基于神经网络的机械系统可靠性研究

发布时间：2020-04-09 23:29

【摘要】：随着全球市场的竞争日益激烈,产品的质量变得越来越重要,随之产品的可靠性要求也越来越高。因此,进一步完善和改进现有的可靠性研究方法,更新技术手段,是提高可靠性研究的合理性和应用性的重要任务。本文将人工智能、模式识别、可靠性理论和随机过程等学科相结合,提出了一种快速、准确的可靠性数据分析方法,解决了传统的可靠性模型识别中工作繁琐、经验难以积累等难题。 本文首先对目前工程中常见的几种可靠性模型识别方法进行了分析和比较,总结了各种方法的优缺点。在深入分析了神经网络模式识别的基础上,提出了基于BP网络的可靠性模型选择方法。 结合智能模式识别理论,对由MATLAB软件产生的伪随机数序列实施特征提取,并将由此产生的特征参数作为网络的输入样本,编制基于BP网络的可靠性模型智能识别程序。 此外,在综合传统的可靠性模型参数估计方法的基础上,本文还提出了基于自适应神经网络的可靠性参数估计方法,在MATLAB环境下编制了相应程序,并就此模型进行了数值模拟试验。该方法是应用数学和人工神经网络理论相结合的产物,具有原理简单,算法易于实现,便于工程应用等优点。 最后,本文针对正态分布、对数正态分布、威布尔分布和指数分布等四种常见的可靠性模型,进行了大量的计算机仿真试验。试验结果证明,这种基于神经网络的可靠性分布模型的识别方法,能有效提高可靠性数据分析的效率和客观性,具有较高的理论意义和工程应用价值。
【图文】：

第 3 章 基于神经网络的分布参数估计的研究是改变了网络内部复杂性，而网络的本质没有性网络，都有一个等效的单层线性网络与之对性网络采用 W-H 学习规则，其输出误差函数定[ ] [ ]222121E (W ,B)= T A=T WP B表示误差信号，T 和 A分别表示期望响应和目标14)可以看出，线性网络具有抛物线型的误差函 3-2 所示，只有一个误差最小值。

图 4-2 S 型的对数和正切激活函数Fig. 4-2 Log-sigmiod and Tan-sigmiod Transfer FunctionBP 网络采用的是广义 W-H 学习规则，，网络误差是熟知的均方差。事实上并不是必须使用均方差，可使用任何连续可微的函数。但是选择他的误差函数增加了额外的复杂性，因而需要慎重处理。网络误差的计见式(4-9)，从均方差定义式子可以看出，误差是否存在局部最小点取决输入/输出之间的传递函数。21()21pjpjNjpE =t oΣ=(式中pE ——第 p 个表征矢量的误差pjt ——第 j 个输出神经元的期望值pjo ——第 j 个输出神经元的实际值图 4-3 是传递函数为 log sig时 BP 误差曲面图，从图中可以看出曲面
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2006
【分类号】：TH114

【相似文献】

相关期刊论文 前10条

1 佟铮;张友鹏;;基于BP神经网络的机车轮对故障诊断系统研究[J];铁路技术创新;2009年01期

2 黄莲花;李光明;;神经网络数据融合在车用传感器中的应用[J];装备制造技术;2011年08期

3 景利学;苏宏升;谢明军;冉鹏程;;电压型BUCK变换器控制策略研究[J];电气传动自动化;2011年04期

4 姜平;黄志鹏;;基于神经网络的公交客流预测[J];交通标准化;2008年13期

5 尹骏晖;李伶;杜青;;基于神经网络和柔度曲率的简支梁损伤识别[J];山西建筑;2011年21期

6 孙海龙;冯超;匙瑞堂;;滚动轴承状态监测[J];工业设计;2011年05期

7 杨鹤年;;机电一体化系统中的智能控制技术[J];煤炭技术;2011年07期

8 许杰;程锦房;何光进;;一种基于舰船磁场的神经网络识别模型[J];船电技术;2011年09期

9 蒯松岩;吴涛;代尚方;张旭隆;;基于RBF的无位置开关磁阻电机控制系统[J];电力电子技术;2011年07期

10 张赫;王炜;刘莹莹;;神经网络在交通流信息融合中的应用[J];武汉理工大学学报(交通科学与工程版);2011年04期

相关会议论文 前10条

1 王金武;;基于神经网络的农用运输车可靠性问题研究[A];2005年全国机械可靠性学术交流会暨“车辆与工程装备质量与可靠性论坛”论文集[C];2005年

2 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

3 沈建荣;杨林泉;陈琳;;神经网络的稳定性判据与区域经济结构调整[A];系统工程与可持续发展战略——中国系统工程学会第十届年会论文集[C];1998年

4 石山铭;李富兰;丁俊丽;;神经网络的知识获取[A];全国青年管理科学与系统科学论文集（第1卷）[C];1991年

5 吴清烈;徐南荣;;基于神经网络的一种多目标决策方法[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年

6 李晓钟;汪培庄;罗承忠;;神经网络与模糊逻辑[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年

7 房育栋;余英林;;高阶自组织映射及其学习算法[A];1995年中国控制会议论文集（上）[C];1995年

8 王晓晔;杜朝辉;吕德忠;刘建峰;;神经网络模糊控制在温度控制系统中的应用[A];1997中国控制与决策学术年会论文集[C];1997年

9 金龙;吴建生;;基于遗传算法的神经网络短期气候预测模型(摘要)[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“气候系统与气候变化”分会论文集[C];2003年

10 申伟;张元培;;基于MATLAB的自适应神经网络模糊系统(ANFIS)的应用[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年

相关重要报纸文章 前10条

1 记者 陈青　通讯员 孙国根;揭示神经网络形成新机制[N];文汇报;2011年

2 于翔;数字神经网络中的协同应用[N];网络世界;2009年

3 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

4 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

5 ;朗讯科技应用网络可靠性模型[N];人民邮电;2004年

6 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

7 本报首席记者 任荃　实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年

8 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年

9 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年

10 谭薇;“潮湿计算机”：拥有人类智慧的超级大脑[N];第一财经日报;2010年

相关博士学位论文 前10条

1 赵河明;基于神经网络的引信可靠性技术研究[D];中北大学;2005年

2 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年

3 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年

4 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年

5 文敦伟;面向多智能体和神经网络的智能控制研究[D];中南大学;2001年

6 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年

7 杜文斌;基于神经网络的冠心病证候诊断标准与药效评价模型研究[D];辽宁中医学院;2004年

8 熊雪梅;参数化模糊遗传神经网络及在植物病害预测的应用[D];南京农业大学;2004年

9 李智;电站锅炉燃烧系统优化运行与应用研究[D];东北大学;2005年

10 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年

相关硕士学位论文 前10条

1 邵开丽;基于神经网络的软件可靠性预测研究与应用[D];南昌大学;2007年

2 杨立儒;基于神经网络的电路故障诊断的研究与实现[D];解放军信息工程大学;2010年

3 刘兰兰;基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究[D];山东大学;2011年

4 田鹏明;基于神经网络的振动主动控制研究[D];太原理工大学;2012年

5 姜宇;发动机裂解设备故障诊断技术的研究[D];吉林大学;2012年

6 邢远凯;基于决策树和遗传算法的神经网络研究及应用[D];浙江大学;2010年

7 高宝建;基于神经网络的月降水预报模型在洪泽湖的应用研究[D];南京信息工程大学;2012年

8 陈少华;基于Hopfield神经网络控制系统的研究[D];山东科技大学;2010年

9 来建波;基于神经网络的路段行程时间预测研究[D];云南大学;2011年

10 闫超;基于BP神经网络的煤矿深埋硐室软岩流变参数反演分析[D];安徽理工大学;2011年

本文编号：2621405