基于RBF神经网络的Bootstrap数据扩充方法及其在IRSS可靠性估计中的应用
针对高可靠性、长寿命产品可靠性试验数据样本较少难以进行有效可靠性评估问题,提出一种基于RBF神经网络的Bootstrap数据扩充方法,利用RBF神经网络获取原样本连续分布特性,邻域函数构建网络输入集.仿真表明,由该扩充方法获得的扩充样本分布特性更接近于其真实分布,并有效利用了原样本取值区间上、下限数据信息,拓展更宽的样本取值范围.将其应用于工业机器人伺服系统(IRSS)伪失效寿命分布可靠性评估中,扩充伪失效寿命数据,获得IRSS有效可靠性评估结果,表明方法的实际应用价值.
径向基神经网络、Bootstrap法、工业机器人伺服系统、可靠性
48
TB114.3(工程基础科学)
广东省高端装备制造计划项目2017B090914003
2022-12-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
22-26,53