基于BP神经网络对复杂机电系统可靠性的评估

阚延鹏，陈 玉，刘永明，韩 波

(安徽工程大学 机械工程学院，安徽 芜湖 241000)

如今，工业机器人的发展程度是衡量各个国家制造业水平的一个标准，因此，工业机器人的可靠性研究尤为重要，准确地评估能有效地降低系统故障率。掌握机器在不同工作时间下的可靠度能及时对部件进行维护，提高使用寿命。研究的六自由度工业机器人由控制柜和机械本体组成，包括机械件、电子元器件等部件。整个系统可靠性水平的高低主要取决于关键部件，因此需要对关键部件进行可靠度计算。近年来，国内外对可靠性的预测做了很多研究。李翠建立故障树可靠性模型对数控机床可靠性进行分析。Chen Luyi等采用遗传算法来选择RBF神经网络的径向基函数中心和径向基函数宽度，并对隐含层和输出层进行线性加权来对机器人可靠性进行预测。田震等采用粒子群算法优化BP神经网络预测可靠性，把影响因素作为模型输入，采煤机可靠度为目标输出值。沈国强等利用图解法和改进的ABC算法对三参数威布尔模型的参数进行估计和优化，并用该模型计算机车关键零部件的可靠度指标。常彪建立威布尔分布的数学模型，以关键部件的故障为依据计算可靠性。杨培林等利用概率行为树建立了机电系统的形式化模型后用概率模型检测评价可靠性。胡杰利用数学公式对高速包装机器人的子系统进行可靠度计算，并建立故障树对机器人进行可靠性分析。……