结合BP神经网络和毕达哥拉斯模糊数的工业机器人系统的可靠性分配
徐闽军
董秋仙
刘汝良
刘君
夏辰光
方笑婕
南昌大学 数学与计算机学院,南昌 330031
摘要：为确保工业机器人实现可靠性目标,可靠性分配是其制造设计阶段需要完成的任务.根据工业机器人结构复杂、不确定度高、样品少且组成零件间具有失效相关性的特点,提出了一种基于反向传播(Back Propagation,BP)神经网络和毕达哥拉斯模糊数(Pythagorean Fuzzy Number,PFN)的工业机器人系统的可靠性分配方法,使用Copula函数建立系统可靠性模型,将工业机器人的故障分为系统级、子系统级和部件级3个层次,通过使用BP神经网络,将系统可靠性、子系统结构重要度和子系统复杂度作为输入变量,完成系统级到子系统级的可靠性分配;引入PFN对重要程度、环境条件、技术水平、可维修性、费用灵敏度、复杂性6个影响因素进行评分,从而构造分配权重,完成子系统级到部件级的可靠性分配.结果表明,该方法可以实现可靠性目标,并保证了可靠性的增长.
关键词：可靠性分配工业机器人Copula函数BP神经网络毕达哥拉斯模糊数
分类号：TB114(工程基础科学)
论文发表日期：2025-08-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：10( 131-140 )
英文信息