本文關(guān)鍵詞：基于信息熵法的數(shù)控機(jī)床貝葉斯可靠性評(píng)估方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：數(shù)控機(jī)床產(chǎn)業(yè)是裝備制造業(yè)的支柱產(chǎn)業(yè)，高檔數(shù)控機(jī)床技術(shù)更是國(guó)際市場(chǎng)競(jìng)爭(zhēng)激烈的尖端領(lǐng)域。我國(guó)國(guó)有數(shù)控行業(yè)目前正呈現(xiàn)一種市場(chǎng)占有率低下，高端產(chǎn)品幾乎完全依賴(lài)進(jìn)口的不良境況，其中國(guó)產(chǎn)數(shù)控機(jī)床可靠性低下、故障頻發(fā)是導(dǎo)致這種狀況的主要原因。為了考察國(guó)有數(shù)控機(jī)床可靠性，本文系統(tǒng)地探討了數(shù)控機(jī)床的小樣本可靠性建模及綜合評(píng)估問(wèn)題，以便為提高國(guó)有數(shù)控機(jī)床可靠性提供意見(jiàn)，最終達(dá)到搶占國(guó)內(nèi)外數(shù)控機(jī)床市場(chǎng)，復(fù)興民族產(chǎn)業(yè)的目的。 數(shù)控機(jī)床尤其是高檔數(shù)控機(jī)床系統(tǒng)復(fù)雜、實(shí)驗(yàn)周期長(zhǎng)且耗資昂貴，為可靠性評(píng)估預(yù)測(cè)帶來(lái)了諸多困難。本文在充分調(diào)研了國(guó)內(nèi)外研究現(xiàn)狀之后，以信息熵理論輔助貝葉斯(Bayes)方法解決數(shù)控機(jī)床可靠性建模中的小樣本問(wèn)題，并根據(jù)組合賦權(quán)方法進(jìn)行數(shù)控機(jī)床的綜合評(píng)估。 本文將數(shù)控機(jī)床的Bayes小樣本可靠性評(píng)估過(guò)程分為驗(yàn)前信息的預(yù)處理、驗(yàn)前分布的獲取、后驗(yàn)評(píng)估及多指標(biāo)綜合評(píng)價(jià)四部分。首先，對(duì)數(shù)控機(jī)床多源驗(yàn)前信息進(jìn)行分類(lèi)以便于收集整理，并根據(jù)驗(yàn)前信息的不同性質(zhì)及特點(diǎn)討論折算方法及檢驗(yàn)手段。其中，創(chuàng)新性地將信息熵理論應(yīng)用于復(fù)雜壽命型系統(tǒng)的可靠性信息折算中來(lái)，將數(shù)控機(jī)床部件及子系統(tǒng)可靠性信息折算成系統(tǒng)級(jí)可靠性信息，并以某型號(hào)數(shù)控車(chē)床子系統(tǒng)小樣本可靠性數(shù)據(jù)的折算為例證明方法較之原有方法的保守更為可信。其次，利用信息熵的極值性輔助求解驗(yàn)前分布及融合多源驗(yàn)前信息，，將最大熵理論引入到原有的共軛法、自助及隨機(jī)加權(quán)法解驗(yàn)前分布的過(guò)程中去，加快驗(yàn)前分布求解過(guò)程的同時(shí)減少引入人為不確定因素，并將方法應(yīng)用到某型號(hào)數(shù)控車(chē)床的小樣本可靠性驗(yàn)前分布的求解過(guò)程中去，通過(guò)實(shí)例證明方法的快速可行。再次，介紹Bayes后驗(yàn)估計(jì)方法及其后驗(yàn)穩(wěn)健性的定性及定量分析方法，其中主要討論熵?fù)p失函數(shù)這種非對(duì)稱(chēng)損失函數(shù)應(yīng)用到威布爾(Weibull)分布后驗(yàn)點(diǎn)估計(jì)的算法，并通過(guò)算例探討誤差產(chǎn)生原因。最后，提出應(yīng)用相對(duì)熵理法對(duì)數(shù)控機(jī)床的可靠性進(jìn)行多指標(biāo)綜合評(píng)價(jià)，避免了單一指標(biāo)決策的武斷性，并以某廠家兩型號(hào)數(shù)控機(jī)床為例，選用多指標(biāo)綜合考察兩類(lèi)似數(shù)控機(jī)床可靠性的優(yōu)劣。 本文在應(yīng)用Bayes方法討論數(shù)控機(jī)床小樣本可靠性評(píng)估的過(guò)程中，將信息熵理論應(yīng)用到驗(yàn)前信息的折算，驗(yàn)前分布的求解及融合，后驗(yàn)估計(jì)及多指標(biāo)綜合評(píng)價(jià)的各個(gè)階段中去。通過(guò)增加驗(yàn)前信息的利用范圍、融合多源驗(yàn)前信息、降低小樣本評(píng)估過(guò)程中人為因素的引入方式，加快Bayes求解過(guò)程使方法更適用于工程應(yīng)用，同時(shí)降低后驗(yàn)評(píng)估風(fēng)險(xiǎn)增加小樣本評(píng)估的可信性，并通過(guò)數(shù)據(jù)證明應(yīng)用信息熵理論的Bayes方法是評(píng)估數(shù)控機(jī)床及其他大型復(fù)雜機(jī)電液產(chǎn)品的小子樣可靠性的一種實(shí)用、有效的方法。
【關(guān)鍵詞】：數(shù)控機(jī)床 可靠性建模 小樣本 Bayes方法 信息熵
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2013
【分類(lèi)號(hào)】：TG659
【目錄】：

• 摘要4-6
• Abstract6-10
• 第1章 緒論10-18
• 1.1 課題研究意義及背景10-11
• 1.2 課題研究現(xiàn)狀11-15
• 1.2.1 國(guó)內(nèi)外數(shù)控機(jī)床可靠性研究現(xiàn)狀11-12
• 1.2.2 國(guó)內(nèi)外 Bayes 可靠性研究現(xiàn)狀12-15
• 1.3 論文主要研究?jī)?nèi)容及技術(shù)路線15-18
• 第2章 可靠性驗(yàn)前信息的預(yù)處理18-34
• 2.1 驗(yàn)前信息的分類(lèi)整理18-20
• 2.2 驗(yàn)前信息的折算20-27
• 2.2.1 基于信息熵法的部件及子系統(tǒng)信息折算20-25
• 2.2.2 類(lèi)似系統(tǒng)的可靠性信息折算25-26
• 2.2.3 不同環(huán)境下的可靠性信息折算26-27
• 2.3 驗(yàn)前信息的檢驗(yàn)27-34
• 2.3.1 驗(yàn)前信息的相容性檢驗(yàn)27-29
• 2.3.2 驗(yàn)前信息的可信性檢驗(yàn)29-31
• 2.3.3 驗(yàn)前信息的擬合優(yōu)度檢驗(yàn)31-34
• 第3章 基于信息熵法確定驗(yàn)前分布34-52
• 3.1 驗(yàn)前分布的確定方法34-38
• 3.1.1 無(wú)信息驗(yàn)前分布34-36
• 3.1.2 利用驗(yàn)前信息確定驗(yàn)前分布36-38
• 3.2 基于最大熵法確定驗(yàn)前分布38-45
• 3.2.1 最大熵驗(yàn)前分布的確定方法38-41
• 3.2.2 共軛最大熵法驗(yàn)前分布的確定方法41-43
• 3.2.3 自助及隨機(jī)加權(quán)最大熵驗(yàn)前分布的確定方法43-45
• 3.3 基于信息熵法融合先驗(yàn)分布45-47
• 3.3.1 熵權(quán)法驗(yàn)前分布的融合46-47
• 3.3.2 相對(duì)熵法驗(yàn)前分布的融合47
• 3.4 基于信息熵法求取先驗(yàn)分布應(yīng)用實(shí)例47-52
• 第4章 貝葉斯統(tǒng)計(jì)的后驗(yàn)評(píng)估52-58
• 4.1 Bayes 后驗(yàn)點(diǎn)估計(jì)52-55
• 4.1.1 Bayes 決策及后驗(yàn)風(fēng)險(xiǎn)52-53
• 4.1.2 熵?fù)p失函數(shù)下的后驗(yàn)點(diǎn)估計(jì)53-55
• 4.2 Bayes 后驗(yàn)穩(wěn)健性分析55-58
• 第5章 基于相對(duì)熵法的數(shù)控機(jī)床多指標(biāo)綜合評(píng)價(jià)58-64
• 5.1 數(shù)控機(jī)床可靠性評(píng)價(jià)指標(biāo)58-59
• 5.2 相對(duì)熵多指標(biāo)綜合評(píng)價(jià)法59-60
• 5.3 相對(duì)熵法數(shù)控機(jī)床多指標(biāo)評(píng)價(jià)應(yīng)用實(shí)例60-64
• 第6章 總結(jié)與展望64-66
• 參考文獻(xiàn)66-72
• 攻讀碩士期間所取得的科研成果72-74
• 致謝74

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 李勇;孫榮;;貝葉斯統(tǒng)計(jì)學(xué)中先驗(yàn)分布的選擇方法新探[J];重慶工商大學(xué)學(xué)報(bào)(西部論壇);2007年05期

2 程皖民;馮靜;周經(jīng)倫;孫權(quán);;Weibull分布航天產(chǎn)品可靠性評(píng)估的MMLE-Bayes方法[J];電訊技術(shù);2006年06期

3 朱壽雷;彭紹雄;董蒙;;Weibull分布下的系統(tǒng)可靠性評(píng)估方法研究[J];電子產(chǎn)品可靠性與環(huán)境試驗(yàn);2010年01期

4 張金槐;Bayes方法穩(wěn)健性檢驗(yàn)[J];飛行器測(cè)控學(xué)報(bào);1999年03期

5 張金槐;驗(yàn)前分布的穩(wěn)健性[J];國(guó)防科技大學(xué)學(xué)報(bào);2000年06期

6 黎鎖平;運(yùn)用蒙特卡羅方法求解隨機(jī)性問(wèn)題[J];甘肅工業(yè)大學(xué)學(xué)報(bào);2001年02期

7 戴邵武;高華明;肖支才;;基于自助法的小樣本數(shù)據(jù)分析方法研究[J];海軍航空工程學(xué)院學(xué)報(bào);2009年01期

8 劉琦,馮靜,周經(jīng)倫;類(lèi)似系統(tǒng)可靠性信息在復(fù)雜系統(tǒng)Bayes可靠性評(píng)估中的應(yīng)用[J];航空動(dòng)力學(xué)報(bào);2004年01期

9 申桂香;張英芝;薛玉霞;陳炳錕;何宇;;基于熵權(quán)法的數(shù)控機(jī)床可靠性綜合評(píng)價(jià)[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2009年05期

10 許彬彬;楊兆軍;陳菲;郝慶波;趙宏偉;李國(guó)發(fā);;非齊次泊松過(guò)程的數(shù)控機(jī)床可靠性建模[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2011年S2期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 張湘平;小子樣統(tǒng)計(jì)推斷與融合理論在武器系統(tǒng)評(píng)估中的應(yīng)用研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2003年

2 方艮海;產(chǎn)品可靠性評(píng)估中的多源信息融合技術(shù)研究[D];合肥工業(yè)大學(xué);2006年

3 李小兵;加工中心時(shí)間動(dòng)態(tài)可靠性建模[D];吉林大學(xué);2012年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前2條

1 蔣英杰;面向變總體的Bayes驗(yàn)前分布的確定及可靠性評(píng)定[D];國(guó)防科學(xué)技術(shù)大學(xué);2007年

2 王志瓊;電主軸故障分析及可靠性增長(zhǎng)技術(shù)研究[D];吉林大學(xué);2012年

  本文關(guān)鍵詞：基于信息熵法的數(shù)控機(jī)床貝葉斯可靠性評(píng)估方法研究，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：343269