[发明专利]基于乏信息理论融合的产品寿命特征信息提取方法无效

专利信息
申请号: 201110031491.2 申请日: 2011-01-29
公开(公告)号: CN102081767A 公开(公告)日: 2011-06-01
发明(设计)人: 夏新涛 申请(专利权)人: 河南科技大学
主分类号: G06Q10/00 分类号: G06Q10/00
代理公司: 郑州睿信知识产权代理有限公司 41119 代理人: 陈浩
地址: 471003 河*** 国省代码: 河南;41
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 信息 理论 融合 产品 寿命 特征 提取 方法
【权利要求书】:

1. 基于乏信息理论融合的产品寿命特征信息提取方法,其特征在于,该方法的步骤如下:

(1)随机选取n个待检测产品样本进行定时截尾试验,获得产品样本寿命时间的原始信息                                               ,其中n >2,有个失效信息和个截尾信息;

(2)选取乏信息理论的可放回伪等概率抽样模式,用准自助法将定时截尾试验的产品样本寿命时间的原始信息转换为大样本生成信息;

(3)针对两参数威布尔分布的密度函数式 (1)和分布函数式(2),用极大似然法有效地处理大样本生成信息,获取形状参数β和尺度参数η的大样本含量的极大似然估计值;

(4)用乏信息理论的最大熵法分别处理形状参数和尺度参数的极大似然估计值,提取形状参数的密度函数γ(β)和尺度参数的密度函数ε(η);

(5)根据产品寿命及其可靠度的失效概率和置信水平的要求给出置信水平,由形状参数和尺度参数的密度函数分别计算得到形状参数和尺度参数的下边界值和上边界值,同时得到期望值;

(6)根据产品寿命及其可靠度的失效概率和置信水平的要求给出失效概率,由形状参数和尺度参数的期望值、下边界值和上边界值,通过两参数威布尔分布寿命及其可靠性计算,获取产品寿命特征信息即寿命及其可靠性的期望值、下边界值和上边界值信息,以实现产品寿命特征信息的提取。

2. 根据权利要求1所述的基于乏信息理论融合的产品寿命特征信息提取方法,其特征在于:所述步骤(2)中伪等概率地从原始信息中获得1个抽样信息,将其作为1个自助样本信息后再放回到原始信息中,这样抽样r次,再加上s个截尾信息,就得到1个含量为n的准自助样本;这是第1步,重复这个抽样过程B步,就得到B个含量为n的准自助样本即大样本生成信息。

3. 根据权利要求2所述的基于乏信息理论融合的产品寿命特征信息提取方法,其特征在于:所述步骤(2)中假设进行到了第j步准自助抽样,从式(3)失效时间信息中伪等概率可放回地抽样1次,获得1个抽样信息,如此抽样r次,得到r个关于失效时间的抽样信息,由于截尾时间式(4) 中有s=n-r个产品样本截尾,则第j个定时截尾非完整信息的准自助样本为

               (5)

式中,B为准自助抽样的总步数即准自助样本个数,取B=10000~20000 即可满足参数估计精度的要求。

4.   根据权利要求3所述的基于乏信息理论融合的产品寿命特征信息提取方法,其特征在于:所述步骤(3)中两参数极大似然估计值是按以下两公式计算得到的                               (7)

                                             (8)

将式(5)代入上述两式,进行B步有效的极大似然估计,得到B个极大似然估计结果。

5.   根据权利要求4所述的基于乏信息理论融合的产品寿命特征信息提取方法,其特征在于:所述步骤(3)中有效的极大似然估计是指满足式 (7)的收敛估计,若准自助样本式(5)不能从式 (7)中得到收敛结果,则重新进行准自助抽样,获得新的准自助样本式(5),直到收敛为止。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于河南科技大学,未经河南科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201110031491.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top