基于局部最优粒子群优化算法的加工中心可靠性估计
0引言在加工中心的可靠性估计中，参数估计作为重要组 成部分，可通过样本信息对总体分布所包含的未知参数 进行估计，从而推断出分析对象的实际分布情况，其估 计的准确性将直接影响可靠性评价判断的权威性，在分 析对象全寿命周期过程的可靠性活动中发挥重要作用。 因此，参数估计方法的精确度和易算度是评价其优劣的 .重要指标，受到了广泛关注和研究。长期以来，国内外学者就参数估计问题进行了大量 研究，针对可靠性数据特点提出了满足不同分布条件的 估计算法，比如矩估计法、极大似然法、贝叶斯方法， 并不断加以改进。£88611\¥311§61'[1]提出利用矩估计法求解 三参数估计问题，并给出针对weibull分布的参数值表； HL Hartei•等人嗎出了基于完整和截尾样本的三参数Gam- ma分布和weibull分布的极大似然法，通过求解3个联 立的极大似然方程即可得到未知参数估计值；在此基础 上，GlenH. Lemonra提出左、右删失数据条件下三参数 weibull分布的极大似然估计法，将3个联立方程简化为 2个联立方程求解，降低了计算难度；曲延碌等人w基于 基金项目：“高档精工机床与基础制造装备”国家科技重 大专项，课题《千台国产加工中心可靠性提升工程》 (课题编号：2013ZX04011-011)同一思想，通过设定位置参数值，采取只含有其余两个 参数的极大似然方程组代替三参数******似然方程组。贝 叶斯方法则利用先验分布，在小样本实验数据条件下展 现优势，自创建以来得到了大量研究与改进，比如 George C. Canavos等人[S1通过设定独立的先验分布给出 weibull分布尺寸参数与形状参数的贝叶斯估计方法，S. K. Sinha等人提出三参数weibull分布下的参数估计和 可靠性方程的贝叶斯估计法。然而，常规的参数估计方 法不但适用范围局限，且在复杂的数据分布情况下难以 进行求解，同时存在结果粗糙，影响估计精确度的问 题，很难满足实际需求。粒子群优化算法(PSOp是近年来发展起来的一种新 的进化算法。与遗传算法相比，粒子群算法通过追随当 前搜索到的最优值来寻找全局最优。局部最优粒子群优 化算法是粒子群优化算法的延伸，其不但继承PS0算法 的实现容易、精度高、收敛快、通用性广等优点，还有较 !强的全局最优解搜索能力，但是关于直接用该算法进行 可靠性模型参数估计的论文很少。因此，本文提出了一种 用该算法对加工中心可靠性模型进行参数估计的方法。1加工中心的可靠性模型经过查阅大量相关材料和文献易知[w〇1，加工中心 故障时间间隔服从三参数威布尔分布，则加工中心故障 |密度函数（即三参数威布尔分布函数）5结论本文提出了一种运用Lbest PSO算法进行加工中心 可靠性估计的方法。同时在LbestPSO的基础上引人了 变异操作和自适应调整惯性因子，提高了 Lbest PSO算 法的全局解搜索能力和局部改良能力。实验结果表明，改进后的LbestPSO算法在大小样本中都具有较髙的估 计精度，并且其收敛速度快，时间成本小。本文由海天精工整理发表文章均来自网络仅供学习参考，转载请注明！
- wnsr888手机版相关的文章
- 发表留言
-
◎欢迎参与讨论，请在这里发表您的看法、交流您的观点。