性能退化双线性过程方法与成组试验方法的比较

针对性能退化可靠性分析问题,将双线性过程方法与成组试验方法进行了对比分析.首先,从理论层面阐述了双线性过程方法和成组试验方法对性能退化数据的建模过程,可以发现:双线性过程方法通过将性能退化数据作为一个整体进行统计分析,能够避免两步估计造成的信息浪费,提高分析精度.其次,以窗雨刮器开关性能退化试验为例进行了对比分析,结果表明,双线性过程方法共有2.5%的试验数据位于概率为90%的百分位值曲线估计结果上方,符合工程实际需要,而成组试验方法共有15%的试验数据位于百分位值曲线估计结果上方.此外,基于残差分析的模型检验结果表明双线性过程方法更为合理.     

截尾数据整体估计方法

提出一种截尾数据整体估计方法。该方法能够将仿真(或数字化设计)结果与截尾试验数据或不完全数据有机结合,实现多个状态下(多个母体)截尾试验数据或不完全数据的整体推断,从而建立各状态下正态分布、极值分布和Weibull分布等位置-尺度分布族的参数估计量,给出母体百分位值的置信限和置信区间估计。与传统方法相比,该方法具有信息量大,精度高的特点,能够进行极小子样可靠性评定。文中还给出一种利用截尾试验数据或不完全数据对仿真结果进行检验的方法。      

仿真结果距离检验方法和TIC方法对比分析

针对仿真结果动态一致性的检验,将距离检验方法和TIC(Theil's inequality coefficient)方法进行了对比分析.距离检验方法可以在一定显著性水平下给出一致性检验的拒绝域,在时域内实现了定量检验.TIC方法的检验指标是TIC系数,经过研究发现,TIC系数的计算结果可以通过坐标原点的选取而进行人为调整,大大增加了误判的可能性,所以TIC方法既不能定量检验,也不能有效的定性检验.对比研究表明:距离检验方法不受量纲、坐标原点选取等因素影响,其检验结果具有更高的可信性.      

区间数据整体估计方法

提出了一种区间数据整体估计方法, 给出整体分布参数的最佳线性无偏估计量及其协方差矩阵, 得到了正态分布、Weibull分布等位置-尺度分布族区间数据百分位值和百分率的置信限估计.该方法可以将不同条件下的试验数据作为一个整体进行统计推断, 将传统的只适用于完全数据的回归分析推广到工程中常见的区间数据的情况.      

通信卫星推力器可靠性评估方法

针对通信卫星推力器服役寿命长、试验费用高、寿命试验所得数据通常较少等具体特点,提出一种推力器极少失效数据可靠性评估和寿命预测方法,并建立不同试验工况下试验信息的相互折算原则,有效解决了通信卫星推力器的高精度可靠性评估难题.对某型推力器脉冲试验和稳态试验数据进行了处理,分别给出其同步轨道运行可靠性和转移轨道运行可靠性评估结果.      

Weibull分布定时无失效数据可靠性分析方法

定时无失效数据的处理是当前工程中亟需解决的问题.为此,提出一种Weibull分布定时无失效数据可靠性分析方法,在形状参数下限已知的情况下,给出了可靠度和使用寿命的单侧置信下限,从而能够根据定时无失效数据对产品进行高置信水平的可靠性评定.大量Monte Carlo模拟验证结果表明,该方法既可以充分利用定时无失效数据,又能对Weibull分布无失效数据进行累加,所以增大了信息量,提高了预测精度.文中给出某型号高压容器定时无失效寿命试验数据的计算实例.      

离子推力器极少数据可靠性评估方法

针对只有两台离子推力器进行寿命试验,试验结果为极少失效数据的情况,建立了一种离子推力器整机可靠性评估方法.通过引入区间统计量的概念,充分开发从最后一个失效数据继续试验到没有发生产品失效这一重要试验信息,由高斯-马尔科夫定理计算出寿命分布参数的最佳线性无偏估计,并给出离子推力器可靠度和寿命的单侧置信下限.最后,对美国NASA研制的型号为XIPS-13的离子推力器进行可靠性评估,得出了其寿命需求10000h的可靠度单侧置信下限为0.87及给定可靠度为0.9时的寿命单侧置信下限为9024.6h,该方法精度较高,便于工程应用.      

Weibull分布定时无失效数据寿命分散系数

提出一种Weibull分布定时无失效数据疲劳寿命分散系数修正方法,定义了定时无失效数据情形下分散系数的修正系数,推导了其计算公式.定时无失效数据与完全数据截然不同,因此其疲劳寿命分散系数明显不同,从疲劳分散系数的定义出发,分别对定时无失效数据情形下基于平均寿命、特征寿命、中位值寿命、最小寿命及最大寿命的两参数Weibull分布疲劳寿命分散系数进行了修正.最后对完全数据与定时无失效数据条件下分散系数计算数值进行了对比分析,结果表明分散系数的修正充分利用了产品的寿命信息,提高了产品安全寿命的预测精度,且修正系数易于计算,便于工程应用.      

自适应扩展增量 Kalman 滤波方法

基于扩展增量Kalman滤波方法(EIKF)和自适应增量Kalman滤波(AIKF),建立自适应扩展增量Kalman(AEIKF)模型及其分析方法,给出递推算法.在许多实际情况(如深空探测),由于环境因素的影响、测量设备的不稳定性等原因,量测方程往往存在未知的系统误差,并且模型参数也具有不确定性,结果导致较大的Kalman滤波误差,影响滤波的收敛性.提出的AEIKF方法能够成功消除这种未知的系统误差,并能够实时估计变化的噪声统计量,提高Kalman滤波精度.该方法计算简单,便于工程应用.      

增量粒子滤波方法

提出增量粒子滤波的概念,建立增量粒子滤波模型及其分析方法,给出其算法.对于工程实际中存在的由未知系统误差的影响而无法精确建立量测似然函数的这一问题,提出增量粒子滤波方法,通过对带有未知系统误差的量测数据进行校正,获得精确的量测似然函数,建立精确的增量粒子滤波模型,从而消除这种未知系统误差的影响,减少重采样的次数,较好地保存了粒子的多样性,提高非线性滤波的精度.模拟仿真中,重采样的次数减少41.7%,滤波误差均值和均方根误差分别降低了45.3%和70.1%,有效地改善了滤波的效果.