本發(fā)明涉及運(yùn)動機(jī)構(gòu)可靠性分析領(lǐng)域，尤其涉及一種時(shí)變可靠性靈敏度分析方法及裝置。
背景技術(shù)：
：運(yùn)動機(jī)構(gòu)的可靠性定義為機(jī)構(gòu)在規(guī)定的時(shí)間，規(guī)定條件下，完成規(guī)定功能的能力。在工程設(shè)計(jì)中，為了在保證機(jī)構(gòu)可靠度的前提下，最大限度的提升運(yùn)動機(jī)構(gòu)的輸出性能，通常要采取基于可靠性的優(yōu)化設(shè)計(jì)(Reliability-baseddesignoptimization,簡稱RBDO)。然而，其計(jì)算工作量跟輸入變量的個數(shù)有著很大的關(guān)系?？煽啃造`敏度分析旨在量化不確定性參數(shù)對于模型可靠性的影響程度，它可以幫助設(shè)計(jì)者回答以下問題：(1)哪個不確定性參數(shù)對可靠性的影響最大，(2)哪個不確定性參數(shù)對于可靠性影響不大，在選擇設(shè)計(jì)變量的時(shí)候，可以將其剔除，(3)如果某個隨機(jī)變量的平均值發(fā)生了改變，那么可靠性會受到怎樣的影響，(4)如果某個隨機(jī)變量的標(biāo)準(zhǔn)差發(fā)生了改變，那么可靠性會受到怎樣的影響？上述問題的解決，可以很好的幫助運(yùn)動機(jī)構(gòu)的RBDO等工作的順利進(jìn)行。近年來，有不少研究致力于時(shí)變的RBDO工作，關(guān)于長周期退化運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度分析的有關(guān)研究還非常的少。一些文獻(xiàn)提出了針對機(jī)械零部件的結(jié)構(gòu)的動態(tài)可靠性靈敏度分析方法，該方法需要基于零部件所受的載荷或者最大載荷已知，機(jī)械零部件的時(shí)變極限狀態(tài)函數(shù)已知的前提，因?yàn)槭茉S多不確定性參數(shù)的影響，長周期退化模型的性能輸出的分布是未知的，即它的時(shí)變極限狀態(tài)函數(shù)是隱性的，所以上述方法很難應(yīng)用到長周期退化運(yùn)動機(jī)構(gòu)模型中。因此，亟需一種能夠應(yīng)用到長周期退化運(yùn)動機(jī)構(gòu)中進(jìn)行時(shí)變可靠性靈敏度分析的方法。技術(shù)實(shí)現(xiàn)要素：本發(fā)明提供一種時(shí)變可靠性靈敏度分析方法及裝置，用以解決現(xiàn)有技術(shù)中沒有一種方法能夠針對長周期退化運(yùn)動機(jī)構(gòu)進(jìn)行時(shí)變可靠性靈敏度分析的技術(shù)問題。本發(fā)明一方面提供一種時(shí)變可靠性靈敏度分析方法，方法基于長周期退化運(yùn)動機(jī)構(gòu)，包括：步驟101，對運(yùn)動機(jī)構(gòu)進(jìn)行n階混沌多項(xiàng)式展開PCE運(yùn)算，獲取運(yùn)動機(jī)構(gòu)第n階所受阻力的最大值MRF和第n階PCE函數(shù)式，其中n為大于1的正整數(shù)；步驟102，根據(jù)蒙特卡洛仿真MCS獲得估計(jì)MRF；步驟103，判斷第n階MRF與估計(jì)MRF之差的絕對值是否小于預(yù)設(shè)閾值；步驟104，當(dāng)所述第n階MRF與所述估計(jì)MRF之差的絕對值小于預(yù)設(shè)閾值時(shí)，根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度。進(jìn)一步的，步驟101包括：步驟1011，獲取退化型設(shè)計(jì)參數(shù)，其中，退化型設(shè)計(jì)參數(shù)為運(yùn)動機(jī)構(gòu)中具有耗損型故障機(jī)理的、標(biāo)稱值隨時(shí)間改變的設(shè)計(jì)參數(shù)；步驟1012，在運(yùn)動機(jī)構(gòu)壽命周期內(nèi)每隔m個收放循環(huán)取一個離散時(shí)間點(diǎn)；步驟1013，在離散時(shí)間點(diǎn)上，根據(jù)概率配點(diǎn)法，從n+1階混沌多項(xiàng)式的根中隨機(jī)選擇數(shù)值作為配點(diǎn)，所述配點(diǎn)經(jīng)過轉(zhuǎn)換函數(shù)變換后，獲得中間輸入變量，其中，轉(zhuǎn)換函數(shù)根據(jù)原始輸入變量所服從的分布獲得；步驟1014，根據(jù)退化型設(shè)計(jì)參數(shù)和中間輸入變量進(jìn)行仿真，獲得構(gòu)造第n階PCE函數(shù)式的樣本數(shù)據(jù)；步驟1015，根據(jù)樣本數(shù)據(jù)，計(jì)算獲得第n階PCE函數(shù)式和第n階MRF。進(jìn)一步的，步驟1011具體包括：獲取運(yùn)動機(jī)構(gòu)風(fēng)險(xiǎn)級別最高的故障模式及故障機(jī)理；根據(jù)故障模式及故障機(jī)理建立故障模型；根據(jù)故障模型計(jì)算獲得退化型設(shè)計(jì)參數(shù)。進(jìn)一步的，步驟1014具體包括：在每個離散時(shí)間點(diǎn)上，將退化型設(shè)計(jì)參數(shù)和中間輸入變量輸入到機(jī)械系統(tǒng)動力學(xué)自動分析模型中，獲得樣本MRF；構(gòu)造第n階PCE函數(shù)式的樣本數(shù)據(jù)由退化型設(shè)計(jì)參數(shù)、中間輸入變量和樣本MRF組成。進(jìn)一步的，步驟1015具體包括：判斷樣本數(shù)據(jù)組成的矩陣是否為病態(tài)，若是，轉(zhuǎn)步驟1012；若否，在每個離散時(shí)間點(diǎn)上將樣本數(shù)據(jù)按照回歸分析求解系數(shù)；對離散時(shí)間點(diǎn)上的系數(shù)進(jìn)行擬合，得到系數(shù)的連續(xù)曲線；根據(jù)系數(shù)的連續(xù)曲線，獲得第n階PCE函數(shù)式；根據(jù)第n階PCE函數(shù)式計(jì)算獲得第n階MRF。進(jìn)一步的，步驟104具體包括：步驟1041，根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得時(shí)變可靠性靈敏度方程；步驟1042，根據(jù)時(shí)變可靠性靈敏度方程繪制時(shí)變可靠性靈敏度曲線；步驟1043，根據(jù)時(shí)變可靠性靈敏度曲線進(jìn)行可靠性靈敏度分析，并計(jì)算獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度。本發(fā)明另一方面提供一種時(shí)變可靠性靈敏度分析裝置，包括：第一獲取模塊，用于對運(yùn)動機(jī)構(gòu)進(jìn)行n階混沌多項(xiàng)式展開PCE運(yùn)算，獲取運(yùn)動機(jī)構(gòu)第n階所受阻力的最大值MRF和第n階PCE函數(shù)式，其中n為大于1的正整數(shù)；第二獲取模塊，用于獲取基于仿真模型估計(jì)得到的估計(jì)MRF；判斷模塊，用于判斷第n階MRF與估計(jì)MRF之差的絕對值是否小于預(yù)設(shè)閾值，若小于，觸發(fā)第三獲取模塊；第三獲取模塊，用于當(dāng)?shù)趎階MRF與估計(jì)MRF之差的絕對值小于預(yù)設(shè)閾值時(shí)，根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度。進(jìn)一步的，第一獲取模塊包括：退化型設(shè)計(jì)參數(shù)獲取子模塊，用于獲取退化型設(shè)計(jì)參數(shù)，其中，退化型設(shè)計(jì)參數(shù)為運(yùn)動機(jī)構(gòu)中具有耗損型故障機(jī)理的、標(biāo)稱值隨時(shí)間改變的設(shè)計(jì)參數(shù)；離散時(shí)間點(diǎn)獲取子模塊，用于在運(yùn)動機(jī)構(gòu)壽命周期內(nèi)每隔m個收放循環(huán)取一個離散時(shí)間點(diǎn)；中間輸入變量獲取子模塊，用于在離散時(shí)間點(diǎn)上，根據(jù)概率配點(diǎn)法，從n+1階混沌多項(xiàng)式的根中隨機(jī)選擇隨機(jī)數(shù)作為配點(diǎn)，所述配點(diǎn)經(jīng)過轉(zhuǎn)換函數(shù)變換后，獲得中間輸入變量，其中，轉(zhuǎn)換函數(shù)根據(jù)原始輸入變量所服從的分布獲得；樣本數(shù)據(jù)獲取子模塊，用于根據(jù)退化型設(shè)計(jì)參數(shù)和中間輸入變量進(jìn)行仿真， 獲得構(gòu)造第n階PCE函數(shù)式的樣本數(shù)據(jù)；PCE函數(shù)式獲取子模塊，用于根據(jù)樣本數(shù)據(jù)，計(jì)算獲得第n階PCE函數(shù)式和第n階MRF。進(jìn)一步的，第三獲取模塊具體包括：時(shí)變極限狀態(tài)函數(shù)獲取子模塊，用于根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得時(shí)變可靠性靈敏度方程；時(shí)變可靠性靈敏度曲線獲取子模塊，用于根據(jù)時(shí)變可靠性靈敏度方程繪制時(shí)變可靠性靈敏度曲線；時(shí)變可靠性靈敏度獲取子模塊，用于根據(jù)時(shí)變可靠性靈敏度曲線進(jìn)行可靠性靈敏度分析，并計(jì)算獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度。進(jìn)一步的，樣本數(shù)據(jù)獲取子模塊，具體包括：在每個離散時(shí)間點(diǎn)上，將退化型設(shè)計(jì)參數(shù)和中間輸入變量輸入到機(jī)械系統(tǒng)動力學(xué)自動分析模型中，獲得樣本MRF；構(gòu)造第n階PCE函數(shù)式的樣本數(shù)據(jù)由退化型設(shè)計(jì)參數(shù)、中間輸入變量和樣本MRF組成；PCE函數(shù)式獲取子模塊，具體包括：判斷樣本數(shù)據(jù)組成的矩陣是否為病態(tài)，若是，觸發(fā)離散時(shí)間點(diǎn)獲取子模塊；若否，在每個離散時(shí)間點(diǎn)上將樣本數(shù)據(jù)按照回歸分析求解系數(shù)；對離散時(shí)間點(diǎn)上的系數(shù)進(jìn)行擬合，得到系數(shù)的連續(xù)曲線；根據(jù)系數(shù)的連續(xù)曲線，獲得第n階PCE函數(shù)式；根據(jù)第n階PCE函數(shù)式計(jì)算獲得第n階MRF。退化型設(shè)計(jì)參數(shù)獲取子模塊，具體包括：獲取運(yùn)動機(jī)構(gòu)風(fēng)險(xiǎn)級別最高的故障模式及故障機(jī)理；根據(jù)故障模式及故障機(jī)理建立故障模型；根據(jù)故障模型計(jì)算獲得退化型設(shè)計(jì)參數(shù)。本發(fā)明提供的時(shí)變可靠性靈敏度分析方法及裝置，是基于長周期退化運(yùn)動機(jī)構(gòu)的，首先對運(yùn)動機(jī)構(gòu)進(jìn)行n階混沌多項(xiàng)式展開PCE運(yùn)算，獲取運(yùn)動機(jī)構(gòu)第n階MRF和第n階PCE函數(shù)式，然后獲取基于仿真模型估計(jì)得到的估計(jì)MRF；判斷第n階MRF與估計(jì)MRF之差的絕對值是否小于預(yù)設(shè)閾值，若小于，根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得時(shí)變可靠性靈敏度方程；根據(jù)時(shí)變可靠性靈敏度方程計(jì)算獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度，以此來實(shí)現(xiàn)基于長周期退化運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度分析，為長周期退化運(yùn)動機(jī)構(gòu)的基于可靠性的優(yōu) 化設(shè)計(jì)工作提供支持。附圖說明在下文中將基于實(shí)施例并參考附圖來對本發(fā)明進(jìn)行更詳細(xì)的描述。其中：圖1為根據(jù)本發(fā)明實(shí)施例一的時(shí)變可靠性靈敏度分析方法的流程示意圖；圖2為根據(jù)本發(fā)明實(shí)施例二的時(shí)變可靠性靈敏度分析方法的流程示意圖；圖3為根據(jù)本發(fā)明實(shí)施例二提供的運(yùn)動機(jī)構(gòu)結(jié)構(gòu)示意圖；圖4為根據(jù)本發(fā)明實(shí)施例二提供的運(yùn)動機(jī)構(gòu)的均值時(shí)變可靠性靈敏度隨時(shí)間變化的曲線；圖5為根據(jù)本發(fā)明實(shí)施例二提供的運(yùn)動機(jī)構(gòu)的標(biāo)準(zhǔn)差時(shí)變可靠性靈敏度隨時(shí)間變化的曲線；圖6為根據(jù)本發(fā)明實(shí)施例三的時(shí)變可靠性靈敏度分析裝置的結(jié)構(gòu)示意圖；圖7為根據(jù)本發(fā)明實(shí)施例四的時(shí)變可靠性靈敏度分析裝置的結(jié)構(gòu)示意圖。在附圖中，相同的部件使用相同的附圖標(biāo)記。附圖并未按照實(shí)際的比例繪制。具體實(shí)施方式下面將結(jié)合附圖對本發(fā)明作進(jìn)一步說明。實(shí)施例一圖1為根據(jù)實(shí)施例一提供的時(shí)變可靠性靈敏度分析方法的流程示意圖，如圖1所示，本實(shí)施例提供一種時(shí)變可靠性靈敏度分析方法，該方法基于長周期退化運(yùn)動機(jī)構(gòu)，包括：步驟101，對運(yùn)動機(jī)構(gòu)進(jìn)行n階PCE運(yùn)算，獲取運(yùn)動機(jī)構(gòu)第n階MRF和第n階PCE函數(shù)式，其中n為大于1的正整數(shù)。具體的，對運(yùn)動機(jī)構(gòu)進(jìn)行n階混沌多項(xiàng)式展開(Polynomialchaoexpansions，簡稱PCE)運(yùn)算，獲取運(yùn)動機(jī)構(gòu)第n階阻力的最大值(Maximumresistanceforce，簡稱MRF)和第n階PCE函數(shù)式，第n階PCE函數(shù)式即為因變量與自變量之間的一個關(guān)系式，因變量為MRF，自變量為對運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度可能具有重要影響的參數(shù)。步驟102，獲取基于仿真模型估計(jì)得到的估計(jì)MRF。具體的，仿真模型可采用蒙特卡洛仿真(MonteCarloSimulation，簡稱MCS)， MCS又稱統(tǒng)計(jì)實(shí)驗(yàn)方法，它是一種采用統(tǒng)計(jì)抽樣理論近似求解數(shù)學(xué)、物理及工學(xué)問題的方法。它解決問題的基本思想是，首先建立與描述該問題相似的概率模型，然后對模型進(jìn)行隨機(jī)模擬或統(tǒng)計(jì)抽樣，在利用所得到的結(jié)果求出特征的統(tǒng)計(jì)估計(jì)值作為原問題的近似解，并對解的精度做出某些估計(jì)。利用MCS獲得估計(jì)MRF，其中輸入到MCS中的參數(shù)與步驟101中在獲取運(yùn)動機(jī)構(gòu)第n階MRF時(shí)的輸入?yún)?shù)相同。步驟103，判斷第n階MRF與估計(jì)MRF之差的絕對值是否小于預(yù)設(shè)閾值。具體的，預(yù)設(shè)閾值即是一個精度要求值，具體可根據(jù)實(shí)際情況進(jìn)行設(shè)置。進(jìn)一步的，預(yù)設(shè)閾值可設(shè)置為兩個值，在比較時(shí)，可對第n階MRF進(jìn)行多次計(jì)算，獲得多個第n階MRF，同樣的，采用MCS獲取多個估計(jì)MRF，然后比較第n階MRF的均值與估計(jì)MRF的均值之差的絕對值是否小于第一預(yù)設(shè)閾值，同時(shí)比較第n階MRF的方差與估計(jì)MRF的方差之差的絕對值是否小于第二預(yù)設(shè)閾值，只有同時(shí)滿足這兩個條件才進(jìn)行步驟104。進(jìn)一步的，若第n階MRF與估計(jì)MRF之差的絕對值不小于預(yù)設(shè)閾值，將n加1，轉(zhuǎn)到步驟101。即計(jì)算出的第n階MRF與估計(jì)MRF之差的絕對值不滿足精度要求，那么需要對第n+1階進(jìn)行計(jì)算，判斷第n+1階MRF與相應(yīng)的估計(jì)MRF之差的絕對值是否滿足精度要求。步驟104，當(dāng)?shù)趎階MRF與估計(jì)MRF之差的絕對值小于預(yù)設(shè)閾值時(shí)，根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度。具體的，時(shí)變極限狀態(tài)函數(shù)由兩部分組成，第一部分為第n階PCE函數(shù)式，第二部分為輸出力的額定最大值(Maximumdrivingforce，簡稱MDF)，將第二部分減去第一部分作為時(shí)變極限狀態(tài)函數(shù)。當(dāng)然，時(shí)變極限狀態(tài)函數(shù)還有其他構(gòu)造方式，在此不再贅述。本發(fā)明提供的時(shí)變可靠性靈敏度分析方法，是基于長周期退化運(yùn)動機(jī)構(gòu)的，首先對運(yùn)動機(jī)構(gòu)進(jìn)行n階混沌多項(xiàng)式展開PCE運(yùn)算，獲取運(yùn)動機(jī)構(gòu)第n階MRF和第n階PCE函數(shù)式，然后獲取基于仿真模型估計(jì)得到的估計(jì)MRF；判斷第n階MRF與估計(jì)MRF之差的絕對值是否小于預(yù)設(shè)閾值，若小于，根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得時(shí)變可靠性靈敏度方程；根據(jù)時(shí)變可靠性靈敏度方程計(jì)算獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度，以此來實(shí)現(xiàn)基于長周期退化運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度分析，為長周期退化運(yùn)動機(jī)構(gòu)的基于可靠性的優(yōu)化設(shè) 計(jì)工作提供支持。實(shí)施例二本實(shí)施例是在實(shí)施例一的基礎(chǔ)上進(jìn)行的補(bǔ)充說明。圖2為根據(jù)實(shí)施例二提供的時(shí)變可靠性靈敏度分析方法的流程示意圖，如圖2所示，本實(shí)施例提供一種時(shí)變可靠性靈敏度分析方法，該方法基于長周期退化運(yùn)動機(jī)構(gòu)，包括：步驟201，獲取退化型設(shè)計(jì)參數(shù)，其中，退化型設(shè)計(jì)參數(shù)為運(yùn)動機(jī)構(gòu)中具有耗損型故障機(jī)理的、標(biāo)稱值隨時(shí)間改變的設(shè)計(jì)參數(shù)；具體的，步驟201具體包括：獲取運(yùn)動機(jī)構(gòu)風(fēng)險(xiǎn)級別最高的故障模式及故障機(jī)理；根據(jù)故障模式及故障機(jī)理建立故障模型；根據(jù)故障模型計(jì)算獲得退化型設(shè)計(jì)參數(shù)。具體的，首先需要分析得到運(yùn)動機(jī)構(gòu)的故障模式及故障機(jī)理，即對該運(yùn)動機(jī)構(gòu)進(jìn)行故障模式、機(jī)理及影響分析(Failuremode,mechanismandeffectanalysis，簡稱FMMEA)分析，其中故障發(fā)生率級別及定義、嚴(yán)重度級別及定義如表1所示：表1級別發(fā)生率級別嚴(yán)重度5經(jīng)常發(fā)生5非常高或?yàn)?zāi)難性的4有可能發(fā)生4高3偶然發(fā)生3中等或顯著的2較少發(fā)生2低或較小1幾乎不發(fā)生1非常低或沒有然后根據(jù)FMMEA分析結(jié)果，采用風(fēng)險(xiǎn)排序的方法對主要故障模式及故障機(jī)理進(jìn)行識別，即按照風(fēng)險(xiǎn)排序的方法對所有故障模式及故障機(jī)理進(jìn)行排序，選取風(fēng)險(xiǎn)級別最高的故障模式及故障機(jī)理為主要的故障模式及故障機(jī)理，由此可獲得最主要故障模式及故障機(jī)理所對應(yīng)的故障模型，根據(jù)故障模型可計(jì)算獲得退化型設(shè)計(jì)參數(shù)，例如若經(jīng)過分析得知最主要的故障模式為運(yùn)動卡滯，故障機(jī)理為運(yùn)動副磨損，那么退化型設(shè)計(jì)參數(shù)即為運(yùn)動機(jī)構(gòu)的運(yùn)動副半徑，該設(shè)計(jì)參數(shù)隨著磨損深度的增加逐漸退化增大。步驟202，在運(yùn)動機(jī)構(gòu)壽命周期內(nèi)每隔m個收放循環(huán)取一個離散時(shí)間點(diǎn)。具體的，運(yùn)動機(jī)構(gòu)壽命周期是指該運(yùn)動機(jī)構(gòu)設(shè)計(jì)時(shí)賦予的最大收放循環(huán)數(shù)。該運(yùn)動機(jī)構(gòu)將運(yùn)動裝置放下完成相應(yīng)任務(wù)后并再次收回到初始位置即為一個收 放循環(huán)，m的值可根據(jù)實(shí)際情況進(jìn)行選取，一般情況下，若運(yùn)動機(jī)構(gòu)壽命周期內(nèi)完成M次收放循環(huán)，那么m的值取M/5為最佳。例如若該運(yùn)動機(jī)構(gòu)壽命周期內(nèi)需要完成1000次收放循環(huán)，那么可以每隔200個循環(huán)作為一個離散時(shí)間點(diǎn)，即選取第200、400、600、800、1000次收放循環(huán)這5個離散時(shí)間點(diǎn)，除此之外，還可將第1次收放循環(huán)作為第一個離散時(shí)間點(diǎn)。步驟203，在離散時(shí)間點(diǎn)上，根據(jù)概率配點(diǎn)法，從n+1階混沌多項(xiàng)式的根中隨機(jī)選擇數(shù)值作為配點(diǎn)，所述配點(diǎn)經(jīng)過轉(zhuǎn)換函數(shù)變換后，獲得中間輸入變量，其中，轉(zhuǎn)換函數(shù)根據(jù)原始輸入變量所服從的分布獲得。具體的，當(dāng)求取第n階PCE函數(shù)式和第n階MRF時(shí)，從n+1階混沌多項(xiàng)式的根中隨機(jī)選擇數(shù)值作為配點(diǎn)，當(dāng)求取第n+1階PCE函數(shù)式和第n+1階MRF時(shí)，從n+2階混沌多項(xiàng)式的根中隨機(jī)選擇數(shù)值作為配點(diǎn)，依次類推。n+1階混沌多項(xiàng)式的根可通過手冊查詢獲得，從這些根中隨機(jī)選擇數(shù)值作為離散時(shí)間點(diǎn)上的配點(diǎn)，原始輸入變量即為最可能會對運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度產(chǎn)生影響的參數(shù)，每一個原始輸入變量都會有其自身服從的分布，根據(jù)原始輸入變量所服從的分布可獲得轉(zhuǎn)換函數(shù)，該轉(zhuǎn)換函數(shù)可對配點(diǎn)進(jìn)行轉(zhuǎn)換，從而獲得中間輸入變量，用于后續(xù)計(jì)算。步驟204，根據(jù)退化型設(shè)計(jì)參數(shù)和中間輸入變量進(jìn)行仿真，獲得構(gòu)造第n階PCE函數(shù)式的樣本數(shù)據(jù)；具體的，步驟204具體包括：在每個離散時(shí)間點(diǎn)上，將退化型設(shè)計(jì)參數(shù)和中間輸入變量輸入到機(jī)械系統(tǒng)動力學(xué)自動分析模型中，獲得樣本MRF；構(gòu)造第n階PCE函數(shù)式的樣本數(shù)據(jù)由退化型設(shè)計(jì)參數(shù)、中間輸入變量和樣本MRF組成。將退化型設(shè)計(jì)參數(shù)和中間輸入變量輸入到機(jī)械系統(tǒng)動力學(xué)自動分析(AutomaticDynamicAnalysisofMechanicalSystems，簡稱ADAMS)模型中，仿真得到MRF的值，在每個離散時(shí)間點(diǎn)上仿真多次可得到多組樣本數(shù)據(jù)。步驟205，判斷樣本數(shù)據(jù)組成的矩陣是否為病態(tài)，若是，轉(zhuǎn)步驟202；若否，轉(zhuǎn)步驟206。步驟206，在每個離散時(shí)間點(diǎn)上將樣本數(shù)據(jù)按照回歸分析求解系數(shù)；對離散時(shí)間點(diǎn)上的系數(shù)進(jìn)行擬合，得到系數(shù)的連續(xù)曲線；根據(jù)系數(shù)的連續(xù)曲線，獲得第n階PCE函數(shù)式；根據(jù)第n階PCE函數(shù)式計(jì)算獲得第n階MRF。具體的，判斷樣本數(shù)據(jù)組成的矩陣是否為病態(tài)，若是，需要重新獲取樣本數(shù)據(jù)，轉(zhuǎn)步驟202；若否，在每個離散時(shí)間點(diǎn)上將樣本數(shù)據(jù)基于回歸求解系數(shù)；將離散時(shí)間點(diǎn)上的PCE函數(shù)式的系數(shù)利用移動最小二乘法(Movingleastsquares簡稱MLS)進(jìn)行擬合，得到每個系數(shù)的連續(xù)曲線；根據(jù)系數(shù)的連續(xù)曲線，獲得第n階PCE函數(shù)式；根據(jù)第n階PCE函數(shù)式，計(jì)算獲得第n階MRF。步驟207，獲取基于仿真模型估計(jì)得到的估計(jì)MRF。具體可參見實(shí)施例一中步驟102相應(yīng)的描述。步驟208，判斷第n階MRF與估計(jì)MRF之差的絕對值是否小于預(yù)設(shè)閾值，若小于，轉(zhuǎn)到步驟209。若不小于，轉(zhuǎn)到步驟210。具體可參見實(shí)施例一中步驟103相應(yīng)的描述。步驟210，將n加1，轉(zhuǎn)到步驟206。步驟209，根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得時(shí)變可靠性靈敏度方程。具體的，時(shí)變極限狀態(tài)函數(shù)為：F＝Υ-Q(X,Y(t),t)Q(X,Y(t),t)表示第n階PCE函數(shù)式，t表示運(yùn)動機(jī)構(gòu)壽命周期，X為沒有退化特性的，具有固定特性值的設(shè)計(jì)參數(shù)，即原始輸入變量。Y(t)表示具有退化特性的設(shè)計(jì)參數(shù)，即退化型設(shè)計(jì)參數(shù)。Υ是輸出力的額定最大值(Maximumdrivingforce，簡稱MDF)，服從正態(tài)分布。時(shí)變可靠性靈敏度方程為：其中分別指的是在t時(shí)刻，變量xi的均值可靠性靈敏度和標(biāo)準(zhǔn)差可靠性靈敏度，表示各個隨機(jī)變量的均值向量，此處的隨機(jī)變量由原始輸入變量和退化型設(shè)計(jì)參數(shù)組成，μF(t)和σF(t)分別指的是時(shí)變極限狀態(tài)函數(shù)的均值和標(biāo)準(zhǔn)差。步驟211，根據(jù)時(shí)變可靠性靈敏度方程繪制時(shí)變可靠性靈敏度曲線。具體的，時(shí)變可靠性靈敏度曲線為運(yùn)動機(jī)構(gòu)的性能輸出與原始輸入變量之間的時(shí)變可靠性靈敏度關(guān)系隨時(shí)間變化的曲線。步驟212，根據(jù)時(shí)變可靠性靈敏度曲線進(jìn)行可靠性靈敏度分析，并計(jì)算獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度。具體的，若時(shí)變可靠性靈敏度曲線比較平穩(wěn)，說明運(yùn)動機(jī)構(gòu)的性能輸出與原始輸入變量之間的時(shí)變可靠性靈敏度關(guān)系隨時(shí)間變化的波動小，因此可認(rèn)為該原始輸入變量對該運(yùn)動機(jī)構(gòu)的時(shí)變可靠性影響不大，所以在時(shí)變RBDO工作中，在選擇設(shè)計(jì)變量時(shí)，可以不考慮該原始輸入變量的影響，從而可以縮減設(shè)計(jì)變量的數(shù)目，減少問題維度。本發(fā)明提供的時(shí)變可靠性靈敏度分析方法，是基于長周期退化運(yùn)動機(jī)構(gòu)的，首先獲取構(gòu)造第n階PCE函數(shù)式的樣本數(shù)據(jù)，根據(jù)樣本數(shù)據(jù)計(jì)算獲得第n階PCE函數(shù)式和第n階MRF，然后獲取基于仿真模型估計(jì)得到的估計(jì)MRF，再判斷第n階MRF與估計(jì)MRF之差的絕對值是否小于預(yù)設(shè)閾值，若小于，根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得時(shí)變可靠性靈敏度方程；再根據(jù)時(shí)變可靠性靈敏度方程繪制時(shí)變可靠性靈敏度曲線，最后根據(jù)時(shí)變可靠性靈敏度曲線進(jìn)行可靠性靈敏度分析，并計(jì)算獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度，以此來實(shí)現(xiàn)基于長周期退化運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度分析，為長周期退化運(yùn)動機(jī)構(gòu)的基于可靠性的優(yōu)化設(shè)計(jì)工作提供支持。下面列舉具體實(shí)施例進(jìn)行說明。圖3為根據(jù)本發(fā)明實(shí)施例二提供的運(yùn)動機(jī)構(gòu)結(jié)構(gòu)示意圖，如圖3所示，首先在了解產(chǎn)品需求和物理特征之間的關(guān)系、產(chǎn)品材料和載荷之間的相互影響等信息的基礎(chǔ)上，選取該運(yùn)動機(jī)構(gòu)主要考慮的幾個點(diǎn)，本運(yùn)動機(jī)構(gòu)中選取A(XA,YA)、B(XB,YB)、C(XC,YC)和D(XD,YD)四個點(diǎn)進(jìn)行分析，其中第二裝置2相對于第一裝置1可繞前主推臂4和后主推臂5左右移動，C(XC,YC)和D(XD,YD)分別為前主推臂4和后主推臂5與第二裝置2的連接點(diǎn)，A(XA,YA)和B(XB,YB)為液壓裝置3上選取的兩個點(diǎn)，各點(diǎn)的坐標(biāo)系可根據(jù)實(shí)際情況進(jìn)行設(shè)置，如可以A點(diǎn)坐標(biāo)為坐標(biāo)原點(diǎn)，在此不做限定。第一步：對該運(yùn)動機(jī)構(gòu)進(jìn)行FMMEA分析，其中發(fā)生率級別及定義、嚴(yán)重度級別及定義如實(shí)施例二中表1所示，對分析結(jié)果采用風(fēng)險(xiǎn)排序的方法對主要故障模式及故障機(jī)理進(jìn)行識別。按照風(fēng)險(xiǎn)排序的方法對故障模式及故障機(jī)理進(jìn)行排 序，從而識別出該運(yùn)動機(jī)構(gòu)的最主要的故障模式是運(yùn)動卡滯，最主要的故障機(jī)理是運(yùn)動副磨損。然后建立該運(yùn)動機(jī)構(gòu)的多學(xué)科聯(lián)合仿真模型，其具體過程如下：因?yàn)檫\(yùn)動副的磨損會導(dǎo)致運(yùn)動副半徑Rlug逐漸變大，隨著磨損的累積，會導(dǎo)致運(yùn)動機(jī)構(gòu)摩擦阻力越來越大，當(dāng)摩擦阻力大于驅(qū)動力的時(shí)候，該運(yùn)動機(jī)構(gòu)會發(fā)生卡滯故障。由于故障機(jī)理是運(yùn)動副磨損，因此選擇Archard模型：Δh＝kHpvΔt其中，Δh表示一次收放循環(huán)運(yùn)動副的磨損深度，也即運(yùn)動副半徑Rlug的增加量，kH表示有量綱的磨損系數(shù)，p表示接觸壓應(yīng)力，v表示接觸面相對滑動速度。為了計(jì)算Δh及其累積值，可利用Matlab建立總控制模型來求解Δh、ADAMS建立運(yùn)動學(xué)模型來求解v、ANSYS命令流建立運(yùn)動副有限元模型求解p。運(yùn)動副半徑Rlug的初始值可根據(jù)運(yùn)動機(jī)構(gòu)的各參數(shù)計(jì)算獲得。確定運(yùn)動機(jī)構(gòu)的輸入和輸出。如圖3所示，在初始設(shè)計(jì)階段，前支撐臂4、后支撐臂5、鉸鏈6上的連桿以及液壓裝置3的位置和方向都是確定的，所以，鉸鏈3上連桿的長度取決于A點(diǎn)的橫坐標(biāo)XA，液壓裝置3的長度取決于B點(diǎn)的橫坐標(biāo)XB，后支撐臂5以及前支撐臂4的長度分別取決于C點(diǎn)和D點(diǎn)的縱坐標(biāo)YC和YD。因此，XA,XB,YC/YD都是重要的設(shè)計(jì)變量。受工作環(huán)境影響，機(jī)構(gòu)最上端的鉸鏈存在磨損現(xiàn)象，鉸鏈半徑Rlug會變得越來越大，系統(tǒng)MRF會隨之不斷改變，如果MRF超過了液壓裝置3輸出力的MDF,機(jī)構(gòu)會出現(xiàn)卡滯故障。為了研究該機(jī)構(gòu)的卡滯故障，需要將不確定性輸出MRF作為輸出，四個設(shè)計(jì)變量作為輸入，如表2所示,根據(jù)該運(yùn)動機(jī)構(gòu)獲得的四個設(shè)計(jì)變量：表2符號描述單位分布XAA點(diǎn)橫坐標(biāo)mmN(-524.2641,32)XBB點(diǎn)橫坐標(biāo)mmN(49.4975,0.52)YCC點(diǎn)縱坐標(biāo)mmN(148.4924,12)Rlug鉸鏈半徑mmU(15,15.3)第二步：在運(yùn)動學(xué)軟件ADAMS中參數(shù)化該四個設(shè)計(jì)變量，根據(jù)參數(shù)分布選擇基底類型為Hermite基底，首先對該運(yùn)動機(jī)構(gòu)進(jìn)行2階PCE運(yùn)算：選擇壽命周期中的離散時(shí)間點(diǎn)，并計(jì)算得到每個時(shí)間點(diǎn)上的樣本數(shù)據(jù)，其具體過程如下：該運(yùn)動機(jī)構(gòu)壽命周期內(nèi)需要完成1000次收放循環(huán)，因此每200個收放循環(huán)作為一個離散時(shí)間點(diǎn)，所以選定在200、400、600、800、1000這6個離散時(shí)間點(diǎn)，同時(shí)選擇第1個收放循環(huán)作為第一個離散時(shí)間點(diǎn)，最終在1、200、400、600、800和1000上構(gòu)造PCE。在每個離散時(shí)間點(diǎn)上，將通過原始輸入變量獲得的標(biāo)準(zhǔn)正態(tài)隨機(jī)變量的配點(diǎn)，通過轉(zhuǎn)換函數(shù)變化，獲得中間輸入變量，由于退化型設(shè)計(jì)參數(shù)的值已根據(jù)上述過程獲得到，即Rlug與Δh之和，中間變量與退化型設(shè)計(jì)參數(shù)一起輸入到ADAMS運(yùn)動學(xué)模型中，仿真得到MRF的值。在每個離散時(shí)間點(diǎn)上仿真70次得到70組樣本值，中間變量、退化型設(shè)計(jì)參數(shù)與仿真得到的MRF的值一起作為構(gòu)造第n階PCE的樣本數(shù)據(jù)。判斷離散時(shí)間點(diǎn)上的樣本數(shù)據(jù)矩陣是否病態(tài)，其具體過程如下：利用Matlab判斷上述獲取的樣本數(shù)據(jù)是否是病態(tài)，如果否，進(jìn)入第三步；如果是，需要重新從第二步進(jìn)行。第三步：構(gòu)造離散點(diǎn)上的PCE。在每個離散時(shí)間點(diǎn)上將樣本數(shù)據(jù)按照回歸分析求解系數(shù)，得到離散點(diǎn)上的2階PCE。將離散點(diǎn)上PCE的系數(shù)，利用MLS的方法進(jìn)行擬合，得到每個系數(shù)的連續(xù)曲線，從而得到了2階PCE的函數(shù)式。第四步：確定PCE的最終階數(shù)。比較2階PCE獲得的MRF與通過MCS估計(jì)得到的MRF，若2階PCE獲得的MRF滿足精度要求，則選擇階數(shù)為2的PCE，否則，需要對3階PCE獲得的MRF進(jìn)行判斷，看是否滿足精度要求。本運(yùn)動機(jī)構(gòu)的2階PCE獲得的MRF的均值、3階PCE獲得的MRF的均值與通過MCS估計(jì)得到的MRF的均值如表3所示；2階PCE獲得的MRF的方差、3階PCE獲得的MRF的方差與通過MCS估計(jì)得到的MRF的方差如表4所示，確定PCE的最終階數(shù)為p＝3,此時(shí)PCE的函數(shù)式也確定了，即選用3階的PCE的函數(shù)式。表3表4第五步：構(gòu)造時(shí)變極限狀態(tài)函數(shù)，其具體過程如下：構(gòu)造時(shí)變極限狀態(tài)函數(shù)。該運(yùn)動機(jī)構(gòu)考慮卡滯失效的時(shí)變極限狀態(tài)函數(shù)為：F＝Υ-Q(X,Y(t),t)其中，Q(X,Y(t),t)表示MRF的隨機(jī)過程，也即第n階PCE函數(shù)式，Υ是MDF，服從N(78500,10)分布。求解時(shí)變可靠性靈敏度指標(biāo)。將上述F代入時(shí)變可靠性靈敏度方程，可得：其中分別指的是在t時(shí)刻，變量xi的均值可靠性靈敏度和標(biāo)準(zhǔn)差可靠性靈敏度，表示各個隨機(jī)變量的均值向量，此處的隨機(jī)變量由原始輸入變量和退化型設(shè)計(jì)參數(shù)組成，μF(t)和σF(t)分別指的是時(shí)變極限狀態(tài)函數(shù)的均值和標(biāo)準(zhǔn)差。根據(jù)上述時(shí)變可靠性靈敏度方程繪制時(shí)變可靠性靈敏度曲線，圖4為根據(jù)本發(fā)明實(shí)施例二提供的運(yùn)動機(jī)構(gòu)的均值可靠性靈敏度隨時(shí)間變化的曲線，圖5為根據(jù)本發(fā)明實(shí)施例二提供的運(yùn)動機(jī)構(gòu)的標(biāo)準(zhǔn)差可靠性靈敏度隨時(shí)間變化的曲線，如圖4、5所示的運(yùn)動機(jī)構(gòu)的性能輸出與原始輸入變量之間的時(shí)變可靠性靈敏度關(guān)系隨時(shí)間變化的曲線，從圖5中可看出，最下面兩條時(shí)變可靠性靈敏度曲線比較平穩(wěn)，說明運(yùn)動機(jī)構(gòu)的性能輸出與原始輸入變量之間的時(shí)變可靠性靈敏度關(guān)系隨時(shí)間變化的波動小，因此可認(rèn)為該原始輸入變量對該運(yùn)動機(jī)構(gòu)的時(shí)變可靠性影響不大，所以在時(shí)變RBDO工作中，在選擇設(shè)計(jì)變量時(shí)，可以不考慮該原始輸入變量的影響，從而可以縮減設(shè)計(jì)變量的數(shù)目，減少問題維度。實(shí)施例三本實(shí)施例提供的時(shí)變可靠性靈敏度分析裝置用于執(zhí)行上述實(shí)施例一中的時(shí)變可靠性靈敏度分析方法。圖6為根據(jù)本發(fā)明實(shí)施例三的時(shí)變可靠性靈敏度分析裝置的結(jié)構(gòu)示意圖，如圖6所示，本實(shí)施例提供一種時(shí)變可靠性靈敏度分析裝置，包括：第一獲取模塊301、第二獲取模塊302、判斷模塊303和第三獲取模塊304。其中，第一獲取模塊301，用于對運(yùn)動機(jī)構(gòu)進(jìn)行n階混沌多項(xiàng)式展開PCE運(yùn)算，獲取運(yùn)動機(jī)構(gòu)第n階所受阻力的最大值MRF和第n階PCE函數(shù)式，其中n為大于1的正整數(shù)。第二獲取模塊302，用于獲取基于仿真模型估計(jì)得到的估計(jì)MRF。判斷模塊303，用于判斷第n階MRF與估計(jì)MRF之差的絕對值是否小于預(yù)設(shè)閾值。若小于，觸發(fā)第三獲取模塊304。進(jìn)一步的，若第n階MRF與估計(jì)MRF之差的絕對值不小于預(yù)設(shè)閾值，將n加1，觸發(fā)第一獲取模塊301。第三獲取模塊304，用于當(dāng)?shù)趎階MRF與估計(jì)MRF之差的絕對值小于預(yù)設(shè)閾值時(shí)，根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度。本實(shí)施例是與方法實(shí)施例一對應(yīng)的裝置實(shí)施例，具體可參見實(shí)施例一中的記載，在此不再贅述。本發(fā)明提供的時(shí)變可靠性靈敏度分析裝置，是基于長周期退化運(yùn)動機(jī)構(gòu)的，首先通過第一獲取模塊301對運(yùn)動機(jī)構(gòu)進(jìn)行n階混沌多項(xiàng)式展開PCE運(yùn)算，獲取運(yùn)動機(jī)構(gòu)第n階MRF和第n階PCE函數(shù)式，然后通過第二獲取模塊302獲取基于仿真模型估計(jì)得到的估計(jì)MRF；利用判斷模塊303判斷第n階MRF與估計(jì)MRF之差的絕對值是否小于預(yù)設(shè)閾值，若小于，觸發(fā)第三獲取模塊304根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，計(jì)算獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度，以此來實(shí)現(xiàn)基于長周期退化運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度分析，為長周期退化運(yùn)動機(jī)構(gòu)的基于可靠性的優(yōu)化設(shè)計(jì)工作提供支持。實(shí)施例四圖7為根據(jù)本發(fā)明實(shí)施例四的時(shí)變可靠性靈敏度分析裝置的結(jié)構(gòu)示意圖，如圖7所示，本實(shí)施例提供一種時(shí)變可靠性靈敏度分析裝置，包括：第一獲取模塊301、第二獲取模塊302、判斷模塊303和第三獲取模塊304。其中，第一獲取模塊301，用于對運(yùn)動機(jī)構(gòu)進(jìn)行n階混沌多項(xiàng)式展開PCE運(yùn)算，獲取運(yùn)動機(jī)構(gòu)第n階所受阻力的最大值MRF和第n階PCE函數(shù)式，其中n為大于1的正整數(shù)。進(jìn)一步的，第一獲取模塊301包括：退化型設(shè)計(jì)參數(shù)獲取子模塊3011，用于獲取退化型設(shè)計(jì)參數(shù)，其中，退化型設(shè)計(jì)參數(shù)為運(yùn)動機(jī)構(gòu)中具有耗損型故障機(jī)理的、標(biāo)稱值隨時(shí)間改變的設(shè)計(jì)參數(shù)；離散時(shí)間點(diǎn)獲取子模塊3012，用于在運(yùn)動機(jī)構(gòu)壽命周期內(nèi)每隔m個收放循環(huán)取一個離散時(shí)間點(diǎn)；中間輸入變量獲取子模塊3013，用于在離散時(shí)間點(diǎn)上，根據(jù)概率配點(diǎn)法，從n+1階混沌多項(xiàng)式的根中隨機(jī)選擇數(shù)值作為配點(diǎn)，配點(diǎn)經(jīng)過轉(zhuǎn)換函數(shù)變換后，獲得中間輸入變量，其中，轉(zhuǎn)換函數(shù)根據(jù)原始輸入變量所服從的分布獲得；樣本數(shù)據(jù)獲取子模塊3014，用于根據(jù)退化型設(shè)計(jì)參數(shù)和中間輸入變量進(jìn)行仿真，獲得構(gòu)造第n階PCE函數(shù)式的樣本數(shù)據(jù)；PCE函數(shù)式獲取子模塊3015，用于根據(jù)樣本數(shù)據(jù)，計(jì)算獲得第n階PCE函數(shù)式和第n階MRF。第二獲取模塊302，用于獲取基于仿真模型估計(jì)得到的估計(jì)MRF。判斷模塊303，用于判斷第n階MRF與估計(jì)MRF之差的絕對值是否小于預(yù)設(shè)閾值，若小于，觸發(fā)第三獲取模塊304，若不小于，將n加1，觸發(fā)第一獲取模塊301。第三獲取模塊304，用于根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度。進(jìn)一步的，第三獲取模塊304具體包括：時(shí)變極限狀態(tài)函數(shù)獲取子模塊3041，用于根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得時(shí)變可靠性靈敏度方程；時(shí)變可靠性靈敏度曲線獲取子模塊3042，用于根據(jù)時(shí)變可靠性靈敏度方程繪制時(shí)變可靠性靈敏度曲線；時(shí)變可靠性靈敏度獲取子模塊3043，用于根據(jù)時(shí)變可靠性靈敏度曲線進(jìn)行可靠性靈敏度分析，并計(jì)算獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度。進(jìn)一步的，樣本數(shù)據(jù)獲取子模塊3014，具體包括：在每個離散時(shí)間點(diǎn)上，將退化型設(shè)計(jì)參數(shù)和中間輸入變量輸入到機(jī)械系統(tǒng)動力學(xué)自動分析模型中，獲得樣本MRF；構(gòu)造第n階PCE函數(shù)式的樣本數(shù)據(jù)由退化型設(shè)計(jì)參數(shù)、中間輸入變量和樣本MRF組成；PCE函數(shù)式獲取子模塊3015，具體包括：判斷樣本數(shù)據(jù)組成的矩陣是否為病態(tài)，若是，觸發(fā)離散時(shí)間點(diǎn)獲取子模塊3012；若否，在每個離散時(shí)間點(diǎn)上將樣本數(shù)據(jù)按照回歸分析求解系數(shù)；對離散時(shí)間點(diǎn)上的系數(shù)進(jìn)行擬合，得到系數(shù)的連續(xù)曲線；根據(jù)系數(shù)的連續(xù)曲線，獲得第n階PCE函數(shù)式；根據(jù)第n階PCE函數(shù)式計(jì)算獲得第n階MRF。退化型設(shè)計(jì)參數(shù)獲取子模塊3011，具體包括：獲取運(yùn)動機(jī)構(gòu)風(fēng)險(xiǎn)級別最高的故障模式及故障機(jī)理；根據(jù)故障模式及故障機(jī)理建立故障模型；根據(jù)故障模型計(jì)算獲得退化型設(shè)計(jì)參數(shù)。本實(shí)施例是與方法實(shí)施例二對應(yīng)的裝置實(shí)施例，具體可參見實(shí)施例二中的記 載，在此不再贅述。本發(fā)明提供的時(shí)變可靠性靈敏度分析裝置，首先根據(jù)樣本數(shù)據(jù)獲取子模塊3014獲取構(gòu)造第n階PCE函數(shù)式的樣本數(shù)據(jù)，再由PCE函數(shù)式獲取子模塊3015根據(jù)樣本數(shù)據(jù)計(jì)算獲得第n階PCE函數(shù)式和第n階MRF，然后由第二獲取模塊302獲取基于仿真模型估計(jì)得到的估計(jì)MRF，然后由判斷模塊303判斷第n階MRF與估計(jì)MRF之差的絕對值是否小于預(yù)設(shè)閾值，若小于，觸發(fā)時(shí)變極限狀態(tài)函數(shù)獲取子模塊3041根據(jù)第n階PCE函數(shù)式構(gòu)造時(shí)變極限狀態(tài)函數(shù)，獲得時(shí)變可靠性靈敏度方程；再由時(shí)變可靠性靈敏度曲線獲取子模塊3042根據(jù)時(shí)變可靠性靈敏度方程繪制時(shí)變可靠性靈敏度曲線，最后時(shí)變可靠性靈敏度獲取子模塊3043根據(jù)時(shí)變可靠性靈敏度曲線進(jìn)行可靠性靈敏度分析，并計(jì)算獲得運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度，以此來實(shí)現(xiàn)基于長周期退化運(yùn)動機(jī)構(gòu)的時(shí)變可靠性靈敏度分析，為長周期退化運(yùn)動機(jī)構(gòu)的基于可靠性的優(yōu)化設(shè)計(jì)工作提供支持。雖然已經(jīng)參考優(yōu)選實(shí)施例對本發(fā)明進(jìn)行了描述，但在不脫離本發(fā)明的范圍的情況下，可以對其進(jìn)行各種改進(jìn)并且可以用等效物替換其中的部件。尤其是，只要不存在結(jié)構(gòu)沖突，各個實(shí)施例中所提到的各項(xiàng)技術(shù)特征均可以任意方式組合起來。本發(fā)明并不局限于文中公開的特定實(shí)施例，而是包括落入權(quán)利要求的范圍內(nèi)的所有技術(shù)方案。當(dāng)前第1頁1 2 3