基于模糊神经网络的可靠性评价

论文摘要

随着可靠性设计理论,机械设计技术的发展,大型农业机械的作业能力越来越强。但随着农业机械结构复杂性的增大,其可靠性问题日益突出。因此,如何在经济和技术允许的条件下,合理评价机械系统的可靠性,从而为提高机械系统可靠性、维修性和维修策略提供参考依据,是一项迫切而意义重大的课题。可靠性差、故障多是当前农业机械在作业过程中普遍存在的问题。本文以近年投产的东方红1002履带式拖拉机为研究对象,以可靠性工程方法、人工神经网络、模糊数学等多学科相结合的方法,对拖拉机的使用可靠性进行理论分析及应用研究。在对模糊神经网络理论研究的基础上,对拖拉机可靠性评价问题进行了深入研究,具体研究成果如下:1.本文介绍了可靠性研究的意义以及可靠性评价对可靠性研究工作的重要性。本文对国内外现有的基于模糊理论的评价方法进行了评述。2.对模糊理论和人工神经网络技术进行了系统研究,着重探讨了二者的融合问题,并结合可靠性评价问题,构建了一个五层前馈型模糊神经网络模型。该评价模型包括输入层、隶属函数层、规则层、归一层和输出层。应用插值算法生成的评价样本通过模糊化处理,然后用前馈型BP网络学习算法进行网络训练,网络训练、学习完成后可得到了拖拉机可靠性评价的结果。3.利用故障跟踪试验数据,得到可靠性、维修性、有效性特征量的观测值。对拖拉机的可靠性进行了模糊综合评价与分析4.将基于模糊神经网络的可靠性评价模型应用于拖拉机可靠性评价,选取6台实际作业拖拉机的可靠性指标数据为评价对象,通过设计的Matlab语言程序,最终得到该型号拖拉机的可靠性等级,较好地保证评价结果的客观性。机械系统的可靠性评价工作是一项综合性较强的研究领域,涉及的相关学科众多,其工程前景是广泛的,理论价值是重大的。随着理论研究的深入和工程应用的迫切需要,这一领域的研究也必将进一步进一步深入。

论文目录

• 摘要
• ABSTRACT
• 1 引言
• 1.1 论文选题的意义与目的
• 1.2 国内外研究现状
• 1.3 本课题的创新点
• 1.4 论文结构
• 2 人工神经网络与模糊数学理论概述
• 2.1 人工神经网络概述
• 2.1.1 人工神经网络的特点
• 2.1.2 人工神经网络的分类
• 2.1.3 人工神经网络的学习算法
• 2.1.4 人工神经网络的应用领域
• 2.2 模糊数学基本理论
• 2.2.1 模糊集的定义及应用
• 2.2.2 模糊集的表示法
• 2.2.3 模糊集合隶属函数的建立
• 2.2.4 模糊集合的基本运算
• 2.3 模糊关系
• 2.3.1 模糊关系的定义
• 2.3.2 模糊关系的运算
• 2.3.3 模糊化运算
• 2.4 模糊系统和神经网络的融合
• 2.4.1 模糊系统和神经网络结合的可能性
• 2.4.2 模糊系统和神经网络结合的形态
• 2.5 本章小结
• 3 模糊神经网络
• 3.1 模糊神经网络概述
• 3.2 模糊神经元与模糊神经网络
• 3.3 FNN 模型的结构和原理
• 3.4 FNN 模型的学习算法
• 3.5 FNN 的 Matlab 程序实现
• 3.5.1 FNN 的计算过程
• 3.5.2 FNN 的训练过程
• 3.6 本章小结
• 4 拖拉机可靠性评价指标体系
• 4.1 拖拉机可靠性试验目的及方法
• 4.2 拖拉机可靠性评价的指标
• 4.2.1 平均首次故障时间
• 4.2.2 平均无故障作业量
• 4.2.3 平均维修时间及维修时间率
• 4.2.4 有效度及故障频度
• 4.3 拖拉机累积故障规律性研究
• 4.4 本章小结
• 5 基于模糊神经网络的可靠性评价模型
• 5.1 指标相对隶属度矩阵
• 5.2 学习样本的生成
• 5.3 FNN 的初始化
• 5.4 基于FNN 的拖拉机可靠性评价
• 5.4.1 实验数据的选择
• 5.4.2 评价功能的Matlab 程序实现
• 5.4.3 实验结果分析
• 5.5 本章小结
• 6 结论
• 致谢
• 参考文献
• 攻读学位期间发表的学术论文