1.一种基于BP神经网络的装载机驱动桥极小子样可靠性评估方法，其特征在于，包括以下步骤：步骤1，分别对n个装载机驱动桥样件进行疲劳寿命试验，得到n个疲劳寿命试验数据值；

步骤2，根据步骤1所得的n个疲劳寿命试验数据值建立BP神经网络模型，再通过BP神经网络将步骤1所得的n个疲劳寿命试验数据值扩充至m+n个样本数据，得到样本数据X；

步骤3，计算步骤2中得到的样本数据X的寿命平均值uY'和标准差σ'；

步骤4，根据步骤3所得的样本数据X的寿命平均值uY'和标准差σ'求得75％置信度对应的样本数据的寿命平均值uY的下限值步骤5，根据步骤4中所得的下限值 计算得到装载机驱动桥的可靠性指标。

2.根据权利要求1所述的一种基于BP神经网络的装载机驱动桥极小子样可靠性评估方法，其特征在于，步骤2中，根据步骤1所得的n个疲劳寿命试验数据值建立BP神经网络模型，具体方法是：S1，根据步骤1所得的n个疲劳寿命试验数据值组成原始序列t1,t2,...tn，并利用可靠度公式(1)进行计算，得到可靠度R(t1),R(t2),...R(tn)，将得到的可靠度R(t1),R(t2),...R(tn)作为训练BP神经网络的输入：其中，uY为装载机驱动桥疲劳试验样件的寿命平均值；σ为装载机驱动桥样件的标准差，其取值为σ＝0.17；

S2，将n个疲劳寿命试验数据值组成原始序列t1,t2,...tn作为训练BP神经网络的输出；

S3，将可靠度R(t1),R(t2),...R(tn)和n个疲劳寿命试验数据t1,t2,...tn导入到BP神经网络模型中对网络进行训练，同时将疲劳寿命试验数据值作为评估模型训练精度的测试数‑3据，当网络输出与期望输出的百分误差在10 之内时，则认为模型训练成功。

3.根据权利要求1所述的一种基于BP神经网络的装载机驱动桥极小子样可靠性评估方法，其特征在于，步骤2中，通过BP神经网络将步骤1所得的n个疲劳寿命试验数据值扩充至m+n个样本数据，具体方法是：S1，在[R(t1),R(tn)]范围内随机取m个随机可靠度，将其输入到训练好的BP神经网络模型，得到扩充的m个输出值：S2，将扩充得到的m个数据与原始的n个试验数据合并，得到m+n个样本数据X，即

4.根据权利要求1所述的一种基于BP神经网络的装载机驱动桥极小子样可靠性评估方法，其特征在于，步骤3中，利用Bootstrap方法求出步骤2中得到的样本数据X的寿命平均值uY'和标准差σ'。

5.根据权利要求1所述的一种基于BP神经网络的装载机驱动桥极小子样可靠性评估方法，其特征在于，步骤5中，可靠性指标包括可靠度与疲劳寿命之间的函数关系、失效概率密度与疲劳寿命之间的函数关系、失效率与疲劳寿命之间的函数关系、可靠寿命和平均寿命。

6.根据权利要求5所述的一种基于BP神经网络的装载机驱动桥极小子样可靠性评估方法，其特征在于，可靠度与疲劳寿命之间的函数关系表达式：

7.根据权利要求5所述的一种基于BP神经网络的装载机驱动桥极小子样可靠性评估方法，其特征在于，失效概率密度与疲劳寿命之间的函数关系表达式：

8.根据权利要求5所述的一种基于BP神经网络的装载机驱动桥极小子样可靠性评估方法，其特征在于，失效率与疲劳寿命之间的函数关系表达式：其中，t是疲劳寿命值，

9.根据权利要求5所述的一种基于BP神经网络的装载机驱动桥极小子样可靠性评估方法，其特征在于，驱动桥的可靠寿命计算公式：

10.根据权利要求5所述的一种基于BP神经网络的装载机驱动桥极小子样可靠性评估方法，其特征在于，平均寿命计算公式：