混合可靠性模型参数的核密度和引力搜索估计

针对可靠性建模中广泛应用的混合分布模型的参数估计问题,为解决其重数选择主观性强、参数识别初值敏感性高、参数识别效率低等难题,融合人工智能方法,提出了一种新型参数估计方法。引入核密度估计对数据进行非参数拟合,以最小化平均积分平方误差为目标,获得核密度估计的最优带宽,以最优带宽为组距对原始数据进行分组,做出统计直方图,并由此确定分布密度函数的混合重数。采用K-均值聚类方法对统计直方图进行聚类,由聚类结果计算获得混合分布模型的权重,接着应用引力搜索算法对混合模型各重子模型的参数进行辨识。以实测商用车车桥位移谱信号为例,对其概率密度函数和累计分布函数进行混合模型建模和模型参数识别。在车桥位移谱模型参数识别的基础上,分别计算决定系数、KS值和平均相对误差3个指标,验证了本文参数估计方法的有效性,为商用车可靠性的疲劳载荷谱编制和实验室台架试验奠定了基础,同时,可以为相关可靠性建模和模型参数识别问题提供参考。     

基于插值和时温叠加原理的橡胶老化寿命预测方法

老化性能衰退建模与寿命预测是橡胶等高分子材料腐蚀和防护领域的研究重点之一,探索新型预测理论与方法在橡胶加速老化寿命预报中的应用,能够为橡胶件的性能监测、维护和更换提供理论依据和参考。传统的高分子材料老化建模方法存在模型依赖性强、参数识别难度高和精度不足等弊端。为了快速地对常温下橡胶的老化性能衰退规律进行准确的预测和评估,以室内高温加速老化数据为基础,提出采用插值的方法计算各不同加速温度下的伪失效寿命,在获得的伪失效寿命数据组的基础上,计算了各加速温度相对最低加速温度的性能衰退平移因子。进一步分析发现平移因子满足阿累尼乌斯方程,且各高温下加速老化的数据可以根据平移因子转换至参考温度下。在建立阿累尼乌斯加速模型的基础上,应用时温叠加原理,通过高温平移因子的线性外推获得常温下的平移因子,从而建立了常温下橡胶的老化性能衰退预测方程,并与实测常温下的橡胶老化性能衰退数据进行了对比。结果表明,综合应用插值法和时温叠加原理可以对橡胶加速老化数据进行快速处理,且由加速数据外推获得的常温性能衰退量与真实值的比较可知,结果均分布在2倍分散线以内,很好地满足了工程上的使用要求。其结果可为相关高分子材料加速老化数据处理与寿命预测提供参考。