一种基于小样本的低碳合金钢疲劳寿命预测方法技术

本发明专利技术属于机械零件检测技术领域，公开了一种基于小样本的低碳合金钢疲劳寿命预测方法，能够防止采样过程中采样点集中在单个区域，保障了采集样本数据的，大大提高金属构件疲劳寿命预测的准确性，使其理论计算结构更加贴合于实际数据，首先，测量得到样本的公法线长度，基于公法线长度建立误差圆模型，所述误差圆模型以公法线长度作为圆心，以公法线长度的绝对值与极限采样误差的乘积为误差圆模型的半径。的半径。的半径。

【技术实现步骤摘要】
一种基于小样本的低碳合金钢疲劳寿命预测方法


[0001]本专利技术属于机械零件检测
，具体涉及一种基于小样本的低碳合金钢疲劳寿命预测方法。

技术介绍

[0002]齿轮是机械设备中最重要的零件之一，齿轮的疲劳性能已成为影响机械设备运行效率的关键因素。在疲劳测试过程中，各阶段都会出现如试验台的加载精度、试样的尺寸精度、表面处理条件等各种不确定性因素，这种不确定性因素会影响疲劳测试结果的稳定性。目前的疲劳测试阶段，为了确定不确定性因素的数据对齿轮疲劳测试结果的影响，需要对齿轮进行检测，但是由于劳动力和材料成本的上升，不可能对所有齿轮进行检测，只能选取部分齿轮样本进行检测，检测所获得的数据通常构成小样本量，而根据这些小样本数据测量结果对所有齿轮进行稳定准确的判断是必不可少的重要环节。
[0003]目前，针对上述问题，研究者提出了自举法来解决上述技术问题，自举法是在原始小样本范围内，通过随机抽样和替换，从原始小样本中抽取未知分布的自助样本，对大量的未知分布的自助样本进行分析，就可以达到将小样本扩展为大样本分析的效果。
[0004]但是自举法也存在着明显缺陷，在重复采样过程中，采样点容易集中在特定的区域时，这样得到的扩展样本，在进行金属疲劳预测进行分析时，理论预测计算值会与实际数据值存在很大的偏差。

技术实现思路

[0005]针对现有技术的不足，本专利技术提供一种基于小样本的低碳合金钢疲劳寿命预测方法，能够防止重复采样过程中，采样点集中在特定的区域，大大提升金属构件疲劳寿命预测的准确性，使得理论预测计算值更加贴合实际数据值。
[0006]为实现上述目的，本专利技术提供了如下技术方案为：
[0007]一种基于小样本的低碳合金钢疲劳寿命预测方法，首先，测量得到样本的公法线长度，基于公法线长度建立误差圆模型，所述误差圆模型以公法线长度作为圆心，以公法线长度的绝对值与极限采样误差的乘积为误差圆模型的半径。
[0008]优选地，所述的极限采样误差是根据标准差和平均采样误差得到的。
[0009]优选地，所述的标准差根据公法线长度得到的。
[0010]进一步地，本专利技术还包括以下步骤：
[0011]步骤S1：测量出样本的公法线长度；
[0012]步骤S2：根据样本的公法线长度建立误差圆模型；
[0013]步骤S3：将误差圆模型等分，得到每个等分后误差圆部分的概率；
[0014]步骤S4：基于误差圆每部分的概率进行自举法扩展取样；
[0015]步骤S5：基于取样结果得到扩展后的疲劳寿命预测结果。
[0016]优选地，步骤S3中，得到的等分后误差圆概率采用的是正态分布的方法
[0017]与现有技术相比，本专利技术的有益效果是：
[0018]因为本专利技术根据样本的公法线长度建立误差圆模型，再根据误差圆模型进行自举法扩展取样，能够有效防止重复采样过程中，采样点集中在特定的区域，大大提升金属构件疲劳寿命预测的准确性，使得理论预测计算值更加贴合实际数据值。
附图说明
[0019]图1为本专利技术的实施例的方法流程示意图；
[0020]图2为本专利技术的实施例的误差圆模型结构示意图。
[0021]图3为本专利技术的实施例的误差圆模型等分取样结构示意图。
[0022]图中：1、第一等分区间，2、第二等分区间，3、第三等分区间，4、第四等分区间，4、第四等分区间，5、第五等分区间，6、第六等分区间。
具体实施方式
[0023]为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，以下实施例结合附图对本专利技术的一种基于小样本的低碳合金钢疲劳寿命预测方法作具体阐述，需要说明的是，对于这些实施方式的说明用于帮助理解本专利技术，但并不构成对本专利技术的限定。
[0024]如图1所示，本实施例中的方法流程示意图，具体步骤如下：
[0025]步骤S1：测量出样本的公法线长度；
[0026]步骤S2：根据样本的公法线长度建立误差圆模型；
[0027]步骤S3：将误差圆模型等分，得到每个等分后误差圆部分的概率；
[0028]步骤S4：基于误差圆每部分的概率进行自举法扩展取样；
[0029]步骤S5：基于取样结果得到扩展后的疲劳寿命预测结果。
[0030]图2为本专利技术的实施例的误差圆模型结构示意图，图2的横坐标为样本的编号，纵坐标为公法线长度，以每个样本的公法线长度为圆心，以公法线长度的绝对值与极限采样误差的乘积为半径建立误差圆模型；在本实施例中，收集到的公法线长度在正值和负值之间波动，导致其平均值接近于0。直接计算平均采样误差和采样极限误差到无穷大是不现实的，此外，正负公法线长度只代表负载作用的方向，而不是负载的大小，因此，采用公法线长度的绝对值与极限采样误差的乘积为半径建立误差圆模型，具体公式如下：
[0031][0032]δ＝t
×
μ
x
ꢀꢀꢀ
(2)
[0033]式(1)：
[0034]o为标准差，n是小样本的个数，μ为小样本的采样误差，μ
x
为平均采样误差。
[0035]其中：
[0036]σ＝L
i
/1.96
ꢀꢀꢀ
(3)
[0037]式(2)：
[0038]δ为采样极限误差，t为采样误差概率。
[0039]还包括：
[0040]r
i
＝|L
i
|
×
α
ꢀꢀꢀ
(4)
[0041]式(4)：
[0042]r
i
为误差圆的半径，L
i
为公法线长度，α为误差范围。
[0043]其中
[0044]α可表示为为[0，δ]。
[0045]图3为本专利技术的实施例的误差圆模型等分取样结构示意图，在本实施例中，以误差圆的圆心为原点，建立直角坐标系，将误差圆的水平横坐标直径等分，等分后对应的区间为第一等分区间1、第二等分区间2、第三等分区间3、第四等分区间4、第五等分区间5、第六等分区间6、第七等分区间7，其概率分别用P(A)、P(B)、P(C)、P(D)、P(E)、P(F)、P(G)表示，由于数据扩展服从正态分布，以原始数据为均值为正态分布，因此其概率P(A)、P(B)、P(C)、P(D)、P(E)、P(F)、P(G)可以表示如下：
[0046]P(A)＝{3.2
‑
r≤x≤3.2
‑
3σ/2}
[0047]P(B)＝{3.2
‑
3σ/2≤x≤3.2
‑
σ/2}
[0048]P(C)＝{3.2
‑
σ≤x≤3.2
‑
σ/2}
[0049]P(D)＝{3.2
‑
σ/2≤x≤3.2+σ/2}
[0050]P(E)＝{3.2+σ本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于小样本的低碳合金钢疲劳寿命预测方法，其特征在于，测量得到样本的公法线长度，基于公法线长度建立误差圆模型，所述误差圆模型以公法线长度作为圆心，以公法线长度的绝对值与极限采样误差的乘积为误差圆模型的半径。2.根据权利要求1所述的一种基于小样本的低碳合金钢疲劳寿命预测方法，其特征在于：其中，所述的极限采样误差是根据标准差和平均采样误差得到的。3.根据权利要求2所述的一种基于小样本的低碳合金钢疲劳寿命预测方法，其特征在于：其中，所述的标准差根据公法线长度得到的。4.根据权利...

【专利技术属性】
技术研发人员：刘新田，程桃桃，王旭，王孝兰，苏韦豪，
申请(专利权)人：上海工程技术大学，
类型：发明
国别省市：