滾動(dòng)軸承乏信息試驗(yàn)評估方法及其應(yīng)用技術(shù)研究.pdf

1、乏信息指研究對象呈現(xiàn)的特征信息不完備與不充分。本文在綜合分析現(xiàn)有成果基礎(chǔ)上，研究乏信息系統(tǒng)理論在滾動(dòng)軸承試驗(yàn)分析中的應(yīng)用問題。在某些滾動(dòng)軸承測量和性能試驗(yàn)中，常常難以得到大量的數(shù)據(jù)。比如一些新型航天軸承和一些特殊軸承的研制與生產(chǎn)，由于品種多批量小，每個(gè)品種每次需求只有十幾套甚至幾套，因此能用于性能試驗(yàn)的更少；因?yàn)槿狈Ω怕史植己挖厔蓓?xiàng)的先驗(yàn)信息，所以不能用流行方法解決這類軸承的試驗(yàn)評估問題。 考慮到概率分布未知且數(shù)據(jù)個(gè)數(shù)很少，提出

2、靜態(tài)評估的模糊范數(shù)法和基于區(qū)間數(shù)的模糊范數(shù)法。這兩種方法用隸屬函數(shù)和最大模范數(shù)最小化原理，獲取概率分布函數(shù)，進(jìn)而建立給定置信水平的區(qū)間評估模型，無需原始數(shù)據(jù)概率分布的任何信息；最大模范數(shù)最小化處理允許數(shù)據(jù)個(gè)數(shù)很少。若數(shù)據(jù)個(gè)數(shù)為偶數(shù)且大于5，則可以用基于區(qū)間數(shù)的模糊范數(shù)法提取原始數(shù)據(jù)序列的隨機(jī)信息和尺度信息兩個(gè)子序列。用模糊范數(shù)法分別處理這兩個(gè)子序列后，再用區(qū)間數(shù)運(yùn)算法則對處理結(jié)果進(jìn)行融合，就可以評估總體的屬性參數(shù)。若直接用模糊范數(shù)法，則

3、數(shù)據(jù)個(gè)數(shù)可以少至3個(gè)。 提出最大熵自助法，以解決試驗(yàn)次數(shù)很少，但每次試驗(yàn)的數(shù)據(jù)個(gè)數(shù)比較多時(shí)的靜態(tài)評估問題。首先建立各次試驗(yàn)數(shù)據(jù)的最大熵概率分布，然后用自助再抽樣原理對各次試驗(yàn)數(shù)據(jù)得到的最大熵概率分布信息進(jìn)行融合，最后得到總體的穩(wěn)定狀態(tài)描述，實(shí)現(xiàn)從個(gè)體參數(shù)識別到總體屬性的推斷。最大熵自助法允許試驗(yàn)次數(shù)可以少至3次。 有機(jī)融合灰預(yù)測GM(1，1)和自助法的優(yōu)點(diǎn)，建立了灰自助法，以實(shí)現(xiàn)乏信息試驗(yàn)的動(dòng)態(tài)評估。該方法突破了灰預(yù)報(bào)對

4、原始數(shù)據(jù)有特殊要求的禁區(qū)，完善了區(qū)間估計(jì)的自助法。在概率分布未知和缺乏趨勢項(xiàng)先驗(yàn)信息條件下，用6個(gè)指標(biāo)(動(dòng)態(tài)估計(jì)真值、動(dòng)態(tài)估計(jì)真值的均值、估計(jì)真值變動(dòng)量、動(dòng)態(tài)估計(jì)區(qū)間、動(dòng)態(tài)波動(dòng)范圍、動(dòng)態(tài)波動(dòng)范圍平均值)全面描述系統(tǒng)的瞬間狀態(tài)和整體特征，有效分離趨勢項(xiàng)并實(shí)施動(dòng)態(tài)評估，提高了預(yù)報(bào)的可靠性?；易灾ㄐ枰漠?dāng)前數(shù)據(jù)個(gè)數(shù)少至3個(gè)。 提出兩個(gè)數(shù)據(jù)序列的灰關(guān)系及其灰假設(shè)檢驗(yàn)方法，以解決灰色系統(tǒng)理論要求至少有3個(gè)數(shù)據(jù)序列才能構(gòu)成灰關(guān)聯(lián)空間的問題

5、。對于排序和非排序假設(shè)檢驗(yàn)兩個(gè)模型，前者用于和數(shù)據(jù)前后順序無關(guān)的屬性檢驗(yàn)，后者則用于和數(shù)據(jù)前后順序有關(guān)的屬性檢驗(yàn)?；谊P(guān)系超越了灰關(guān)聯(lián)序空間的限制，將灰關(guān)聯(lián)分析提升為灰假設(shè)檢驗(yàn)。灰關(guān)系允許小樣本數(shù)據(jù)，對概率分布無任何要求，彌補(bǔ)了統(tǒng)計(jì)假設(shè)檢驗(yàn)方法的不足?；壹僭O(shè)檢驗(yàn)允許數(shù)據(jù)序列個(gè)數(shù)少至2個(gè)，每個(gè)數(shù)據(jù)序列的數(shù)據(jù)個(gè)數(shù)可以少至3個(gè)。 對所提出的方法進(jìn)行了計(jì)算機(jī)仿真驗(yàn)證，涉及到的數(shù)據(jù)序列有正態(tài)分布，瑞利分布，均勻分布和三角分布隨機(jī)變量；混合分

6、布的平穩(wěn)隨機(jī)過程；趨勢項(xiàng)；各種分布和趨勢項(xiàng)混合的非平穩(wěn)隨機(jī)過程。驗(yàn)證結(jié)果表明，所提出的方法能比較準(zhǔn)確地描述各種隨機(jī)變量、平穩(wěn)隨機(jī)過程以及非平穩(wěn)隨機(jī)過程的瞬間狀態(tài)和整體特征，有效分離趨勢項(xiàng)，可靠實(shí)施乏信息評估。 對所提出的方法進(jìn)行了試驗(yàn)驗(yàn)證，涉及到滾動(dòng)軸承圓度誤差，摩擦力矩，振動(dòng)和噪聲。驗(yàn)證結(jié)果表明，在沒有概率分布與趨勢項(xiàng)先驗(yàn)信息而只有很少數(shù)據(jù)的條件下，評估結(jié)果與試驗(yàn)結(jié)果很吻合，置信水平均達(dá)到95％以上。 所提出的方法還在