声明
摘要
第1章 绪论
1.1 本课题研究的内容和意义
1.2 相关失效的研究现状
1.3 神经网络技术的发展及其在可靠性方面的研究现状
1.3.1 人工神经网络技术的发展
1.3.2 神经网络在可靠性工程方面的研究现状
1.4 本文的主要工作和内容
第2章 相关失效的系统可靠性预测模型
2.1 传统应力-强度干涉模型分析
2.1.1 零件的失效
2.1.2 系统的失效
2.2 系统层应力-强度干涉模型分析
2.3 相关失效系统可靠性模型的扩展
2.3.1 不同零件承受不同载荷的K/N系统可靠性模型
2.3.2 考虑强度退化的冗余系统可靠性模型
2.4 相关失效模型的离散化
2.5 本章小结
第3章 K/N系统可靠性的蒙特卡罗仿真
3.1 蒙特卡罗方法的概述
3.1.1 随机数的产生
3.1.2 随机数的抽样方法
3.1.3 随机数的检验方法
3.2 静态K/N系统可靠性仿真模型的建立
3.3 动态K/N系统可靠性仿真模型的建立
3.4 MATLAB软件对蒙特卡罗方法的实现
3.5 本章小结
第4章 基于神经网络的K/N系统可靠性模型
4.1 人工神经网络简介
4.1.1 人工神经网络的特点
4.1.2 人工神经网络的模型
4.2 误差反向传播(BP)网络及预测原理
4.2.1 BP神经网络结构
4.2.2 BP网络的学习规则与计算方法
4.2.3 BP网络的预测原理
4.3 BP算法的改进
4.3.1 基于标准梯度下降的改进BP算法
4.3.2 基于数值优化技术的改进BP算法
4.4 静态K/N系统神经网络模型的结构
4.4.1 神经网络结构的选取
4.4.2 输入节点和输出节点的选取
4.4.3 隐含层数和层内节点的选取
4.4.4 学习速率的选取
4.4.5 神经元激活函数的选取
4.5 动态K/N系统神经网络模型的结构
4.5.1 动态神经网络模型的结构确定
4.5.2 隐含层数和层内节点的选取
4.5.3 学习速率的选取
4.5.4 神经元激活函数的确定
4.6 本章小结
第5章 K/N系统可靠性预测及应用
5.1 静态 K/N系统的可靠性模型验证
5.1.1 蒙特卡罗方法产生静态K/N系统的失效数据
5.1.2 网络训练样本与测试样本的选取
5.1.3 网络的初始化
5.1.4 样本数据的预处理
5.2 BP网络的MATLAB实现
5.2.1 MATLAB神经网络工具箱简介
5.2.2 MATLAB中BP网络的训练过程
5.2.3 MATLAB程序实现
5.3 静态K/N系统可靠性BP网络模型的仿真与测试结果
5.3.1 BP网络模型的训练仿真结果
5.3.2 BP网络模型的测试结果
5.4 动态K/N系统的可靠性BP网络模型验证
5.4.1 蒙特卡罗方法产生动态K/N系统的失效数据
5.4.2 网络训练样本与测试样本的选取
5.4.3 样本数据的预处理
5.4.4 BP网络模型的训练仿真结果
5.4.5 BP网络模型的测试结果
5.5 计算实例
5.6 本章小结
第6章 结论与展望
6.1 结论
6.2 展望
参考文献
致谢
东北大学;