(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211152918.9 (22)申请日 2022.09.21 (71)申请人 陕西法士特齿轮有限责任公司 地址 710119 陕西省西安市高新区长安产 业园西部大道12 9号 (72)发明人 周子桐　严鉴铂　寇植达　溪晓楠　 刘立明　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 专利代理师 王艾华 (51)Int.Cl. G06F 30/20(2020.01) G06Q 10/00(2012.01) G06F 119/02(2020.01) (54)发明名称 一种基于改进威布尔分布的设备故障规律 拟合方法 (57)摘要 本发明涉及机电设备维修技术领域， 尤其涉 及一种基于改进威布尔分布的设备故障规律拟 合方法， 包括以下步骤： S1， 构建由Perks分布和 威布尔分布相加形成的改进威布尔分布的故障 率函数h(t)； S2， 采用极大似然法构造改进威布 尔分布的故障率函数h(t)的似然 函数， 获得改进 威布尔分布的故障率函数h(t)中模型参数α、 β、 θ、 λ的微 分方程； S3， 针对故障数据， 求解S2 中的模型参数α、 β、 θ、 λ微分方程， 得到对应 的故障模型参数； S4， 衡量改进威布尔分布的故 障率函数h(t)对故障数据的拟合效果。 本发明采 用最大似然函数求解模型参数， 可以拟合具有浴 盆曲线特征的故障率曲线， 能够准确的描述机电 设备可靠性变化规律， 可用于公司设备预防性维 护。 权利要求书2页 说明书4页 附图2页 CN 115455713 A 2022.12.09 CN 115455713 A 1.一种基于改进威布尔分布的设备故障规 律拟合方法， 其特 征在于， 包括以下步骤： S1， 构建由Perks 分布和威布尔分布相加形成的改进威布尔分布的故障率 函数h(t)； S2， 采用极大似然法构造改进威布尔分布的故障率函数h(t)的似然函数， 获得改进威 布尔分布的故障率 函数h(t)中模型参数α 、 β 、 θ、 λ 的微分方程； S3， 针对故障数据， 求 解S2中的模型参数α 、 β 、 θ、 λ微分方程， 得到对应的故障模型参数； S4， 衡量改进威布尔分布的故障率 函数h(t)对故障数据的拟合效果。 2.根据权利要求1所述的基于改进威布尔分布的设备故障规律拟合方法， 其特征在于， 在S1中， 所述改进威布尔分布的故障率 函数h(t)的表达式为： 式中α 为尺度参数， β 为形状参数， λ为回归参数， θ为调整参数， e 为自然底数， t为时间。 3.根据权利要求1所述的基于改进威布尔分布的设备故障规律拟合方法， 其特征在于， 在S2中， 所述似然函数的表达式为： 式中， n为样本个数。 4.根据权利要求1所述的基于改进威布尔分布的设备故障规律拟合方法， 其特征在于， 在S2中， 模型参数α 、 β 、 θ、 λ 的微分方程表达式为： 5.根据权利要求1所述的基于改进威布尔分布的设备故障规律拟合方法， 其特征在于， 在S3中， 采用迭代法求 解模型参数α 、 β 、 θ、 λ 的微分方程组。 6.根据权利要求1所述的基于改进威布尔分布的设备故障规律拟合方法， 其特征在于， 在S4中， 采用赤池信息准则AIC和贝叶斯信息准则 BIC衡量拟合效果， 求解拟合误差； 拟合误 差越小， 拟合效果越好。 7.根据权利要求6所述的基于改进威布尔分布的设备故障规律拟合方法， 其特征在于， 所述赤池信息准则表示 为： AIC＝2k‑2lnL 式中， k为模型未知参数个数， L 为似然函数。 8.根据权利要求6所述的基于改进威布尔分布的设备故障规律拟合方法， 其特征在于， 所述贝叶斯信息准则表示 为： BIC＝kln(n)‑2lnL权　利　要　求　书 1/2 页 2 CN 115455713 A 2式中， k为模型未知参数个数， L 为似然函数,n 为样本个数。 9.根据权利要求1所述的基于改进威布尔分布的设备故障规律拟合方法， 其特征在于， 在S1中， 通过改进威布尔分布的故障率函数h(t)、 可靠度函数R(t)和故障概率密度函数f (t)之间的固定关系， 推导得 出故障概 率密度函数和可靠度函数。 10.根据权利要求1所述的基于改进威布尔分布的设备故障规律拟合方法， 其特征在 于， 所述固定关系表达式为： f(t)＝h(t) ×R(t)和 权　利　要　求　书 2/2 页 3 CN 115455713 A 3