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。