[发明专利]基于贝叶斯统计学方法的轨道车辆车门电机寿命评估方法

摘要

一种基于贝叶斯统计学方法的轨道车辆车门电机寿命评估方法，其特征在于包括下列步骤：1)根据动车组车门电机历史数据进行统计得到被评估产品的寿命分布参数范围；2)搜集整理待评估动车组车门电机的维修记录，提取动车组车门电机的故障时间数据；3)利用贝叶斯统计学方法将寿命分布参数范围和故障时间数据融合，得到车门电机的寿命分布参数估计值；4)根据寿命分布参数估计值得到车门电机的寿命评估结果。本发明通过收集工程历史数据和车门电机的稀少数据，利用贝叶斯方法将工程历史数据和稀少数据融合起来，共同进行车门电机系统寿命评估，彻底解决了在稀少数据下对车门电机系统的整体寿命评估的难题，保证了车辆正常运营和合理制定维修计划。 1

主权项

1.一种基于贝叶斯统计学方法的轨道车辆车门电机寿命评估方法，其特征在于包括下列步骤：

1)根据动车组车门电机历史数据进行统计得到被评估产品的寿命分布参数范围；

2)搜集整理待评估动车组车门电机的维修记录，提取动车组车门电机的故障时间数据；

3)利用贝叶斯统计学方法将寿命分布参数范围和故障时间数据融合，得到车门电机的寿命分布参数估计值；

4)根据寿命分布参数估计值得到车门电机的寿命评估结果。

2.根据权利要求1所述的基于贝叶斯统计学方法的轨道车辆车门电机寿命评估方法，其特征在于：所述步骤1具体方法如下：

(1)将被评估车门电机的两次相邻故障之间的正常运行时间定义为随机变量T，找到与被评估车门电机相似的产品的历史数据，表示为集合{t_i}＝{t₁,...,t_n}，其中，t_i是随机变量T的观测值，i＝1,2,..n；其中n大于30；

(2)选取两参数Weibull分布作为随机变量T的分布模型，即为被评估产品的寿命分布模型，两参数Weibull分布的概率密度函数如式(1)所示：

其中，α>0，称为尺度参数；β>0，称为形状参数；t代表时间，p(t|α,β)代表随机变量T落到t处的概率密度；

(3)利用极大似然法并结合历史数据{t₁,...,t_n}，对式(1)进行参数估计，得到α和β的估计值；

根据式(1)，极大似然函数表示如下，

上式(2)分别对α和β求偏导数并令偏导数等于零，推导得到α和β的参数估计值：和表示如下：

(4)在数据{t_i}＝{t₁,...,t_n}中随机删除一个数据，根据剩下的数据，再次利用极大似然法进行参数估计，得到一组新的和重复上述过程1000次，得到1000组和在1000组和中找到和的最大值和最小值，随之确定了α和β的取值范围，即为寿命分布参数的范围，用区间(α_L,α_U)和区间(β_L,β_U)表示，α_L表示的最小值，α_U表示的最大值，β_L表示的最小值，β_U表示