基于最小二乘支持向量机的小样本威布尔可靠性分析

中国机械工程

基于最小二乘支持向量机的小样本威布尔可靠性分析

张新锋1,赵彦2

1.长安大学汽车运输安全保障技术交通行业重点实验室,西安,710064
2.西安电子科技大学,西安,710071

出版日期:2012-08-25 发布日期:2017-05-27
基金资助:
中央高校基本科研业务费专项资金资助项目（CHD2010JC066,72105473);长安大学基础研究支持计划专项基金资助项目；汽车运输安全保障技术交通行业重点实验室开放基金资助项目
Fundamental Research Funds for the Central Universities( No. CHD2010JC066,72105473 )

Weibull Reliability Analysis in Small Samples Based on LSSVM

Zhang Xinfeng1;Zhao Yan2

1.Key Laboratory of Automotive Transportation Safety Enhancement Technology of the Ministry of Communication,Chang'an University,Xi'an,710064
2.Xidian University,Xi'an,710071

Online:2012-08-25 Published:2017-05-27
Supported by:

Fundamental Research Funds for the Central Universities( No. CHD2010JC066,72105473 )

摘要/Abstract

摘要： 在图估法的基础上,提出了基于最小二乘支持向量机的威布尔可靠性分析方法,在MATLAB平台上绘制了威布尔概率纸,通过程序化的方式分析估计威布尔概率参数;进行了可靠性寿命分析,并对比分析了基于最小二乘支持向量机、支持向量机和最小二乘法威布尔可靠性分析的效果。实例分析结果显示,在威布尔可靠性分析中,最小二乘支持向量机的拟合精度不仅优于传统的最小二乘法的拟合精度,而且优于支持向量机的拟合精度,表明该方法可以提高可靠性分析效率和精度，可作为威布尔可靠性分析的一种新方法，特别适用于小样本的情况。

关键词: 最小二乘支持向量机, 支持向量机, 威布尔分析, 可靠性评估, 小样本

Abstract: Based on LSSVM,a method of improved Weibull reliability analysis was proposed.The parameters
of Weibull distribution and reliability life were analyzed by the Weibull probability paper drawn by MATLAB.The analysis result comparisons were made by LSSVM,SVM and least square method.The numerical results show that the precision of the method based on LSSVM is higher than that of the least square method,and higher than that of SVM.The method based on LSSVM can improve the analysis precision and efficiency in small samples.The reliability analysis based on LSSVM is another choice of Weibull reliability analysis.

Key words: least square support vector machine(LSSVM), support vector machine(SVM), Weibull analysis, reliability evaluation, small samples

中图分类号:

张新锋1,赵彦2. 基于最小二乘支持向量机的小样本威布尔可靠性分析[J]. 中国机械工程.

Zhang Xinfeng1;Zhao Yan2. Weibull Reliability Analysis in Small Samples Based on LSSVM[J]. China Mechanical Engineering.

导出引用管理器 EndNote|Ris|BibTeX

链接本文: https://www.cmemo.org.cn/CN/

https://www.cmemo.org.cn/CN/Y2012/V23/I16/1967

参考文献

[1]Lemon G H. Maximum Likelihood Estimations for the Three Parameters Weibull Distribution Based on Censored Samples[J]2. Technometrics, 1975,17 ( 2 ) .. 247-254.
[2]费鹤良,陈迪.三参数威布尔分布的参数估计方法[J].上海师范大学学报：自然科学版,1996,0(2):1-8.
[3]周广涛.计算机辅助可靠性设计[M].北京:宇航出版社,1990:102-106.
[4]傅惠民[1],高镇同[2].确定威布尔分布三参数的相关系数优化法[J].航空学报,1990,11(7):A323-A327.
[5]Vapnik V N. Statistical Learning Theory[M]. New York:J. Wiley, 1998.
[6]Cristianini N,Shawe Taylor J. An Introduction to Support Vector Machines and Other Kernel--based Learning Methods[M. Oxford: Cambridge Univer-sity Press,2000.
[7]Gunn S R. Support Vector Machines {or Classification and Regression[R]. Southampton: University o South- ampton, 1997.
[8]Dumais S, Platt J, Heckerman J, et al. Inductive Learning Algorithms and Representations for Text Categorization [ C ]//Proceedings of ACM -- CIKM98. New York, 1998 : 148-155.
[9]Cao L J,Tay F E H. Support Vector Machine with Adaptive Parameters in Financial Time Series Fore- casting [J]. IEEE Transactions on Neural Net- works, 2003,6(14) : 1506-1518.
[10]Vapnik V. The Nature of Statistical Learning The- oryEM]. New York: Springer-- Verlag, 1995.
[11]Sch61kop{ B,Smola A J. Learning with Kernels--sup- port Vector Machines, Regularization, Optimization and Beyond-M]. Cambridge: MIT Press, 2002.
[12]王霄锋.汽车可靠性工程基础[M].北京:清华大学出版社,2007:61-92.
[13]Zou Xinyao, Yao Ruohe. Shape Parameter Evalua- tion of Weibull Distribution Based on Least Squares Support Vector Machine[J]. Test and E- auiDment, 2008,33 (6) : 501-505.
[14]冼广铭[1].基于最小二乘小波支持向量机的数据拟合实验[J].计算机工程与应用,2008,44(18):36-38.

[1]	胡新宇, 张骏巍, 艾佳, 李云翎, 严爽. 一种自适应目标区域提取的小样本丝印字符缺陷检测方法[J]. 中国机械工程, 2025, 36(12): 2968-2977.
[2]	周潼, 程军, 王克鲁, 鲁世强, 李鑫, 刘杰. Ti₂AlNb基合金热变形行为及加工图研究[J]. 中国机械工程, 2025, 36(11): 2757-2765.
[3]	吴石, 张勇, 王宇鹏, 王春风. 基于双信号融合的主轴/刀柄结合面刚度退化程度预测[J]. 中国机械工程, 2024, 35(08): 1449-1461.
[4]	梁强1, 李雄2, 王海洋3, 王伟任2, 徐永航1, 刘新2, 杜彦斌1. 基于小样本数据驱动的弹壳打凹平底成形工艺参数优化决策方法[J]. 中国机械工程, 2024, 35(06): 1086-1096.
[5]	钱萍, 陈驰, 陈文华, 吴山奇, 郭明达. 电连接器用聚氨酯胶密封件贮存可靠性统计模型的加速试验验证与评估[J]. 中国机械工程, 2024, 35(05): 886-894.
[6]	岳建锋, 龙新宇, 黄云龙, 郭嘉龙, 刘文吉. 基于电弧声信号的窄间隙脉冲熔化极气体保护焊侧壁熔合状态在线识别[J]. 中国机械工程, 2024, 35(02): 244-250，259.
[7]	胡博, 罗炜韬, 王少飞, 蓝希旺. 基于支持向量机参数优化的高温合金表面缺陷磁异常定量研究[J]. 中国机械工程, 2023, 34(17): 2058-2064.
[8]	易茜, 柳淳 , 李聪波, 易树平, 何爽. 基于小样本数据驱动的滚齿工艺参数低碳优化决策方法[J]. 中国机械工程, 2022, 33(13): 1604-1612.
[9]	毛天雨, 刘怀举, 王宝宾, 侯圣文, 陈地发. 基于分层贝叶斯模型的齿轮弯曲疲劳试验分析[J]. 中国机械工程, 2021, 32(24): 3008-3015，3023.
[10]	余浩帅, 汤宝平, 张楷, 谭骞, 魏静. 小样本下混合自注意力原型网络的风电齿轮箱故障诊断方法[J]. 中国机械工程, 2021, 32(20): 2475-2481.
[11]	李向杰, 张向文, . 基于人工蜂群支持向量机的电动汽车制动意图识别方法[J]. 中国机械工程, 2021, 32(17): 2125-2135.
[12]	何强, 唐向红, 李传江, 陆见光, 陈家兑. 负载不平衡下小样本数据的轴承故障诊断[J]. 中国机械工程, 2021, 32(10): 1164-1171,1180.
[13]	丁嘉鑫;王振亚;姚立纲;蔡永武. 广义复合多尺度加权排列熵与参数优化支持向量机的滚动轴承故障诊断[J]. 中国机械工程, 2021, 32(02): 147-155.
[14]	刘元铭, 王振华, 王涛, 刘文礼, 熊晓燕. [成形质量的闭环与自适应控制技术]热轧带钢出口凸度数据驱动建模及智能化预测分析[J]. 中国机械工程, 2020, 31(22): 2728-2733.
[15]	王新刚, 张鑫垚, 杨禄杰, 马瑞敏. 竞争失效条件下针对磨损退化数据的刀具可靠性分析[J]. 中国机械工程, 2020, 31(14): 1672-1677,1746.