一种机电类产品的可靠性度量方法

摘要

本发明一种机电类产品的可靠性度量方法，涉及专门适用于特定应用的数字计算的方法，是基于云理论的机电类产品可靠性度量方法，步骤是：获取机电类产品的广义应力数据和广义强度数据，并评估其可信性；建立机电类产品广义应力和广义强度的分布函数，并评估其可信性；建立机电类产品可靠度的可信性曲线；建立机电类产品可靠度的可信性云分布；显示输出机电类产品的可靠性度量结果。本发明无需区分随机变量和模糊变量，可在随机应力、随机强度、模糊应力、模糊强度的任意组合下使用，可靠度的可信性云分布蕴涵更多信息，多种不确定性给产品可靠性带来的影响由云的数字特征(Ex，En，He)体现，弥补了现有方法不能处理不完全可信性的不足。

主权项

1.一种机电类产品的可靠性度量方法，其特征在于是基于云理论的机电类产品可靠性度量方法，其步骤如下：步骤一，获取机电类产品的广义应力数据和广义强度数据，并评估其可信性通过可靠性试验过程中的数据采集、现场数据采集、查阅相关资料、参照相关标准或者同型号产品的历史数据、参考专家经验或由厂家提供的产品的出厂值来获得机电类产品的广义应力数据和广义强度数据。记广义应力数据、广义强度数据的信任度分别为c_s1、c_r1，如果认为这两组数据与客观事实相吻合，则令c_s1＝c_r1＝1；否则为c_s1和c_r1赋以小于1的值；c_s1与c_r1的缺省值均为1；步骤二，建立机电类产品广义应力和广义强度的分布函数，并评估其可信性将步骤一获取的机电类产品的广义应力数据及其可信度c_s1、广义强度数据及其可信度c_r1输入计算机，借助MATLAB计算机软件，编程实现数据的如下处理，从而获得广义应力和广义强度的分布函数，包括概率密度函数和隶属函数：(2.1)建立广义应力的概率密度函数或隶属函数记广义应力为s，当输入的机电类产品的广义应力数据个数为1～99时，将s处理为模糊变量，利用这些数据采用模糊统计的方法或结合人的经验构造s的隶属函数；当广义应力数据个数≥100时，则将s处理为随机变量，利用这些数据构造s的概率密度函数，该函数的分布概型通过数理统计的方法经概率分布的拟合优度检验后推断确定，其统计参数通过概率统计估算方法确定；如此构造的概率密度函数和隶属函数统称为s的分布函数，记为v(s)；(2.2)建立广义强度的概率密度函数或隶属函数记广义强度为r，当输入的机电类产品的广义强度数据个数为1～99时，则将r视为模糊变量，利用这些数据采用模糊统计的方法或结合人的经验构造r的隶属函数；当广义强度数据个数≥100时，则将r处理为随机变量，利用这些数据构造r的概率密度函数，该函数的分布概型通过数理统计的方法经概率分布的拟合优度检验后推断确定，其统计参数通过概率统计估算方法确定；如此构造的概率密度函数和隶属函数统称为r的分布函数，记为w(r)；在(2.1)和(2.2)中，对于s或r只有1个数据的情形，设该数据的值为α，则将v(s)或w(r)模糊化为一个均值是α、左右分布参数都趋于0的三角模糊数；若s或r的值是一个实数区间，则v(s)或w(r)既可被处理为该区间上的均匀分布，也可被处理为一个核是该区间、左右分布参数都趋于0的梯形模糊数；这两种处理方法都不影响本发明方法的有效性；(2.3)评估广义应力和广义强度的分布函数的可信性，并为其可信度赋值记函数v(s)与w(r)的可信度分别为c_s2、c_r2，如果认为按(2.1)和(2.2)中的方法建立的v(s)与w(r)与客观事实相吻合，或者即使不吻合但原因并非由数据处理方法的不当所引起，则令c_s2＝1，c_r2＝1；否则，应为v(s)、w(r)的可信度c_s2、c_r2赋以小于1的值，即c_s2，c_r2∈[0，1]，评估时仅考虑在v(s)与w(r)的建立过程中由于数据不足、数据处理方法不当而给这两个函数的可信性带来的影响；将c_s2和c_r2输入计算机；c_s2与c_r2的缺省值均为1；步骤三，建立机电类产品可靠度的可信性曲线在步骤二建立了v(s)和w(r)的基础上，借助MATLAB计算机软件在计算机上进行机电类产品的可靠性度量分析，具体步骤是：(3.1)利用v(s)和w(r)计算$h_{\lambda }={\int }_{\min U}^{\lambda }v\left(s\right)\mathrm{ds}/{\int }_{U}v\left(s\right)\mathrm{ds},y_{\lambda }={\int }_{\lambda }^{\max U}w\left(r\right)\mathrm{dr}/{\int }_{U}w\left(r\right)\mathrm{dr},\lambda \in U---\left(1\right)$其中，v(s)为广义应力s的概率密度函数或隶属函数，w(r)为r的概率密度函数或隶属函数，U为v(s)的定义域与w(r)的定义域的并集，max U和min U分别表示U中的最大、最小元素；这里显然有h_λ∈[0，1]，y_λ∈[0，1]；(3.2)根据h_λ与y_λ的对应关系，由计算机绘制曲线h(y)：建立二维坐标系，使二维数组(y_λ，h_λ)对应于该坐标系上的一个点，该点以y_λ为横坐标以h_λ为纵坐标；当λ在U上自由取值时，(y_λ，h_λ)的轨迹就构成了一条曲线，记该曲线为h(y)；曲线是隐函数，故亦可称函数h(y)；(3.3)计算曲线h(y)与两个坐标轴所围成的面积R，有R∈[0，1]就是通常意义上的可靠度或模糊可靠度；(3.4)根据h(y)计算$H_k=\left\{\begin{array}{cc}{\int }_0^k[1-h\left(y\right)\mathrm{dy}/{\int }_0^R[1-h\left(y\right)\mathrm{dy}& 0\le k<R\\ 1& k=R\\ {\int }_k^{1}h\left(y\right)\mathrm{dy}/{\int }_R^{1}h\left(y\right)\mathrm{dy}& R\le k<1\end{array}\right.---\left(2\right)$(3.5)根据H_k与k的对应关系，由计算机绘制曲线H(k)：建立二维坐标系，使二维数组(k，H_k)对应于该坐标系上的一个点，该点以k为横坐标以H_k为纵坐标；当k在[0，1]上自由取值时，(k，H_k)的轨迹就构成了一条曲线，记该曲线为H(k)，称为可靠度的可信性曲线；曲线H(k)上的点(k，H_k)表示：当前正在被度量的机电产品的可靠度等于k的可信度是H_k；(R，1)是曲线上最特殊的一个点，它表示该产品的可靠度等于R的可信程度是1；步骤四，建立机电类产品可靠度的可信性云分布借鉴云理论的思想，根据c_s1，c_r1，c_s2，c_r2四个可信度值确定云的超熵，将信息的不完全可信性体现在云的厚度上，对步骤三建立的可靠度的可信性曲线H(k)进行云化，建立产品可靠度的可信性云分布H_i(k)，方法为：(4.1)基于曲线H(k)的坐标数据，利用MATLAB中的数据拟合工具，以曲线上的点(R，1)为界限对曲线的左、右半支分别进行数据拟合并获得其显函数；这里对左支采用指数方程进行拟合，得到一个升半Γ分布，对右支采用线性方程进行拟合，得到三角形分布的降半支，即三角形分布的右支；(4.2)根据曲线H(k)左、右半支的显函数，求取各自的云化参数；对于云的三个数字特征(期望值E_x，熵E_n，超熵H_e)，由H(k)左、右半支的显函数中的参数确定各自的E_x与E_n，由对广义应力数据、广义强度数据的信任度确定H_e，即由不完全可信性的量化值来决定云的厚度，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依次表示人们对广义应力数据、广义强度数据、广义应力的分布函数、广义强度的分布函数的信任度；(4.3)根据曲线H(k)的左、右半支的云化参数，通过MATLAB软件编程生成云滴，实现曲线H(k)以(R，1)为界的分段云化，得到机电类产品可靠度的可信性云分布H_i(k)，云的左半部分为升半Γ云，其右半部分为降半三角云；云分布H_i(k)由无数个被称为云滴的点构成，可在二维坐标系上进行描述，该坐标系横轴表示产品的可靠度，纵轴表示可信度；设(k₀，H(k₀))是H_i(k)的一个云滴，则它所表征的意义是：命题“产品的可靠度是k₀”为真的可信度是H(k₀)；步骤五，显示输出机电类产品的可靠性度量结果在计算机的显示屏上显示输出步骤三中得到的机电类产品的可靠度R，以及步骤四中得到的机电类产品可靠度的可信性云分布。