开关寿命连续型不可修冷、温贮备系统的可靠性分析及其随机模拟

本文对由n个部件组成的、开关寿命为连续型随机变量的不可修冷、温贮备系统作了可靠性分析,建立了这两类系统的一般模型,给出了冷贮备系统可靠度R_n(t)及平均寿命MTTF的一般形式解。并在指数分布场合下,给出了R_n(t)及MTTF的解析表达式。当部件贮备寿命相互独立同分布时,温贮备系统可以通过一个虚设的开关变量而归结为冷贮备系统。对一般的贮备系统,可以运用数理统计方法,根据样本给出R_n(t)及MTTF的估计。文末利用随机模拟方法,构造所需样本,便可获得R_n(t)及MTTF的数值估计。实例表明,随机模拟的结果是令人满意的。     

SOM人工神经网络在客机零部件故障诊断中的应用研究

现代客机在使用过程中不可避免地会发生各种故障，故障诊断对保证飞行安全十分重要，本文将基于概率的数学方法与专家经验相结合对其进行故障诊断。Kohonen的自组织特征映射（Self-organizing map,SOM）人工神经网络在输出上可反映出输入学习样本的概率密度分布，且无需知道样本的概率分布的先验知识，兼具函数逼近功能。本文将SOM引入这一领域，用于计算飞机零部件发生故障的概率，以及实现数学方法计算结果与专家经验的结合，实际应用说明了该方法的可行性。     

多重分形谱在材料分析中的应用研究

基于多重分形谱的物理意义，通过图像分析与处理技术，利用Delphi语言设计了图像结构的多重分形谱的计算程序。通过程序中图像黑白二值化转化阈值的设定，实现了从材料组织结构形貌图像上提取其相应的概率测度和标度指数的功能，并计算了它们的多重分形谱。分析表明：在对材料的组织结构进行研究的问题中，多重分形谱是一种有意义的表征参数，能够从多分形角度对材料的组织结构开展定量化的分析与解释。     

可靠性基础知识讲座：第二讲 概率基础知识

一、概率概率(Probability)是某事件发生的可能性。通常以P(A)表示事件A发生的概率。在处理可靠性问题时,对它须有定量的理解。例2.1 估计安装在机器上的某个灯泡的寿命T: (1)T<0,这是不可能发生的事件,其概率为0,表示为P(T<0)=0。 (2)T≥0,这是必然的事件,其概率为1,表示为P(T≥0)=1。     

疲劳裂纹扩展随机过程相关参数的估计

对数正态随机过程模型是可靠性与损伤容限分析中常用的裂纹扩展随机模型.在裂纹扩展对数正态随机过程模型的基础上,建立了由试验数据估计一般平稳正态随机过程相关参数的方法.应用这种方法可以直接由试验数据估计随机过程的相关参数.同时,给出了用Monte-Carlo方法估算置信区间的方法.最后,给出了用具体试验数据,这组试验数据共有237个数据点,估计随机过程相关参数的算例.     

基于D-S证据理论的发动机部件性能降级量化融合研究

针对多方法计算所得发动机部件性能降级无法直接应用Dempster-Shafer(D-S)证据理论融合的问题,提出一种实现降级参数量化融合的方法。以一段时间内计算结果作为样本,融合性能模型输出结果和神经网络输出结果,通过划分区间统计样本落入区间的频率构造基本概率赋值(BPA),从而实现性能降级的量化融合。对比了独立区间划分法和嵌套区间划分法两种BPA构造方法的融合结果,得出了嵌套区间划分法构造BPA具有更适合量化融合的主要结论。     

基于可靠性数据的航材备件需求预测方法

航材备件的需求预测已成为装备综合保障领域研究的难点.主要对各部件寿命分布类型进行归纳与总结,建立多数零件服从寿命分布类型的需求预测模型,并对军机执行任务这一特殊情况建立了战损备件预测模型.以可靠性数据为研究基础,对正态分布、指数分布、威布尔分布等备件进行分类分析,根据实际情况逐步精确备件保障概率的取值.计算结果表明,方法能给出合理的备件保障概率和备件需求预测结果.     

基于概率活动网络的军用飞机综合保障的建模和仿真

针对我军综合保障分析设计的需求,建立了一个概率活动网络模型,用于模拟真实的维修和使用保障活动,并介绍了任务模型和保障资源模型。用实例验证了该方法的可行性。     

基于Kriging模型梯度解析解的改进一次二阶矩方法

改进一次二阶矩（AFOSM）法是一种基于功能函数梯度的结构可靠性分析方法，鉴于其对隐式函数的梯度较难求解，提出了一种基于Kriging模型梯度解析解的AFOSM方法，利用Kriging代理模型的解析表达式推导得到功能函数对输入变量的梯度解析解，为AFOSM中设计点的确定提供高精度的梯度信息。通过Kriging与AFOSM的结合，很好地解决了基于有限元模型的隐式情况下梯度计算量相当大、可靠性分析难的问题。数值与工程算例验证了所提Kriging梯度解析解的较高精确性，同时验证了所提基于Kriging解析解的AFOSM结构可靠性分析方法的正确性与较高精度。     

基于自适应Kriging代理模型的交叉熵重要抽样法

对于复杂失效域和小失效概率耦合的可靠性分析问题，本文提出了一种交叉熵重要抽样（CE-IS）方法结合自适应Kriging （AK）代理模型的求解方法（CE-IS-AK）。所提方法基于交叉熵原理，用混合高斯模型逐步逼近最优重要抽样密度函数，并采用AK模型协助逼近过程中混合高斯模型的参数的更新，从而提高了CE-IS方法的计算效率。另外，本文还改进了CE-IS方法的收敛准则，避免了方法的冗余迭代，扩大了方法的适用范围。由于在CE-IS方法中引入了AK模型，因此，本文方法所构建的重要抽样函数在保证精度的基础上提高了效率。相较于AK-MCS方法，本文方法中引入了重要抽样的思想，因此在Kriging训练点数目基本相同的情况下，大幅缩减小失效概率计算时样本池规模，并且由于利用了混合高斯模型，因而对多失效域具有较好的适用性。算例分析也证明了本文所提方法的优越性。