[發明專利]一種機電類產品的可靠性度量方法

有效

• 申請號: 201210142227.0
• 申請日: 2012-04-28
• 公開（公告）號: CN102722603A
• 公開（公告）日: 2012-10-10
• 發明（設計）人: 李玲玲;李志剛;朱芬芬;武猛
• 申請（專利權）人: 河北工業大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 天津翰林知識產權代理事務所(普通合伙) 12210
• 代理人: 胡安朋

1.一種機電類產品的可靠性度量方法，其特征在于是基于云理論的機電類產品可靠性度量方法，其步驟如下：

步驟一，獲取機電類產品的廣義應力數據和廣義強度數據，并評估其可信性

通過可靠性試驗過程中的數據采集、現場數據采集、查閱相關資料、參照相關標準或者同型號產品的歷史數據、參考專家經驗或由廠家提供的產品的出廠值來獲得機電類產品的廣義應力數據和廣義強度數據。

記廣義應力數據、廣義強度數據的信任度分別為c_s1、c_r1，如果認為這兩組數據與客觀事實相吻合，則令c_s1＝c_r1＝1；否則為c_s1和c_r1賦以小于1的值；c_s1與c_r1的缺省值均為1；

步驟二，建立機電類產品廣義應力和廣義強度的分布函數，并評估其可信性

將步驟一獲取的機電類產品的廣義應力數據及其可信度c_s1、廣義強度數據及其可信度c_r1輸入計算機，借助MATLAB計算機軟件，編程實現數據的如下處理，從而獲得廣義應力和廣義強度的分布函數，包括概率密度函數和隸屬函數：

(2.1)建立廣義應力的概率密度函數或隸屬函數

記廣義應力為s，當輸入的機電類產品的廣義應力數據個數為1～99時，將s處理為模糊變量，利用這些數據采用模糊統計的方法或結合人的經驗構造s的隸屬函數；當廣義應力數據個數≥100時，則將s處理為隨機變量，利用這些數據構造s的概率密度函數，該函數的分布概型通過數理統計的方法經概率分布的擬合優度檢驗后推斷確定，其統計參數通過概率統計估算方法確定；如此構造的概率密度函數和隸屬函數統稱為s的分布函數，記為v(s)；

(2.2)建立廣義強度的概率密度函數或隸屬函數

記廣義強度為r，當輸入的機電類產品的廣義強度數據個數為1～99時，則將r視為模糊變量，利用這些數據采用模糊統計的方法或結合人的經驗構造r的隸屬函數；當廣義強度數據個數≥100時，則將r處理為隨機變量，利用這些數據構造r的概率密度函數，該函數的分布概型通過數理統計的方法經概率分布的擬合優度檢驗后推斷確定，其統計參數通過概率統計估算方法確定；如此構造的概率密度函數和隸屬函數統稱為r的分布函數，記為w(r)；

在(2.1)和(2.2)中，對于s或r只有1個數據的情形，設該數據的值為α，則將v(s)或w(r)模糊化為一個均值是α、左右分布參數都趨于0的三角模糊數；若s或r的值是一個實數區間，則v(s)或w(r)既可被處理為該區間上的均勻分布，也可被處理為一個核是該區間、左右分布參數都趨于0的梯形模糊數；這兩種處理方法都不影響本發明方法的有效性；

(2.3)評估廣義應力和廣義強度的分布函數的可信性，并為其可信度賦值

記函數v(s)與w(r)的可信度分別為c_s2、c_r2，如果認為按(2.1)和(2.2)中的方法建立的v(s)與w(r)與客觀事實相吻合，或者即使不吻合但原因并非由數據處理方法的不當所引起，則令c_s2＝1，c_r2＝1；否則，應為v(s)、w(r)的可信度c_s2、c_r2賦以小于1的值，即c_s2，c_r2∈[0，1]，評估時僅考慮在v(s)與w(r)的建立過程中由于數據不足、數據處理方法不當而給這兩個函數的可信性帶來的影響；將c_s2和c_r2輸入計算機；c_s2與c_r2的缺省值均為1；

步驟三，建立機電類產品可靠度的可信性曲線

在步驟二建立了v(s)和w(r)的基礎上，借助MATLAB計算機軟件在計算機上進行機電類產品的可靠性度量分析，具體步驟是：

(3.1)利用v(s)和w(r)計算

hλ=∫minUλv(s)ds/∫Uv(s)ds,yλ=∫λmaxUw(r)dr/∫Uw(r)dr,λ∈U---(1)]]>

其中，v(s)為廣義應力s的概率密度函數或隸屬函數，w(r)為r的概率密度函數或隸屬函數，U為v(s)的定義域與w(r)的定義域的并集，max?U和min?U分別表示U中的最大、最小元素；這里顯然有h_λ∈[0，1]，y_λ∈[0，1]；

(3.2)根據h_λ與y_λ的對應關系，由計算機繪制曲線h(y)：建立二維坐標系，使二維數組(y_λ，h_λ)對應于該坐標系上的一個點，該點以y_λ為橫坐標以h_λ為縱坐標；當λ在U上自由取值時，(y_λ，h_λ)的軌跡就構成了一條曲線，記該曲線為h(y)；曲線是隱函數，故亦可稱函數h(y)；

(3.3)計算曲線h(y)與兩個坐標軸所圍成的面積R，有R∈[0，1]就是通常意義上的可靠度或模糊可靠度；

(3.4)根據h(y)計算

Hk=∫0k[1-h(y)dy/∫0R[1-h(y)dy0≤k<R1k=R∫k1h(y)dy/∫R1h(y)dyR≤k<1---(2)]]>

(3.5)根據H_k與k的對應關系，由計算機繪制曲線H(k)：建立二維坐標系，使二維數組(k，H_k)對應于該坐標系上的一個點，該點以k為橫坐標以H_k為縱坐標；當k在[0，1]上自由取值時，(k，H_k)的軌跡就構成了一條曲線，記該曲線為H(k)，稱為可靠度的可信性曲線；

曲線H(k)上的點(k，H_k)表示：當前正在被度量的機電產品的可靠度等于k的可信度是H_k；(R，1)是曲線上最特殊的一個點，它表示該產品的可靠度等于R的可信程度是1；

步驟四，建立機電類產品可靠度的可信性云分布

借鑒云理論的思想，根據c_s1，c_r1，c_s2，c_r2四個可信度值確定云的超熵，將信息的不完全可信性體現在云的厚度上，對步驟三建立的可靠度的可信性曲線H(k)進行云化，建立產品可靠度的可信性云分布H_i(k)，方法為：

(4.1)基于曲線H(k)的坐標數據，利用MATLAB中的數據擬合工具，以曲線上的點(R，1)為界限對曲線的左、右半支分別進行數據擬合并獲得其顯函數；這里對左支采用指數方程進行擬合，得到一個升半Γ分布，對右支采用線性方程進行擬合，得到三角形分布的降半支，即三角形分布的右支；

(4.2)根據曲線H(k)左、右半支的顯函數，求取各自的云化參數；對于云的三個數字特征(期望值E_x，熵E_n，超熵H_e)，由H(k)左、右半支的顯函數中的參數確定各自的E_x與E_n，由對廣義應力數據、廣義強度數據的信任度確定H_e，即由不完全可信性的量化值來決定云的厚度，并有

H_e＝1-c_s1c_r1c_s2c_r2，H_e∈[0，1]????????(3)

其中，c_s1，c_r1，c_s2，c_r2依次表示人們對廣義應力數據、廣義強度數據、廣義應力的分布函數、廣義強度的分布函數的信任度；

(4.3)根據曲線H(k)的左、右半支的云化參數，通過MATLAB軟件編程生成云滴，實現曲線H(k)以(R，1)為界的分段云化，得到機電類產品可靠度的可信性云分布H_i(k)，云的左半部分為升半Γ云，其右半部分為降半三角云；

云分布H_i(k)由無數個被稱為云滴的點構成，可在二維坐標系上進行描述，該坐標系橫軸表示產品的可靠度，縱軸表示可信度；設(k₀，H(k₀))是H_i(k)的一個云滴，則它所表征的意義是：命題“產品的可靠度是k₀”為真的可信度是H(k₀)；

步驟五，顯示輸出機電類產品的可靠性度量結果

在計算機的顯示屏上顯示輸出步驟三中得到的機電類產品的可靠度R，以及步驟四中得到的機電類產品可靠度的可信性云分布。

2.按照權利要求1所述一種機電類產品的可靠性度量方法，其特征在于：所述的機電類產品是鋁電解電容、機械軸承、汽車零件或三極管。