基于局部最優粒子群優化算法的加工中心可靠性估計
0引言在加工中心的可靠性估計中，參數估計作為重要組 成部分，可通過樣本信息對總體分布所包含的未知參數 進行估計，從而推斷出分析對象的實際分布情況，其估 計的準確性將直接影響可靠性評價判斷的權威性，在分 析對象全壽命周期過程的可靠性活動中發揮重要作用。 因此，參數估計方法的精確度和易算度是評價其優劣的 .重要指標，受到了廣泛關注和研究。長期以來，國內外學者就參數估計問題進行了大量 研究，針對可靠性數據特點提出了滿足不同分布條件的 估計算法，比如矩估計法、極大似然法、貝葉斯方法， 并不斷加以改進。£88611\¥311§61'[1]提出利用矩估計法求解 三參數估計問題，并給出針對weibull分布的參數值表； HL Hartei•等人嗎出了基于完整和截尾樣本的三參數Gam- ma分布和weibull分布的極大似然法，通過求解3個聯 立的極大似然方程即可得到未知參數估計值；在此基礎 上，GlenH. Lemonra提出左、右刪失數據條件下三參數 weibull分布的極大似然估計法，將3個聯立方程簡化為 2個聯立方程求解，降低了計算難度；曲延碌等人w基于 基金項目：“高檔精工機床與基礎制造裝備”國家科技重 大專項，課題《千臺國產加工中心可靠性提升工程》 (課題編號：2013ZX04011-011)同一思想，通過設定位置參數值，采取只含有其余兩個 參數的極大似然方程組代替三參數******似然方程組。貝 葉斯方法則利用先驗分布，在小樣本實驗數據條件下展 現優勢，自創建以來得到了大量研究與改進，比如 George C. Canavos等人[S1通過設定獨立的先驗分布給出 weibull分布尺寸參數與形狀參數的貝葉斯估計方法，S. K. Sinha等人提出三參數weibull分布下的參數估計和 可靠性方程的貝葉斯估計法。然而，常規的參數估計方 法不但適用范圍局限，且在復雜的數據分布情況下難以 進行求解，同時存在結果粗糙，影響估計精確度的問 題，很難滿足實際需求。粒子群優化算法(PSOp是近年來發展起來的一種新 的進化算法。與遺傳算法相比，粒子群算法通過追隨當 前搜索到的最優值來尋找全局最優。局部最優粒子群優 化算法是粒子群優化算法的延伸，其不但繼承PS0算法 的實現容易、精度高、收斂快、通用性廣等優點，還有較 !強的全局最優解搜索能力，但是關于直接用該算法進行 可靠性模型參數估計的論文很少。因此，本文提出了一種 用該算法對加工中心可靠性模型進行參數估計的方法。1加工中心的可靠性模型經過查閱大量相關材料和文獻易知[w〇1，加工中心 故障時間間隔服從三參數威布爾分布，則加工中心故障 |密度函數（即三參數威布爾分布函數）5結論本文提出了一種運用Lbest PSO算法進行加工中心 可靠性估計的方法。同時在LbestPSO的基礎上引人了 變異操作和自適應調整慣性因子，提高了 Lbest PSO算 法的全局解搜索能力和局部改良能力。實驗結果表明，改進后的LbestPSO算法在大小樣本中都具有較髙的估 計精度，并且其收斂速度快，時間成本小。本文由海天精工整理發表文章均來自網絡僅供學習參考，轉載請注明！
- 相關文章
- 發表留言
-
◎歡迎參與討論，請在這里發表您的看法、交流您的觀點。