买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：电子科技大学长三角研究院(湖州)

摘要：本发明涉及轨道车辆技术领域，具体为基于动态贝叶斯网络的轨道车辆转向架可靠性分析方法，包括抽取训练样本集和初始样本点，训练自适应Kriging模型，采用学习函数UH更新自适应Kriging模型、通过TV‑Copula函数拟合最优状态值之间时变相关性、通过AIC准则构建两两最优状态值集合之间最优TV‑pairCopula函数、构建TV‑VineCopula函数，作为贝叶斯网络DAG，构建各变量之间TV‑VC‑BN、构建TV‑VC‑DBN，得到失效概率、计算可靠度。本发明采用主动学习函数UH选择最优样本点对自适应Kriging代理模型进行优化，提高自适应Kriging代理模型精度；通过使用TV‑Copula函数最终建立TV‑VC‑DBN模型，将可靠性的分析与时变相关性相结合，提高可靠性分析准确性；通过使用K折交叉检验判断UH函数停止准则，提高主动学习函数UH选择最优样本点准确性。

主权项：1.基于动态贝叶斯网络的轨道车辆转向架可靠性分析方法，其特征在于，包括以下步骤：S1：确定若干组不同的轨道车辆转向架实时数据及其初始设计空间，在每组初始设计空间中抽样获取初始样本点及训练样本集，通过对每组训练样本集进行仿真计算，分别得到每组轨道车辆转向架实时状态，分别使用每组训练样本集及其轨道车辆转向架实时状态训练自适应克里金模型自适应Kriging模型，并对每组训练样本集进行步骤S2-S3；S2：采用学习函数UH从该组的初始样本点中选择最优样本点，并用K折交叉验证学习函数UH迭代停止准则，满足迭代停止准则后将最优样本点加入当前训练样本集中得到样本集，并将最优样本点带入该组当前自适应Kriging模型中得到最优状态值；S3：使用样本集优化自适应Kriging模型，并计算变异系数判断模型是否达到终止条件，若变异系数不满足要求则重复步骤S2-S3，并得到该组的最优状态值集合，为该组的最优状态值个数，若变异系数满足要求则停止循环步骤S2-S3，并对每组训练样本集进行步骤S2-S3，获得每组的最优状态值集合；S4：通过时变Copula函数TV-Copula函数拟合最优状态值集合之间的时变相关性，通过赤池信息准则AIC准则构建两两最优状态值集合之间的最优时变pairCopula函数TV-pairCopula函数，并构建时变VineCopula函数TV-VineCopula函数，作为贝叶斯网络的有向无环图DAG；S5：基于步骤S4得到的贝叶斯网络的DAG构建各变量之间的时变VineCopula贝叶斯网络TV-VC-BN；S6：根据TV-VC-BN，构建时变VineCopula动态贝叶斯网络TV-VC-DBN，得到失效概率，根据失效概率计算可靠度；S7：判断失效概率是否达到要求，若未达到要求则重复步骤S4-S7，若达到要求则输出当前可靠度。

全文数据：

权利要求：

百度查询： 电子科技大学长三角研究院(湖州) 基于动态贝叶斯网络的轨道车辆转向架可靠性分析方法