摘要：针对传统威布尔参数估计方法对于初值要求较高且精度不高的问题，本文将改进粒子群算法引入威布尔参数估计。该算法采用最大速度线性递减的方法保证参数估计的效率和精度。以对某飞机液压锁为例开展算例分析，结果改进粒子群算法有效可行。
　　关键字：威布尔分布  参数估计  粒子群算法
　　前言
　　三参数Weibull分布参数估计方法有图解法、极大似然法、最小二乘法等。这些方法存在估计值精度不高以及样本需求量大的问题。最优化算法计算速度快、精度较高，适用于Weibull参数估计。
　　本文将一种改进的粒子群算法引入Weibull参数估计。该算法改善了标准PSO算法早熟收敛的不足，增强了全局搜索能力和局部搜索能力^[1]。通过对某飞机液压锁的计算，并对比最小二乘法的计算结果，证明了改進的PSO算法计算速度快，参数估计精确度高，具有很高的工程应用价值。
　　4  算例分析
　　本文以某飞机起落架液压锁为对象，设液压锁有36个寿命数据。在使用粒子群算法时，设置种群规模N=1000，自身学习因子c1=2，全局学习因子c2=2，权重方差σ=0.2，迭代数为100次。最终计算结果与最小二乘计算结果对比如表1所示。使用粒子群算法和最小二乘法估计的参数重新计算可靠度函数，并与试验数据对比如图1所示。从表1和图1可知，利用粒子群算法和最小二乘法较好的估计了Weibull参数，但是粒子群算法的结果更为精确，拟合度更好，具有更好的应用价值。
　　5  结论
　　针对weibull分布参数估计存在的问题，本文采用一种改进的粒子群优化算法估计weibull参数。该算法采用最大速度线性递减的方法，有效平衡了全局寻优能力和算法收敛精度的矛盾，并限制最大速度，使粒子不易陷入边界范围，从而保证参数估计的效率和精度。通过对某飞机液压锁的计算实例表明，改进的粒子群算法相比最小二乘法，具有精度更高的优点，满足工程应用的需要。
　　参考文献：

[1]白俊强，孙智伟.基于二阶振荡及自然选择的随机权重混合粒子群算法[J].控制与决策，2012，27（10）：1459-1464.

[2] Riccardo Poli， James Kennedy， Tim Blackwell. Particle swarm optimization[J]. Swarm Intell， 2007， 1（1）： 33-57.
　　作者简介：李雅（1982.11--）;性别：女，籍贯：陕西省杨凌人，民族：汉，学历：本科，现有职称：工程师;研究方向：可靠性维修性;