基于局部最優(yōu)粒子群優(yōu)化算法的加工中心可靠性估計(jì)
0引言在加工中心的可靠性估計(jì)中，參數(shù)估計(jì)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(shù) 進(jìn)行估計(jì)，從而推斷出分析對象的實(shí)際分布情況，其估 計(jì)的準(zhǔn)確性將直接影響可靠性評價(jià)判斷的權(quán)威性，在分 析對象全壽命周期過程的可靠性活動(dòng)中發(fā)揮重要作用。 因此，參數(shù)估計(jì)方法的精確度和易算度是評價(jià)其優(yōu)劣的 .重要指標(biāo)，受到了廣泛關(guān)注和研究。長期以來，國內(nèi)外學(xué)者就參數(shù)估計(jì)問題進(jìn)行了大量 研究，針對可靠性數(shù)據(jù)特點(diǎn)提出了滿足不同分布條件的 估計(jì)算法，比如矩估計(jì)法、極大似然法、貝葉斯方法， 并不斷加以改進(jìn)。£88611\¥311§61'[1]提出利用矩估計(jì)法求解 三參數(shù)估計(jì)問題，并給出針對weibull分布的參數(shù)值表； HL Hartei•等人嗎出了基于完整和截尾樣本的三參數(shù)Gam- ma分布和weibull分布的極大似然法，通過求解3個(gè)聯(lián) 立的極大似然方程即可得到未知參數(shù)估計(jì)值；在此基礎(chǔ) 上，GlenH. Lemonra提出左、右刪失數(shù)據(jù)條件下三參數(shù) weibull分布的極大似然估計(jì)法，將3個(gè)聯(lián)立方程簡化為 2個(gè)聯(lián)立方程求解，降低了計(jì)算難度；曲延碌等人w基于 基金項(xiàng)目：“高檔精工機(jī)床與基礎(chǔ)制造裝備”國家科技重 大專項(xiàng)，課題《千臺(tái)國產(chǎn)加工中心可靠性提升工程》 (課題編號：2013ZX04011-011)同一思想，通過設(shè)定位置參數(shù)值，采取只含有其余兩個(gè) 參數(shù)的極大似然方程組代替三參數(shù)******似然方程組。貝 葉斯方法則利用先驗(yàn)分布，在小樣本實(shí)驗(yàn)數(shù)據(jù)條件下展 現(xiàn)優(yōu)勢，自創(chuàng)建以來得到了大量研究與改進(jìn)，比如 George C. Canavos等人[S1通過設(shè)定獨(dú)立的先驗(yàn)分布給出 weibull分布尺寸參數(shù)與形狀參數(shù)的貝葉斯估計(jì)方法，S. K. Sinha等人提出三參數(shù)weibull分布下的參數(shù)估計(jì)和 可靠性方程的貝葉斯估計(jì)法。然而，常規(guī)的參數(shù)估計(jì)方 法不但適用范圍局限，且在復(fù)雜的數(shù)據(jù)分布情況下難以 進(jìn)行求解，同時(shí)存在結(jié)果粗糙，影響估計(jì)精確度的問 題，很難滿足實(shí)際需求。粒子群優(yōu)化算法(PSOp是近年來發(fā)展起來的一種新 的進(jìn)化算法。與遺傳算法相比，粒子群算法通過追隨當(dāng) 前搜索到的最優(yōu)值來尋找全局最優(yōu)。局部最優(yōu)粒子群優(yōu) 化算法是粒子群優(yōu)化算法的延伸，其不但繼承PS0算法 的實(shí)現(xiàn)容易、精度高、收斂快、通用性廣等優(yōu)點(diǎn)，還有較 !強(qiáng)的全局最優(yōu)解搜索能力，但是關(guān)于直接用該算法進(jìn)行 可靠性模型參數(shù)估計(jì)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(jìn)行參數(shù)估計(jì)的方法。1加工中心的可靠性模型經(jīng)過查閱大量相關(guān)材料和文獻(xiàn)易知[w〇1，加工中心 故障時(shí)間間隔服從三參數(shù)威布爾分布，則加工中心故障 |密度函數(shù)（即三參數(shù)威布爾分布函數(shù)）5結(jié)論本文提出了一種運(yùn)用Lbest PSO算法進(jìn)行加工中心 可靠性估計(jì)的方法。同時(shí)在LbestPSO的基礎(chǔ)上引人了 變異操作和自適應(yīng)調(diào)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(shí)驗(yàn)結(jié)果表明，改進(jìn)后的LbestPSO算法在大小樣本中都具有較髙的估 計(jì)精度，并且其收斂速度快，時(shí)間成本小。本文由海天精工整理發(fā)表文章均來自網(wǎng)絡(luò)僅供學(xué)習(xí)參考，轉(zhuǎn)載請注明！