[发明专利]一种基于GA-Elman神经网络的可靠性增长预测方法

摘要

一种基于GA‑Elman神经网络的可靠性增长预测方法，其步骤如下：一、收集故障数据；二、将故障数据整理成训练数据组；三、设置GA‑Elman神经网络参数；四、建立可靠性增长模型；五、对产品进行可靠性增长预测；六、对产品进行可靠性增长跟踪预测；七、结果分析讨论；通过以上步骤，建立了一种基于GA‑Elman神经网络的可靠性增长预测方法。在历史故障数据的基础上，每产生新的故障数据都是可靠性增长的新状态，利用神经网络非线性拟合构建增长预测模型，利用自学习能力实现模型更新，解决传统模型应用范围受限，参数求解复杂，以及不能及时更新模型等问题，提高了在增长过程中预测的准确性、跟踪的有效性，为可靠性增长管理提供指导。

主权项

1.一种基于GA‑Elman神经网络的可靠性增长预测方法，提出的基本假设如下：假设1、在产品研制过程中均有检测设备监控产品质量。检测结果是绝对可靠的；假设2、产品在研制过程中发生故障的原因是相互独立的；假设3、产品故障后采取维修或者替换元器件的方式使产品能恢复正常工作；假设4、在增长过程中会发生较多的故障；假设5、设备发生各类型故障中可修故障占80％以上；基于上述假设，本发明提出的一种基于GA‑Elman神经网络的可靠性增长预测方法，其步骤如下：步骤1、收集相关产品的故障数据；步骤2、将故障数据整理成训练数据组；步骤3、设置GA‑Elman神经网络参数；步骤4、建立可靠性增长模型；步骤5、；对产品进行可靠性增长预测；步骤6、对产品进行可靠性增长跟踪预测；步骤7、结果分析。通过以上步骤，建立了一种基于GA‑Elman神经网络的可靠性增长预测方法，根据在历史故障数据的基础上，将每产生一个新的故障数据看做是一种新的状态，然后利用神经网络非线性拟合构建增长模型，利用自学习训练能力实现模型更新从而解决了传统模型应用范围受限，参数求解复杂，以及不能及时实现模型更新，准确描述可靠性增长过程的问题。提高了在增长过程中预测的科学性、全面性，，跟踪的有效性，超前性，有利于指导研制单位在开展可靠性增长管理时提供科学的决策，提升研发效率。