CN109766522A - 一种刮板输送机链轮的非概率可靠性灵敏度分析方法 - Google Patents
一种刮板输送机链轮的非概率可靠性灵敏度分析方法 Download PDFInfo
- Publication number
- CN109766522A CN109766522A CN201910205366.5A CN201910205366A CN109766522A CN 109766522 A CN109766522 A CN 109766522A CN 201910205366 A CN201910205366 A CN 201910205366A CN 109766522 A CN109766522 A CN 109766522A
- Authority
- CN
- China
- Prior art keywords
- chain wheel
- flight bar
- bar conveyor
- variable
- uncertain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
本发明公开了一种刮板输送机链轮的非概率可靠性灵敏度分析方法,包括步骤:一、确定刮板输送机链轮的功能函数;二、确定基函数系数矩阵;三、复相关系数检验;四、建立描述不确定性变量的多维平行六面体凸模型;五、功能函数的标准化;六、确定刮板输送机链轮的非概率可靠性指标;七、确定刮板输送机链轮的非概率可靠性灵敏度。本发明运用响应面法构建刮板输送机链轮的功能函数拟合变量与响应值之间的函数关系,将数学方法和统计方法相结合,适应于解决多变量问题,通过建立描述不确定性变量的多维平行六面体凸模型,能够较好处理独立变量和相关变量共存的情形,可对线性或非线性的刮板输送机链轮的功能函数均分析非概率可靠性灵敏度,适用性强。
Description
技术领域
本发明属于非概率可靠性灵敏度分析技术领域,具体涉及一种刮板输送机链轮的非概率可靠性灵敏度分析方法。
背景技术
刮板输送机链轮作为刮板输送机的重要部件,其可靠性对刮板输送机的使用寿命有直接影响。可靠性灵敏度可以给出可靠性指标和不确定变量变化之间的内在联系,进而可以为可靠性优化设计和可靠性增强提供理论基础。传统的可靠性灵敏度分析方法都是基于概率模型,需要大量不确定样本信息确定其概率分布特征,这对于刮板输送机而言是很难做到的,因为刮板输送机的设计制造均为单件、小批量,因此采用能够合理处理上述小样本信息的非概率模型,并发展相应的非概率可靠性灵敏度分析方法成为解决上述问题的有效途径之一。
现有的非概率可靠性灵敏度分析方法均是基于区间模型和椭球模型。理论上讲,区间模型仅能处理独立变量,而椭球模型仅能处理相关变量。采用上述两种模型处理链轮的不确定信息均存在一定不足;一方面是同源不确定性,如几何尺寸参数:齿型圆弧半径、链窝平面圆弧半径、链窝长度等之间存在着相关性;另一方面是异源不确定性,如材料特性参数和几何参数之间则相互独立;也就是说,对于链轮而言,是独立变量和相关变量共存的情形。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种刮板输送机链轮的非概率可靠性灵敏度分析方法,运用响应面法构建刮板输送机链轮的功能函数,利用多元二次回归方程的形式拟合变量与响应值之间的函数关系,将数学方法和统计方法相结合,适应于解决多变量问题,通过建立描述不确定性变量的多维平行六面体凸模型,能够较好处理独立变量和相关变量共存的情形,且可对线性或非线性的刮板输送机链轮的功能函数g(X)均计算非概率可靠性指标及非概率可靠性灵敏度,结果可靠,适用性强,便于推广使用。
为解决上述技术问题,本发明采用的技术方案是:一种刮板输送机链轮的非概率可靠性灵敏度分析方法,其特征在于,该方法包括以下步骤:
步骤一、确定刮板输送机链轮的功能函数:运用响应面法构建刮板输送机链轮的功能函数g(X)且其中,X为不确定性变量向量且X=(X1,X2,...,Xm)T,m为不确定性变量总数且m等于所述不确定性变量向量X的维数,i和j均为不确定性变量编号,Xi为第i个不确定性变量,Xj为第j个不确定性变量,i和j的取值范围均为1~m,a0为以1为基函数的常数项系数,ai为以Xi为基函数的一次项系数,aii为以为基函数的二次项系数,a0、ai和aii构成基函数系数矩阵a, 表示第i个不确定性变量Xi取值的区间,Xi 为不确定性变量Xi的下界,为不确定性变量Xi的上界;
步骤二、确定基函数系数矩阵:通过获取M组不确定性变量向量X的样本点和对应M组g(X)的响应值,利用Box-Behnken试验设计,运用最小二乘法确定基函数系数矩阵a=(XTX)-1XTg(X),其中,M的取值满足:M>1.5N,N为基函数的个数;
步骤三、复相关系数检验:对系数确定的刮板输送机链轮的功能函数g(X)做复相关系数R2检验,当复相关系数R2的结果不小于0.5时,执行步骤四,当复相关系数R2的结果小于0.5时,调整不确定性变量向量X的样本点后循环步骤二;
步骤四、建立描述不确定性变量的多维平行六面体凸模型:采用数据处理器对不确定性变量建立多维平行六面体凸模型,得到多维平行六面体凸模型为-e≤ρ-1T-1R-1(X-XC)≤e,其中,e为单位向量,ρ为相关系数矩阵且ρij为不确定性变量Xi和不确定性变量Xj之间的相关系数,T为由相关系数组成的对角阵且T=diag(w1,w2,…,wm),R为不确定变量区间半径组成的对角阵且 为不确定性变量Xi的区间半径,XC为不确定变量区间中点向量且 为不确定性变量Xi的区间中点;
步骤五、功能函数的标准化:根据公式X=RTρ·δ+XC,将不确定性变量向量X转化为标准化区间变量向量δ,将X=RTρ·δ+XC代入g(X),得到标准化区间变量空间的功能函数g(δ);
步骤六、确定刮板输送机链轮的非概率可靠性指标:当刮板输送机链轮的功能函数g(X)为线性功能函数,即将X=RTρ·δ+XC代入g(X),得到标准化区间变量空间的功能函数δj为第j个标准化区间变量;根据区间运算法则,可得当前g(δ)的均值gC(δ)且以及当前g(δ)的离差gR(δ)且则刮板输送机链轮的非概率可靠性指标
当刮板输送机链轮的功能函数g(X)为非线性功能函数,将刮板输送机链轮的功能函数g(X)在不确定变量区间中点向量XC处作泰勒线性展开,即将X=RTρ·δ+XC代入g(X),得到标准化区间变量空间的功能函数根据区间运算法则,可得当前g(δ)的均值gC(δ)且gC(δ)=gC(X),以及当前g(δ)的离差gR(δ)且则刮板输送机链轮的非概率可靠性指标
步骤七、确定刮板输送机链轮的非概率可靠性灵敏度:利用刮板输送机链轮的非概率可靠性指标对不确定性变量中点、半径和相关系数求偏导数,获取刮板输送机链轮的非概率可靠性灵敏度参数
当刮板输送机链轮的功能函数g(X)为线性功能函数时,
当刮板输送机链轮的功能函数g(X)为非线性功能函数时,
上述的一种刮板输送机链轮的非概率可靠性灵敏度分析方法,其特征在于:所述不确定性变量包括刮板输送机链轮齿形圆弧半径、刮板输送机链轮齿根圆弧半径、刮板输送机链轮链窝平面圆弧半径、刮板输送机链轮短齿根部圆环半径、刮板输送机链轮中心至平环链中心平面距离。
上述的一种刮板输送机链轮的非概率可靠性灵敏度分析方法,其特征在于:所述不确定性变量Xi和不确定性变量Xj之间的相关系数a为不确定性变量Xi和不确定性变量Xj构成的二维平行四边形中Xi=-k1Xj方向上的半轴长度,b为不确定性变量Xi和不确定性变量Xj构成的二维平行四边形中Xi=k2Xj方向上的半轴长度,k1和k2均为斜率且k1和k2均取正数,因此,-1≤ρij≤1。
上述的一种刮板输送机链轮的非概率可靠性灵敏度分析方法,其特征在于:所述复相关系数R2的结果为[0,0.1)时,刮板输送机链轮的功能函数g(X)没有相关性,刮板输送机链轮的功能函数g(X)拟合程度差;所述复相关系数R2的结果为[0.1,0.3)时,刮板输送机链轮的功能函数g(X)弱相关,刮板输送机链轮的功能函数g(X)拟合程度一般;所述复相关系数R2的结果为[0.3,0.5)时,刮板输送机链轮的功能函数g(X)中等相关,刮板输送机链轮的功能函数g(X)拟合程度良;所述复相关系数R2的结果为[0.5,1]时,刮板输送机链轮的功能函数g(X)强相关,刮板输送机链轮的功能函数g(X)拟合程度优。
本发明与现有技术相比具有以下优点:
1、本发明运用响应面法构建刮板输送机链轮的功能函数,利用多元二次回归方程的形式拟合变量与响应值之间的函数关系,将数学方法和统计方法相结合,适应于解决多变量问题,便于推广使用。
2、本发明通过获取不确定性变量向量X的样本点和对应g(X)的响应值,利用Box-Behnken试验设计,运用最小二乘法确定基函数系数矩阵,通过复相关系数检验找出相关度高的系数确定的刮板输送机链轮的功能函数g(X),为刮板输送机链轮的非概率可靠性灵敏度分析提供可靠的基础,可靠性高,使用效果好。
3、本发明通过建立描述不确定性变量的多维平行六面体凸模型,能够较好处理独立变量和相关变量共存的情形,适用于刮板输送机链轮的可靠性灵敏度分析,另外,对功能函数进行标准化,便于后期确定刮板输送机链轮的非概率可靠性指标及非概率可靠性灵敏度。
4、本发明方法步骤简单,当刮板输送机链轮的功能函数g(X)为线性功能函数时,将不确定性变量向量X标准化,直接利用线性功能函数的均值和离差的比获取刮板输送机链轮的刮板输送机链轮的非概率可靠性指标,再利用刮板输送机链轮的非概率可靠性指标对变量中点、半径和相关系数分别求偏导数获取刮板输送机链轮的非概率可靠性灵敏度,可靠性高;当刮板输送机链轮的功能函数g(X)为非线性功能函数时,其均值与离差的解析式通常难以直接获得,将刮板输送机链轮的功能函数g(X)在不确定变量区间中点向量XC处作泰勒线性近似展开,给出相应的非概率可靠性指标的近似解析式,刮板输送机链轮的功能函数g(X)在不确定变量区间中点向量XC处作泰勒线性近似展开的结果较为稳定,再利用刮板输送机链轮的非概率可靠性指标对变量中点、半径和相关系数分别求偏导数获取刮板输送机链轮的非概率可靠性灵敏度,实现非线性功能函数的非概率可靠性灵敏度分析,功能完备,便于推广使用。
综上所述,本发明运用响应面法构建刮板输送机链轮的功能函数,利用多元二次回归方程的形式拟合变量与响应值之间的函数关系,将数学方法和统计方法相结合,适应于解决多变量问题,通过建立描述不确定性变量的多维平行六面体凸模型,能够较好处理独立变量和相关变量共存的情形,且可对线性或非线性的刮板输送机链轮的功能函数g(X)均计算非概率可靠性指标及非概率可靠性灵敏度,结果可靠,适用性强,便于推广使用。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明方法的方法流程框图。
图2为本发明不确定性变量Xi和不确定性变量Xj构成的二维平行四边形中两半轴变量的位置关系示意图。
具体实施方式
如图1所示,本发明的一种刮板输送机链轮的非概率可靠性灵敏度分析方法,包括以下步骤:
步骤一、确定刮板输送机链轮的功能函数:运用响应面法构建刮板输送机链轮的功能函数g(X)且其中,X为不确定性变量向量且X=(X1,X2,...,Xm)T,m为不确定性变量总数且m等于所述不确定性变量向量X的维数,i和j均为不确定性变量编号,Xi为第i个不确定性变量,Xj为第j个不确定性变量,i和j的取值范围均为1~m,a0为以1为基函数的常数项系数,ai为以Xi为基函数的一次项系数,aii为以为基函数的二次项系数,a0、ai和aii构成基函数系数矩阵a, 表示第i个不确定性变量Xi取值的区间,Xi 为不确定性变量Xi的下界,为不确定性变量Xi的上界;
需要说明的是,运用响应面法构建刮板输送机链轮的功能函数,利用多元二次回归方程的形式拟合变量与响应值之间的函数关系,将数学方法和统计方法相结合,适应于解决多变量问题。
步骤二、确定基函数系数矩阵:通过获取M组不确定性变量向量X的样本点和对应M组g(X)的响应值,利用Box-Behnken试验设计,运用最小二乘法确定基函数系数矩阵a=(XTX)-1XTg(X),其中,M的取值满足:M>1.5N,N为基函数的个数;
步骤三、复相关系数检验:对系数确定的刮板输送机链轮的功能函数g(X)做复相关系数R2检验,当复相关系数R2的结果不小于0.5时,执行步骤四,当复相关系数R2的结果小于0.5时,调整不确定性变量向量X的样本点后循环步骤二;
需要说明的是,通过获取不确定性变量向量X的样本点和对应g(X)的响应值,利用Box-Behnken试验设计,运用最小二乘法确定基函数系数矩阵,通过复相关系数检验找出相关度高的系数确定的刮板输送机链轮的功能函数g(X),为刮板输送机链轮的非概率可靠性灵敏度分析提供可靠的基础,可靠性高,使用效果好。
步骤四、建立描述不确定性变量的多维平行六面体凸模型:采用数据处理器对不确定性变量建立多维平行六面体凸模型,得到多维平行六面体凸模型为-e≤ρ-1T-1R-1(X-XC)≤e,其中,e为单位向量,ρ为相关系数矩阵且ρij为不确定性变量Xi和不确定性变量Xj之间的相关系数,T为由相关系数组成的对角阵且T=diag(w1,w2,…,wm),R为不确定变量区间半径组成的对角阵且 为不确定性变量Xi的区间半径,XC为不确定变量区间中点向量且 为不确定性变量Xi的区间中点;
需要说明的是,通过建立描述不确定性变量的多维平行六面体凸模型,能够较好处理独立变量和相关变量共存的情形,适用于刮板输送机链轮的可靠性灵敏度分析,另外,对功能函数进行标准化,便于后期确定刮板输送机链轮的非概率可靠性指标及非概率可靠性灵敏度。
步骤五、功能函数的标准化:根据公式X=RTρ·δ+XC,将不确定性变量向量X转化为标准化区间变量向量δ,将X=RTρ·δ+XC代入g(X),得到标准化区间变量空间的功能函数g(δ);
步骤六、确定刮板输送机链轮的非概率可靠性指标:当刮板输送机链轮的功能函数g(X)为线性功能函数,即将X=RTρ·δ+XC代入g(X),得到标准化区间变量空间的功能函数δj为第j个标准化区间变量;根据区间运算法则,可得当前g(δ)的均值gC(δ)且以及当前g(δ)的离差gR(δ)且则刮板输送机链轮的非概率可靠性指标
当刮板输送机链轮的功能函数g(X)为非线性功能函数,将刮板输送机链轮的功能函数g(X)在不确定变量区间中点向量XC处作泰勒线性展开,即将X=RTρ·δ+XC代入g(X),得到标准化区间变量空间的功能函数根据区间运算法则,可得当前g(δ)的均值gC(δ)且gC(δ)=gC(X),以及当前g(δ)的离差gR(δ)且则刮板输送机链轮的非概率可靠性指标
步骤七、确定刮板输送机链轮的非概率可靠性灵敏度:利用刮板输送机链轮的非概率可靠性指标对不确定性变量中点、半径和相关系数求偏导数,获取刮板输送机链轮的非概率可靠性灵敏度参数
当刮板输送机链轮的功能函数g(X)为线性功能函数时,
当刮板输送机链轮的功能函数g(X)为非线性功能函数时,
需要说明的是,当刮板输送机链轮的功能函数g(X)为线性功能函数时,将不确定性变量向量X标准化,直接利用线性功能函数的均值和离差的比获取刮板输送机链轮的刮板输送机链轮的非概率可靠性指标,再利用刮板输送机链轮的非概率可靠性指标对变量中点、半径和相关系数分别求偏导数获取刮板输送机链轮的非概率可靠性灵敏度,可靠性高;当刮板输送机链轮的功能函数g(X)为非线性功能函数时,其均值与离差的解析式通常难以直接获得,将刮板输送机链轮的功能函数g(X)在不确定变量区间中点向量XC处作泰勒线性近似展开,给出相应的非概率可靠性指标的近似解析式,刮板输送机链轮的功能函数g(X)在不确定变量区间中点向量XC处作泰勒线性近似展开的结果较为稳定,再利用刮板输送机链轮的非概率可靠性指标对变量中点、半径和相关系数分别求偏导数获取刮板输送机链轮的非概率可靠性灵敏度,实现非线性功能函数的非概率可靠性灵敏度分析,功能完备。
本实施例中,所述不确定性变量包括刮板输送机链轮齿形圆弧半径、刮板输送机链轮齿根圆弧半径、刮板输送机链轮链窝平面圆弧半径、刮板输送机链轮短齿根部圆环半径、刮板输送机链轮中心至平环链中心平面距离。
本实施例中,所述不确定性变量Xi和不确定性变量Xj之间的相关系数a为不确定性变量Xi和不确定性变量Xj构成的二维平行四边形中Xi=-k1Xj方向上的半轴长度,b为不确定性变量Xi和不确定性变量Xj构成的二维平行四边形中Xi=k2Xj方向上的半轴长度,k1和k2均为斜率且k1和k2均取正数,因此,-1≤ρij≤1。
本实施例中,所述复相关系数R2的结果为[0,0.1)时,刮板输送机链轮的功能函数g(X)没有相关性,刮板输送机链轮的功能函数g(X)拟合程度差;所述复相关系数R2的结果为[0.1,0.3)时,刮板输送机链轮的功能函数g(X)弱相关,刮板输送机链轮的功能函数g(X)拟合程度一般;所述复相关系数R2的结果为[0.3,0.5)时,刮板输送机链轮的功能函数g(X)中等相关,刮板输送机链轮的功能函数g(X)拟合程度良;所述复相关系数R2的结果为[0.5,1]时,刮板输送机链轮的功能函数g(X)强相关,刮板输送机链轮的功能函数g(X)拟合程度优。
本发明使用时,将其应力的失效模式作为分析对象,进行可靠性灵敏度分析,在刮板输送机的应力校核中,根据其日常工作模式的最大应力情况,给刮板输送机链轮施加大小为120kN的横向拉力,其作用位置为链窝处。在其校核的过程中,一共涉及到了五个不确定参数,刮板输送机链轮齿形圆弧半径X1、刮板输送机链轮齿根圆弧半径X2、刮板输送机链轮链窝平面圆弧半径X3、刮板输送机链轮短齿根部圆环半径X4、刮板输送机链轮中心至平环链中心平面距离X5,刮板输送机链轮齿形圆弧半径X1的取值区间刮板输送机链轮齿根圆弧半径X2的取值区间刮板输送机链轮链窝平面圆弧半径X3的取值区间刮板输送机链轮短齿根部圆环半径X4的取值区间刮板输送机链轮中心至平环链中心平面距离X5的取值区间其中,X1、X2、X3之间是互相相关的,X4、X5之间是互相独立的;
实际实施时,通过41组不确定性变量向量X的样本点和对应41个g(X)的响应值,利用Box-Behnken试验设计,得到了41组不同的试验结果,试验结果如表1所示。
表1
运用最小二乘法确定基函数系数矩阵,构造系数确定的刮板输送机链轮的功能函数式子中[f]为应力许用值,本发明中链轮链窝的材料为40Cr,查材料应力许用表得其值为单位面积上压强为785Mpa,对系数确定的刮板输送机链轮的功能函数g(X)做复相关系数R2检验,得R2=0.62,刮板输送机链轮的功能函数g(X)强相关,刮板输送机链轮的功能函数g(X)拟合程度优,符合精度要求;
相关系数矩阵多维平行六面体凸模型中的变量在标准化区间模型中的表达式为进而得刮板输送机链轮的功能函数g(X)为非线性功能函数,将刮板输送机链轮的功能函数g(X)在不确定变量区间中点向量XC处作泰勒线性展开,得到,将各不确定变量在标准化区间模型中的表达式代入上式中,可以得到根据区间运算法则,可得当前g(δ)的均值gC(δ)且gC(δ)=gC(X),以及当前g(δ)的离差gR(δ)且相应的计算结果如表2所示。
表2
由上表中数据可以得到:可靠性指标为0.36771,通过查表可得其可靠度为0.640576,刮板输送机链轮链窝平面圆弧半径X3的均值适当增加,将会导致应力可靠度增加;刮板输送机链轮齿形圆弧半径X1、刮板输送机链轮齿根圆弧半径X2、刮板输送机链轮短齿根部圆环半径X4、刮板输送机链轮中心至平环链中心平面距离X5的均值适当增加,将会导致应力可靠度的降低;刮板输送机链轮链窝平面圆弧半径X3的区间半径适当增加,将会导致应力可靠度增加;刮板输送机链轮齿形圆弧半径X1、刮板输送机链轮齿根圆弧半径X2、刮板输送机链轮短齿根部圆环半径X4、刮板输送机链轮中心至平环链中心平面距离X5的区间半径适当增加,将会导致应力可靠度的降低;刮板输送机链轮短齿根部圆环半径X4与刮板输送机链轮中心至平环链中心平面距离X5相关度对应力可靠度无影响;其余各不确定变量之间的相关度的适当增加,将会导致应力可靠度的降低。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制,凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化,均仍属于本发明技术方案的保护范围内。
Claims (4)
1.一种刮板输送机链轮的非概率可靠性灵敏度分析方法,其特征在于,该方法包括以下步骤:
步骤一、确定刮板输送机链轮的功能函数:运用响应面法构建刮板输送机链轮的功能函数g(X)且其中,X为不确定性变量向量且X=(X1,X2,...,Xm)T,m为不确定性变量总数且m等于所述不确定性变量向量X的维数,i和j均为不确定性变量编号,Xi为第i个不确定性变量,Xj为第j个不确定性变量,i和j的取值范围均为1~m,a0为以1为基函数的常数项系数,ai为以Xi为基函数的一次项系数,aii为以为基函数的二次项系数,a0、ai和aii构成基函数系数矩阵a, 表示第i个不确定性变量Xi取值的区间,Xi 为不确定性变量Xi的下界,为不确定性变量Xi的上界;
步骤二、确定基函数系数矩阵:通过获取M组不确定性变量向量X的样本点和对应M组g(X)的响应值,利用Box-Behnken试验设计,运用最小二乘法确定基函数系数矩阵a=(XTX)- 1XTg(X),其中,M的取值满足:M>1.5N,N为基函数的个数;
步骤三、复相关系数检验:对系数确定的刮板输送机链轮的功能函数g(X)做复相关系数R2检验,当复相关系数R2的结果不小于0.5时,执行步骤四,当复相关系数R2的结果小于0.5时,调整不确定性变量向量X的样本点后循环步骤二;
步骤四、建立描述不确定性变量的多维平行六面体凸模型:采用数据处理器对不确定性变量建立多维平行六面体凸模型,得到多维平行六面体凸模型为-e≤ρ-1T-1R-1(X-XC)≤e,其中,e为单位向量,ρ为相关系数矩阵且ρij为不确定性变量Xi和不确定性变量Xj之间的相关系数,T为由相关系数组成的对角阵且T=diag(w1,w2,…,wm),R为不确定变量区间半径组成的对角阵且 为不确定性变量Xi的区间半径,XC为不确定变量区间中点向量且 为不确定性变量Xi的区间中点;
步骤五、功能函数的标准化:根据公式X=RTρ·δ+XC,将不确定性变量向量X转化为标准化区间变量向量δ,将X=RTρ·δ+XC代入g(X),得到标准化区间变量空间的功能函数g(δ);
步骤六、确定刮板输送机链轮的非概率可靠性指标:当刮板输送机链轮的功能函数g(X)为线性功能函数,即将X=RTρ·δ+XC代入g(X),得到标准化区间变量空间的功能函数δj为第j个标准化区间变量;根据区间运算法则,可得当前g(δ)的均值gC(δ)且以及当前g(δ)的离差gR(δ)且则刮板输送机链轮的非概率可靠性指标
当刮板输送机链轮的功能函数g(X)为非线性功能函数,将刮板输送机链轮的功能函数g(X)在不确定变量区间中点向量XC处作泰勒线性展开,即将X=RTρ·δ+XC代入g(X),得到标准化区间变量空间的功能函数根据区间运算法则,可得当前g(δ)的均值gC(δ)且gC(δ)=gC(X),以及当前g(δ)的离差gR(δ)且则刮板输送机链轮的非概率可靠性指标
步骤七、确定刮板输送机链轮的非概率可靠性灵敏度:利用刮板输送机链轮的非概率可靠性指标对不确定性变量中点、半径和相关系数求偏导数,获取刮板输送机链轮的非概率可靠性灵敏度参数
当刮板输送机链轮的功能函数g(X)为线性功能函数时,
当刮板输送机链轮的功能函数g(X)为非线性功能函数时,
2.按照权利要求1所述的一种刮板输送机链轮的非概率可靠性灵敏度分析方法,其特征在于:所述不确定性变量包括刮板输送机链轮齿形圆弧半径、刮板输送机链轮齿根圆弧半径、刮板输送机链轮链窝平面圆弧半径、刮板输送机链轮短齿根部圆环半径、刮板输送机链轮中心至平环链中心平面距离。
3.按照权利要求1所述的一种刮板输送机链轮的非概率可靠性灵敏度分析方法,其特征在于:所述不确定性变量Xi和不确定性变量Xj之间的相关系数a为不确定性变量Xi和不确定性变量Xj构成的二维平行四边形中Xi=-k1Xj方向上的半轴长度,b为不确定性变量Xi和不确定性变量Xj构成的二维平行四边形中Xi=k2Xj方向上的半轴长度,k1和k2均为斜率且k1和k2均取正数,因此,-1≤ρij≤1。
4.按照权利要求1所述的一种刮板输送机链轮的非概率可靠性灵敏度分析方法,其特征在于:所述复相关系数R2的结果为[0,0.1)时,刮板输送机链轮的功能函数g(X)没有相关性,刮板输送机链轮的功能函数g(X)拟合程度差;所述复相关系数R2的结果为[0.1,0.3)时,刮板输送机链轮的功能函数g(X)弱相关,刮板输送机链轮的功能函数g(X)拟合程度一般;所述复相关系数R2的结果为[0.3,0.5)时,刮板输送机链轮的功能函数g(X)中等相关,刮板输送机链轮的功能函数g(X)拟合程度良;所述复相关系数R2的结果为[0.5,1]时,刮板输送机链轮的功能函数g(X)强相关,刮板输送机链轮的功能函数g(X)拟合程度优。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910205366.5A CN109766522B (zh) | 2019-03-18 | 2019-03-18 | 一种刮板输送机链轮的非概率可靠性灵敏度分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910205366.5A CN109766522B (zh) | 2019-03-18 | 2019-03-18 | 一种刮板输送机链轮的非概率可靠性灵敏度分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109766522A true CN109766522A (zh) | 2019-05-17 |
CN109766522B CN109766522B (zh) | 2022-12-09 |
Family
ID=66459468
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910205366.5A Active CN109766522B (zh) | 2019-03-18 | 2019-03-18 | 一种刮板输送机链轮的非概率可靠性灵敏度分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109766522B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528511A (zh) * | 2020-12-17 | 2021-03-19 | 中国矿业大学 | 一种刮板输送机链轮磨损可靠性评估方法 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003058506A1 (en) * | 2001-12-28 | 2003-07-17 | Kimberly-Clark Worldwide, Inc. | Quality management and intelligent manufacturing with labels and smart tags in event-based product manufacturing |
CN101165331A (zh) * | 2006-10-19 | 2008-04-23 | 本田技研工业株式会社 | 控制装置和控制方法 |
CN203626838U (zh) * | 2013-12-15 | 2014-06-04 | 西安科技大学 | 无链牵引滚筒采煤机的行走机构 |
CN204831950U (zh) * | 2015-07-31 | 2015-12-02 | 西安科技大学 | 一种链轮材料磨损实验装置 |
CN106094518A (zh) * | 2016-06-22 | 2016-11-09 | 北京航空航天大学 | 一种基于非概率可靠性优化的结构振动极点配置控制系统设计方法 |
CN106709215A (zh) * | 2017-02-21 | 2017-05-24 | 北京航空航天大学 | 一种基于级数展开的连续体结构非概率可靠性拓扑优化方法 |
CN107016173A (zh) * | 2017-03-22 | 2017-08-04 | 浙江大学 | 考虑概率和区间不确定性的高速压力机底座动态特性的可靠性设计方法 |
CN107563016A (zh) * | 2017-08-15 | 2018-01-09 | 西北工业大学 | 一种基于椭球模型的机翼盒段结构参数灵敏度分析方法 |
CN107908900A (zh) * | 2017-12-07 | 2018-04-13 | 北京航空航天大学 | 一种基于凸模型不确定性的连续体结构非概率可靠性拓扑优化方法 |
US20180284758A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for industrial internet of things data collection for equipment analysis in an upstream oil and gas environment |
CN109063283A (zh) * | 2018-07-17 | 2018-12-21 | 北京航空航天大学 | 一种刚-强度融合约束下的连续体结构可靠性拓扑优化方法 |
US20190025813A1 (en) * | 2016-05-09 | 2019-01-24 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for intelligent collection and analysis of vehicle data |
-
2019
- 2019-03-18 CN CN201910205366.5A patent/CN109766522B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2003058506A1 (en) * | 2001-12-28 | 2003-07-17 | Kimberly-Clark Worldwide, Inc. | Quality management and intelligent manufacturing with labels and smart tags in event-based product manufacturing |
CN101165331A (zh) * | 2006-10-19 | 2008-04-23 | 本田技研工业株式会社 | 控制装置和控制方法 |
CN203626838U (zh) * | 2013-12-15 | 2014-06-04 | 西安科技大学 | 无链牵引滚筒采煤机的行走机构 |
CN204831950U (zh) * | 2015-07-31 | 2015-12-02 | 西安科技大学 | 一种链轮材料磨损实验装置 |
US20180284758A1 (en) * | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for industrial internet of things data collection for equipment analysis in an upstream oil and gas environment |
US20190025813A1 (en) * | 2016-05-09 | 2019-01-24 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for intelligent collection and analysis of vehicle data |
CN106094518A (zh) * | 2016-06-22 | 2016-11-09 | 北京航空航天大学 | 一种基于非概率可靠性优化的结构振动极点配置控制系统设计方法 |
CN106709215A (zh) * | 2017-02-21 | 2017-05-24 | 北京航空航天大学 | 一种基于级数展开的连续体结构非概率可靠性拓扑优化方法 |
CN107016173A (zh) * | 2017-03-22 | 2017-08-04 | 浙江大学 | 考虑概率和区间不确定性的高速压力机底座动态特性的可靠性设计方法 |
CN107563016A (zh) * | 2017-08-15 | 2018-01-09 | 西北工业大学 | 一种基于椭球模型的机翼盒段结构参数灵敏度分析方法 |
CN107908900A (zh) * | 2017-12-07 | 2018-04-13 | 北京航空航天大学 | 一种基于凸模型不确定性的连续体结构非概率可靠性拓扑优化方法 |
CN109063283A (zh) * | 2018-07-17 | 2018-12-21 | 北京航空航天大学 | 一种刚-强度融合约束下的连续体结构可靠性拓扑优化方法 |
Non-Patent Citations (6)
Title |
---|
MING LI: "Reliability-based topology optimization of interval parameters structures with dynamic response constraints", 《2014 IEEE INTERNATIONAL CONFERENCE ON MECHATRONICS AND AUTOMATION》 * |
XIAO N C: "Non-probabilistic reliability sensitivity analysis of the model of structural systems which interval variables whose state of dependence is determined by constraints", 《PROCEEDINGS OF THE INSTITUTION OF MECHANICAL ENGINEERS》 * |
乔心州: "一种基于椭球凸集的结构非概率可靠性模型", 《工程力学》 * |
张思琦: "基于椭球集的非概率可靠性拓扑优化", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
张鑫: "基于可靠性的汽车转向机构稳健优化设计", 《中国优秀硕士学位论文全文数据库工程科技II辑》 * |
王良伟: "考虑变量相关性的非概率可靠性灵敏度分析方法", 《航空制造技术》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528511A (zh) * | 2020-12-17 | 2021-03-19 | 中国矿业大学 | 一种刮板输送机链轮磨损可靠性评估方法 |
CN112528511B (zh) * | 2020-12-17 | 2023-12-12 | 中国矿业大学 | 一种刮板输送机链轮磨损可靠性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109766522B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Mao et al. | Automated modal identification using principal component and cluster analysis: Application to a long‐span cable‐stayed bridge | |
CN103793853B (zh) | 基于双向贝叶斯网络的架空输电线路运行状态评估方法 | |
CN110210681B (zh) | 一种基于距离的监测站点pm2.5值的预测方法 | |
CN103063528B (zh) | 一种高温构件剩余寿命现场快速测评方法 | |
AU2019436655B2 (en) | Dynamic reliability evaluation method for coupling faults of middle trough of scraper conveyor | |
CN107563601A (zh) | 一种智能电能表运行状态评价方法 | |
CN109495296A (zh) | 基于聚类与神经网络的智能变电站通信网络状态评价方法 | |
CN108921230A (zh) | 基于类均值核主元分析和bp神经网络的故障诊断方法 | |
US20230400341A1 (en) | Method and system for determining abnormal device in process of measuring energy of natural gas based on internet of things | |
CN108898285A (zh) | 一种基于信息熵的啤酒包装生产线运行效率定量评估方法 | |
CN109472388B (zh) | 一种基于损耗的保电设备故障预警方法和系统 | |
CN109766522A (zh) | 一种刮板输送机链轮的非概率可靠性灵敏度分析方法 | |
Sanusi et al. | A combination of max‐type and distance based schemes for simultaneous monitoring of time between events and event magnitudes | |
CN106502885A (zh) | 一种基于ahp的智能电表软件质量评价系统 | |
Yang et al. | Assessment and selection of smart agriculture solutions using an information error‐based Pythagorean fuzzy cloud algorithm | |
CN104077489A (zh) | 一种能耗设备能效分析方法及其分析系统 | |
CN105741184B (zh) | 一种变压器状态评估方法及装置 | |
Akbarzadeh et al. | A hybrid fuzzy multi-criteria decision making model based on fuzzy dematel with fuzzy analytical network process and interpretative structural model for prioritizing larg supply chain practices | |
CN107480647A (zh) | 基于归纳式一致性异常检测的异常行为实时检测方法 | |
CN105931133A (zh) | 配电变压器更换优先级评定方法和装置 | |
Wroblewski et al. | Neural network system for helicopter rotor smoothing | |
Yu et al. | Fuzzy comprehensive approach based on AHP and entropy combination weight for pipeline leak detection system performance evaluation | |
Bing et al. | Application of BP neural network in the evaluation of standard implementation | |
McCall et al. | Fertiliser history is a useful predictor of soil fertility status | |
Chen et al. | Metering equipment running error estimation model based on genetic optimized LM algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |