人工神经网络与“可靠性工程”课程的完美融合

宋述芳　王致　付航

摘    要：可靠性工程是产品寿命周期内的全部可靠性活动的统称，其核心内容是可靠性分析。工程中小概率事件的直接可靠性分析难以实现，需要融入人工神经网络方法，通过对样本数据进行训练，确定人工神经网络模型的激励函数和权重值，实现失效面的回归求解，并完成对测试样本的准确分类预测。“可靠性工程”课程中融入人工神经网络，可以突破可靠性工程求解中存在的天然瓶颈，有效地实现对样本数据的优化处理，降低小样本所带来的误差风险。

关键词：人工神经网络;可靠性工程;回归;分类;失效概率

中图分类号：G642          文献标识码：A         文章编号：1002-4107（2021）11-0042-03

“可靠性工程”是以解决可靠性问题为出发点的新兴交叉边缘学科[1]。为了达到保证产品的可靠性或有效性，延长其使用周期，提高其使用效益的目的，可靠性工程要求在产品全寿命周期内开展与可靠性相关的分析、设计、管理、试验等系列活动。利用可靠性工程理论与技术手段，能够探究产品或系统故障发生的原因，确定产品的薄弱环节，提出消除或预防故障的改进措施等。专业课程“可靠性工程”的授课内容主要包括：可靠性分析、可靠性设计、可靠性试验、可靠性管理等，其核心内容是可靠性分析。高效、高精度的可靠性分析的前提是显式化的可靠性数学模型。

近年来，人工神经网络（Artificial Neural Network，ANN）作为人工智能领域的排头兵[2]，相关研究取得了飞速的发展，并广泛应用于模式识别、智能制造、预测评估等多个领域，表现出了良好的智能特性。……