疲劳寿命概率分布的模糊贝叶斯确定方法

运用模糊综合评判方法综合经验信息以确定先验分布,同时运用贝叶斯理论将统计推断建立在后验分布基础上,给出了一种由小样本试验数据确定疲劳寿命分布的可靠方法;并用算例进行了说明。     

最大熵准则识别材料疲劳寿命分布

疲劳寿命具有很大的分散性,是工程结构设计中必须考虑的因素。为了降低主观不确定性的引入,得到更合理的疲劳寿命分布类型,提出一种用于识别疲劳寿命概率分布类型的一般计算方法。该方法首先根据疲劳试验样本信息确定疲劳寿命的前四阶统计矩;基于统计矩信息,利用最大熵准则确定疲劳寿命的概率分布类型。在基于最大熵准则识别疲劳寿命分布时,利用Lagrange乘子法求解最大熵分布。采用已有的航空铝合金2024-T351板件疲劳裂纹扩展试验数据验证所提计算方法的合理性和有效性。结果表明:所提方法能够高效地识别材料疲劳寿命分布类型,并且不局限于单峰标准分布类型。     

基于Bayes理论的多源可靠性数据融合方法应用研究

对Bayes方法在多源可靠性数据融合中的应用进行了分析。将Bootstrap方法和随机抽样法应用于确定不同先验信息下的先验分布或先验分布中的超参数。论证了采用线性加权进行多源先验分布融合的合理性,并提出了将样本的边缘分布作为该方法中确定权重的一个衡量尺度。最后,采用上述方法对某飞机组件的寿命进行了统计推断。     

威布尔混合分布可靠性模型的权重计算

在威布尔混合分布模型中,威布尔子分布模型权重系数的大小与发动机寿命数据有着直接动态的联系,但存在动态权重系数较难确定的问题.本文基于主客观综合赋权的思想确定了威布尔混合分布模型的权重系数,相对于以往只是基于主观或者客观的权重确定方法更加科学合理,并在已有发动机寿命数据的基础上,将此动态权重确定方法用于发动机可靠性评估,得出给定在翼飞行时间下的可靠度和给定可靠度下的可靠寿命.     

小子样疲劳试验数据的特征寿命估算方法评估

疲劳试验数据一般属小子样范畴,在Weibull寿命分布的假设下应考虑特征寿命的统计置信度.总结特征寿命概率估计的贝叶斯法和虚拟增广样本的Bootstrap法,通过2024-T3直耳片的七组疲劳试验数据对二者进行对比和评估.针对EDF拟合检验法无法对特征寿命估计值的合理性提供实质性指导的问题,提出一种新的试验样本数据全部落入寿命分布（1-a）双侧百分位区间的判定方法.结果表明：Bootstrap法的特征寿命估计值比贝叶斯法偏大;本文提出的判定方法可有效定性判断特征寿命估计值偏大或偏小.     

融合多传感器数据的发动机剩余寿命预测方法

针对基于单一传感器数据的剩余寿命预测方法存在数据利用率低和预测精度不高的问题，论文提出了一种融合多传感器数据的发动机剩余寿命预测方法。首先将多个传感器数据融合成一个复合健康指标来表征发动机的退化性能，采用线性维纳过程对复合健康指标进行退化建模，通过极大似然估计方法确定模型参数，进而得到发动机的预测寿命。为了确定融合系数，提出了一种利用真实寿命与预测寿命的预测均方误差最小化的方法。融合系数确定后，基于训练发动机历史寿命数据，确定出模型参数的离线估计值；然后利用Bayesian公式，同时结合发动机的实时监测数据与参数的先验分布对模型参数进行实时更新，接着在首达时间的意义下推导出剩余寿命的概率分布，进而实现了发动机的剩余寿命在线预测。最后，选择商用模块化航空推进系统仿真数据集进行数值仿真实验，结果表明：相较于基于单一传感器的方法，论文所提方法能够提高剩余寿命预测的准确性，其剩余寿命预测的相对均方误差降低了2%左右。     

卫星动量轮的污染数据的Bayes参数估计

由于试验条件等的限制,在寿命试验中,所获得的数据可能是污染数据.这时,采用传统方法分离污染项并对产品的寿命进行估计非常困难.针对指数型寿命数据受正态污染的情况,建立定数截尾情况下的数据模型,并采用Bayes方法对模型进行统计分析;在验前分布确定方面提出运用Bootstrap方法确定超参数.实例分析表明,Bayes方法对有污染情况寿命数据的统计推断是有效的.     

多退化变量下基于Copula函数的陀螺仪剩余寿命预测方法

针对惯性导航系统中陀螺仪多退化变量条件下的剩余寿命（RUL）预测问题,提出了一种基于Copula函数的多退化变量剩余寿命预测方法。首先,针对退化变量间不同的退化轨迹,采用不同的方法进行退化建模,并对于陀螺漂移系数样本标准差数据波动性随时间递增的特性,提出了一种方差时变的正态随机过程退化建模方法,得到了陀螺仪剩余寿命的边缘分布函数。然后,通过Copula函数来描述退化变量之间的相关性,将得到的剩余寿命的边缘分布进行融合,得到了陀螺仪剩余寿命的联合分布函数。最后,通过陀螺仪实例分析验证了方法的适用性和可行性。     

Birnbaum-Saunders分布的寿命分散系数

研究了基于Birnbaum-Saunders(B-S)分布的可靠疲劳寿命分析及评估方法,建立了基于中位值和平均值的B-S分布寿命分散系数确定方法.并针对特殊试验数据情形,建立了基于最大和最小顺序统计量的B-S分布寿命分散系数确定方法.公式表明:随着B-S分布尺度参数的增大,其中位寿命分散系数与平均寿命分散系数递减,而最大与最小寿命分散系数不变.案例计算结果表明,B-S分布的寿命分散系数通常小于对数正态分布的寿命分散系数.      

小样本条件下多应力加速寿命试验预测方法

鉴于导弹中的电子设备价格昂贵、可用于试验的样本量少,在开展加速试验以及寿命预测的实际工作中通常为小样本的背景。文章研究探索小样本条件下多应力加速试验寿命预测方法,分别建立通用对数线性模型、 BAS-BP神经网络模型、灰色–支持向量回归模型,结合多应力加速试验数据在各应力条件下的样本容量分别为 56组、20组、10组、5组的情况下,比较 3种模型的预测效果,分析各模型的适用场合和时机,探索小样本条件下模型的选优问题,为小样本条件下多应力加速试验寿命预测提供有益的借鉴。     

直升机动部件小子样全尺寸疲劳试验件的x~2检验

本文将X~2检验——“检验一个小子样是否来自已知标准差的母体”方法应用于直升机动部件的疲劳试验数据统计处理中,并与传统方法获得的结论进行了对比。结果表明:同样的小子样试验数据,若运用检验合格的结论,在同样的可靠度下,能较大幅度地提高零件的疲劳寿命。     

某涡轮盘小子样低周疲劳寿命评估计算——威伯斯先验评估法

介绍一种威伯斯先验评估法,并在有数据以及有数据支持和无数据支持两种情况下,利用两种小子样数据计算了涡轮盘的可靠性和使用安全寿命等。     

自助法在小样本数据均值估计中的应用

自助法（Bootstrap）是较好的处理小样本数据的方法,其无先验性及计算过程中只需要实际观测数据的优越性,使其广泛地应用于小样本数据处理。针对方法自身存在的缺陷,文章比较了目前自助法常用的两种抽样方式的优劣性,并采用改进的样本经验分布函数来解决这个问题,通过对均值的估计证实了方法的有效性。     

基于Bayes网络的多源信息融合方法在精度评定中的应用

提出了一种基于多源验前信息融合的Bayes精度评定方法。利用Bayes网络进行多源验前信息融合时,能够结合现场试验数据,对信息加权因子做出较为合理的推断。根据验前及验后数据,通过Bayes网络中的MC—MC方法可以快速地获取各变量的验后统计特性,达到估计现场试验精度的目的。因此,基于多源验前信息融合的Bayes方法可用于解决小样本下的精度评定问题,仿真结果表明了该方法的有效性。     

Kohonen网络在发动机故障诊断中的应用

文中第一部分研究了利用Kohonen 网络进行发动机故障诊断的特点与算法。并以JT9D发动机为例对算法的有效性进行了检验,23 个故障样本的确诊率达到87% 。文中还以一个典型例子进行了详细分析。文中第二部分提出了利用Kohonen 网络进行故障诊断结果排序的方法,该方法有助于给出简明的诊断结论。文中第三部分提出了利用Kohonen 网络提取故障样本群的代表性样本的方法。该方法对于经验故障方程的建立十分有用。      

一种解决经验模态分解端点效应的边界延拓法

用于电子设备或系统辐射发射趋势预测的数据大多呈现非线性、样本量小的特点,这大大增加了预测建模的难度,而经验模态分解(EMD)可以将非线性、非平稳的数据分解成若干个呈现一定周期性的本征模态函数(IMF),并且EMD具有完备性和正交性,可通过分别对分解得到的IMF分量建模,从而完成对原始数据的建模。但EMD被端点效应问题所困扰,为了提高EMD的分解精度,针对分解过程中的端点效应问题,以及辐射发射趋势预测的时间序列数据样本量小的特点,利用建立灰色均值GM(1,1)预测模型所需数据量小的优点,提出了一种基于灰色均值GM(1,1)预测模型的边界延拓方法,在原始数据两端各拓展一个极大值和一个极小值,对原始数据进行边界延拓,从而抑制EMD的端点效应。仿真对比结果表明:该方法在分解层数和平均相对误差方面均优于未经延拓处理的EMD,且对数据样本量要求不高。     

基于EWT的离心压气机出口动态压力样本熵分析

以800 kW离心压气机从稳定状态经过过渡过程进入喘振状态时段的出口动态压力为研究对象，采用经验小波变换并结合样本熵特征，分析了系统在不同工况下的复杂特性。首先，在分析系统动态压力波形特征的基础上，采用经验小波变换并结合皮尔逊相关系数进行信号的提取。其次，研究了提取信号的样本熵与系统工作状态变化的关联关系，并讨论了经验小波的分解层数和样本熵的维数对分析结果的影响。最后，通过将白噪声加入原始信号以验证该方法的抗干扰性能。研究结果显示：当系统由稳态进入喘振状态时，系统出口动态压力的样本熵表现出明显的突变特性，其值由0突变至0.7左右。从系统参数的选择角度，样本熵维数的变化对系统特征的分析影响较小。并且，采用该方法抗干扰性能较好。     

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%.      

小子样疲劳寿命分散系数置信区间随应力的变化规律研究

针对疲劳寿命样本小子样统计分析问题,采用Bootstrap方法模拟母体标准差的抽样分布,并结合纠偏的百分位法估算母体标准差的置信区间,着重估计了疲劳分散系数的置信区间。首先利用Bootstrap方法在参数区间估计方面的优越性能,对已知疲劳寿命母体分布的模拟试验数据进行了疲劳分散系数置信区间的估计,通过与真值的对照分析,验证了结合纠偏百分位思想的Bootstrap方法进行疲劳分散系数区间估计的可信性。然后利用此方法对航空材料的140个钢合金试件和295个铝合金试件的真实疲劳寿命试验数据进行了疲劳寿命分散系数的区间估计,并研究了疲劳分散系数置信区间随疲劳试验应力的变化规律,为在工程实际中分析疲劳寿命试验数据提供了参考方法。