模糊等价关系下滚动轴承振动性能变异分析

在小样本且概率分布未知条件下,提出模糊等价关系和自助最大熵模型,并通过变异概率分析滚动轴承振动性能变异过程。对滚动轴承振动加速度原始数据分组得到样本,选定本征样本,计算各样本间的模糊等价系数;运用自助最大熵模型建立各样本的概率密度函数,通过交集法得到各样本相对于本征样本的变异概率,建立模糊等价系数和变异概率的关系曲线以实现对变异过程的监控;通过仿真和实验案例验证了所提模型的可行性和正确性。实验结果表明:随着磨损直径的逐渐增大,变异概率曲线呈“躺椅状”非线性上升趋势,对应滚动轴承磨损的3个阶段,即初级磨合阶段、正常性能退化阶段和性能恶化阶段。      

滚动轴承摩擦力矩的乏信息模糊预报

滚动轴承摩擦力矩的波动具有不确定性,属于概率分布与趋势规律都未知的乏信息系统.这阻碍了对轴承摩擦力矩的小样本分析与总体把握.为此,以模糊集合理论为基础,从小样本入手,建立了航天轴承摩擦力矩参数的经验概率密度函数及其模糊预报模型,并对摩擦力矩的均值上界和最大值上界进行预报.对HKTA和HKTB两种轴承摩擦力矩参数的试验研究表明,在99%～100%置信水平下,预报结果与试验结果之间的误差很小,最大绝对误差仅为0.081 1个设定单位,最大相对误差仅为10.165%,可以满足航天工程的要求.      

基于乏信息失效数据的可靠性评估方法

基于乏信息失效数据,提出了机械产品可靠性的最大熵评估模型.根据可靠性经验值公式,获得失效数据的可靠性经验值向量,并逆推出离散失效频率向量即获得统计直方图;基于区间映射的牛顿迭代方法获得具有最大熵的概率密度函数,对其积分获得失效概率分布函数,进而得到可靠性估计真值函数.仿真案例和试验案例研究证明该方法可以很好地评估已知分布的可靠性并有效地解决只有失效数据而没有概率分布任何先验信息的可靠性评估问题.在寿命给定时,最大熵方法获得的可靠性取值与已知分布获得的可靠性取值之间的差值非常小仅为3.40%.      

滚动轴承振动的灰自助动态评估与诊断

以灰预报和自助再抽样方法为基础, 提出灰自助动态评估与诊断模型, 以评估和改进滚动轴承的振动.该模型用动态不确定度、估计区间、估计真值、平均不确定度、平均真值和系统误差测度等6个参数, 描述滚动轴承振动的基本特征.对HKRB轴承的试验表明, 该模型对随机误差的概率分布与系统误差的类型没有任何要求, 在平均不确定度为最小的条件下分离出系统误差.评估的可信度达到100%.根据灰自助动态评估结果, 还诊断出影响轴承振动的误差特征, 揭示了来自轴承零件制造的误差根源, 为实施滚动轴承振动的生产过程控制奠定了基础.      

用自助加权范数法评估三参数威布尔分布可靠性最优置信区间

提出自助加权范数法,以评估三参数威布尔分布可靠性的最优置信区间.基于可靠性经验值与理论值的差异,通过6个最小加权范数准则,构建出威布尔分布的最优参数信息向量.对最优参数信息向量进行自助再抽样,获得生成参数信息向量,用于模拟参数的概率密度函数.在给定置信水平下,求解出参数的估计真值及其置信区间,并据此建立可靠性的估计真值函数及其最优置信区间函数.滚动轴承性能寿命案例、直升机部件失效案例与某试件疲劳寿命案例的研究表明:使用自助加权范数法,估计真值函数与可靠性经验值相一致,最优置信区间函数能描述试验结果的真实状态.      

自助法中若干问题研究及其在命中精度评估中的应用

在小样本的试验评估中,自助法是一种较优的小子样方法。本文在简要阐述自助法的基础上,深入分析了自助法应用中存在的若干问题,如再抽样样本的获取方式、再抽样样本量、各样本数据容量和适用范围,并给出了自助法的实施步骤,最后比较了自助法和落入概率点小样本方法在命中精度评估中的应用效果,指出了自助法的优点。     

基于协调近似表示空间的航空发动机故障诊断

航空发动机故障诊断的一个主要目标即是求出具有最大分布的故障类型,协调近似表示空间为统一处理不同信息系统提供了工具,并且考虑到航空发动机故障是典型的小样本问题,因此针对航空发动机故障诊断决策信息系统,在求取其基于最大分布的协调近似表示空间的基础上,引入规则融合方法得到所有不同条件下的决策规则,并将其用于历史故障数据的分析,得到了高的识别率,从实践的角度证明了该方法的有效性以及融合所得规则的普适性.      

模糊随机可靠性灵敏度分析方法

 依据模糊随机可靠性灵敏度的基本概念,提出了模糊随机可靠性灵敏度分析的通用数字模拟法,推导了模糊随机可靠性灵敏度数字模拟解的方差和变异系数的计算公式。当模糊变量的隶属函数为正态型时,可以将模糊随机可靠性灵敏度转化为随机可靠性灵敏度,并利用复合函数求导法则求解模糊随机失效概率对正态型隶属函数分布参数的灵敏度。对于工程中常用的对称三角型隶属函数,提出了两种近似等价正态化变换基础上的模糊随机可靠性灵敏度分析方法,这两种将对称三角型隶属函数近似等价为正态型的方法分别是“3σ规则”法和“最大最小”法。算例结果表明：由于“最大最小”法比“3σ规则”法所得的等价正态隶属函数能在形状上更好地近似对称三角型隶属函数,因而“最大最小”变换法更适用于对称三角型隶属函数情况下模糊随机可靠性灵敏度的近似计算。     

基于自助法的小样本数据分析方法研究

自助法（Bootstrap）和随机加权法（Bayes Bootstrap）都是较好的处理小样本数据的方法,其无先验性,以及计算过程中只需要实际观测数据的优越性,使其广泛地应用于实际数据处理之中,后者的估计精度要更好些。但对连续情况而言,自助法的计算特性使得重抽样本局限在原始样本范围内,无法渐进于真实情况。文章基于自助法研究了用改进的样本经验分布函数来解决这个问题,并通过仿真算例说明方法的有效性。     

最大熵分位值估计及其对偶型优化解法

针对经典最大熵分位值估计中拉格朗日系数计算目前存在高度非线性、计算结果精度不高或有时难以收敛等问题,提出了一种对偶型 逐次寻优的方法.基于拉格朗日对偶法,推导建立了含有拉格朗日系数优化函数的对偶表达式；在此基础上,基于样本的概率权重矩约束,提出了逐次寻优算法.针对几种常见的概率分布类型和一种较为复杂的概率分布类型,采用对偶型最大熵方法和经典最大熵方法对其概率累积函数和分位值进行计算对比分析表明:对偶型最大熵分位值估计不仅具有非线性程度低、形式简单,而且对偶型 逐次寻优的方法具有比较高的计算精度,优化迭代的收敛性好等特点.      

基于定性和定量关系的液体火箭发动机故障诊断

针对定性故障诊断系统的固有缺陷，利用模糊数学知识，在符号有向图上加入定量信息，形成定性定量模型，通过计算和比较被诊断模式对已知故障类型的模式的隶属度来确定系统的故障。该方法比较充分地利用了系统被监测参数的数值资源，对故障模式具有较强的识别和区分能力。     

截断分布下广义失效概率的可靠性分析方法

提出基于随机变量为截断分布和失效域模糊下的结构可靠性分析方法。由于常规的可靠性分析方法不能直接用于截断分布情况下广义失效概率的计算,因此,先将截断分布情况下的可靠性分析模型转化为非截断分布情况下的多模式并联系统模型,在此基础上引入模糊失效域的隶属函数,将截断分布情况下的模糊可靠性分析问题转化为一般的随机可靠性问题,利用Monte Carlo法和重要抽样法求得广义失效概率。给出了方法的实现步骤和原理,并用不同算例验证了方法的合理性与可行性。     

基于高保真有限元模型失谐叶盘受迫响应的统计特性

采用极值理论分析失谐叶盘最大受迫响应的统计特性并应用于某压气机叶盘上。对失谐叶盘进行减缩建模，运用蒙特卡洛方法模拟响应计算，研究不同激励阶次下最大响应放大因子的分布特性。采用极值理论对最大响应放大因子分布进行统计学建模，以极大似然估计方法求解未知参数，进行分布拟合，并采用K-S(Kolmogorov-Smirnov)检验方法检验各分布函数拟合的好坏程度。对某压气机叶盘进行失谐响应统计特性分析，对比了7种分布函数对最大响应放大因子的拟合效果，结果表明:极值分布、二参数威布尔分布、正态分布、对数正态分布和伽马分布拟合效果较差；常用的三参数威布尔分布不如广义极值分布的拟合效果好。因此，说明广义极值分布更能准确地描述失谐叶盘动力响应的统计特性。      

基于当量概率密度函数的模糊可靠性分析方法

实际工程中,结构系统的属性以及所受外载荷常常具有随机性和模糊性的特点。对于功能函数中含有模糊分布参数(FDP)的随机变量问题,如何准确且简便地评估其可靠性,是十分重要的。依据随机性和模糊性的基本概念,提出了当量概率密度函数的模糊可靠性分析方法。以FDP的隶属函数为基础,构造FDP的先验分布,应用Bayes理论,得到含有FDP随机变量的当量概率密度函数,并推导出具有常用隶属函数的FDP随机变量的数学期望和方差。这样就把含有FDP的随机变量处理成常规随机变量,进而可以应用传统的可靠性方法来分析结构的可靠性。本文所提方法解决了功能函数中含有多个FDP的随机变量时,模糊概率计算困难的问题。最后通过算例,与常用的模糊概率的可靠性分析方法进行比较,来验证本文算法的有效性。     

Fuzzy logic applications to multisensor-multitarget correlation

A consistent tactical picture requires data fusion technology to combine and propagate information received from diverse objects and usually vague situations. The information may be contained in two types of data; numerical data received from sensor measurements, and linguistic data obtained from human operators and domain experts. In real world situations, the numerical data may be noisy, inconsistent, and incomplete, and the linguistic information is imprecise and vague. To deal with these two types of data simultaneously, fuzzy sets and fuzzy logic provide a methodology to obtain an approximate but consistent tactical picture in a timely manner for very complex or ill-defined engineering problems. A functional paradigm for fuzzy data fusion is presented. It consists of four basic elements: (1) fuzzification of crisp elements, (2) fuzzy knowledge base derived from numerical input/output relations and humans, (3) fuzzy inference mechanism based on a class of fuzzy logic, (4) defuzzification of fuzzy outputs into crisp outputs for use by a plant. For real-time practical systems, the on-line determination of a fuzzy membership function from a given set of crisp inputs is vital. To this end, a methodology for estimating an optimal membership function from crisp input data has been implemented. This is based on the possibility/probability consistency principle as proposed by L.A. Zadeh. A relationship between the fuzzy membership function and the confidence level of statistical input data has been developed and it serves as a design parameter for fuzzification. This technique has been applied to a two-dimensional multisensor-multitarget tracking system. Fuzzy system performance evaluations have been presented. With simulated data in the laboratory environment, the simulation has been performed to evaluate the Mission Avionics Sensor Synergism (MASS) Systems. These results show better performance for the data correlation function using the fuzzy logic techniques.     

Probabilistic inference of fatigue damage propagation with limited and partial information

A general method of probabilistic fatigue damage prognostics using limited and partial information is developed.Limited and partial information refers to measurable data that are not enough or cannot directly be used to statistically identify model parameter using traditional regression analysis.In the proposed method, the prior probability distribution of model parameters is derived based on the principle of maximum entropy(Max Ent) using the limited and partial information as constraints.The posterior distribution is formulated using the principle of maximum relative entropy(MRE) to perform probability updating when new information is available and reduces uncertainty in prognosis results.It is shown that the posterior distribution is equivalent to a Bayesian posterior when the new information used for updating is point measurements.A numerical quadrature interpolating method is used to calculate the asymptotic approximation for the prior distribution.Once the prior is obtained, subsequent measurement data are used to perform updating using Markov chain Monte Carlo(MCMC) simulations.Fatigue crack prognosis problems with experimental data are presented for demonstration and validation.