諾依曼計(jì)算機(jī)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(gè)大規(guī)模并行與串行組合的處理系統(tǒng)。(3) 具有容錯(cuò)性 生物神經(jīng)系統(tǒng)部分不嚴(yán)重?fù)p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(huì)產(chǎn)生嚴(yán)重的后果,部分神經(jīng)元的損傷不破壞整體,它可以自動(dòng)修正誤差。(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(shí),以至超過設(shè)計(jì)者原有的知識(shí)水平。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。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(gè)網(wǎng)絡(luò)以逼近一個(gè)函數(shù)。 (3)分類:把輸入向量所定義的合適方式進(jìn)行分類。 BP網(wǎng)絡(luò)的優(yōu)點(diǎn)BP神經(jīng)網(wǎng)絡(luò)最主要的優(yōu)點(diǎn)是具有極強(qiáng)的非線性映射能力。其次,BP神經(jīng)網(wǎng)絡(luò)具有對(duì)外界刺激和輸入信息進(jìn)行聯(lián)想記憶的能力。BP
點(diǎn)擊復(fù)制文檔內(nèi)容
畢業(yè)設(shè)計(jì)相關(guān)推薦
文庫吧 www.dybbs8.com
備案圖鄂ICP備17016276號(hào)-1