[發(fā)明專利]一種機(jī)構(gòu)可靠性建模方法

有效

• 申請?zhí)枺?/td>: 201810109561.3
• 申請日: 2018-02-05
• 公開（公告）號: CN108595736B
• 公開（公告）日: 2021-10-15
• 發(fā)明（設(shè)計(jì)）人: 申林杰;張玉剛;宋筆鋒;喻天翔;賈潔羽
• 申請（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號: G06F30/20
• 分類號: G06F30/20;G06F30/17;G06F30/15;G06F111/08;G06F119/04
• 代理公司: 昆明合眾智信知識產(chǎn)權(quán)事務(wù)所 53113
• 代理人: 張璽

本發(fā)明涉及一種機(jī)構(gòu)可靠性建模方法，主要通過四個(gè)步驟實(shí)現(xiàn)：第一步，通過對樣本數(shù)據(jù)使用隨機(jī)過程擬合得到退化模型；第二步，對退化特征量進(jìn)行時(shí)變相關(guān)性分析，使用D?VineCopula函數(shù)進(jìn)行多元相關(guān)性建模，時(shí)變相關(guān)性使用Kendall系數(shù)時(shí)變模型描述；第三步對相關(guān)特征量進(jìn)行抽樣；第四步，建立失效模式的極限狀態(tài)方程，將所有樣本帶入功能函數(shù)進(jìn)行分析，并計(jì)算得到可靠度。本發(fā)明基于所提出的多元時(shí)變相關(guān)性退化建模方法，解決了現(xiàn)有建模方法由于將多特征量獨(dú)立假設(shè)導(dǎo)致機(jī)構(gòu)可靠度結(jié)果誤差偏大的缺陷。同時(shí)本發(fā)明可以靈活構(gòu)造多個(gè)退化特征量之間的相關(guān)關(guān)系，對相關(guān)關(guān)系進(jìn)行時(shí)變建模，得到的可靠性評估結(jié)果更為準(zhǔn)確。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)械產(chǎn)品可靠性設(shè)計(jì)與分析領(lǐng)域，尤其涉及機(jī)構(gòu)功能可靠性設(shè)計(jì)中一種機(jī)構(gòu)可靠性建模方法。

背景技術(shù)

隨著精密機(jī)械工程和航空航天工程的不斷發(fā)展，機(jī)械機(jī)構(gòu)系統(tǒng)向著高精度、高效率、高可靠性和長壽命的目標(biāo)邁進(jìn)。機(jī)構(gòu)是機(jī)械系統(tǒng)的重要組成部分，機(jī)構(gòu)中的零部件通過鉸鏈相互連接，共同傳遞運(yùn)動和載荷，以實(shí)現(xiàn)機(jī)構(gòu)的功能，因此機(jī)構(gòu)的功能可靠性成為研究的重點(diǎn)。隨著機(jī)構(gòu)的運(yùn)行，機(jī)構(gòu)的退化和損傷成為影響機(jī)構(gòu)性能的主要因素之一，如機(jī)構(gòu)中運(yùn)動副的磨損。同時(shí)一個(gè)機(jī)構(gòu)的多個(gè)部件在相同的環(huán)境下工作，受到相同的影響因素，各個(gè)部件之間的損傷與退化相互影響，它們之間是相關(guān)的，隨著機(jī)構(gòu)運(yùn)動周期的增加，這種影響愈加強(qiáng)烈，對機(jī)構(gòu)性能的影響也就越大。

現(xiàn)有技術(shù)中，王華偉等提出了多失效模式下多模型集成航空發(fā)動機(jī)運(yùn)行可靠性評估方法(CN 103778295)，對性能退化失效、結(jié)構(gòu)強(qiáng)度失效和突發(fā)失效進(jìn)行了分析，并對三種失效選擇最優(yōu)模型，建立了多模型集成航空發(fā)動機(jī)運(yùn)行可靠性評估模型，采用馬爾科夫鏈蒙特卡洛仿真求解可靠度；張志鵬等提出了一種面向產(chǎn)品多維相關(guān)性退化失效的建模方法(CN 105117550)，利用D-VineCopula函數(shù)建立了多維相關(guān)退化模型，使用Wiener過程進(jìn)行了退化建模，有效處理了具有復(fù)雜相關(guān)性的多維退化問題；李紹軍等基于C-VineCopula函數(shù)進(jìn)行了多模態(tài)的相關(guān)性建模(CN 104914775)，采用馬爾科夫蒙特卡洛方法對聯(lián)合密度函數(shù)進(jìn)行抽樣，利用密度分位數(shù)法等實(shí)現(xiàn)故障實(shí)時(shí)監(jiān)控；谷東偉等提出了一種Copula函數(shù)可靠性動態(tài)影響度分析方法(CN 105700474)，考慮了數(shù)控機(jī)床子系統(tǒng)之間的相關(guān)關(guān)系，采用人工魚群算法進(jìn)行了相關(guān)系數(shù)優(yōu)化，提出了采用可靠性動態(tài)核心影響度衡量子系統(tǒng)的改進(jìn)潛力。

然而，上述現(xiàn)有技術(shù)的技術(shù)方案均是基于變量間的相關(guān)性不隨時(shí)間變化開展的，隨著對相關(guān)性研究的深入，變量間的相關(guān)性并不是不變的，而是隨著時(shí)間動態(tài)變化的。機(jī)構(gòu)退化過程中，工作環(huán)境和退化速率并不是恒定不變的，退化特征量之間的相關(guān)性也可能隨時(shí)間不斷變化。因此，在建立多元退化相關(guān)模型時(shí)，有必要考慮這些退化特征量之間相關(guān)關(guān)系隨時(shí)間變化的時(shí)變特征。

發(fā)明內(nèi)容

針對上述問題，本發(fā)明提供了一套能夠考慮機(jī)構(gòu)多部位退化之間的相互影響，同時(shí)考慮這些相關(guān)影響的時(shí)變特征的機(jī)構(gòu)可靠性分析方法。

具體地，本文提出的方法主要通過四個(gè)步驟實(shí)現(xiàn)：第一步，通過對樣本數(shù)據(jù)使用隨機(jī)過程擬合得到退化模型；第二步，對退化特征量進(jìn)行時(shí)變相關(guān)性分析，使用D-VineCopula函數(shù)進(jìn)行多元相關(guān)性建模，時(shí)變相關(guān)性使用Kendall系數(shù)時(shí)變模型描述；第三步對相關(guān)特征量進(jìn)行抽樣；第四步，建立失效模式的極限狀態(tài)方程，將所有樣本帶入功能函數(shù)進(jìn)行分析，并計(jì)算得到可靠度。

本發(fā)明提出的機(jī)構(gòu)可靠性分析方法包括以下詳細(xì)步驟：

步驟1：確定機(jī)構(gòu)的n個(gè)退化特征量，通過退化試驗(yàn)收集試驗(yàn)數(shù)據(jù)y＝(y₁,y₂,...,y_n)；

步驟2：利用步驟1得到的特征量的退化數(shù)據(jù)，在不考慮各個(gè)特征量之間的相關(guān)性情況下，利用隨機(jī)過程，如Wiener過程或Gamma過程，建立每一個(gè)特征量的退化模型；

步驟3：利用馬爾科夫鏈蒙特卡洛方法(MCMC)估計(jì)步驟2中退化模型的參數(shù)；