首页|RBF神经网络在数控机床可靠性评估中的应用

RBF神经网络在数控机床可靠性评估中的应用

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
在机床产品可靠性评估中,针对采集到的有效故障数据较少而导致失效分布无法唯一确定的问题,提出建立RBF神经网络故障数据扩充算法模型.该模型通过自组织聚类学习算法确定神经网络的径向基函数中心和扩展常数,然后利用学习算法的输出结果对神经网络进行训练,随后将随机生成的累积失效分布函数导入训练好的神经网络,得到与原数据组具有一致失效分布规律的仿真数据,从而确定机床故障分布类型.最后通过实例分析表明:此方法确定的机床故障分布类型为威布尔分布,对其进行的可靠性评估显示MTBF估计值为909.20h,可靠度估计值为0.4874,同时机床已经进入耗损失效期,在后续工作中应该制定相应预防性维修措施来延长机床使用寿命.
Application of RBF Neural Network in Reliability Evaluation of Numerical Control Machine

杨英豪、王会良、苏建新

展开 >

河南科技大学机电工程学院,河南洛阳 471003

径向基神经网络 故障分布模型 数控机床 可靠性评估

国家自然科学基金河南省自然科学基金

51775171182300410229

2022

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2022.371(1)
  • 4
  • 9