基于Bootstrap法的小样本数控刀架可靠性评估
Manufacturing Technology & Machine Tool（2020）
摘要
数据扩容是目前小样本可靠性研究的重要内容之一,Bootstrap法由于只需要实际观测数据不需要先验信息,在工程实际中被广泛应用o传统Bootstrap法在扩充样本时,新生样本取值区间只限于原始小样本数据区间,这在样本充满随机性的数控刀架可靠性评估中是影响最终结果精度的弊端.针对这一弊端,改进传统Bootstrap法,对定位样本进行双向扩容,并在计算新数据时新抽取一个有可能大于1的随机数.为验证改进效果,以一份大样本数控刀架失效数据为基础,抽样得到若干组小样本数据,运用改进前后方法分别对小样本数据进行可靠性评估,结果表明改进方法在适应性与精确性上优于传统方法.因此,改进Bootstrap法在可靠性评估中其数据扩容的结果能够与本体更为接近.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要