基于分层贝叶斯模型的齿轮弯曲疲劳试验分析

摘要：

常规齿轮弯曲疲劳试验数据处理方法是基于最小二乘法(LSE)等传统频率理论的,在小样本条件下可靠度应力寿命(P-S-N)曲线易发生拟合失真.基于成组法开展了8620H钢表面渗碳齿轮的弯曲疲劳试验,将贝叶斯理论应用于小样本条件下弯曲疲劳试验数据分析,建立了齿轮弯曲疲劳试验数据的分层贝叶斯(HBM)模型,并通过Gibbs采样获得了参数的后验分布,得到齿轮弯曲疲劳P-S-N曲线.同时以50％和99％可靠度下S-N曲线相对斜率比为评价指标,对比了LSE模型与HBM模型拟合效果,结果表明:随着试验样本数据量的变化,HBM模型的相对斜率比α波动变化率为传统LSE模型的1/40,小样本条件下HBM模型结果优于传统的LSE模型结果.HBM模型可推广应用至齿轮接触疲劳试验等数据分析中.

关键词：小样本数据;齿轮弯曲疲劳试验;分层贝叶斯模型;最小二乘法

所属期刊栏目：32

分类号：TH114

资助基金：国家重点研发计划2018YFB2001300

在线出版日期：2022-01-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：3008-3015,3023