2017年5月23日

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最大似然方程組。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！

海天精工機床有限公司 ^{海天精工博客}

基于局部最優粒子群優化算法的加工中心可靠性估計

◎歡迎參與討論，請在這里發表您的看法、交流您的觀點。