基于浴盆曲线故障率函数的FFOP预计方法

与传统可靠性指标中假设产品的随机失效不可避免不同,无故障工作期(FFOP)内产品不会发生任何故障(即零故障)。首先阐述了FFOP的概念内涵、与平均故障间隔时间(MTBF)的区别和联系,提出了一种FFOP的预计方法。该方法假设产品的故障率函数具有浴盆曲线特征、故障发生过程为泊松过程、产品具有固定的免维修工作期。然后以一种改进的Weibull分布函数描述具有浴盆曲线函数特征产品的故障率。基于泊松过程理论,给出了FFOP的预计算法、流程和仿真验证手段。最后以某型无人机舵机为案例对研究方法的可用性进行了验证。结果表明:FFOP与免维修工作期(MFOP)、置信度水平密切相关,及时维修的产品能够保证较长的FFOP。在工程应用时,FFOP的确定应综合考虑运行维护费用进行权衡。     

基于模型诊断技术的神经网络实现方法

针对基于模型的故障诊断流程中故障检测和故障识别两个关键问题,提出了一种基于神经网络的实现方法.首先利用BP神经网络进行参数估计,并结合系统模型进行故障检测;然后采用ART2神经网络进行数据聚类,并基于聚类结果进行系统故障识别;最后,设计实现了基于BP/ART2神经网络的故障诊断系统.基于BP神经网络的参数估计方法可以准确地估计诊断对象在不同状态下的参数,为故障检测提供有效依据;基于ART2神经网络的数据聚类不仅可以识别对象的已知故障类型,还可以识别出未知故障,对先验信息较少的系统进行故障识别更具有效性.通过永磁直流电机故障诊断案例的应用,证明方法能具有一定的工程实用性.