基于神经网络的机械系统可靠性评价模型的研究

摘要

随着科学技术的迅速发展，产品结构日益复杂，使用环境更加恶劣，因而对产品的可靠性要求也越来越高。在这些有高可靠性要求的系统中，为了提高系统的可靠性，常常设计成冗余结构，然而由于相关失效的存在极大削弱了冗余结构的安全作用。因此，关于相关失效的研究，越来越受到人们的重视。
　　目前多数相关失效概率模型都是以系统出现过的相关失效事件为依据的经验模型。出于相关失效事件稀少，所以应用经验模型预测相关失效概率，存在精度、适用范围等诸多问题。本文充分利用神经网络技术强大的函数逼近功能、非线性映射功能和容错能力，对系统失效概率模型进行离散化处理，建立系统失效概率与零件失效数据之间的非线性关系，进而构建基于神经网络的机械系统可靠性评价的参数化模型，为进行相关失效的系统可靠性评价提供了一种新途径。本文具体研究内容如下:
　　(1)使用Monte-Carlo法产生K/N系统的失效数据。主要考虑不同强度不同应力条件下的静态K/N系统的可靠性仿真和只考虑强度退化时的K/N系统可靠性仿真;
　　(2)以K/N系统为研究对象，以系统层的应力-强度干涉模型为出发点，分析了影响系统失效的主要因素，认为系统零件个数、系统失效阶数、零件强度和工作载荷是影响系统失效的主要因素;
　　(3)根据影响系统失效概率的主要因素，从已知的低阶失效数据中提取相关失效的信息，利用人工神经网络中的BP算法分别构建K/N系统的静态和动态神经网络模型，建立系统失效概率与零件失效数据之间的非线性关系，研究了如何利用BP网络工具箱对该网络模型进行实现;
　　(4)利用Monte-Carlo模拟方法和工程实例分析，验证了神经网络模型对K/N系统进行可靠度预测的可行性。

目录

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