[发明专利]基于生存分析和贝叶斯网络的自锁螺母寿命预测方法

权利要求书

1.基于生存分析和贝叶斯网络的自锁螺母寿命预测方法，其特征在于，包括以下步骤:

步骤1、收集自锁螺母的属性变量数据以及寿命变量数据；

步骤2、根据步骤1中收集到的数据，进行K-M生存分析，分析每个属性变量对自锁螺母寿命的影响，得到生存曲线；

步骤3、对步骤2中得到的生存曲线进行log-rank检验，剔除属性变量中的无关变量，对每个有效属性变量的生存曲线进行分析，得到其对总体寿命的影响；

步骤4、将自锁螺母的寿命变量设定为目标变量，并进行离散化处理，得出目标变量的概率分布，同时根据步骤3中剔除无关变量后的剩余有效属性变量，分别得出目标变量下有效属性变量各个状态的条件概率表；

步骤5、根据步骤4中各有效属性变量关于目标变量的条件概率表，基于朴素贝叶斯网络构建自锁螺母的寿命预测模型；

步骤6、根据步骤5构建的寿命预测模型，结合步骤4中有效属性变量的条件概率表，对于一个具体的自锁螺母，通过后验概率推理得出其寿命预测结果。

2.如权利要求1所述基于生存分析和贝叶斯网络的自锁螺母寿命预测方法，其特征在于，所述步骤1中属性变量数据，包括收口方式、螺母材料、工作温度。

3.如权利要求2所述基于生存分析和贝叶斯网络的自锁螺母寿命预测方法，其特征在于，所述步骤1中属性变量数据，在实际试验中收集并记录到的变量数据，只要无缺失值都可使用，但必须属于离散变量。

4.如权利要求1所述基于生存分析和贝叶斯网络的自锁螺母寿命预测方法，其特征在于，所述步骤5中，利用朴素贝叶斯网络对目标变量——循环装拆次数构建寿命预测模型，模型的图形化表示为从目标变量指向各个有效属性变量；其中循环装拆次数在模型中是作为父节点，各有效属性变量在模型中作为子节点。

5.如权利要求4所述基于生存分析和贝叶斯网络的自锁螺母寿命预测方法，其特征在于，所述有效属性变量为镀层、收口方式、螺母结构、工作温度和螺母材料。