四川大学学报（自然科学版）
四川大學學報（自然科學版）
사천대학학보（자연과학판）
JOURNAL OF SICHUAN UNIVERSITY（NATURAL SCIENCE EDITION）
2015年
2期
262-268
,共7页
付涛%弓清忠%王大镇%祁丽
付濤%弓清忠%王大鎮%祁麗
부도%궁청충%왕대진%기려
神经网络%混合粒子群算法%极大似然法%参数估计
神經網絡%混閤粒子群算法%極大似然法%參數估計
신경망락%혼합입자군산법%겁대사연법%삼수고계
Neural network%HPSO%Maximum likelihood method%Parameter estimation
针对数控机床可靠性研究过程中,由于可靠性数据较难收集导致可靠性分布模型不唯一的问题,采用ANN模型对收集到的少量可靠性数据进行扩充,扩充后的数据采用K-S检验法进行分析以确定可靠性数据模型,同时在求解确定可靠性分布模型参数过程中,将混合粒子群优化(hybrid particle swarm optimization,HPSO)算法引入极大似然估计中,解决其在小样本数据下求解某些复杂分布模型时易陷于局部最优解和求解效率低的问题.实例分析结果表明:采用混合粒子群算法求解可以在求解效率和收敛性性能上达到较好的平衡,比较所有的求解模型结果,经过ANN模型扩充后的2重3参数威布尔分布的相对均方差最小,其值为0.0425,说明利用该方法求解数控机床的可靠性分布模型是可行的,而且能够获得较精确的结果.
針對數控機床可靠性研究過程中,由于可靠性數據較難收集導緻可靠性分佈模型不唯一的問題,採用ANN模型對收集到的少量可靠性數據進行擴充,擴充後的數據採用K-S檢驗法進行分析以確定可靠性數據模型,同時在求解確定可靠性分佈模型參數過程中,將混閤粒子群優化(hybrid particle swarm optimization,HPSO)算法引入極大似然估計中,解決其在小樣本數據下求解某些複雜分佈模型時易陷于跼部最優解和求解效率低的問題.實例分析結果錶明:採用混閤粒子群算法求解可以在求解效率和收斂性性能上達到較好的平衡,比較所有的求解模型結果,經過ANN模型擴充後的2重3參數威佈爾分佈的相對均方差最小,其值為0.0425,說明利用該方法求解數控機床的可靠性分佈模型是可行的,而且能夠穫得較精確的結果.
침대수공궤상가고성연구과정중,유우가고성수거교난수집도치가고성분포모형불유일적문제,채용ANN모형대수집도적소량가고성수거진행확충,확충후적수거채용K-S검험법진행분석이학정가고성수거모형,동시재구해학정가고성분포모형삼수과정중,장혼합입자군우화(hybrid particle swarm optimization,HPSO)산법인입겁대사연고계중,해결기재소양본수거하구해모사복잡분포모형시역함우국부최우해화구해효솔저적문제.실례분석결과표명:채용혼합입자군산법구해가이재구해효솔화수렴성성능상체도교호적평형,비교소유적구해모형결과,경과ANN모형확충후적2중3삼수위포이분포적상대균방차최소,기치위0.0425,설명이용해방법구해수공궤상적가고성분포모형시가행적,이차능구획득교정학적결과.
