摘要：针对电火花线切割机床（Wire electrical discharge machining,WEDM）可靠性数据分布模型无法确定的问题,提出应用径向基函数（Radial basis function,RBF）神经网络对可靠性数据进行模拟仿真,扩大可靠性数据样本量,从而确定其分布模型的方法。选取聚类学习算法作为神经网络学习方法,通过无监督学习确定RBF神经网络中各隐节点的数据中心,并根据各数据中心之间的距离确定隐节点的扩展常数,然后用有监督学习训练各隐节点的输出权值。经过对原始可靠性数据进行拟合训练后生成一套RBF神经网络,随机产生100个可靠度数据输入该神经网络产生与原始可靠性数据具有相同失效统计规律的数据。对扩充后的可靠性数据通过图估计法和柯尔莫哥洛夫-斯米尔诺夫（Kolmogorov-smirnov,K-S）检验法确定电火花线切割机床可靠性数据分布模型为对数正态分布模型,同时对可靠性模型的参量估计更加准确。

关键词：径向基函数神经网络 可靠性 电火花线切割机床 聚类学习算法 

单位：北京科技大学机械工程学院 北京100083 陆军航空兵学院机载设备系 北京101114