小样本条件下的设备实时可靠度预测研究

• 作者: 田红亮 钟先友 陈保家 陈雪峰
• 来源期刊: 现代制造工程
• 学科: 工学
• 关键词: 小样本 运行状态 可靠度预测 支持向量机 实时可靠度
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 试验研究
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP31|TG659
• 字数: 5489字
• 语种: 中文

摘要

为了能够准确地判定系统的时间动态特性,提出一种基于设备运行状态信息的实时可靠度算法.该算法从设备的状态特征指标出发,结合贝叶斯(Bayes)方法和KM(Kaplan-Meier)评估器思想,无需对设备失效概率密度函数(Probability Density Function,PDF)进行估计,也不会因样本太少而引起大的估计误差.以上述方法计算所得到的可靠度作为刀具实际可靠度,对比分析支持向量机(Support Vector Machine,SVM)与反馈神经网络(Back Propagation Neural Network,BPNN)两种方法在不同样本条件下的预测精度.结果表明在大样本条件下,两模型都具有较高的预测精度和较小的预测误差;小样本条件下,BPNN方法预测误差过大而达不到预测的功能,而SVM方法仍能保持较高的预测精度和较小的预测误差,与BPNN相比具有明显的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈雪峰	西安交通大学机械制造系统工程国家重点实验室	101	2400	23.0	47.0
2	陈保家	三峡大学水电机械设备设计与维护湖北省重点实验室	50	206	6.0	12.0
6	田红亮	三峡大学水电机械设备设计与维护湖北省重点实验室	94	720	15.0	22.0
7	钟先友	三峡大学水电机械设备设计与维护湖北省重点实验室	34	255	9.0	15.0