基于参数Bootstrap-核密度估计的数控机床Bayes可靠性评估方法研究

发布时间：2017-09-23 09:17

  本文关键词：基于参数Bootstrap-核密度估计的数控机床Bayes可靠性评估方法研究

  更多相关文章： 可靠性评估 贝叶斯 Lssvm Bootstrap 核密度估计 可信度 威布尔分布

【摘要】：可靠性评估是数控机床可靠性工程技术的重要组成部分,也是机床制造业发展必不可少的关键。随着机床复杂化、信息化、集成化程度的提高,高档数控机床具有样本量小、故障数据少等小样本特点,传统的基于大数定律的经典统计理论已无法对其可靠性进行有效评估。能够综合利用机床先验信息和现场试验数据的Bayes方法为小子样机床可靠性评估提供了非常重要的理论支撑,而如何确立合适准确的先验分布是Bayes方法合理应用的关键。本文以小样本的车铣加工中心CXK5463为研究对象,针对Bayes评估中传统Bootstrap法利用相似机床故障信息建立先验分布时,存在的抽样误差较大以及需要事先假定分布类型的主观性过大的问题,提出一种集成最小二乘支持向量机(Lssvm)、参数Bootstrap法及核密度估计法建立先验分布的方法。基于威布尔分布的异常值检验方法对得到的先验分布可信度进行了度量,根据算得的先验信息可信度值对该先验分布加以修正,进而确定最终可信先验分布,进行Bayes可靠性评估。首先,以车铣加工中心CXK5463的故障数据作为现场试验信息,相似数控机床CK5250故障数据作为先验信息,进行相容性检验;对传统Bootstrap法确立先验分布中存在的误差进行分析;利用最小二乘支持向量机(Lssvm)算得先验信息的威布尔参数,进行参数化Bootstrap抽样,减少了抽样误差;根据抽样结果利用非参数核密度估计法对尺度参数以及形状参数m进行了概率密度估计,直接从抽样结果的样本数据特性出发拟合先验分布,使得拟合结果与实际分布情况更加符合。克服了传统方法需要事先假定分布类型的主观性过大的问题。其次,分析了现有先验信息可信度计算方法存在的不足,针对先验信息为先验分布,现场信息为服从威布尔分布的机床故障数据这一可靠性评估情况,基于威布尔分布数据异常值检验的方法计算了先验信息可信度,并利用MATLAB编程仿真实现了算法的求解。以求得的CXK5463的先验分布为例,进行了仿真,仿真结果与传统Bootstrap方法拟合先验分布的可信度值进行了对比,结果显示通过本文方法得到的先验分布具有更高的可信度。并基于可信度值修正了先验分布,得到最终可信先验分布。最后,基于马尔科夫蒙特卡罗原理(MCMC)由OpenBUGS软件进行编程并迭代?求解,算得CXK5463车铣加工中心故障时间间隔的威布尔分布参数值及平均故障时间间隔(MTBF)的估计值,与传统Bootstrap方法建立先验分布进行贝叶斯评估的结果进行对比,说明了本文提出的方法的优越性与准确性。
【关键词】：可靠性评估 贝叶斯 Lssvm Bootstrap 核密度估计 可信度 威布尔分布
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG659
【目录】：

• 摘要5-7
• Abstract7-11
• 第1章 绪论11-19
• 1.1 课题的研究背景和意义11-12
• 1.2 数控机床可靠性国内外研究现状12-14
• 1.2.1 国外研究现状12-13
• 1.2.2 国内研究现状13-14
• 1.3 小样本可靠性研究现状14-17
• 1.4 论文主要研究内容17-19
• 第2章 基于参数Bootstrap法及核密度估计的机床先验分布确定方法研究19-38
• 2.1 贝叶斯方法简介19-20
• 2.2 数控机床先验信息的获取与检验20-23
• 2.2.1 相似数控机床先验信息的获取20-21
• 2.2.2 先验信息与现场试验信息的相容性检验21-23
• 2.3 常用先验分布的表示方法及其存在问题分析23-24
• 2.4 确立数控机床先验分布的Bootstrap法及其误差分析24-27
• 2.4.1 Bootstrap法简介24-25
• 2.4.2 Bootstrap抽样过程中误差分析25-26
• 2.4.3 Bootstrap抽样结果建立先验分布的误差分析26-27
• 2.5 基于参数Bootstrap法及核密度估计法确定先验分布27-36
• 2.5.1 基于最小二乘支持向量机确定先验信息威布尔函数28-33
• 2.5.2 参数Bootstrap法再抽样33-34
• 2.5.3 基于核密度估计法确定先验分布34-36
• 2.6 本章小结36-38
• 第3章 基于异常值检验的机床先验信息可信度分析38-48
• 3.1 先验信息可信度及其计算方法简介38-41
• 3.1.1 先验信息可信度定义38-39
• 3.1.2 常用先验信息可信度计算方法及其存在不足39-41
• 3.2 基于威布尔分布异常值检验确定可信度41-46
• 3.2.1 基于威布尔分布异常值检验确定先验信息可信度的原理41-42
• 3.2.2 基于威布尔分布异常值检验确定先验信息可信度的仿真实现42-43
• 3.2.3 计算相似机床故障信息的可信度43-46
• 3.3 基于可信度修正先验分布46
• 3.4 本章小结46-48
• 第4章 基于马尔科夫蒙特卡罗方法的后验分布计算48-65
• 4.1 似然函数和后验分布的确定49
• 4.2 马尔科夫蒙特卡罗方法概述49-52
• 4.2.1 马尔科夫蒙特卡罗原理50-52
• 4.2.2 贝叶斯分析中MCMC的模拟计算52
• 4.3 基于马尔科夫蒙特卡罗方法的后验分布抽样52-54
• 4.3.1 M-H抽样方法53
• 4.3.2 Gibbs抽样方法53-54
• 4.4 基于OpenBUGS软件的数控机床后验分布计算54-61
• 4.4.1 OpenBUGS应用软件简介54-55
• 4.4.2 后验分布参数模拟估计55-60
• 4.4.3 数控机床可靠性指标计算60-61
• 4.5 可靠性评估方法分析比较61-64
• 4.6 本章小结64-65
• 结论65-66
• 参考文献66-71
• 致谢71

【相似文献】

中国期刊全文数据库 前8条

1 张艳芳;黄群;;基于Bootstrap方法的样本相等性检验[J];防灾科技学院学报;2008年01期

2 纪雷;林雨霏;孙健;蔡发;杜恒清;程刚;;矿产品水分含量代表值Bootstrap模拟取样估计[J];分析科学学报;2007年04期

3 田金文,高谦,何先平;m相依样本均值函数的Bootstrap估计[J];江汉石油学院学报;1997年03期

4 李洪双;吕震宙;;P—S—N曲线的Bootstrap置信带[J];机械强度;2007年04期

5 陈明镜;;马氏转移对数正态模型参数置信区间的Bootstrap估计[J];四川理工学院学报(自然科学版);2010年03期

6 纪雷;孙健;林雨霏;蔡发;杜恒清;王岩;;进口铁矿砷量特征的内核密度分析与Bootstrap代表值估计[J];分析试验室;2007年01期

7 李晓嘉;;基于Bootstrap仿真方法的我国财政支出与国内需求关系检验[J];煤炭经济研究;2010年05期

8 ;[J];;年期

中国重要会议论文全文数据库 前8条

1 王生云;;基于Bootstrap的浙江省水库经营状况影响因素研究[A];中国原水论坛专辑[C];2010年

2 赵金良;冯敬海;宋立新;;具有MA(q)误差线性模型中协方差阵参数的分步估计方法及其Bootstrap估计[A];中国现场统计研究会第12届学术年会论文集[C];2005年

3 王朝;高敬雅;;基于Bootstrap方法估计的二手车价格回归模型[A];北京市第十六次统计科学研讨会获奖论文集[C];2011年

4 江海峰;陶长琪;;DF模式下第三种单位根检验的Bootstrap检验研究[A];21世纪数量经济学（第14卷）[C];2013年

5 龚方;于仕超;昃向君;周保华;郭曙超;吕ZS;;Bootstrap模拟取样对进口豆类产品中重金属硒的含量特征分析[A];山东出入境检验检疫局专刊[C];2012年

6 罗巍;张春华;谭源源;陈循;;基于Bootstrap的贮存可靠度置信下限评估[A];2009年全国机械可靠性技术学术交流会暨第四届可靠性工程分会成立大会论文集[C];2009年

7 刘贯春;岳意定;贺磊;;我国保险业与信贷业作用关系的动态分析——基于Bootstrap仿真的滑动窗口VAR模型[A];第八届（2013）中国管理学年会——金融分会场论文集[C];2013年

8 王亚华;吴凡;王争;;交通行业生产率变动的Bootstrap—Malmquist指数分析(1980-2005)[A];经济学（季刊）第7卷第3期[C];2008年

中国博士学位论文全文数据库 前2条

1 王艳芳;基于bootstrap法与混合威布尔分布的拖拉机可靠性评估模型与应用研究[D];东北农业大学;2016年

2 句彦伟;几类多尺度非线性随机模型与SAR图像Bootstrap分割研究[D];西北工业大学;2007年

中国硕士学位论文全文数据库 前10条

1 葛利丹;基于Bootstrap的扩散过程检验[D];南京理工大学;2015年

2 杨娜;基于Bayesian Bootstrap方法的准备金风险度量研究[D];天津财经大学;2014年

3 瞿开毅;几类重复观测数据模型的Bootstrap推断[D];北方工业大学;2016年

4 李金洲;基于参数Bootstrap-核密度估计的数控机床Bayes可靠性评估方法研究[D];燕山大学;2016年

5 马亮;浅分岐水平下系统发生树的bootstrap研究[D];重庆师范大学;2012年

6 高国楷;基于非参数Bootstrap的风速波动建模及预测[D];西南交通大学;2013年

7 毛平;Bootstrap方法及其应用[D];湘潭大学;2013年

8 李伟杰;空间面板数据混合模型Bootstrap检验研究[D];华南理工大学;2014年

9 李勇;两个及多个多维样本位置参数相等性的bootstrap检验[D];中国矿业大学（北京）;2005年

10 户鹏军;基于bootstrap方法对广东社会消费品零售额面板数据的实证研究[D];华南理工大学;2012年

，

本文编号：904440